%0 Thesis
%@holdercode {isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S}
%@nexthigherunit 8JMKD3MGPCW/3F2PHGS
%@e-mailaddress sergio.aparecido@inpe.br
%3 publicacao.pdf
%@usergroup administrator
%@usergroup jefferson
%@usergroup sergio@sid.inpe.br
%@usergroup tereza@sid.inpe.br
%J A hybrid model connectionist-symbolic for scence interpretation
%@secondarytype TDI
%2 sid.inpe.br/iris@1905/2005/07.29.21.08.49
%A Ferreira, Sheila,
%P 106
%@dissemination NTRSNASA; BNDEPOSITOLEGAL.
%@secondarydate 19990223
%@group CAP-SPG-INPE-MCT-BR
%K redes neurais, sistemas híbrido, reconhecimento de padrões, interpretação de cenas, modelo híbrido, rede neural, backpropagation, kohonen, sistemas especialistas, scence interpretation, hybrid model, neural network, backpropagation, kohonen, expert system.
%@documentstage not transferred
%I Instituto Nacional de Pesquisas Espaciais (INPE)
%@copyholder SID/SCD
%@secondarykey INPE-6842-TDI/649
%9 Dissertação (Mestrado em Computação Aplicada)
%@area COMP
%8 1997-11-19
%X Neste trabalho, é proposto um modelo híbrido para a interpretação de cenas. Os objetos em uma cena são identificados e classificados e em seguida, as relações entre eles são interpretadas utilizando suas coordenadas e conhecimento sobre o tipo de cena. No modelo híbrido proposto, duas redes neurais são utilizadas em sequência para efetuar a classificação dos objetos na cena. A primeira rede, do tipo Kohonen, é utilizada para recuperar padrões imperfeitos. A segunda rede, do tipo Backpropagation, associa um código de classificação a cada objeto advindo da rede de Kohonen. Após a classificação dos objetos, um sistema especialista baseado em quadros (compilado) identifica a estrutura da cena através do uso de regras para encontrar as relações entre os objetos classificados. Um prototipo para o reconhecimento de equações matemáticas, é também apresentado, onde detalhes de implementação do modelo proposto, podem ser observados. Para mostrar a generalidade do modelo proposto, apresenta-se também um prototipo para o reconhecimento de formulas químicas, que foi obtido a partir do outro prototipo, com a substituição da base de conhecimento do sistema especialista. ABSTRACT: In this work, a hybrid model for scene interpretation is proposed. The objects in a scene are first of all identified and classified, and then the relationships existing among these objects are interpreted using the objects coordinates and knowldege about the scene. In the proposed hybrid model, two neural networks are used in sequence in order to classify the objects. The first one, a Kohonen network, is used to restore imperfect patterns. The second one, a Backpropagation network, associates a classification code to each object issued by the Kohonen network. After all the objects are classified, a (compiled) expert system identifies the scene structure, using rules of thumb to interpret the relationships existing among the classified objects. A prototype for the recognition of mathematical equations is also presented, from which details about the model implementation can be observed. in order to highlight the model generality, a prototype for the recognition of chemical equations is also proposed. This prototype was obtained from the mathematical equations one, by the substitution of the expert system knowledge base.
%@project CAP-SPG-INPE-MCT-BR
%F 8275
%E Sandri, Sandra Aparecida (presidente/orientadora),
%E Banon, Gerald Jean Francis,
%E Simoni, Paulo Ouvera,
%E Carvalho Filho, Edson Costa de Barros,
%T Um modelo simbólico-conexionista para interpretação de cenas
%4 sid.inpe.br/iris@1905/2005/07.29.21.08.47
%D 1997
%C Sao Jose dos Campos