Página 1 dos resultados de 2036 itens digitais encontrados em 0.010 segundos

Exploração de relações entre técnicas simbólicas e conexionistas da inteligência computacional. ; Relations exploration between symbolic and connectionist techniques of computacional intelligence.

Caversan, Fábio Lopes
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 24/05/2006 PT
Relevância na Pesquisa
56.31%
Este trabalho consiste em uma contribuição à área de Inteligência Computacional, no que tange a algumas de suas principais técnicas: Computação Nebulosa e Computação Neural. Estas técnicas vêm sendo utilizadas para obter-se soluções de problemas que se apresentam complexos demais para a abordagem algorítmica ou modelagem matemática tradicionais. Entretanto, estes problemas são solucionados de forma trivial pelo aparato que compõe a chamada inteligência humana. A existência de relações, regras e transformações capazes de transferir modelos de problemas de um domínio para outro, traz grandes vantagens para a área de Inteligência Computacional. Teorias e modelos bem estabelecidos em uma das técnicas podem ser utilizados em outras, como por exemplo, os diversos métodos de aprendizado de Computação Neural e a capacidade de utilização de conhecimento especialista de Computação Nebulosa. Problemas modelados classicamente em uma técnica podem ser vistos à luz de outra, possibilitando uma melhor compreensão e otimização das soluções. É realizada uma exploração destas relações. São abordados alguns trabalhos anteriores que indicam a existência de algumas relações, e propostos alguns modelos para desenvolver o trabalho de pesquisa. Uma plataforma para realização de simulações e coleta de dados empíricos para as explorações é especificada. Parte da plataforma foi implementada...

Exploração de relações entre as técnicas nebulosas e evolutivas da inteligência computacional.; Exploration of relations between the fuzzy and the evolutionary techniques of computational intelligence.

Fialho, Álvaro Roberto Silvestre
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 12/04/2007 PT
Relevância na Pesquisa
66.29%
Neste trabalho foi realizada uma busca por relações, regras e transformações entre duas metodologias constituintes da Inteligência Computacional - a Computação Nebulosa e a Computação Evolutiva. Com a organização e sistematização da existência de tais transformações, obtém-se uma mudança na modelagem de soluções que as utilizam de forma conjunta, possibilitando que teorias e modelos bem estabelecidos em uma das metodologias possam ser aproveitados pela outra de uma forma mais robusta, correta por construção, intrínseca e transparente. Um modelo foi proposto para direcionar o trabalho de pesquisa. Através da análise desse modelo e de uma revisão bibliográfica realizada, transformações pontuais entre as metodologias foram elencadas, e posteriormente consolidadas por meio de experimentos práticos: uma Base de Conhecimento (BC) de um Controlador Lógico Nebuloso foi criada e modificada, conforme a necessidade, através de um Algoritmo Genético (AG). Com a abordagem desenvolvida, além da criação de BCs a partir de pouquíssimo conhecimento sobre o domínio do problema, tornou-se possível a inserção de novos "comportamentos desejados" em BCs já existentes, automaticamente, através de AGs. Os resultados desses experimentos...

Inteligência computacional aplicada à adaptação na modelagem matemática do processo de laminação a frio de aços planos.; Computational intelligence applied to the adaptation of mathematical modeling in flat steel cold rolling process.

Santos Filho, Antonio Luiz dos
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 25/09/2009 PT
Relevância na Pesquisa
56.13%
A laminação a frio de aços planos é um processo industrial de grande complexidade, executado num ambiente bastante agressivo e caracterizado por parâmetros incertos, grandes tempos de atraso, múltiplas entradas e múltiplas saídas e por forte interação entre as diversas variáveis (GUO, 2000). As referências necessárias para o controle de tal processo são obtidas por meio de um modelo matemático, responsável pela sua otimização. Dadas as particularidades do processo, o modelo deve ser do tipo adaptativo, ou seja, deve ter seus parâmetros continuamente ajustados com base nos resultados efetivamente obtidos durante a operação. A adaptação do modelo é essencial para a consecução dos requisitos de qualidade do produto e, em conseqüência, para a viabilidade da planta. Este trabalho primeiramente investiga as estratégias tradicionalmente empregadas no desenvolvimento de modelos adaptativos para o processo de laminação de aços, identificando os pontos fortes e deficiências de tais técnicas. Com o objetivo de minimizar essas deficiências e aperfeiçoar o desempenho do modelo, o trabalho propõe em seguida a utilização de ferramentas de Inteligência Computacional (mais especificamente, Redes Neurais Artificiais) para tornar mais eficiente a adaptação de dois importantes parâmetros: o limite de escoamento do material e o coeficiente de atrito entre a tira e os cilindros de trabalho. O texto apresenta os fundamentos teóricos...

