Resumo—Alvo de diversas pesquisas, a estimação de posicionamento de cabeça tem por objetivo determinar a posição de um indivíduo em uma determinada cena. Estratégias de análise de vídeo para estimação de posição de cabeça que funcionem com webcams convencionais têm um papel central em sistemas de rastreamento ocular de baixo-custo. Neste trabalho, os autores comparam três classificadores (baseados em kernel principal component analysis, KPCA; linear discriminant analysis, LDA; e support vector classification, SVC) para estimar a posição de cabeça em uma base de imagens contendo poses discretas. A extração de características de entrada dos classificadores utiliza transformada wavelet de Gabor, cujos aspectos conceituais básicos são apresentados no texto. Testes utilizando uma base de dados disponível publicamente na internet foram realizados. Os resultados mostram que os classificadores possuem acurácia superior a 70% para número total de classes não superior a 15. À medida em que o número de classes aumenta, o desempenho dos classificadores deteriora significativamente: para 93 classes, por exemplo, as acurácias medidas foram de 34%, 33% e 43% para os classificadores baseados em KPCA, LDA, e SVC, respectivamente. Palavras-chave—Estimação de pose de cabeça. Wavelet de Gabor. KPCA. LDA. SVC.
{"title":"Comparação de Classificadores para a Estimação de Posicionamento de Cabeça","authors":"W. Nascimento, R. Zampolo","doi":"10.21528/cbic2019-80","DOIUrl":"https://doi.org/10.21528/cbic2019-80","url":null,"abstract":"Resumo—Alvo de diversas pesquisas, a estimação de posicionamento de cabeça tem por objetivo determinar a posição de um indivíduo em uma determinada cena. Estratégias de análise de vídeo para estimação de posição de cabeça que funcionem com webcams convencionais têm um papel central em sistemas de rastreamento ocular de baixo-custo. Neste trabalho, os autores comparam três classificadores (baseados em kernel principal component analysis, KPCA; linear discriminant analysis, LDA; e support vector classification, SVC) para estimar a posição de cabeça em uma base de imagens contendo poses discretas. A extração de características de entrada dos classificadores utiliza transformada wavelet de Gabor, cujos aspectos conceituais básicos são apresentados no texto. Testes utilizando uma base de dados disponível publicamente na internet foram realizados. Os resultados mostram que os classificadores possuem acurácia superior a 70% para número total de classes não superior a 15. À medida em que o número de classes aumenta, o desempenho dos classificadores deteriora significativamente: para 93 classes, por exemplo, as acurácias medidas foram de 34%, 33% e 43% para os classificadores baseados em KPCA, LDA, e SVC, respectivamente. Palavras-chave—Estimação de pose de cabeça. Wavelet de Gabor. KPCA. LDA. SVC.","PeriodicalId":160474,"journal":{"name":"Anais do 14. Congresso Brasileiro de Inteligência Computacional","volume":"30 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2020-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115510523","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
In naval warfare, several techniques have been developed for the detection and classification of war vessels. Given the confidential nature of the data it is extremely difficult to get a hold of large quantities of data which makes it extremely hard to use techniques that rely on abundant data, such as deep learning. This paper proposes the use of generative adversarial neural networks for the generation of synthetic samples that can later be used in training of classifiers. This paper focuses on the generation process and the qualifying of such samples. Keywords—Sonar Systems, Neural Networks, Generative Adversarial Neural Networks (GAN), Deep Learning.
