Movement persuit control of an offshore automated platform via a RAM-based neural network

Abstract

The reproduction of the movements of a ship by automated platforms, without the use of sensors providing exact data related to the numeric variables involved, is a non-trivial matter. The creation of an artificial vision system that can follow the cadence of said ship, in six axes of freedom, is the goal of this research. Considering that a real time response is a requisite in this case, it was decided to adopt a Boolean artificial neural network system that could identify and follow arbitrary interest points that could define, as a group, a model of the movement of an observed vessel. This paper describes the development of a prototype based on the Boolean perceptron model WiSARD (Wilkie, Stonham and Aleksander's Recognition Device), that is being implemented in the C programming language on a desktop computer using a regular webcam as input.

Aplicação da Rede Neural Sem Peso Wisard para o Rastreamento de Alvos de Superfície no Mar

“…Esta forma de implementação consegue contornar o problema da impossibilidade de implementação da função Exclusive OR pelo modelo de neurônio de McCulloch and Pitts -o perceptron, além de apresentar a vantagem de ser treinada em um tempo muito curto, essencial para a aplicação abordada no presente artigo. WiSARD é uma rede neural destinada para o reconhecimento de padrões mas também pode ser utilizada com outros fins, como por exemplo o rastreamento de alvos (este artigo), o controle automático dos movimentos de uma plataforma offshore [7], o reconhecimento de padrões e a construção de modelos mais representativos para padrões previamente treinados [28], a minimização do problema de saturação dos neurônios [29], a classificação de portais [30], o desenvolvimento de sistemas de vigilância [8], a localização de um robô durante sua navegação em uma sala de escritório [31] e o diagnóstico de distúrbios neuromusculares [32]. A rede WiSARD pode ser implementada em hardware [33].…”

“…Possuindo mais de um nó RAM, os discriminadores da rede WiSARD conseguem compensar o problema da incapacidade de generalização que cada RAM sozinha apresenta [7]. Antes da fase de treinamento, todos os endereços das memórias RAM de todos os discriminadores são gravados com "0"s. Para a fase de treinamento, um conjunto de treinamento com X vetores de entrada contendo k*N bits é utilizado.…”

“…Distribuição espacial das áreas cobertas pelos discriminadores em um quadro do vídeo (modificado do artigo [7]). …”

“…Este artigo apresenta um rastreador de alvos de superfície em vídeo baseado na rede neural sem peso WiSARD [6,7,8] que é eficiente, executado em tempo real e que consegue compensar erros de binarização gerados na etapa de segmentação de cada quadro. Para atingir a melhor configuração (compensar melhor os erros de binarização, aumentar a precisão e executar em tempo real) do rastreador WiSARD, foram testados vários tamanhos de nós RAM em redes neurais WiSARD trabalhando individualmente e em paralelo com outras redes WiSARD, os principais métodos de segmentação de imagens e de modelos de cor e diferentes formas de preditores de posição simples.…”

“…Entre eles estão as condições climáticas que geram cluster (espécie de ruído) nos sinais de radar, a presença de zonas não cobertas pelo radar, os sistemas de contramedidas eletrônicas que geram sinais eletromagnéticos capazes de saturar ou enganar os sinais recebidos pela antena do radar e o elevado custo do hardware envolvido. O sistema de rastreamento de alvos por vídeo utiliza os sinais das EOS (alças optrônicas), responsáveis por captar imagens do cenário tático onde se encontra o navio para detectar o alvo de superfície e realizar o rastreamento em tempo real.Este artigo apresenta um rastreador de alvos de superfície em vídeo baseado na rede neural sem peso WiSARD [6,7,8] que é eficiente, executado em tempo real e que consegue compensar erros de binarização gerados na etapa de segmentação de cada quadro. Para atingir a melhor configuração (compensar melhor os erros de binarização, aumentar a precisão e executar em tempo real) do rastreador WiSARD, foram testados vários tamanhos de nós RAM em redes neurais WiSARD trabalhando individualmente e em paralelo com outras redes WiSARD, os principais métodos de segmentação de imagens e de modelos de cor e diferentes formas de preditores de posição simples.…”