Um método baseado em inteligência computacional para a geração automática de casos de teste de caixa preta.; A method based on computational intelligence for automatic Black Box test cases generation.

Sá, Hindenburgo Elvas Gonçalves de
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 09/09/2010 PT
Relevância na Pesquisa
56.2%
Este trabalho de dissertação apresenta um método baseado em técnicas de inteligência computacional, como aprendizado de conjunto de regras, redes neurais artificiais e lógica fuzzy, para propor o desenvolvimento de ferramentas capazes de gerar e classificar casos de testes de caixa preta com as finalidades de auxiliar na atividade de preparação de testes, na detecção de defeitos em características ou funcionalidades e na diminuição do tempo de detecção de correção do software visando, com isto, atingir uma cobertura de testes qualitativamente superior ao processo criação manual. A obtenção de novos casos de testes e a classificação dos casos de testes gerados utilizam técnicas de aprendizado de um conjunto de regras, utilizando algoritmos de cobertura seqüencial, e de uma máquina de inferência fuzzy. A definição dos métodos, tanto para gerar como para classificar os casos de testes, foram fundamentados em experimentos visando comparar as similaridades entre os métodos fuzzy, redes neurais artificiais e aprendizado de conjunto de regras. Por fim, procurou-se desenvolver uma ferramenta à titulo de prova de conceitos objetivando aplicar os métodos que obtiveram melhores resultados nas experimentações. Os critérios adotados para definir os métodos foram às métricas de complexidade ciclomática e total de linhas de código (LOC).; This dissertation work presents a method based on computational intelligence techniques...

Detecção de dano em estruturas via inteligência computacional e análise dinâmica ; Structural damage detection by means of computational intelligence techniques and dynamic analysis

Villalba Morales, Jesús Daniel
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 29/11/2012 PT
Relevância na Pesquisa
66.29%
Nesta tese doutoral estudam-se formas de resolver o problema de detecção de dano em estruturas a partir da aplicação de técnicas de inteligência computacional e da resposta dinâmica da estrutura. Duas opções para a formulação do problema são consideradas. Primeiro, um problema de otimização é estabelecido a partir da minimização da diferença entre os parâmetros dinâmicos experimentais da estrutura na condição com dano e aqueles calculados utilizando um modelo de elementos finitos que representa tal condição. Diferentes técnicas metaheurísticas (algoritmos genéticos, particle swarm optimization, evolução diferencial), algumas em versões com adaptação de parâmetros, são empregadas. Estuda-se, ainda, a formulação do problema de otimização como um com múltiplos objetivos. Uma nova forma de avaliar o desempenho de uma metodologia de detecção de dano é proposta, que está baseada na capacidade da metodologia para obter um nível determinado de exatidão no cálculo da extensão do dano e na presença de falso-negativos e falso-positivos nos resultados. Segundo, aplicam-se redes neurais para determinar o mapeamento entre os parâmetros dinâmicos experimentais da condição atual da estrutura e a extensão ou posição do dano nesta. Estruturas do tipo viga e treliça foram submetidas a diferentes cenários de dano com o intuito de determinar o desempenho das metodologias propostas. Resultados mostram a habilidade de técnicas de inteligência computacional para detecção de cenários de dano com uns poucos elementos danificados; porém não é possível garantir que as metodologias terão sucesso para o 100% dos casos. Recomenda-se a utilização de técnicas de busca local para melhorar a solução encontrada pelos algoritmos globais. Finalmente...

Reconhecimento de movimentos humanos utilizando um acelerômetro e inteligência computacional.; Human movements recognition using an accelerometer and computational intelligence.

