http://200.17.137.109:8081/xiscanoe These are the search results for the query, showing results 1 to 15. http://200.17.137.109:8081/xiscanoe/donwloads/publicacoes/redes-neurais-artificiais-e-automatos-celulares Série comentada de artigos que enfocam o hibridismo entre RNA e AC em suas metodologias. Clique no nome do artigo ou passe o mouse em cima para visualizar os comentários. No publisher vitorkessler 2009-08-02T21:43:52Z Folder http://200.17.137.109:8081/xiscanoe/donwloads/papers/papers/redes-neurais-artificiais-e-automatos-celulares Série comentada de artigos que enfocam o hibridismo entre RNA e AC em suas metodologias. Clique no nome do artigo ou passe o mouse em cima para visualizar os comentários. No publisher vitorkessler 2009-08-02T21:43:52Z Folder http://200.17.137.109:8081/xiscanoe/donwloads/publicacoes/redes-neurais-artificiais-e-automatos-celulares/cellular-neural-networks Nesta pasta estarão os trabalhos sobre CNNs No publisher vitorkessler 2009-05-27T16:31:01Z Folder http://200.17.137.109:8081/xiscanoe/donwloads/papers/papers/redes-neurais-artificiais-e-automatos-celulares/cellular-neural-networks Nesta pasta estarão os trabalhos sobre CNNs No publisher vitorkessler 2009-05-27T16:31:01Z Folder http://200.17.137.109:8081/xiscanoe/donwloads/publicacoes/redes-neurais-artificiais-e-automatos-celulares/a_c_castilla.pdf 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. No publisher vitorkessler 2009-05-27T15:32:43Z File http://200.17.137.109:8081/xiscanoe/donwloads/papers/papers/redes-neurais-artificiais-e-automatos-celulares/a_c_castilla.pdf 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. No publisher vitorkessler 2009-05-27T15:32:43Z File http://200.17.137.109:8081/xiscanoe/donwloads/publicacoes/redes-neurais-artificiais-e-automatos-celulares/n_p_Hedge.pdf 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. No publisher vitorkessler 2009-05-27T14:43:38Z File http://200.17.137.109:8081/xiscanoe/donwloads/papers/papers/redes-neurais-artificiais-e-automatos-celulares/n_p_Hedge.pdf 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. No publisher vitorkessler 2009-05-27T14:43:38Z File http://200.17.137.109:8081/xiscanoe/donwloads/publicacoes/redes-neurais-artificiais-e-automatos-celulares/cellular-automata-and-self-organizing-neural-networks-for-invariant-target-recognition 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 No publisher vitorkessler 2009-05-27T14:13:07Z Link http://200.17.137.109:8081/xiscanoe/donwloads/papers/papers/redes-neurais-artificiais-e-automatos-celulares/cellular-automata-and-self-organizing-neural-networks-for-invariant-target-recognition 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 No publisher vitorkessler 2009-05-27T14:13:07Z Link http://200.17.137.109:8081/xiscanoe/donwloads/publicacoes/redes-neurais-artificiais-e-automatos-celulares/g-b_song.pdf 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. No publisher vitorkessler 2009-05-19T16:19:53Z File http://200.17.137.109:8081/xiscanoe/donwloads/papers/papers/redes-neurais-artificiais-e-automatos-celulares/g-b_song.pdf 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. No publisher vitorkessler 2009-05-19T16:19:53Z File http://200.17.137.109:8081/xiscanoe/donwloads/publicacoes/redes-neurais-artificiais-e-automatos-celulares/h_k_moghaddam.pdf 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. No publisher vitorkessler 2009-05-19T15:36:49Z File http://200.17.137.109:8081/xiscanoe/donwloads/papers/papers/redes-neurais-artificiais-e-automatos-celulares/h_k_moghaddam.pdf 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. No publisher vitorkessler 2009-05-19T15:36:49Z File http://200.17.137.109:8081/xiscanoe/donwloads/publicacoes/redes-neurais-artificiais-e-automatos-celulares/c_m_almeida.pdf 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. No publisher vitorkessler 2009-05-19T14:57:02Z File