| Processo: | 14/10067-8 |
| Modalidade de apoio: | Bolsas no Brasil - Pós-Doutorado |
| Data de Início da vigência: | 01 de novembro de 2014 |
| Data de Término da vigência: | 31 de janeiro de 2016 |
| Área de conhecimento: | Ciências Exatas e da Terra - Matemática - Matemática Aplicada |
| 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): | Inteligência computacional Reconhecimento de padrões |
| Palavra(s)-Chave do Pesquisador: | computação em reticulado | computação granular | Memória associativa (fuzzy) | Reconhecimento de Padrões | sistema de inferência | Inteligência Computacional |
Resumo Memórias associativas (AMs) são modelos matemáticos projetados especificamente para armazenar pares desejados de entrada-saída chamados de memórias fundamentais. Além de associar perfeitamente os pares desejados, espera-se que uma AM seja equipada com algum tipo de tolerância a ruído. Neste projeto estudaremos em detalhes uma classe de AMs denominadas memóriasassociativas fuzzy-$\Theta$ ($\Theta$-FAMs), que correspondem a mapeamentos entre classes de conjuntos fuzzy dados por redes neurais fuzzy de duas camadas. Sob algumas hipóteses, é possível demonstrar que uma $\Theta$-FAM exibe capacidade de armazenamento absoluto ótimo e é capaz de atingir recordação perfeita para entradas ruidosas suficientemente próximas as suas versões originais. As $\Theta$-FAMs foram aplicadas com sucesso em uma variedade de problemas de classificação, incluindo algumas aplicação reais, tais como, auto-localização de robô baseado em visão, classificação de séries temporaisde índices de vegetação e reconhecimento de locutor. Neste projeto estenderemos os modelos$\Theta$-FAMs de duas maneiras: estruturalmente e conceitualmente. A primeira objetiva-se a proverum maior grau de liberdade e flexibilidade da arquitetura da $\Theta$-FAMs para aplicações em problemas de regressão. A segunda refere-se a utilização da abordagem $\Theta$-FAM como um modelo matemático de inferência para classes de grânulos de informações gerais baseado em teoria de reticulados. | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |