Busca avançada
Ano de início
Entree

Geração ótima de trajetórias de robôs manipuladores: uma abordagem adaptativa usando redes neurais artificiais não supervisionadas

Processo: 98/12699-7
Linha de fomento:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de março de 1999
Vigência (Término): 28 de fevereiro de 2003
Área do conhecimento:Engenharias - Engenharia Elétrica - Eletrônica Industrial, Sistemas e Controles Eletrônicos
Pesquisador responsável:Aluizio Fausto Ribeiro Araújo
Beneficiário:Guilherme de Alencar Barreto
Instituição-sede: Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Assunto(s):Contexto   Redes neurais (computação)

Resumo

Proposição de um modelo de rede neural não-supervisionada capaz de construir, de forma autônoma (sem auxilio de um agente externo), trajetórias ótimas entre dois pontos espaciais quaisquer. Este modelo deve ser capaz de realizar o planejamento e controle das trajetórias consideradas, aprendendo incrementalmente quando necessário. O controlador do robô deve atuar em ambientes sujeitos a perturbações e ser capaz de se desviar de obstáculos. Como ultima meta, o robô deve ter habilidade de adequar trajetórias inicialmente construídas por ele: evitando passar por pontos desnecessários na trajetória e/ou criando caminhos alternativos na presença de obstáculos. Esta capacidade de adequação da trajetória deve ser obtida através da introdução de critérios de otimalidade para o estabelecimento de trajetórias. (AU)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
BARRETO‚ G.A.; ARAÚJO‚ A.F.R.; KREMER‚ S.C. A taxonomy for spatiotemporal connectionist networks revisited: the unsupervised case. NEURAL COMPUTATION, v. 15, n. 6, p. 1255-1320, 2003.
GUILHERME‚ D.E.A.B.; ARAUJO‚ A.F.R. Unsupervised learning and temporal context to recall complex robot trajectories. International Journal of Neural Systems, v. 11, n. 01, p. 11-22, 2001.
Publicações acadêmicas
(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)
BARRETO, Guilherme de Alencar. Redes neurais não-supervisionadas temporais para identificação e controle de sistemas dinâmicos. 2003. Tese de Doutorado - Universidade de São Paulo (USP). Escola de Engenharia de São Carlos São Carlos.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.