Programação genética aplicada na construção da base de regras em redes Neuro-Fuzzy tipo Neo-Fuzzy-Neuron

Página do item simplificado
dc.contributor.advisorSilva, Alisson Marques da
dc.contributor.advisorLatteshttp://lattes.cnpq.br/3856358583630209
dc.contributor.authorMedeiros, Glender Brás de
dc.contributor.authorLatteshttp://lattes.cnpq.br/5341764231791401
dc.contributor.refereeSilva, Alisson Marques da
dc.contributor.refereeCaminhas, Walmir Matos
dc.contributor.refereeAlmeida, Paulo Eduardo Maciel de
dc.date.accessioned2025-05-09T00:05:22Z
dc.date.available2025-05-09T00:05:22Z
dc.date.issued2019-12-12
dc.description.abstractEste trabalho propõe a utilização de Programação Genética para construção da base de regras em Redes Neuro-Fuzzy do tipo Neo-Fuzzy-Neuron (NFN). Redes Neuro-Fuzzy são sistemas híbridos que combinam características dos Sistemas Fuzzy, como lidar com dados linguísticos e imprecisos, e das Redes Neurais Artificiais, como a capacidade de incorporar técnicas de aprendizado. A rede NFN é uma rede Neuro-Fuzzy composta por n modelos Takagi-Sugeno de ordem zero, um para cada variável de entrada. Programação Genética (PG) é uma técnica de Computação Evolucionária que utiliza analogias aos conceitos de evolução natural dos seres vivos para gerar e evoluir programas computacionais automaticamente. É um método populacional, isto é, trabalha com uma população de indivíduos (soluções) que buscam gerar indivíduos melhores a partir do processo evolucionário da PG. Neste trabalho são propostos três novos algoritmos para redes Neuro-Fuzzy do tipo Neo-Fuzzy-Neuron com aprendizado por Programação Genética para construção da base de regras em cooperação com um método do gradiente para ajuste dos parâmetros do consequente. A escolha da PG se deve principalmente pela capacidade desta de, como qualquer outro método evolucionário, explorar um amplo espaço de busca com menos passos que algoritmos convencionais e fugir de ótimos locais. Por fim, os modelos foram avaliados e comparados com modelos alternativos do estado da arte que utilizam métodos convencionais de aprendizado em problemas de previsão e identificação de sistemas. Os resultados obtidos mostram que a Programação Genética é uma alternativa eficaz para a construção da base de regras em redes Neo-Fuzzy-Neuron, possibilitando obter modelos com boa acurácia quando aplicados em problemas de previsão e identificação de sistemas.
dc.description.abstractotherThis work proposes the use of Genetic Programming to building rule bases in NeuroFuzzy Networks Neo-Fuzzy-Neuron(NFN) type. Neuro-Fuzzy Networks are hybrid systems that combine characteristics of Fuzzy Systems, such as handling imprecise linguistic data, and Artificial Neural Networks, such as the ability to incorporate learning techniques. The NFN network is a Neuro-Fuzzy network consisting of n Takagi-Sugeno models of order zero, one for each input variable. Genetic Programming (GP) is an Evolutionary Computing technique that uses analogies of natural evolution concepts of living beings to automatically generate and evolve computer programs. It is a population method, that is, it works with a population of individuals (solutions) that seek to generate better individuals through the evolutionary process of GP. In this work, we proposed three new approaches to Neo-Fuzzy-Neuron Network with Genetic Programming learning to build the rule base in cooperation with a gradient method to adjust the consequent parameters. The choice of PG is mainly due to its ability to, like any other evolutionary method, explore a large search space with fewer steps than conventional algorithms and avoid local optimal. Finally, the models were evaluated for forecasting and system identification problems and compared with alternative state-of-the-art models using conventional learning methods. The results show that Genetic Programming is an effective alternative for building the rule base in Neo-Fuzzy-Neuron networks, making it possible to obtain models with good accuracy when applied to forecast and system identification problems.
dc.description.sponsorshipCAPES.
dc.identifier.urihttps://repositorio.cefetmg.br//handle/123456789/1404
dc.language.isopt
dc.publisherCentro Federal de Educação Tecnológica de Minas Gerais
dc.publisher.countryBrasil
dc.publisher.initialsCEFET-MG
dc.publisher.programPrograma de Pós-Graduação em Modelagem Matemática e Computacional
dc.subjectRedes neurais
dc.subjectProgramação genética
dc.subjectSistemas difusos
dc.subjectNeural fuzzy
dc.titleProgramação genética aplicada na construção da base de regras em redes Neuro-Fuzzy tipo Neo-Fuzzy-Neuron
dc.typeDissertação

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Programação genética aplicada na construção da base de regras em redes Neuro-Fuzzy tipo Neo-Fuzzy-Neuron.pdf
Tamanho:
2.12 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.39 KB
Formato:
Item-specific license agreed to upon submission
Descrição:
Baixar

Coleções

Mestrado em Modelagem Matemática e Computacional