Estudo do algoritmo AdaBoost de aprendizagem de máquina aplicado a sensores e sistemas embarcados (2011)
- Authors:
- Autor USP: CHAVES, BRUNO BUTILHÃO - EP
- Unidade: EP
- Sigla do Departamento: PMR
- Subjects: RECONHECIMENTO DE PADRÕES; APRENDIZADO COMPUTACIONAL; SISTEMAS EMBUTIDOS; SENSOR; INTELIGÊNCIA ARTIFICIAL; COMBUSTÍVEIS VEICULARES
- Language: Português
- Abstract: O estudo da Inteligência Artificial e de suas técnicas tem trazido grandes resultados para a evolução da tecnologia em diversas áreas. Técnicas já conhecidas como as Redes Neurais e Árvores de Decisão vêm sendo aprimoradas por técnicas de Boosting como o Adaptive Boosting. Esta técnica é uma das que apresenta maior perspectiva de crescimento devido a seu potencial, flexibilidade e simplicidade para ser implementada em diferentes cenários, como por exemplo, no tratamento de imagens para reconhecimento de padrões. Um mercado com grande potencial para se beneficiar da técnica de Boosting, e em especial do AdaBoost, é o mercado de sensores. É cada vez mais comum a utilização de sensores isolados ou sistemas de múltiplos sensores trabalhando concomitantemente para se atingir um objetivo comum. Na utilização de sistemas embarcados compostos por sensores para realização de análises e tomadas de decisão são cada vez mais requisitados, principalmente onde se requer algum tipo de reconhecimento de padrão. O objetivo desta dissertação é estudar e desenvolver o conhecimento do algoritmo AdaBoost para aplicação em sensores, de forma a aprimorar a sensibilidade e precisão das medições, tanto de sensores isolados como de sistemas complexos com vários sensores, sem que seja necessário realizar modificações no próprio sensor. O estudo estende-se também em como implementar o algoritmo inteligente a um dispositivo autônomo composto por sensores e um microprocessador que contenha um classificador embarcado de reconhecimento de padrões. Para demonstrar a utilidade da técnica, foi realizado um estudo de caso utilizando um sistema composto de sensores capacitivos interdigitalizados e microfabricados, sensores de temperatura e sensor a fibra óptica, para verificar adulterações em combustíveis automotivos, em especial, do etanol combustível.Sete experimentos são apresentados no trabalho. Índices acima de 90% de classificações corretas foram obtidos, indicando a viabilidade da utilização do algoritmo para calibração de sensores ou rede de sensores. Por fim, foi desenvolvida com sucesso uma forma de embarcar o classificador treinado em um microprocessador, confirmando assim ser possível desenvolver dispositivos embarcados contendo essa tecnologia.
- Imprenta:
- Data da defesa: 05.12.2011
-
ABNT
CHAVES, Bruno Butilhão. Estudo do algoritmo AdaBoost de aprendizagem de máquina aplicado a sensores e sistemas embarcados. 2011. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2011. Disponível em: http://www.teses.usp.br/teses/disponiveis/3/3152/tde-12062012-163740/. Acesso em: 19 set. 2024. -
APA
Chaves, B. B. (2011). Estudo do algoritmo AdaBoost de aprendizagem de máquina aplicado a sensores e sistemas embarcados (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de http://www.teses.usp.br/teses/disponiveis/3/3152/tde-12062012-163740/ -
NLM
Chaves BB. Estudo do algoritmo AdaBoost de aprendizagem de máquina aplicado a sensores e sistemas embarcados [Internet]. 2011 ;[citado 2024 set. 19 ] Available from: http://www.teses.usp.br/teses/disponiveis/3/3152/tde-12062012-163740/ -
Vancouver
Chaves BB. Estudo do algoritmo AdaBoost de aprendizagem de máquina aplicado a sensores e sistemas embarcados [Internet]. 2011 ;[citado 2024 set. 19 ] Available from: http://www.teses.usp.br/teses/disponiveis/3/3152/tde-12062012-163740/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas