2 resultados para Reinforcement Learning,resource-constrained devices,iOS devices,on-device machine learning
em Universidade Federal do Pará
Resumo:
O presente estudo investigou se a manutenção, ou não, do comportamento de seguir regras discrepantes das contingências de reforço programadas em situação experimental depende mais da história experimental do ouvinte ou da sua história pré-experimental, inferida das respostas destes a um questionário sobre inflexibilidade. Dezesseis estudantes universitários selecionados previamente com base em suas respostas a um questionário sobre inflexibilidade, foram expostos a um procedimento de escolha segundo o modelo. Em cada tentativa, um estímulo modelo e três de comparação eram apresentados ao participante, que deveria apontar para os três de comparação, em uma determinada seqüência. Os participantes foram atribuídos a duas condições e cada condição continha quatro fases. As condições diferiram somente quanto ao esquema de reforço utilizado. Na Condição 1 o esquema de reforço era contínuo (CRF) e na Condição 2 era de razão fixa (FR4). Nas duas condições a Fase 1 era iniciada com a apresentação de instruções mínimas e uma seqüência de respostas era estabelecida por reforço diferencial; a Fase 2 era iniciada com a apresentação de uma regra discrepante; a Fase 3 era iniciada com a apresentação de uma regra correspondente e a Fase 4 com a reapresentação da regra discrepante. Oito participantes (quatro classificados de flexíveis e quatro classificados de inflexíveis) foram expostos à Condição 1 (CRF) e oito participantes (quatro classificados de flexíveis e quatro classificados de inflexíveis) foram expostos à Condição 2 (FR4). Os resultados mostraram que independente da classificação, os oito participantes da Condição 1 abandonaram o seguimento da regra discrepante das contingências, indicando que o controle exercido pela história experimental construída, impediu a observação dos efeitos de variáveis pré-experimentais sobre o comportamento de seguir regras discrepantes dos participantes. Já os resultados da Condição 2 mostraram que os quatro participantes classificados de flexíveis abandonaram o seguimento da regra discrepante e os quatro participantes classificados de inflexíveis mantiveram o seguimento da regra discrepante das contingências, indicando que sob estas condições o controle por diferentes histórias pré-experimentais, prevaleceu. Comparativamente os resultados das duas condições permitem concluir que a manutenção do comportamento de seguir regras discrepantes não depende somente da história experimental ou da história pré-experimental do ouvinte, mas sim da combinação de um número de condições favoráveis ou desfavoráveis a manutenção do comportamento de seguir regra discrepante.
Resumo:
Este trabalho visa propor uma solução contendo um sistema de reconhecimento de fala automático em nuvem. Dessa forma, não há necessidade de um reconhecedor sendo executado na própria máquina cliente, pois o mesmo estará disponível através da Internet. Além do reconhecimento automático de voz em nuvem, outra vertente deste trabalho é alta disponibilidade. A importância desse tópico se d´a porque o ambiente servidor onde se planeja executar o reconhecimento em nuvem não pode ficar indisponível ao usuário. Dos vários aspectos que requerem robustez, tal como a própria conexão de Internet, o escopo desse trabalho foi definido como os softwares livres que permitem a empresas aumentarem a disponibilidade de seus serviços. Dentre os resultados alcançados e para as condições simuladas, mostrou-se que o reconhecedor de voz em nuvem desenvolvido pelo grupo atingiu um desempenho próximo ao do Google.