Silva, Fernando Ginez da
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 19/11/2013 PT
Relevância na Pesquisa
66.2%
Observa-se nos tempos atuais um crescente interesse e demanda por novas tecnologias de sensoriamento e interação. A monitoração, com o objetivo de reconhecimento de movimentos humanos, permite oferecer serviços personalizados em diferentes áreas, dentre elas a área de cuidados médicos. Essa monitoração pode ser realizada por meio de diferentes técnicas como o uso de câmeras de vídeo, instrumentação do ambiente onde o indivíduo habita, ou pelo uso de dispositivos pessoais acoplados ao corpo. Os dispositivos acoplados ao corpo apresentam vantagens como baixo custo, uso confortável, além de muitas vezes serem despercebidos pelo usuário, diminuindo a sensação de invasão de privacidade durante a monitoração. Além disso, o dispositivo sensor pode ser facilmente acoplado ao corpo pelo próprio usuário, tornando o seu uso efetivo. Deste modo, este trabalho apresenta o desenvolvimento de um sistema que emprega técnicas de inteligência computacional e um acelerômetro facilmente acoplado ao punho do usuário para efetuar, de maneira confortável e não invasiva, o reconhecimento de movimentos básicos da rotina de uma pessoa. Aplicando máquinas de vetores de suporte para classificar os sinais e a razão discriminante de Fisher para efetuar a seleção das características mais significativas...

Modelo de avaliação de risco para predição de preços de carne bovina utilizando inteligência computacional; Model of evaluation of risk for prediction of prices in the beef chain by using computational intelligence

Lemes, Luciene Rose
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 08/08/2014 PT
Relevância na Pesquisa
66.2%
A relação entre o preço futuro e o preço a vista é um fator que requer muita atenção e planejamento das atividades de comercialização agropecuária. As previsões de preços permitem fornecer a redução das incertezas dentro do mercado de carne bovina auxiliando na determinação da quantidade a ser produzida bem como no estabelecimento de políticas governamentais apropriadas e sustentáveis. Este trabalho tem como objetivo definir um modelo matemático capaz de predizer os preços de carne bovina usando inteligência computacional a partir da análise do ARIMA, Análise de Risco e Redes Neurais Artificiais, identificando aspectos quantitativos relacionados à lógica da decisão na formação do preço de venda, utilizando-se de séries temporais, a fim de explorar as correlações que impactam com maior frequência no preço de venda de carne bovina, por entender que este conhecimento pode aperfeiçoar os instrumentos de avaliação no processo de tomada decisão. A pesquisa caracteriza-se como descritiva, explicativa e quantitativa pois busca-se identificar fatores determinantes para a ocorrência dos fenômenos observados nas séries temporais de preço do boi gordo, traduzindo-se em números as informações classificadas e analisadas com o uso de técnicas estatísticas. Neste estudo foi utilizado a metodologia de séries temporais...

Sistemas computacionais bio-inspirados : sintese e aplicação em inteligencia computacional e homeostase artificial; Bioinspired computing systems : synthesis and application in computational intelligence and artificial homeostasis

Patricia Amancio Vargas
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 05/04/2005 PT
Relevância na Pesquisa
56.13%
Este trabalho propõe uma classificação circunstancial para sistemas complexos, incluindo uma estrutura unificada de descrição a ser empregada na análise e síntese de sistemas computacionais bio-inspirados. Como um ramo dos sistemas complexos organizados, os sistemas computacionais bio-inspirados admitem uma sub-divisão em sistemas de inteligência computacional e sistemas homeostáticos artificiais. Com base neste formalismo, duas abordagens híbridas são concebidas e aplicadas em problemas de navegação autônoma de robôs. A primeira abordagem envolve sistemas classificadores com aprendizado e sistemas imunológicos artificiais, visando explorar conjuntamente conceitos intrínsecos a sistemas complexos, como auto-organização, evolução e cognição dinâmica. Fundamentada nas interações neuro-imuno-endócrinas do corpo humano, a segunda abordagem propõe um novo modelo de sistema homeostático artificial, explorando mudanças de contexto e efeitos do meio sobre o comportamento autônomo de um robô móvel. Embora preliminares, os resultados obtidos envolvem simulação computacional em ambientes virtuais e alguns experimentos com robôs reais, permitindo extrair conclusões relevantes acerca do potencial das abordagens propostas e abrindo perspectivas para a síntese de sistemas complexos adaptativos de interesse prático; This work proposes a circumstantial classification for complex systems...

Forecasting seasonal time series with computational intelligence : contribution of a combination of distinct methods

Stepnicka, M.; Peralta Donate, Juan; Cortez, Paulo; Vavricková, L.; Gutierrez Sanchez, German
Fonte: Atlantis Press Publicador: Atlantis Press
Tipo: Conferência ou Objeto de Conferência
Publicado em /07/2011 ENG
Relevância na Pesquisa
66.24%
Accurate time series forecasting are important for displaying the manner in which the past contin- ues to affect the future and for planning our day to day activities. In recent years, a large litera- ture has evolved on the use of computational in- telligence in many forecasting applications. In this paper, several computational intelligence techniques (genetic algorithms, neural networks, support vec- tor machine, fuzzy rules) are combined in a distinct way to forecast a set of referenced time series. Fore- casting performance is compared to the a standard and method frequently used in practice.; Project DAR 1M0572 of the MŠMT ČR.

