PROENGEM: Programa Interação das
Engenharias com o Ensino Médio
Formação continuada correlacionando
disciplinas do ensino médio com aplicação
prática nas engenharias
Ministrantes
Me. Dierone César Foltran Júnior
Dr. Frederico Guilherme de Paula Ferreira Ielo
Apoio
Albino Szesz Júnior
Renato Ongaratto Nunes
Conteúdos
Estruturantes do
Ensino Médio:
Desdobramento

Organização dos
seres vivos

Mecanismos
biológicos

Implicações dos
avanços
biológicos no
fenômeno vida
-Conceitos científicos na Biologia; Biologia
Celular;
Embriologia;
Histologia;
Reinos;
Genética; Evolução; Anatomia e fisiologia;
Ecologia.
-Conceitos científicos na Biologia; Biologia
Celular;
Embriologia;
Histologia;
Reinos;
Genética; Evolução; Anatomia e fisiologia;
Ecologia.
-Conceitos científicos na Biologia; Biologia
Celular; Embriologia; Histologia; Taxonomia;
Reinos; Genética; Evolução; Ecologia.
Conteúdos Estruturantes do Tópicos relacionados a Engenharia de
Ensino Médio:
Computação



Organização dos seres
vivos
Mecanismos biológicos
Implicações dos avanços
biológicos no fenômeno
vida
Banco de Dados
Redes Neurais
Inteligência Artificial
Eletrônica
Sistemas Operacionais
Microcontroladores
Robótica



Histórico:
◦ Três mais importantes publicações iniciais.
 Redes Neurais simulando “máquinas” e modelo de
neurônio artificial (MCP) ( McCulloch e Pitts (1943) )
 Modelo básico da rede de auto-organização (Hebb
(1949))
 Modelo Perceptron de aprendizado supervisionado
(Rosemblatt (1958) )
Metodologia de resolver problemas característicos da
inteligência artificial.
Capacidade de aprender por exemplos, grande motivação
para o uso de redes neurais artificiais.

Neurônio Artificial
Modelo com n terminais de entrada x1, x2, . . . ,xn (dendritos),
um terminal de saída y (axônio).
Sinapses, pesos acoplados w1, w2, . . . ,wn, valores positivos ou
negativos.
Sinapses inibitórias ou excitatórias.
Efeito da sinapse particular i no neurônio pós-sináptico é dado
por: xi wi.
Pesos determinam “em que grau” o neurônio deve considerar
sinais de disparo que ocorrem naquela conexão.
Se a soma dos impulsos ultrapassar o seu limiar de excitação
(threshold), o neurônio dispara.
Corpo do neurônio: mecanismo que faz a soma dos valores xi
wi(soma ponderada).
Neurônio dispara ou não (saída igual a 1 ou a 0).
O nodo MCP terá então sua saída ativa quando:
n: número de entradas do neurônio;
wi: peso associado à entrada xi;
: limiar (threshold) do neurônio.

Funcionamento da RNA
Capacidade de aprender através exemplos.
Aprendizado conexionista, intensidade das conexões entre
os neurônios.
Algoritmo de aprendizado: Conjunto de procedimentos
para aprendizado de uma função,
A rede neural extrai características relevantes, criando
assim uma solução para o problema.
Etapa de aprendizagem: processo iterativo de ajuste de
parâmetros da rede, os pesos das conexões, conhecimento
adquirido pela rede.
o Aprendizado Supervisionado
Saída desejada fornecida por um supervisor externo.
O supervisor indica, um comportamento bom ou ruim
para a rede, visando direcionar o processo de
treinamento.
A cada padrão de entrada submetido à rede compara-se
a resposta desejada com a resposta calculada, e os pesos
das conexões são ajustados para minimizar o erro.
o Correção de Erros
Minimizar a diferença entre saída calculada pela rede e a
saída desejada.
O ajuste dos pesos deve ser proporcional ao produto do
erro pelo valor de entrada da sinapse naquele instante de
tempo.
Também chamado de regra delta de aprendizado.
o Aprendizado Não Supervisionado
Não há um supervisor.
Somente os padrões de entrada estão disponíveis para
rede.
A rede estabelece uma harmonia com as regularidades
estatísticas da entrada de dados, forma representações
internas para codificar dados da entrada e criar novas
classes ou grupos automaticamente.
Só é possível se existir redundância nos dados de
entrada.

