Uma abordagem neuro- nebulosa para otimização de sistema e indentificação robusta

• Main Author: Silva, Ivan Nunes da
• Other Authors: UNIVERSIDADE ESTADUAL DE CAMPINAS
• Format: Others
• Language: Portuguese
• Published: [s.n.] 1997
• Subjects: Redes neurais (Computação); Otimização matemática; Identificação de sistemas; Inteligência artificial
• Online Access: SILVA, Ivan Nunes da. Uma abordagem neuro- nebulosa para otimização de sistema e indentificação robusta. 1997. 145f. Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação, Campinas, SP. Disponível em: <http://www.repositorio.unicamp.br/handle/REPOSIP/261199>. Acesso em: 23 jul. 2018.; http://repositorio.unicamp.br/jspui/handle/REPOSIP/261199

Orientadores: Wagner Caradori do Amaral, Lucia Valeria R. de Arruda === Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação === Made available in DSpace on 2018-07-23T06:01:11Z (GMT). No. of bitstreams: 1 Silva_IvanNunesda_D.pdf: 8988554 bytes, checksum: 75aa61f1a4a1444c73e7b3e7f3e42f48 (MD5) Previous issue date: 1997 === Resumo: A habilidade de redes neurais em solucionar problemas complexos e variados, as tornam uma abordagem atrativa a ser aplicada em diversas áreas de engenharia e ciências. Uma rede neural é basicamente composta de inúmeros elementos processadores simples com um alto grau de conectividade entre eles. Esta tese propõe uma arquitetura de uma rede neural artificial aplicável na solução de problemas de otimização com restrições. Mais especificamente, um modelo baseado na rede de Hopfield é proposto para resolver diferentes tipos de problemas de otimização, incluindo problemas de programação dinâmica e otimização combinatorial, e também problemas de identificação robusta com erro desconhecido mas limitado. Um sistema baseado em lógica nebulosa é desenvolvido com o propósito de conduzir, de forma eficiente, a convergência da rede em direção a seus pontos de equilíbrio. Os parâmetros internos da rede, associados às restrições, são derivados utilizando a técnica de subespaço válido de soluções. Resultados de simulações são apresentados para ilustrar o desempenho da abordagem proposta === Abstract: The ability of artificial neural networks to solve complex and diversified problems make them attractive for application in many áreas of engineering and science. A neural network is basically composed of many simple processing elements with a high degree of connectivity among them. This thesis presents an architecture of artificial neural network to apply in optimization problems with constraints. More specifically, a topology based in the Hopfield networks is proposed to solve some optimization problems, including dynamic programming and combinatorial optimization, and also robust parametric identification problems with unknown-but-bounded disturbance. In this case, the network is used to calculate the parametric uncertainty intervals and the feasible membership set for model parameters. A rule-based fuzzy system has been developed in order to improve the efficiency and the network convergence to the equilibrium points. The internal parameters of the network, associated with the constraints imposed by a specific problem, are explicitally computed using a valid-subspace technique. Simulation results are provided to illustrate the performance of the proposed approach === Doutorado === Doutor em Engenharia Elétrica