Uma Rede Neural Auto-Organizável Construtiva para Aprendizado Perpétuo de Padrões Espaço-Temporais

• Ano de defesa: 2007
• Autor(a) principal: Bastos, Eduardo Nunes Ferreira
• Orientador(a): Engel, Paulo Martins
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Redes neurais; Inteligência artificial
• Palavras-chave em Inglês: Embodied cognitive science; Artificial neural networks; Self-organization; Temporal representation; Constructive learning
• Link de acesso: http://hdl.handle.net/10183/12662

O presente trabalho propõe um novo modelo de rede neural artificial voltado a aplicações robóticas, em especial a tarefas de natureza espaço-temporal e de horizonte infinito. Este modelo apresenta três características que o tornam único e que foram tomadas como guia para a sua concepção: auto-organização, representação temporal e aprendizado construtivo. O algoritmo de aprendizagem auto-organizada incorpora todos os mecanismos que são básicos para a auto-organização: competição global, cooperação local e auto-amplificação seletiva. A rede neural é suprida com propriedades dinâmicas através de uma memória de curto prazo. A memória de curto prazo é inserida na estrutura da rede por meio de integradores e diferenciadores, os quais são implementados na camada de entrada da rede. Nesta abordagem existe uma evidente separação de papéis: a rede é responsável pela não-linearidade e a memória é responsável pelo tempo. A construção automática da arquitetura da rede neural é realizada de acordo com uma unidade de habituação. A unidade de habituação regula o crescimento e a poda de neurônios. O procedimento de inclusão, adaptação e remoção de conexões sinápticas é realizado conforme o método de aprendizado hebbiano competitivo. Em muitos problemas práticos, como os existentes na área da robótica, a auto-organização, a representação temporal e o aprendizado construtivo são fatores imprescindíveis para o sucesso da tarefa. A grande dificuldade e, ao mesmo tempo, a principal contribuição deste trabalho consiste em integrar tais tecnologias em uma arquitetura de rede neural artificial de maneira eficiente. Estudos de caso foram elaborados para validar e, principalmente, determinar as potencialidades e as limitações do modelo neural proposto. Os cenários abrangeram tarefas simples de classificação de padrões e segmentação temporal. Os resultados preliminares obtidos demonstraram a eficiência do modelo neural proposto frente às arquiteturas conexionistas existentes e foram considerados bastante satisfatórios com relação aos parâmetros avaliados. No texto são apresentados, também, alguns aspectos teóricos das ciências cognitivas, os fundamentos de redes neurais artificiais, o detalhamento de uma ferramenta de simulação robótica, conclusões, limitações e possíveis trabalhos futuros.