1. Identificação | |
Tipo de Referência | Artigo em Evento (Conference Proceedings) |
Site | mtc-m16.sid.inpe.br |
Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
Identificador | 6qtX3pFwXQZ3r59YDa/HDPNS |
Repositório | sid.inpe.br/iris@1916/2005/10.03.13.21 |
Última Atualização | 2020:08.10.18.04.29 (UTC) simone |
Repositório de Metadados | sid.inpe.br/iris@1916/2005/10.03.13.21.35 |
Última Atualização dos Metadados | 2022:09.14.19.59.56 (UTC) administrator |
Chave Secundária | INPE-12979-PRE/8256 |
Rótulo | self-archiving-INPE-MCTIC-GOV-BR |
Chave de Citação | Silva:2005:ReNeFi |
Título | Redes neurais e filtro de kalman para rastreamento de alvos com trajetórias tridimensionais |
Formato | CD-ROM; On-line. |
Ano | 2005 |
Data de Acesso | 19 abr. 2024 |
Tipo Secundário | PRE CN |
Número de Arquivos | 1 |
Tamanho | 680 KiB |
|
2. Contextualização | |
Autor | Silva, Cassiano Rodrigo |
Grupo | LIT-INPE-MCT-BR |
Afiliação | Instituto Nacional de Pesquisas Espaciais (INPE) |
Nome do Evento | Seminário de Iniciação Científica do INPE (SICINPE). |
Localização do Evento | São José dos Campos |
Data | 03-04 ago. 2005 |
Páginas | 1 de 36 |
Organização | Instituto Nacional de Pesquisas Espaciais - INPE |
Histórico (UTC) | 2005-10-03 13:21:58 :: sergio -> administrator :: 2006-11-09 19:02:07 :: administrator -> sergio :: 2008-01-07 12:53:02 :: sergio -> administrator :: 2018-06-05 01:16:10 :: administrator -> marciana :: 2005 2020-04-28 12:08:00 :: marciana -> simone :: 2005 2020-08-10 18:04:29 :: simone -> administrator :: 2005 2022-09-14 19:59:56 :: administrator -> simone :: 2005 |
|
3. Conteúdo e estrutura | |
É a matriz ou uma cópia? | é a matriz |
Estágio do Conteúdo | concluido |
Transferível | 1 |
Tipo do Conteúdo | External Contribution |
Resumo | A identificação e rastreamento de alvos móveis com trajetórias tridimensionais utilizando Redes Neurais Artificiais e o Filtro de Kalman é apresenta neste trabalho. Para a identificação da trajetória do objeto-alvo foram utilizadas redes neurais artificiais do tipo Kohonen, enquanto o filtro de Kalman é empregado para predizer o comportamento futuro do movimento. As redes neurais têm sido utilizadas para solucionar diversos problemas de engenharia como, por exemplo, em processamento digital de imagens e robótica e processamento digital de sinais. Redes neurais artificiais são técnicas computacionais que utilizam como modelo o funcionamento do cérebro humano, onde os neurônios são treinados de forma a responder somente aos padrões de entrada, podendo ser utilizadas no reconhecimento de padrões sem a necessidade de um treinamento prévio. As principais características que tornam desejáveis o estudo e o uso das redes neurais artificiais são a capacidade das mesmas de aprender através da experiência, a capacidade de se adaptar a situações adversas e a sua tolerância a ruídos. No campo das redes neurais existem diferentes técnicas de treinamento dos neurônios. Redes neurais supervisionadas - por exemplo, feed-forward, back-propagation. requerem que o usuário forneça os dados de saída desejada e os dados de entrada para que a rede neural realize o treinamento. Redes neurais não-supervisionadas é outra técnica de treinamento no qual os neurônios não necessitam que o usuário forneça uma saída para a rede.Mas neste trabalho foram utilizadas técnicas de aprendizado não supervisionado do tipo Kohonen. Conhecida também como Camada de Kohonen, nesta rede os neurônios disputam entre si pelo treinamento de suas sinapses, apresentando desta forma um aprendizado competitivo. Esta característica competitiva fornece à rede neural também a classificação de redes neurais do tipo winner-takes-all. Nas redes Kohonen o neurônio vencedor é treinado e tem sua sinapse alterada aproximando, a cada passo de treinamento, seus valores dos