{"title":"Análise de Amostras Sintéticas de Sinais de Sonar Passivo Geradas por Redes Neurais Generativas Adversariais","authors":"J. D. C. V. Fernandes, Natanael Junior, J. Seixas","doi":"10.21528/cbic2019-64","DOIUrl":"https://doi.org/10.21528/cbic2019-64","url":null,"abstract":"In naval warfare, several techniques have been developed for the detection and classification of war vessels. Given the confidential nature of the data it is extremely difficult to get a hold of large quantities of data which makes it extremely hard to use techniques that rely on abundant data, such as deep learning. This paper proposes the use of generative adversarial neural networks for the generation of synthetic samples that can later be used in training of classifiers. This paper focuses on the generation process and the qualifying of such samples. Keywords—Sonar Systems, Neural Networks, Generative Adversarial Neural Networks (GAN), Deep Learning.","PeriodicalId":160474,"journal":{"name":"Anais do 14. Congresso Brasileiro de Inteligência Computacional","volume":"19 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2020-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"133052092","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
A. P. Barros, Clodomir J. Santana, D. Almeida, H. Silva, W. Queiroz, W. Lopes, F. Madeiro
para Quantização Vetorial Robusta de Imagens Ana Paula Barros∗, Clodomir Santana Jr.†, Danilo Almeida‡, Hugerles Silva§, Wamberto Queiroz¶, Waslon Lopes‖, Francisco Madeiro∗∗ ∗Universidade de Pernambuco (UPE), Recife, e-mail: apbc@poli.br †Universidade de Pernambuco (UPE), Recife, e-mail: clodomir@ieee.org ‡Universidade Federal de Campina Grande (UFCG), e-mail: danilo.almeida@ee.ufcg.edu.br §Universidade Federal da Paráıba (UFPB), e-mail: hugerles.silva@ee.ufcg.edu.br ¶Universidade Federal de Campina Grande (UFCG), e-mail: wamberto@dee.ufcg.edu.br ‖Universidade Federal da Paráıba (UFPB), e-mail: waslon@ieee.org ∗∗Universidade de Pernambuco (UPE), Recife, e-mail: madeiro@poli.br
{"title":"Algoritmo ABC Aplicado à Atribuição de Índices para Quantização Vetorial Robusta de Imagens","authors":"A. P. Barros, Clodomir J. Santana, D. Almeida, H. Silva, W. Queiroz, W. Lopes, F. Madeiro","doi":"10.21528/cbic2019-74","DOIUrl":"https://doi.org/10.21528/cbic2019-74","url":null,"abstract":"para Quantização Vetorial Robusta de Imagens Ana Paula Barros∗, Clodomir Santana Jr.†, Danilo Almeida‡, Hugerles Silva§, Wamberto Queiroz¶, Waslon Lopes‖, Francisco Madeiro∗∗ ∗Universidade de Pernambuco (UPE), Recife, e-mail: apbc@poli.br †Universidade de Pernambuco (UPE), Recife, e-mail: clodomir@ieee.org ‡Universidade Federal de Campina Grande (UFCG), e-mail: danilo.almeida@ee.ufcg.edu.br §Universidade Federal da Paráıba (UFPB), e-mail: hugerles.silva@ee.ufcg.edu.br ¶Universidade Federal de Campina Grande (UFCG), e-mail: wamberto@dee.ufcg.edu.br ‖Universidade Federal da Paráıba (UFPB), e-mail: waslon@ieee.org ∗∗Universidade de Pernambuco (UPE), Recife, e-mail: madeiro@poli.br","PeriodicalId":160474,"journal":{"name":"Anais do 14. Congresso Brasileiro de Inteligência Computacional","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2020-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"130248819","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Caio José B. V. Guimarães, Marcelo A. C. Fernandes
Resumo—Este trabalho propõe uma técnica de otimização de memória para aplicações embarcadas de Redes Neurais Artificiais (RNAs) do tipo Perceptron de Múltiplas Camadas, Multi Layer Perceptron(MLP) em dispositivo do tipo Microcontrolador (μC) como plataforma de implementação. Esta plataforma possui processador de uso geral integrado aos periféricos em um único chip e caracteristicamente desses periféricos, a memória é bem reduzida se comparada às plataformas comumente utilizadas nas aplicações de RNAs. Este trabalho demonstra que nos μCs de arquitetura de Harvard, alguns possuem mecanismos que facilitam o armazenamento de pesos sinápticos na memória de programa. Esses pesos podem, então ser lidos em tempo de execução, sem continuamente ocupar a memória de dados, possibilitando a aplicação de arquiteturas de RNAs maiores e mais complexas nesses dispositivos de baixa potência, custo e memória. A implementação foi desenvolvida para um μC Atmega-2560 e a RNA do tipo MLP embarcada foi treinada para reconhecer o dı́gitos de 0− 9 do Dataset MNIST.
