No problema de Observação Cooperativa de Alvos (CTO), um grupo de observadores em movimento deve monitorar um grupo de alvos em movimento para maximizar o número médio de alvos observados. A maioria das abordagens computacionais do CTO considera que os observadores são agentes racionais e que os alvos são apenas agentes ingênuos. Este trabalho incorpora um modelo de comportamento dos observadores no sistema de tomada de decisões dos alvos, considerando quatro modelos básicos de redes neurais treinadas, para melhorar seu desempenho. Os resultados mostraram que o desempenho da equipe-alvo aumentou quando eles foram modelados como agentes racionais, principalmente quando o modelo incorpora modelos básicos de redes neurais recorrentes em comparação com as abordagens clássicas de feed-forward.

No abstract

No abstract

Neste trabalho é apresentado um estudo comparativo entre as técnicas Eigenfaces e Fisherfaces combinadas com os classificadores KNN, SVM e MLP. As técnicas Eigenfaces e Fisherfaces foram utilizadas para projeção das imagens dos bancos de imagens AT\&T (The database of faces) e Extended Yale } em um novo espaço de forma a se obter uma redução da dimensionalidade desses dados. Os classificadores mencionados utilizaram os dados projetados para executar a tarefa de treinamento e posterior identificação das classes dos dados de teste. Os resultados foram bastante promissores em ambos os casos, porém a rede neural MLP com a técnica Fisherfaces obtiveram os melhores resultados.

No abstract