padrões de entrada. Neste trabalho, estas técnicas são utilizadas na identificação do objeto-alvo em seqüências de imagens e seqüência de sinais elétricos, e na identificação do movimento de forma que os neurônios sejam treinados para se aproximarem dos objetos-alvo (rastreamento), que neste caso são os padrões de entrada. Adicionalmente, os neurônios perdedores também recebem um treinamento; têm seu peso alterado de forma contrária do neurônio vencedor. Eles afastam-se do objeto-alvo, reduzindo assim, a chance de atrapalharem o neurônio rastreador. Visto que as redes neurais Kohonen geram suas próprias saída a partir dos padrões de entrada, elas funcionam como um sistema dinâmico de tal forma que a entrada (p.ex., padrões, alvos etc) e a saída (sinapses treinadas) do sistema estão disponíveis para análise do comportamento dinâmico e para serem 4 utilizados em sistemas em tempo real.. Assim, o filtro de Kalman é utilizado para estimar a saída da rede em um instante posterior àquele em que há o treinamento da rede Kohonen. Em casos em que o neurônio vencedor é alterado (há uma falha no rastreamento) o filtro de Kalman é utilizado para estimar a posição futura do alvo, e corrigir um possível erro de trajetória da rede neural. A função do Filtro de Kalman é estimar os estados futuros de um sistema dinâmico, e para isso baseia-se nos estados anteriores medidos neste sistema e O Filtro de Kalman realiza o processo de estimação em duas fases: (1) Predição, ou propagação no tempo, e (2) Atualização, ou correção das estimativas. Na fase de predição, o filtro utiliza os estados anteriores do sistema medidos para propagar no tempo uma estimativa a priori do estado futuro e uma matriz de covariância de erro. As estimativas a priori do estado futuro e da covariância de erro são chamadas de predição. Na fase de atualização, as saídas do sistema se tornam disponíveis e o filtro as utiliza como parâmetros para corrigir a predição dos estados e a matriz de covariância de erro, gerando uma estimação a posteriori (corrigida) dos estados do sistema. O filtro realiza este processo diversas vezes reduzindo, a cada passo, o erro de estimativa. Em algumas aplicações o Filtro de Kalman tem sido utilizado como o sistema que se comporta como o próprio rastreador, mas, neste trabalho, o Filtro de Kalman é uma ferramenta complementar na qual irá auxiliar no rastreamento realizado pela rede neural. |
Área | ETES |
Arranjo | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > COLIT > Redes neurais e... |
Conteúdo da Pasta doc | acessar |
Conteúdo da Pasta source | não têm arquivos |
Conteúdo da Pasta agreement | não têm arquivos |
|
4. Condições de acesso e uso | |
URL dos dados | http://urlib.net/ibi/6qtX3pFwXQZ3r59YDa/HDPNS |
URL dos dados zipados | http://urlib.net/zip/6qtX3pFwXQZ3r59YDa/HDPNS |
Idioma | pt |
Arquivo Alvo | Silva_redes.pdf |
Grupo de Usuários | administrator sergio simone |
Grupo de Leitores | administrator simone |
Visibilidade | shown |
Detentor da Cópia | SID/SCD |
Permissão de Atualização | não transferida |
|
5. Fontes relacionadas | |
Unidades Imediatamente Superiores | 8JMKD3MGPCW/444BQ9E 8JMKD3MGPDW34P/478H97L |
Acervo Hospedeiro | sid.inpe.br/banon/2003/08.15.17.40 |
|
6. Notas | |
Notas | Bolsa PIBIC/INPE/CNPq |
Campos Vazios | archivingpolicy archivist booktitle callnumber copyright creatorhistory descriptionlevel dissemination doi e-mailaddress edition editor electronicmailaddress isbn issn keywords lineage mark mirrorrepository nextedition numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress readpermission resumeid rightsholder schedulinginformation secondarydate secondarymark serieseditor session shorttitle sponsor subject tertiarymark tertiarytype type url versiontype volume |
|
7. Controle da descrição | |
e-Mail (login) | simone |
atualizar | |
|