Proceso de Aprendizaje por Demostración con Células Neuronales Artificiales Paraconsistentes para Aplicación en Robots Cartesianos Lineales
Autores: Da Silva Filho, João Inácio; Fernandes, Cláudio Luís Magalhães; Silveira, Rodrigo Silvério da; Gomes, Paulino Machado; Matos, Sérgio Luiz da Conceição; Santo, Leonardo do Espirito; Nunes, Vander Célio; Côrtes, Hyghor Miranda; Lopes, William Aparecido Celestino; Mario, Mauricio Conceição; Garcia, Dorotéa Vilanova; Torres, Cláudio Rodrigo; Abe, Jair Minoro; Lambert-Torres, Germano
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
Categoría
Ingeniería y Tecnología
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 9
Citaciones: Sin citaciones
La Lógica Anotada Paraconsistente (PAL) es un tipo de lógica no clásica basada en conceptos que permiten, bajo ciertas condiciones, aceptar contradicciones sin invalidar conclusiones. El algoritmo de la Celda Neural Artificial Paraconsistente de Aprendizaje (PANCell) fue creado a partir de ecuaciones basadas en PAL. Con sus procedimientos para aprender patrones discretos representados por valores contenidos en el intervalo cerrado entre 0 y 1, el algoritmo PANCell presenta respuestas similares a las de sistemas dinámicos no lineales. En este trabajo, se realizaron varias pruebas para validar el funcionamiento del algoritmo PANCell en un marco de aprendizaje por demostración (LD) aplicado a un robot cartesiano lineal (robot de pórtico), que estaba moviendo piezas de trabajo metálicas rectangulares. Para el proceso de LD utilizado en la enseñanza de trayectorias en los ejes y del robot cartesiano lineal, se construyó una Red Neural Artificial Paraconsistente (PANnet), que estaba compuesta por ocho PANCells. Los resultados mostraron que PANnet tiene propiedades dinámicas con una robustez ante perturbaciones, tanto en el proceso de aprendizaje por demostración, como en el proceso de imitación. Con base en este trabajo, se pueden formar redes neuronales artificiales paraconsistentes de mayor complejidad, que están compuestas por PANCells. Este estudio proporcionará una fuerte contribución a la investigación sobre marcos de aprendizaje por demostración aplicados en robótica.
Descripción
La Lógica Anotada Paraconsistente (PAL) es un tipo de lógica no clásica basada en conceptos que permiten, bajo ciertas condiciones, aceptar contradicciones sin invalidar conclusiones. El algoritmo de la Celda Neural Artificial Paraconsistente de Aprendizaje (PANCell) fue creado a partir de ecuaciones basadas en PAL. Con sus procedimientos para aprender patrones discretos representados por valores contenidos en el intervalo cerrado entre 0 y 1, el algoritmo PANCell presenta respuestas similares a las de sistemas dinámicos no lineales. En este trabajo, se realizaron varias pruebas para validar el funcionamiento del algoritmo PANCell en un marco de aprendizaje por demostración (LD) aplicado a un robot cartesiano lineal (robot de pórtico), que estaba moviendo piezas de trabajo metálicas rectangulares. Para el proceso de LD utilizado en la enseñanza de trayectorias en los ejes y del robot cartesiano lineal, se construyó una Red Neural Artificial Paraconsistente (PANnet), que estaba compuesta por ocho PANCells. Los resultados mostraron que PANnet tiene propiedades dinámicas con una robustez ante perturbaciones, tanto en el proceso de aprendizaje por demostración, como en el proceso de imitación. Con base en este trabajo, se pueden formar redes neuronales artificiales paraconsistentes de mayor complejidad, que están compuestas por PANCells. Este estudio proporcionará una fuerte contribución a la investigación sobre marcos de aprendizaje por demostración aplicados en robótica.