dc.contributor.advisor | de Lima Silva, Luis Alvaro | |
dc.creator | Schlsener, Ricardo Kunde | |
dc.date.accessioned | 2022-09-14T17:41:52Z | |
dc.date.available | 2022-09-14T17:41:52Z | |
dc.date.issued | 2022-08-10 | |
dc.date.submitted | 2022 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/26186 | |
dc.description | Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa
Maria, Centro de Tecnologia, Curso de Ciência da Computação, RS, 2022. | por |
dc.description.abstract | There’s a variety of real life applications for algorithms with deceptive characteristics, and it’s
an area in Artificial Inteligence with a lot still left to be explored, specially in the context of
pathfinding algorithms. Most studies in the literature about deceptive pathfinding are applied in
two-dimensional spaces, and there’s little to no studies about the application of machine learning
in this context. This work aims to investigate deceptive pathfinding algorithms and apply
them in terrains with topographic characteristics, analysing the impact of explicitly considering
these characteristics. This work also seeks to explore the application of deep neural networks
as a way to optimize the computation of these paths. Afterwards, a statistical analysis of the
results is made to determine the impact that these techniques have in the final path and in their
processing time. | eng |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Acesso Aberto | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Engano | por |
dc.subject | Busca de caminhos | por |
dc.subject | Redes neurais profundas | por |
dc.subject | Deep neural networks | eng |
dc.subject | Artificial intelligence | eng |
dc.subject | Machine learning | eng |
dc.subject | Deception | eng |
dc.subject | Pathfinding | eng |
dc.title | Computação de caminhos enganosos considerando características topográficas do terreno e redes neurais profundas | por |
dc.title.alternative | Computation of deceptive paths considering the terrain’s topographic characteristics and deep neural networks | eng |
dc.type | Trabalho de Conclusão de Curso de Graduação | por |
dc.degree.local | Santa Maria, RS, Brasil. | por |
dc.description.resumo | Existem diversas aplicações reais para algoritmos com características enganosas, e é uma das
áreas da Inteligência Artificial que ainda tem muito a ser explorada, principalmente no contexto
de busca de caminho (pathfinding). Quase todos os estudos sobre caminhos enganosos na literatura
são aplicados em cenários bidimensionais, e existe poucos estudos sobre a otimização do
processamento destes caminhos. O objetivo deste trabalho é investigar algoritmos voltados a
computação de caminhos enganosos e aplica-los em terrenos que possuem características de relevo,
analisando como estes caminhos são afetados pela consideração explícita de características
topográficas do terreno. Este trabalho também explora a aplicação de redes neurais profundas
para apoiar a computação destes caminhos. A partir disso é feita uma análise dos resultados
para determinar o impacto que as técnicas analisadas apresentam nas características dos caminhos
retornados e no seus tempos de processamento. Os resultados encontrados demonstram
que os caminhos enganosos são efetivos em terrenos com relevo e também apresentam o grande
potencial que as redes neurais profundas apresentam como forma de otimização da computação
destes caminhos. | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFSM | por |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.publisher.unidade | Centro de Tecnologia | por |