Aplicação de aprendizagem por reforço para um modelo bayesiano de consciência situacional

Abstract

Redes Bayesianas são modelos gráficos para raciocinar e representar um conhecimento sobre um meio incerto. Seus nós representam as variáveis, discretas ou contínuas, e os arcos são conexões diretas entre elas. São aplicáveis em diversos tipos de problemas, como: diagnósticos de doenças, aquisição de conhecimento em sistemas especialistas e até relações de causas em no disparo de um alarme. Tendo uma forte ligação com as redes neurais artificiais está o surgimento da área denominada aprendizagem de máquina, trazendo consigo novas pesquisas em métodos de aprendizagem automática: por exemplos, indução, reconhecimento de padrões, similaridade ou por reforço. Esses métodos podem ser aplicados em previsão de caracteres manuscritos, preços de casas, significados de palavras, assim como na aprendizagem de redes bayesianas. A enorme quantidade de acidentes que acontecem com pedestres trafegando próximos de vias urbanas está associada ao uso excessivo de dispositivos móveis, por acarretar na falta de consciência em relação ao meio. Tendo isso em mente, o projeto ``Road Awareness'' propõe um modelo de consciência situacional de usuários de smartphones próximo a vias urbanas, a fim de contruibuir com a diminuição da incidência desses acontecimentos. Com o objetivo de contribuir com o projeto, foi implementado e aplicado um algoritmo de aprendizagem por reforço na aprendizagem dos parâmetros do modelo em questão, a rede Bayesiana. O modelo foi implementado e testado, concluindo-se que o mesmo serve como uma maneira de se aplicar o reforço em um sistema especialista.

Bayesian networks are graphical models to reason and represent a knowledge about an uncertain environment. Their nodes represent as variables, discrete or continuous, and the arcs are direct connections between them. They are applicable in in several problems, such as: diagnoses of diseases, acquisition of knowledge in expert systems and even causes relationships in the triggering of an alarm. The emergence of the area known as machine learning is strongly linked to advances in artificial neural networks, bringing new research into automatic learning methods, such as: induction, pattern recognition, similarity, or reinforcement. These methods can be applied in prediction of handwritten characters, house prices, word meanings, as well as in learning of Bayesian networks. The huge amount of accidents that occur with pedestrians traveling near urban roads is associated with the excessive use of mobile devices, as it causes a lack of awareness of the environment. With this in mind, the Road Awareness project proposes a situational awareness model of smartphone users near urban roads, to build up with the decrease in the incidence of these events. To contribute to the project, an algorithm of reinforcement learning was implemented and applied in the parameter learning of the present model, a Bayesian network. The model was implemented and tested, concluding that it serves as a way to apply the reinforcement in a specialized system.