Dissertação

Sensorimotor and Neural Networks for Visual Stimuli Prediction EVALUATED

Os seres humanos e outros animais desenvolveram sistemas visuais com retinas organizadas de maneiras bastante distintas, todas elas diferentes das câmaras convencionais de hoje em dia. A aprendizagem automática é normalmente utilizada no processamento de imagens e reconhecimento e/ou identificação de padrões, objectos e faces, mas frequentemente só considerando dados visuais. Esta tese foca-se numa arquitectura inspirada na biologia, denominada Sensorimotor Network, capaz de co-desenvolver ambas estruturas sensorial e motora directamente de dados adquiridos por um agente interagindo com o seu ambiente. Estas estruturas conduzem a um modelo capaz de prever eficientemente estímulos visuais baseados na percepção sensorial e acções realizadas por um agente. O sistema visual sensoriomotor proposto é treinado num ambiente estático e comparado com feedforward Neural Networks comuns (lineares e não lineares), mostrando melhores capacidades preditivas e custos computacionais que as últimas. Motivado pela diversidade organizações de retinas existentes na Natureza, as estruturas sensoriomotoras resultante são interpretadas e a sua relação é explicada. A interdependência de características visuomotoras de um agente e o seu meio envolvente tem um profundo impacto na organização das topologias sensoras e motoras. Adicionalmente, a Sensorimotor Network é treinada para ser invariante ao brilho e uma retina é desenvolvida utilizando dados reais de um drone. No fim, as vantagens de co-desenvolver sistemas que considerem ambas informações sensorial e motora deverão ser claras. Ultimamente, um robot equipado com tal potencial poderia gerar consciência das suas capacidades motoras, adaptar-se ao seu ambiente e estar um passo mais perto de ser independente.
Predição de estímulo, estruturas sensorimotoras, redes neuronais, campos receptores

novembro 11, 2014, 10:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Alexandre José Malheiro Bernardino

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar