Exportar registro bibliográfico

Estudo do algoritmo AdaBoost de aprendizagem de máquina aplicado a sensores e sistemas embarcados (2011)

  • Authors:
  • USP affiliated authors: CHAVES, BRUNO BUTILHÃO - EP
  • Unidades: 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

  • How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      CHAVES, Bruno Butilhão; TORIKAI, Delson. Estudo do algoritmo AdaBoost de aprendizagem de máquina aplicado a sensores e sistemas embarcados. 2011.Universidade de São Paulo, São Paulo, 2011. Disponível em: < http://www.teses.usp.br/teses/disponiveis/3/3152/tde-12062012-163740/pt-br.php >.
    • APA

      Chaves, B. B., & Torikai, D. (2011). Estudo do algoritmo AdaBoost de aprendizagem de máquina aplicado a sensores e sistemas embarcados. Universidade de São Paulo, São Paulo. Recuperado de http://www.teses.usp.br/teses/disponiveis/3/3152/tde-12062012-163740/pt-br.php
    • NLM

      Chaves BB, Torikai D. Estudo do algoritmo AdaBoost de aprendizagem de máquina aplicado a sensores e sistemas embarcados [Internet]. 2011 ;Available from: http://www.teses.usp.br/teses/disponiveis/3/3152/tde-12062012-163740/pt-br.php
    • Vancouver

      Chaves BB, Torikai D. Estudo do algoritmo AdaBoost de aprendizagem de máquina aplicado a sensores e sistemas embarcados [Internet]. 2011 ;Available from: http://www.teses.usp.br/teses/disponiveis/3/3152/tde-12062012-163740/pt-br.php

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

    Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2020