{"title":"Otimização de Redes Neurais MLP em Microcontroladores de 8 bits Utilizando Memória de Programa","authors":"Caio José B. V. Guimarães, Marcelo A. C. Fernandes","doi":"10.21528/cbic2019-44","DOIUrl":"https://doi.org/10.21528/cbic2019-44","url":null,"abstract":"Resumo—Este trabalho propõe uma técnica de otimização de memória para aplicações embarcadas de Redes Neurais Artificiais (RNAs) do tipo Perceptron de Múltiplas Camadas, Multi Layer Perceptron(MLP) em dispositivo do tipo Microcontrolador (μC) como plataforma de implementação. Esta plataforma possui processador de uso geral integrado aos periféricos em um único chip e caracteristicamente desses periféricos, a memória é bem reduzida se comparada às plataformas comumente utilizadas nas aplicações de RNAs. Este trabalho demonstra que nos μCs de arquitetura de Harvard, alguns possuem mecanismos que facilitam o armazenamento de pesos sinápticos na memória de programa. Esses pesos podem, então ser lidos em tempo de execução, sem continuamente ocupar a memória de dados, possibilitando a aplicação de arquiteturas de RNAs maiores e mais complexas nesses dispositivos de baixa potência, custo e memória. A implementação foi desenvolvida para um μC Atmega-2560 e a RNA do tipo MLP embarcada foi treinada para reconhecer o dı́gitos de 0− 9 do Dataset MNIST.","PeriodicalId":160474,"journal":{"name":"Anais do 14. Congresso Brasileiro de Inteligência Computacional","volume":"62 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2020-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"129664786","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
C. Costa, M. Araújo, João Antoniel da Silva Pinto, W. Freund, J. Seixas
Resumo —Ambientes que apresentam elevada taxa de amos- tragem, uma grande quantidade de canais de leitura e eventos raros imersos em uma grande quantidade de ruído de fundo são comuns em diversas aplicações de engenharia. Nestes ambientes, a filtragem do sinal de interesse se torna desafiadora devido à alta dimensionalidade no espaço de características original e ao grande volume de dados gerados. Na física de partículas, este contexto se faz presente, como no caso do sistema de filtragem do experimento ATLAS, situado no LHC (Large Hadron Collider), que tem como objetivo identificar partículas envolvidas em processos físicos de interesse de estudo. Desde 2017, o algoritmo NeuralRinger que consiste em um conjunto de redes neurais do tipo perceptron de múltiplas camadas, é utilizado no sistema de filtragem online do ATLAS com o objetivo de discriminar elétrons (sinal de interesse) de jatos (ruído). O NeuralRinger oferece redução de dimensionalidade através da representação da energia depositada nas células do sistema de calorimetria (medidores responsáveis pela estimação da energia associada aos eventos) com o uso de anéis concêntricos (total de 100) que alimentam as redes neurais. Este trabalho avalia a aplicação de técnicas de codificação para encontrar uma representação da informação anelada de calorimetria com um menor número de componentes e capaz de manter a capacidade discriminante. Redes auto-codificadoras discriminantes se mostraram capazes de representar a informação anelada de calorimetria com apenas um componente, mantendo a capacidade de discriminação elétron-jato. Os resultados foram obtidos utilizando uma base de dados de simulação de Monte Carlo, que representa as condições de colisões de prótons a uma energia de 13 TeV no centro de massa.
{"title":"Redes Auto-codificadoras como Pré-processamento em Calorimetria de Altas Energias com Fina Segmentação","authors":"C. Costa, M. Araújo, João Antoniel da Silva Pinto, W. Freund, J. Seixas","doi":"10.21528/cbic2019-102","DOIUrl":"https://doi.org/10.21528/cbic2019-102","url":null,"abstract":"Resumo —Ambientes que apresentam elevada taxa de amos- tragem, uma grande quantidade de canais de leitura e eventos raros imersos em uma grande quantidade de ruído de fundo são comuns em diversas aplicações de engenharia. Nestes ambientes, a filtragem do sinal de interesse se torna desafiadora devido à alta dimensionalidade no espaço de características original e ao grande volume de dados gerados. Na física de partículas, este contexto se faz presente, como no caso do sistema de filtragem do experimento ATLAS, situado no LHC (Large Hadron Collider), que tem como objetivo identificar partículas envolvidas em processos físicos de interesse de estudo. Desde 2017, o algoritmo NeuralRinger que consiste em um conjunto de redes neurais do tipo perceptron de múltiplas camadas, é utilizado no sistema de filtragem online do ATLAS com o objetivo de discriminar elétrons (sinal de interesse) de jatos (ruído). O NeuralRinger oferece redução de dimensionalidade através da representação da energia depositada nas células do sistema de calorimetria (medidores responsáveis pela estimação da energia associada aos eventos) com o uso de anéis concêntricos (total de 100) que alimentam as redes neurais. Este trabalho avalia a aplicação de técnicas de codificação para encontrar uma representação da informação anelada de calorimetria com um menor número de componentes e capaz de manter a capacidade discriminante. Redes auto-codificadoras discriminantes se mostraram capazes de representar a informação anelada de calorimetria com apenas um componente, mantendo a capacidade de discriminação elétron-jato. Os resultados foram obtidos utilizando uma base de dados de simulação de Monte Carlo, que representa as condições de colisões de prótons a uma energia de 13 TeV no centro de massa.","PeriodicalId":160474,"journal":{"name":"Anais do 14. Congresso Brasileiro de Inteligência Computacional","volume":"69 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2020-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127419849","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Otávio Oliveira, Henrique L. V. Giuliani, Amanda Polastro, Denis G. Fantinato
