Redes neurais fuzzy aplicadas em identificação e controle de sistemas

• Main Author: Luna Huamaní, Ivette Raymunda, 1978
• Other Authors: UNIVERSIDADE ESTADUAL DE CAMPINAS
• Format: Others
• Language: Portuguese
• Published: [s.n.] 2003
• Subjects: Redes neurais (Computação); Lógica fuzzy; Identificação de sistemas
• Online Access: LUNA HUAMANÍ, Ivette Raymunda. Redes neurais fuzzy aplicadas em identificação e controle de sistemas. 2003. 147p. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação, Campinas, SP. Disponível em: <http://www.repositorio.unicamp.br/handle/REPOSIP/261993>. Acesso em: 3 ago. 2018.; http://repositorio.unicamp.br/jspui/handle/REPOSIP/261993

Orientadores : Fernando Gomide, Rosangela Ballini === Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação === Made available in DSpace on 2018-08-03T22:20:23Z (GMT). No. of bitstreams: 1 LunaHuamani_IvetteRaymunda_M.pdf: 990940 bytes, checksum: 8ef170d41279a1e177af8a10947c6d0e (MD5) Previous issue date: 2003 === Resumo: Este trabalho apresenta um estudo comparativo entre redes neurof uzzy hibridas, redes neurais e sistemas fuzzy, aplicados a problemas de identificação e controle de sistemas dinamicos nao lineares. Devido a necessidade de representação temporal e de elementos de memoria, para a resolução dos problemas tratados, duas estruturas de redes neuro fuzzy recorrentes sao propostas, a partir de uma rede neuro fuzzy estatica. As relações temporais sao induzidas por realimentação local e global internas nas redes neurofuzzy recorrentes. Para a aprendizagem das redes neurofuzzy propoe-se um algoritmo baseado no m'etodo do gradiente e no m'etodo de treinamento por reforço associativo. Resultados de simulação mostram que as redes neurofuzzy propostas proporcionam uma alternativa efetiva para modelar e controlar sistemas dinamicos nao lineares === Abstract: This work compares the performance of neural fuzzy, neural network and fuzzy systems, to model and control non-linear dynamical systems. Due to the need of temporal representations, two recurrent neural fuzzy networks are proposed based on an hybrid static neural fuzzy architecture. Temporal processing is induced by local and global recurrence in the hidden layer neurons. A learning method based on gradient search and associative reinforcement learning is proposed. Computational experiments suggest that recurrent neural fuzzy networks provide an effective alternative to model and control non-linear dynamical systems === Mestrado === Engenharia de Computação === Mestre em Engenharia Elétrica