Forecasting seasonal time series with computational intelligence: on recent methods and the potential of their combinations

Stepnicka, M.; Cortez, Paulo; Peralta Donate, Juan; Stepnickova, Lenka
Fonte: Elsevier Publicador: Elsevier
Tipo: Artigo de Revista Científica
Publicado em /05/2013 ENG
Relevância na Pesquisa
66.29%
Accurate time series forecasting is a key issue to support individual and or- ganizational decision making. In this paper, we introduce novel methods for multi-step seasonal time series forecasting. All the presented methods stem from computational intelligence techniques: evolutionary artificial neu- ral networks, support vector machines and genuine linguistic fuzzy rules. Performance of the suggested methods is experimentally justified on sea- sonal time series from distinct domains on three forecasting horizons. The most important contribution is the introduction of a new hybrid combination using linguistic fuzzy rules and the other computational intelligence methods. This hybrid combination presents competitive forecasts, when compared with the popular ARIMA method. Moreover, such hybrid model is more easy to interpret by decision-makers when modeling trended series.; The research was supported by the European Regional Development Fund in the IT4Innovations Centre of Excellence project (CZ.1.05/1.1.00/02.0070). Furthermore, we gratefully acknowledge partial support of the project KON- TAKT II - LH12229 of MSˇMT CˇR.

A Survey of Computational Intelligence Techniques in Protein Function Prediction

Tiwari, Arvind Kumar; Srivastava, Rajeev
Fonte: Hindawi Publishing Corporation Publicador: Hindawi Publishing Corporation
Tipo: Artigo de Revista Científica
EN
Relevância na Pesquisa
46.29%
During the past, there was a massive growth of knowledge of unknown proteins with the advancement of high throughput microarray technologies. Protein function prediction is the most challenging problem in bioinformatics. In the past, the homology based approaches were used to predict the protein function, but they failed when a new protein was different from the previous one. Therefore, to alleviate the problems associated with homology based traditional approaches, numerous computational intelligence techniques have been proposed in the recent past. This paper presents a state-of-the-art comprehensive review of various computational intelligence techniques for protein function predictions using sequence, structure, protein-protein interaction network, and gene expression data used in wide areas of applications such as prediction of DNA and RNA binding sites, subcellular localization, enzyme functions, signal peptides, catalytic residues, nuclear/G-protein coupled receptors, membrane proteins, and pathway analysis from gene expression datasets. This paper also summarizes the result obtained by many researchers to solve these problems by using computational intelligence techniques with appropriate datasets to improve the prediction performance. The summary shows that ensemble classifiers and integration of multiple heterogeneous data are useful for protein function prediction.

Aplicação de ferramentas de inteligência computacional para estimação das propriedades físicas de uma célula solar de silício; Application of computional intelligence tools for estimation of physical properties of silicon solar cell

Matos, Fernando Barbosa
Fonte: Universidade Federal de Uberlândia Publicador: Universidade Federal de Uberlândia
Tipo: Dissertação
POR
Relevância na Pesquisa
56.2%
O desenvolvimento de modelos computacionais que possam traduzir o comportamento de células fotovoltaicas é de grande importância na compreensão desse tipo de dispositivo. Um novo modelo é proposto para determinar os tipos de dopantes utilizados no processo de fabricação, com a estimativa das suas respectivas concentrações. A utilização de técnicas auxiliadas por estratégias baseadas em Inteligência Computacional permitiu a criação de uma nova forma de simular e obter resultados, no que se refere ao processamento do modelo matemático de células fotovoltaicas. Essa nova técnica não só é capaz de obter os tipos de dopantes e suas concentrações, mas também minimizar a quantidade de informação requerida em termos de quantidade de variáveis necessárias para determinar as características comportamentais da célula solar sob os parâmetros de tensão, corrente e potência. A validade da técnica é tratada na fundamentação teórica e verificada a partir dos exemplos utilizados durante os testes sobre os modelos dos softwares PMCCF e PC-1D. ______________________________________________________________________________ ABSTRACT; The development of computational models that can simulate the behavior of photovoltaic cells is of great importance in understanding this type of device. A new model is proposed to determine the types of dopants used in the manufacturing process...

