Escolar Documentos
Profissional Documentos
Cultura Documentos
SÃO PAULO
2021
PESQUISA SOBRE: INTELIGÊNCIA ARTIFICIAL, LÓGICA FUZZY,
REDES NEURAIS E BIG DATA.
SÃO PAULO
2021
RESUMO
This present research aims to reunite initial knowledge about the working of artificial
intelligence, fuzzy logics, neural network and big data, these subjects had their
development increased in the last years and it’s essential for the analysis and data
processing that are used in the automation’s systems developing, and specially it’s
correlation and application in the field of robotics.
Keywords: Robotics. Artificial Intelligence. Fuzzy Logics. Neural Network. Big Data.
LISTA DE ILUSTRAÇÕES
IA Inteligência Artificial
ms Milissegundo
VLSI Very large scale integration
SUMÁRIO
1 INTRODUÇÃO..................................................................................................... .07
2 INTELIGÊNCIA ARTIFICIAL............................................................................... .08
2.1 APLICAÇÕES DA IA EM ROBÓTICA..............................................................09
3 LÓGICA FUZZY................................................................................................... .11
3.1 APLICAÇÕES DA LÓGICA FUZZY EM ROBÓTICA.......................................11
4 REDES NEURAIS................................................................................................ .12
4.1 APLICAÇÕES DAS REDES NEURAIS EM ROBÓTICA................................ .15
5 BIG DATA............................................................................................................ .16
5.1 APLICAÇÕES DA BIG DATA EM ROBÓTICA............................................... .17
6 CONCLUSÃO...................................................................................................... .18
REFERÊNCIAS...................................................................................................... .19
7
1 INTRODUÇÃO
2 INTELIGÊNCIA ARTIFICIAL
3 LÓGICA FUZZY
4 REDES NEURAIS
5 BIG DATA
O termo Big Data se refere a uma classe de dados vastos que se acumulam
em grandes quantidades, que nem sempre se encaixam em uma estrutura
tradicional conforme afirma Stephenson (2018), o termo ‘big’ simplesmente não faz
jus a complexidade da situação. Os dados não são só maiores que dados
tradicionais, mas são fundamentalmente diferentes, o que traz novos desafios e
oportunidades. O oceano de dados combinados com a tecnologia que foi
desenvolvida para lidar com eles, proveem percepções em uma escala enorme e
tem feito ser possível uma nova onda de aprendizado de máquina, o que habilita
computadores a dirigir carros, a prever ataques cardíacos melhor que médicos e
alcançar nível de mestre em jogos melhor que qualquer ser humano.
Entender o que motiva os consumidores e o que torna as linhas de produção
lentas, ajuda os negócios a entregar experiencias personalizadas a milhões de
consumidores globais, e providência o poder computacional para realizações
cientificas ao analisar bilhões de pontos de dados em campos como pesquisa de
câncer, astronomia e física de partículas. A big data provê tanto os dados quanto os
recursos que capacita recursos computacionais, com ressurgimento recente da
inteligência artificial, particularmente com os avanços em aprendizado profundo.
Além dos dados em si, os pesquisadores e engenheiros trabalharam nas últimas
duas décadas no desenvolvimento de todo um ecossistema de hardware e software
para coletar, armazenar, processar e analisar estes dados abundantes. Esse
ecossistema permite extrair imenso valor da Big data para aplicações em negócios,
ciência e cuidados de saúde.
A maior parte da Big data são dados desestruturados, incluindo imagens,
documentos de texto e web logs. Eles são armazenados de forma “crua” e extraímos
informação detalhada quando precisamos. Muitos métodos analíticos tradicionais
fiam-se em dados como idade, gênero, endereço etc. Para ajustar melhor em um
modelo, frequentemente dados adicionais são criados. Certos métodos de
inteligência artificial não requerem seleções características especialmente usuais
para dados sem claramente definir as características, por exemplo, em método de
inteligência artificial pode aprender a identificar um gato em uma foto, apenas por
estudar fotos (STEPHENSON, 2018)
17
6 CONCLUSÃO
REFERÊNCIAS
CHEN, Guanrong; PHAM, Trung Tat. Introduction to Fuzzy Sets, Fuzzy Logic,
and Fuzzy Control Systems. 1st. Ed. Boca Raton, USA: CRC Press, 2001.
Haykin, Simon. Redes Neurais: Princípios e Prática. 2. ED. Porto Alegre: Bookman
Companhia Editora, 2008.
HOODA, D. S.; RAICH, Vivek. Fuzzy Logic Models and Fuzzy Control: An
Introduction. 1st. Ed. Oxford, U.K.: Alpha Science International Ltd., 2017.
KLIR, George; YUAN, Bo. Fuzzy Sets and Fuzzy Logics: Theory and Applications.
USA, 1995.
ROSS, Timothy. Fuzzy Logic with Engineering Applications. 3. Ed. England: John
Wiley & Sons, Ltd, 2010.
STEPHENSON, David. Big Data Demystified: How to Use Big Data, Data Science
and AI to Make Better Business Decisions and Gain Competitive Advantage. 1st. Ed.
Harlow, England: Pearson Education Limited, 2018.