Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/15262
Title in Portuguese: A Dimensão temporal no projeto de classificadores de padrões para navegação de robôs móveis: um estudo de caso
Title: The temporal dimension in standards classifiers design for mobile robot navigation: a case study
Author: Freire, Ananda Lima
Advisor(s): Barreto, Guilherme de Alencar
Keywords: Teleinformática
Redes neurais artificiais
Robótica móvel
Estratégia seguir-paredes
Memória de curta duração
Computação evolutiva
Issue Date: 29-Sep-2009
Citation: FREIRE, A. L. A Dimensão temporal no projeto de classificadores de padrões para navegação de robôs móveis: um estudo de caso. 167 f. 2009. Dissertação (Mestrado em Engenharia de Teleinformática) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2009.
Abstract in Portuguese: Este trabalho investiga o grau de influência que a inclusão de mecanismos de memória de curta duração (MCD) exercem sobre o desempenho de classificadores neurais quando aplicados em tarefas de navegação de robôs. Em particular, trata da navegação do tipo Wall Following. Para este fim, quatro conhecidas arquiteturas neurais (Perceptron Logístico, Perceptron Multicamadas, Mistura de Especialistas e rede de Elman) são usadas com o intuito de associar diferentes padrões de leituras sensoriais com quatro classes de ações pré-determinadas. Todas as etapas dos experimentos - aquisição dos dados, seleção e treinamento das arquiteturas em simulador, além da execução das mesmas em robô móvel real (SCITOS G5) - são descritas em detalhes. Os resultados obtidos sugerem que a tarefa de seguir paredes, formulada como um problema de classificação de padrões, é não-linearmente separável, resultado este que favorece a rede MLP quando os classificadores são treinados sem MCD. Contudo, se mecanismos de MCD são usados, então até mesmo uma rede linear é capaz de executar a tarefa de interesse com sucesso.
Abstract: This work reports results of an investigation on the degree of influence that the inclusion of short-term memory mechanisms has on the performance of neural classifiers when applied to robot navigation tasks. In particular, we deal with the well-known strategy of navigating by “wall-following”. For this purpose, four neural architectures (Logistic Perceptron, Multilayer Perceptron, Mixture of Experts and Elman network) are used to associate different sensory input patterns with four predetermined action categories. All stages of the experiments - data acquisition, selection and training of the architectures in a simulator and their execution on a real mobile robot - are described. The obtained results suggest that the wall-following task, formulated as a pattern classification problem, is nonlinearly separable, a result that favors the MLP network if no memory of input patterns are taken into account. If short-term memory mechanisms are used, then even a linear network is able to perform the same task successfully.
URI: http://www.repositorio.ufc.br/handle/riufc/15262
metadata.dc.type: Dissertação
Appears in Collections:DETE - Dissertações defendidas na UFC

Files in This Item:
File Description SizeFormat 
2009_dis_alf.pdf22,01 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.