Reducing electricity costs in a dynamic pricing environment

Galván-López, Edgar; Harris, Colin; Dusparic, Ivana; Clarke, Siobhán; Cahill, Vinny
Fonte: IEEE Computer Society Publicador: IEEE Computer Society
Tipo: info:eu-repo/semantics/conferenceObject; all_ul_research; ul_published_reviewed
ENG
Relevância na Pesquisa
46.29%
peer-reviewed; Smart Grid technologies are becoming increasingly dynamic, so the use of computational intelligence is becoming more and more common to support the grid to automatically and intelligently respond to certain requests (e.g., reducing electricity costs giving a pricing history). In this work, we propose the use of a particular computational intelligence approach, denominated Distributed W-Learning, that aims to reduce electricity costs in a dynamic environment (e.g., changing prices over a period of time) by turning electric devices on (i.e., clothes dryer, electric vehicle) at residential level, at times when the electricity price is the lowest, while also, balancing the use of energy by avoiding turning on the devices at the same time. We make this problem as realistic as possible, by considering the use of real-world constraints (e.g., time to complete a task, boundary times within which a device can be used). Our results clearly indicate that the use of computational intelligence can be beneficial in this type of dynamic and complex problems.

Short and long term memory in coevolution

Avery, P.; Michalewicz, Z.; Schmidt, M.
Fonte: IEEE Computational Intelligence Society Publicador: IEEE Computational Intelligence Society
Tipo: Artigo de Revista Científica
Publicado em //2008 EN
Relevância na Pesquisa
66.2%
Games provide the perfect test bed for measuring the effectiveness ofcomputer generated strategies in a competitive and fun environment.Over the years many different games have been tackled by researchersof computational intelligence with the purpose of creating an intelligentcomputer player that can challenge human players. In this paper the au-thors summarize the research performed over the past two years basedon the game of Tempo, where the coevolved strategies were representedby logic rule bases with an adaptive memory. The experiments were setup to investigate the effectiveness of various memory structures in a co-evolutionary game system, as well as the effectiveness of various recallprocesses.; Phillipa Avery, Zbigniew Michalewicz and Martin Schmidt

Applied Computational Intelligence for finance and economics

Isasi, Pedro; Quintana, David; Sáez, Yago; Mochón, Asunción
Fonte: Blackwell Publicador: Blackwell
Tipo: Artigo de Revista Científica Formato: application/pdf
Publicado em /05/2007 ENG
Relevância na Pesquisa
66.35%
This article introduces some relevant research works on computational intelligence applied to finance and economics. The objective is to offer an appropriate context and a starting point for those who are new to computational intelligence in finance and economics and to give an overview of the most recent works. A classification with five different main areas is presented. Those areas are related with different applications of the most modern computational intelligence techniques showing a new perspective for approaching finance and economics problems. Each research area is described with several works and applications. Finally, a review of the research works selected for this special issue is given.

Análise e síntese de antenas e superfícies seletivas de frequência utilizando computação evolucionária e inteligência de enxames

Lins, Hertz Wilton de Castro
Fonte: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Engenharia Elétrica; Automação e Sistemas; Engenharia de Computação; Telecomunicações Publicador: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Engenharia Elétrica; Automação e Sistemas; Engenharia de Computação; Telecomunicações
Tipo: Tese de Doutorado Formato: application/pdf
POR
Relevância na Pesquisa
46.43%
The frequency selective surfaces, or FSS (Frequency Selective Surfaces), are structures consisting of periodic arrays of conductive elements, called patches, which are usually very thin and they are printed on dielectric layers, or by openings perforated on very thin metallic surfaces, for applications in bands of microwave and millimeter waves. These structures are often used in aircraft, missiles, satellites, radomes, antennae reflector, high gain antennas and microwave ovens, for example. The use of these structures has as main objective filter frequency bands that can be broadcast or rejection, depending on the specificity of the required application. In turn, the modern communication systems such as GSM (Global System for Mobile Communications), RFID (Radio Frequency Identification), Bluetooth, Wi-Fi and WiMAX, whose services are highly demanded by society, have required the development of antennas having, as its main features, and low cost profile, and reduced dimensions and weight. In this context, the microstrip antenna is presented as an excellent choice for communications systems today, because (in addition to meeting the requirements mentioned intrinsically) planar structures are easy to manufacture and integration with other components in microwave circuits. Consequently...

