Estimação de Mapeamentos entre Reticulados Utilizando Neurocomputação (Fuzzy) para Reconhecimento de Padrões

• Processo: 09/16284-2
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de maio de 2010
• Data de Término da vigência: 28 de fevereiro de 2014
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Matemática da Computação
• Pesquisador responsável: Peter Sussner
• Beneficiário: Estevão Esmi Laureano
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Assunto(s): Reconhecimento de padrões Redes neurais (computação) Morfologia matemática
• Palavra(s)-Chave do Pesquisador: Morfologia Matemática | Reconhecimento de Padrões | rede neural artificial | Teoria de Conjuntos Fuzzy | Teoria de Reticulados | Inteligência Computacional Baseado em Teoria de Reticulados

Resumo

A importância de métodos de inteligência computacional baseados em teoria de reticulados vem aumentando recentemente, e isto se deve ao fato de que muitas classes de grânulo de informação como conjuntos fuzzy, intervalos, conjuntos fuzzy intervalares e instituicionistas, etc., constituem reticulados. Em particular, desenvolvemos o perceptron morfológico com aprendizagem competitiva (MP/CL) para resolver problemas de classificação em um reticulado, que corresponde a um produto de correntes com estrutura algébrica adicional.Nosso objetivo neste projeto é desenvolver novos modelos de neurocomputação (fuzzy) para aplicá-los a problemas de classificação e de regressão em reticulados mais gerais que eventualmente possuem uma estrutura algébricaadicional. Para isto, vamos recorrer a um teorema de decomposição de Banon de Barrera, que estabelece que qualquer mapeamento entre reticulados completos pode ser escrito em termos dos operadores elementares da morfologia matemática, para obter um mapeamento adequado para um dado problema supervisionado de reconhecimento de padrões. Em seguida, pretendemos expressar os operadores morfológicos, que compõem o mapeamento obtido, em termos de certas convoluções que permitem a definição de pesos de uma rede neural morfológica. Desta maneira, espera-se um desempenho adequado de generalização da rede neural resultante.

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

SUSSNER, PETER; ESMI, ESTEVAO L.; VILLAVERDE, IVAN; GRANA, MANUEL. The Kosko Subsethood Fuzzy Associative Memory (KS-FAM): Mathematical Background and Applications in Computer Vision. Journal of Mathematical Imaging and Vision, v. 42, n. 2-3, p. 134-149, FEB 2012. (09/16284-2)

SUSSNER, PETER; NACHTEGAEL, MIKE; MELANGE, TOM; DESCHRIJVER, GLAD; ESMI, ESTEVAO; KERRE, ETIENNE. Interval-Valued and Intuitionistic Fuzzy Mathematical Morphologies as Special Cases of L-Fuzzy Mathematical Morphology. Journal of Mathematical Imaging and Vision, v. 43, n. 1, p. 50-71, MAY 2012. (09/16284-2)

ESMI, ESTEVAO; SUSSNER, PETER; BUSTINCE, HUMBERTO; FERNANDEZ, JAVIER. Theta-Fuzzy Associative Memories (Theta-FAMs). IEEE TRANSACTIONS ON FUZZY SYSTEMS, v. 23, n. 2, p. 313-326, APR 2015. (09/16284-2, 11/10014-3)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

LAUREANO, Estevão Esmi. 'Theta'-FAMs: memórias associativas fuzzy baseadas em funções-'theta'. 2014. Tese de Doutorado - Universidade Estadual de Campinas (UNICAMP). Instituto de Matemática, Estatística e Computação Científica Campinas, SP.