Redes Neurais Artificiais e Autômatos Celulares

GEOSIMULAÇÃO E ANÁLISE ESPACIAL: REDES NEURONAIS E AUTÓMATOS CELULARES NA PREVISÃO DE ALTERAÇÕES NOS PADRÕES DE USO E OCUPAÇÃO DO SOLO — by Vitor Kessler — last modified 2009-05-19 04:46

Neste trabalho, um AC é utilizado na previsão de mudanças no uso do solo. Uma RNA é utilizada para gerar um mapa de probabilidades para cada tipo de solo. Este mapa torna-se as regras para mudança de estágio do AC estocástico. A RNA é muito pouco detalhada e a forma como ela gera este mapa resume-se a "O resultado desta fase é um mapa de probabilidade de mudança para cada célula, obtido por integração através da RN de todos os valores de mudança derivados de todas as variáveis de predição."

URBAN SIMULATION USING NEURAL NETWORKS AND CELLULAR AUTOMATA FOR LAND USER PLANNING — by Vitor Kessler — last modified 2009-05-19 06:03

O modelo serve para prever mudanças no uso do solo: área não urbanizada para área urbanizada. Cada celula no autômato corresponde a um píxel no mapa. Ele pode ser preto (urbanizado) ou branco (não-urbanizado). Além da informação principal, existem 7 variáveis que influenciam a urbanização ou não (exemplo: distância para a estrada mais próxima). Uma RNA é treinada para cada célula do autômato recebendo como entrada as 7 variáveis e a saída 1 ou 0 (urbanizada ou não urbanizada). Após o treinamento, o autômato roda usando como regra para mudança o resultado da RNA. Assim, dado um momento do tempo, o resultado da rede for maior que 0.85, uma célula não urbanizada torna-se urbanizada. A RNA utilizada é a MLP-BP

CELLULAR AUTOMATA AND NEURAL NETWORKS AS A MODELLING FRAMEWORK FOR THE SIMULATION OF URBAN LAND USE CHANGE — by Vitor Kessler — last modified 2009-05-19 06:57

O modelo é usado para prever mudanças no uso do solo. Temos um CA, onde cada célula representa uma região no mapa. A RNA gerá o mapa de probabilidades. Neste problema são possíveis 4 tipos de mudança de estado diferentes. Para cada tipo foi gerada uma probabilidade pela rede. As probabilidades são usadas como regras de transição pelo CA. A RNA usada foi a MLP-BP.

Urban simulation Using Neural Networks and Cellular Automata for Land Use Planning — by Vitor Kessler — last modified 2009-05-19 07:36

CA como base (cada célula é um quadrado no mapa), RNA para gerar os mapas de probabilidades. RNA MLP-BP. O detalhe é a inserção de um fator de disturbância para gerar a probabilidade final. A RNA foi treinada com 1000 pontos escolhidos aleatoriamente, entre as imagens de satelite entre 1975 e 1990.

Rule-based Integration of Multiple Neural Networks Evolved based on Cellular Automata — by Vitor Kessler — last modified 2009-05-19 08:19

CAM-Brain um método que utiliza RNA evolutivas baseadas em CA é utilizado para o controle de robôs. A estrutura da RNA é composta de brancos, neurônios, axônios e dendritos que cresce dentro de um CA 2D ou 3D, com vizinhos e regras codificadas em um cromossomo. Uma célula em branco não transmite nenhum sinal. células com neurônios coletam os sinais de dendritos vizinhos. caso a soma destes sinais ultrapassem um limiar, o neurônio manda o sinal para os axônios vizinhos. Os axônios enviam os sinais para os dendritos vizinhos. Várias redes são testadas e algoritmos genéticos encontram a melhor solução. A partir daí, vários módulos com esta estrutura foram montados e utilizados em conjunto, através de regras simples, para controlar o robô.

Cellular automata and self-organizing neural networks for invariant target recognition — by Vitor Kessler — last modified 2009-05-27 06:13

Este trabalho apresenta um modelo para detecção de alvos em movimento em sequências de miganes binárias consecutivas. Um AC probabilístico é usado na detecção dos alvos em movimento e uma SOM é usada para classificação baseada no momento invariante!. As vantagens do modelo é a facilidade para implementação de paralelismo, imunidade a ruidos, fácil detecção de alvos parcialmente encobertos etc. Um problema de detecção de aeronaves é usado para ilustrar a performance do modelo. Não tive acesso ao pdf

SETTLEMENT GROWTH PREDICTION USING NEURAL NETWORK AND CELLULAR AUTOMATA — by Vitor Kessler — last modified 2009-05-27 06:43

Neste trabalho, a RNA (Backpropagation) é utilizada para gerar os parâmetros do CA. A metodologia não é muito detalhada. O sistema é desenvolvido usando um software de GIS e testado em uma região. Os dados aparentemente dizem que a simulação usando CA+RNA são melhores do que usando o CA somente.

SELF-ORGANIZING MAP AND CELLULAR AUTOMATA COMBINED TECHNIQUE FOR ADVANCED MESH GENERATION IN URBAN AND ARCHITECTURAL DESIGN — by Vitor Kessler — last modified 2009-05-27 07:32

Apresenta uma técnica para construção de uma malha dinâmica usada em design urbano e arquitetônico. O método mistura SOM com CA. O método pretende ser uma ferramenta de apoio para o arquiteto ou planejador urbano tratar uma quantidade grande de dados espaciais. Os dados de entrada na SOM (que é a primeira fase do modelo) não ficaram claro. A SOM gera um mapa que é utilizado como entrada para o CA, onde cada célula do CA corresponderá a um neurônio da SOM. neste processo, alguns neurônios da SOM são desativados. Em seguida a SOM é projetada no espaço 3D. O resultado apresentado foi uma imagem 3D de uma cidade simulada.