Computational Intelligence Challenges and Applications on Large-Scale Astronomical Time Series Databases

Huijse, Pablo; Estevez, Pablo A.; Protopapas, Pavlos; Principe, Jose C.; Zegers, Pablo
Fonte: Universidade Cornell Publicador: Universidade Cornell
Tipo: Artigo de Revista Científica
Publicado em 25/09/2015
Relevância na Pesquisa
46.29%
Time-domain astronomy (TDA) is facing a paradigm shift caused by the exponential growth of the sample size, data complexity and data generation rates of new astronomical sky surveys. For example, the Large Synoptic Survey Telescope (LSST), which will begin operations in northern Chile in 2022, will generate a nearly 150 Petabyte imaging dataset of the southern hemisphere sky. The LSST will stream data at rates of 2 Terabytes per hour, effectively capturing an unprecedented movie of the sky. The LSST is expected not only to improve our understanding of time-varying astrophysical objects, but also to reveal a plethora of yet unknown faint and fast-varying phenomena. To cope with a change of paradigm to data-driven astronomy, the fields of astroinformatics and astrostatistics have been created recently. The new data-oriented paradigms for astronomy combine statistics, data mining, knowledge discovery, machine learning and computational intelligence, in order to provide the automated and robust methods needed for the rapid detection and classification of known astrophysical objects as well as the unsupervised characterization of novel phenomena. In this article we present an overview of machine learning and computational intelligence applications to TDA. Future big data challenges and new lines of research in TDA...

Computational Intelligence Characterization Method of Semiconductor Device

Liau, Eric; Schmitt-Landsiedel, Doris
Fonte: Universidade Cornell Publicador: Universidade Cornell
Tipo: Artigo de Revista Científica
Publicado em 25/10/2007
Relevância na Pesquisa
56.13%
Characterization of semiconductor devices is used to gather as much data about the device as possible to determine weaknesses in design or trends in the manufacturing process. In this paper, we propose a novel multiple trip point characterization concept to overcome the constraint of single trip point concept in device characterization phase. In addition, we use computational intelligence techniques (e.g. neural network, fuzzy and genetic algorithm) to further manipulate these sets of multiple trip point values and tests based on semiconductor test equipments, Our experimental results demonstrate an excellent design parameter variation analysis in device characterization phase, as well as detection of a set of worst case tests that can provoke the worst case variation, while traditional approach was not capable of detecting them.; Comment: Submitted on behalf of EDAA (http://www.edaa.com/)

State of the Art Review for Applying Computational Intelligence and Machine Learning Techniques to Portfolio Optimisation

Hurwitz, Evan; Marwala, Tshilidzi
Fonte: Universidade Cornell Publicador: Universidade Cornell
Tipo: Artigo de Revista Científica
Publicado em 13/10/2009
Relevância na Pesquisa
56.24%
Computational techniques have shown much promise in the field of Finance, owing to their ability to extract sense out of dauntingly complex systems. This paper reviews the most promising of these techniques, from traditional computational intelligence methods to their machine learning siblings, with particular view to their application in optimising the management of a portfolio of financial instruments. The current state of the art is assessed, and prospective further work is assessed and recommended; Comment: 9 pages

Landau Theory of Adaptive Integration in Computational Intelligence

Plewczynski, Dariusz
Fonte: Universidade Cornell Publicador: Universidade Cornell
Tipo: Artigo de Revista Científica
Publicado em 09/06/2010
Relevância na Pesquisa
56.22%
Computational Intelligence (CI) is a sub-branch of Artificial Intelligence paradigm focusing on the study of adaptive mechanisms to enable or facilitate intelligent behavior in complex and changing environments. There are several paradigms of CI [like artificial neural networks, evolutionary computations, swarm intelligence, artificial immune systems, fuzzy systems and many others], each of these has its origins in biological systems [biological neural systems, natural Darwinian evolution, social behavior, immune system, interactions of organisms with their environment]. Most of those paradigms evolved into separate machine learning (ML) techniques, where probabilistic methods are used complementary with CI techniques in order to effectively combine elements of learning, adaptation, evolution and Fuzzy logic to create heuristic algorithms that are, in some sense, intelligent. The current trend is to develop consensus techniques, since no single machine learning algorithms is superior to others in all possible situations. In order to overcome this problem several meta-approaches were proposed in ML focusing on the integration of results from different methods into single prediction. We discuss here the Landau theory for the nonlinear equation that can describe the adaptive integration of information acquired from an ensemble of independent learning agents. The influence of each individual agent on other learners is described similarly to the social impact theory. The final decision outcome for the consensus system is calculated using majority rule in the stationary limit...