Vantagens no uso de Redes Neurais Artificiais
o
o
o
o
o
o
o
o
o
Qualidade superior
Competitividade
Auto-aprendizado
Implementação mais rápida
Imunidade a falhas
Capacidade de generalização
Imunidade a ruídos
Adaptabilidade
Democratização

Desvantagens no uso de Redes Neurais Artificiais
o Treinamento demorado
o Resultados desconcertantes
o Caixa-preta
o Volume grande de dados
o Preparação dos dados

Algumas aplicações de Redes Neurais Artificiais
o Reconhecimento de padrões: caracteres, voz, etc.
o Visão artificial
o Previsão de vendas / previsão de séries
o Modelagem e identificação de sistemas
o Sistemas para o apoio à decisão
o Processamento de informações não convencionais
o Mineração de dados (datamining)

Asimo P3 (Honda,2000)
Fruto de 10 anos de pesquisa.
Mais de 100 milhões de dólares de investimento.
Evolução do projeto anterior, o P2, o P3 pode caminhar com
extrema facilidade e equilíbrio.
O objetivo inicial do P3 era desenvolver a mobilidade com
inteligência (Lemos, 2000).
Subir e descer escadas com extrema precisão.
Próximo passo será inserir inteligência para que
Asimo possa explorar ambientes por conta
própria.

Aibo (Sony,2000)
Capacidade de obedecer até cem comandos de voz.
Capaz de expressar seis emoções: alegria, tristeza, raiva,
surpresa, medo e frustração.
Através de sensores pode sentir o acariciar das pessoas
tendo como reflexo o balançar de sua cauda.
Capaz de ''amadurecer'' com o dono.
Um software registra e trata os dados
recolhidos pelos seus sensores, e produz
reações apropriadas.

Andros Mark V-A1 (Remotec, 2001)
Trabalha em ambientes hostis.
Remoção de bombas, trabalhos em usinas nucleares, entre
outros.
Locomoção em terrenos de difícil acesso desde lama, areia e
pedras até escadas e rampas.
Possui isolamento do ambiente para que impurezas não
sejam absorvidas pelo sistema.
Comunicação via radiofrequência ou cabos de fibra óptica.
Bastante
utilizado
em
departamentos
de
polícia,
corporações de bombeiros, a SWAT americana, entre outros.

C-Leg – Um joelho inteligente
Comandado por um microprocessador.
Sensores eletrônicos enviam sinais para uma placa, que controla a
fase de apoio e o balanço de cada passada.
Dois sensores medem a força exercida pelo calcanhar e reação
exercida pelo chão sobre o antepé. O joelho controla o equilíbrio
para subir uma rampa ou subir uma escada.
O processador central analisa os dados durante o passo. Um
sensor mede o ângulo de flexão do joelho e a velocidade que o
paciente imprime à perna.

Mão Miolétrica – Uma ferramenta eletrônica
O cérebro dá a ordem para que a musculatura do braço se contraia
ou se distenda. Parte desse comando é mioelétrico (eletricidade
muscular em milivolts).
Estímulos são processados por eletrodos para ativar a prótese de
mão.
São dois sensores no encaixe da prótese, um junto aos músculos
flexores (aqueles que dobram) e outro junto aos extensores (os
que se estendem).
O chip, envia a ordem que aciona o motor da mão com a força
necessária para cada tarefa.
O motor da mão é acionado com a energia acumulada na bateria.
A mão abre e fecha e o punho gira até 360 graus.





BARRETO, J. M.; Introdução às Redes Neurais Artificiais; 2002. disponível
em: http://www.inf.ufsc.br/~barreto/tutoriais/Survey.pdf
GOMES, F.,M.; ALTENHOFEN, I., L.,; SAMSONESCU, N., C.; Redes Neurais
Artificiais;
2004.
disponível
em:
www.inf.unisinos.br/~cazella/dss/trab/RedesNeurais.pdf
DE OLIVEIRA, E.; Protótipo de um Robô Rastreador de Objetos; 2001.
disponível em:
http://campeche.inf.furb.br/tccs/2001-I/20011emersondeoliveiravf.pdf
POZZEBON, E.; REINALDO, F., A., F.; ROISENBERG, M.; BARRETO, J.,M.;
Comportamento Perceptivo Visual: da Biologia à Robótica; 2002; disponível
em: www.inf.ufsc.br/~l3c/artigos/pozzebon02e.pdf
SUPERINTERESSANTE; Quase melhor que o original; edição 136; 1999.
disponível
em:
http://super.abril.com.br/superarquivo/
1999/conteudo_117316.shtml
OBRIGADO!
[email protected]
[email protected]
[email protected]
[email protected]