Resumo—Em problemas de predição de séries temporais, as Redes Neurais Recorrentes (RNNs, do inglês Recurrent Neural Networks) despontam como importantes estruturas de processamento de informação. Em particular, as RNNs do tipo LSTM (do inglês Long Short-Term Memory) possuem distintos mecanismos para tratar concomitantemente memórias de curto e de longo prazo, o que lhes garante um enorme potencial para o tratamento da informação. No entanto, o uso do erro quadrático médio (MSE, do inglês Mean Squared Error) como critério de otimização pode trazer algumas limitações ao desempenho da LSTM. Nesse sentido, o presente trabalho propõe o uso de um critério baseado no casamento de distribuições multivariadas ao invés do MSE para o treinamento da LSTM. Os resultados envolvendo quatro diferentes datasets para predição são favoráveis a esta abordagem que abre novas perspectivas para o uso da LSTM. Keywords—Redes Neurais Recorrentes; LSTM; Casamento de PDF
{"title":"Um Critério Baseado no Casamento de Distribuições Multivariadas para o Treinamento de Redes LSTM","authors":"Otávio Oliveira, Henrique L. V. Giuliani, Amanda Polastro, Denis G. Fantinato","doi":"10.21528/cbic2019-124","DOIUrl":"https://doi.org/10.21528/cbic2019-124","url":null,"abstract":"Resumo—Em problemas de predição de séries temporais, as Redes Neurais Recorrentes (RNNs, do inglês Recurrent Neural Networks) despontam como importantes estruturas de processamento de informação. Em particular, as RNNs do tipo LSTM (do inglês Long Short-Term Memory) possuem distintos mecanismos para tratar concomitantemente memórias de curto e de longo prazo, o que lhes garante um enorme potencial para o tratamento da informação. No entanto, o uso do erro quadrático médio (MSE, do inglês Mean Squared Error) como critério de otimização pode trazer algumas limitações ao desempenho da LSTM. Nesse sentido, o presente trabalho propõe o uso de um critério baseado no casamento de distribuições multivariadas ao invés do MSE para o treinamento da LSTM. Os resultados envolvendo quatro diferentes datasets para predição são favoráveis a esta abordagem que abre novas perspectivas para o uso da LSTM. Keywords—Redes Neurais Recorrentes; LSTM; Casamento de PDF","PeriodicalId":160474,"journal":{"name":"Anais do 14. Congresso Brasileiro de Inteligência Computacional","volume":"12 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2020-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"132891828","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
E. F. M. Ferreira, J. V. F. Neto, Y. F. Silva, Anna Dulce Espindola Fonseca Rocha
—The use of solar energy for electricity generation is already a reality. Several countries in the world are reconfiguring its energy matrix with the support of this energy source. To con- tribute to the worldwide renewable energy demand, an Electronic Intelligence Device (EID) systems is developed to manager the power generation process through the sunrise, enabling the use of intelligent techniques and new architectures of control devices, to ensure the solar panels operation at Maximum Power Point (MPP). Aiming high performance of the proposed system, the development of a control system based on discrete event systems theory and optimization methods is presented in this paper, the small photovoltaic cells is assembled on table with three-dimensional movement that is controlled by a Programmable Logic Controller.
{"title":"Control of Discrete-event Systems for 3D Positioning Rotary Tables with Photovoltaic Cells","authors":"E. F. M. Ferreira, J. V. F. Neto, Y. F. Silva, Anna Dulce Espindola Fonseca Rocha","doi":"10.21528/cbic2019-12","DOIUrl":"https://doi.org/10.21528/cbic2019-12","url":null,"abstract":"—The use of solar energy for electricity generation is already a reality. Several countries in the world are reconfiguring its energy matrix with the support of this energy source. To con- tribute to the worldwide renewable energy demand, an Electronic Intelligence Device (EID) systems is developed to manager the power generation process through the sunrise, enabling the use of intelligent techniques and new architectures of control devices, to ensure the solar panels operation at Maximum Power Point (MPP). Aiming high performance of the proposed system, the development of a control system based on discrete event systems theory and optimization methods is presented in this paper, the small photovoltaic cells is assembled on table with three-dimensional movement that is controlled by a Programmable Logic Controller.","PeriodicalId":160474,"journal":{"name":"Anais do 14. Congresso Brasileiro de Inteligência Computacional","volume":"56 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2020-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"133600286","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：