'Theta'-FAMs: memórias associativas fuzzy baseadas em funções-'theta'

Autor(es)

Estevão Esmi

• Tipo de documento: Tese de Doutorado
• Imprenta: Campinas, SP.
• Instituição: Universidade Estadual de Campinas (UNICAMP). Instituto de Matemática, Estatística e Computação Científica
• Data de defesa: 2014-04-30

Membros da banca

Peter Sussner; Roberto Andreani; Laécio Carvalho de Barros; Sandra Aparecida Sandri; Benjamín René Callejas Bedregal

• Orientador: Peter Sussner

Resumo

Muitas das memórias associativas fuzzy (FAMs) da literatura correspondem a redes neurais com uma única camada de pesos que armazenam de forma distributiva as informações das associações desejadas. As principais aplicações deste tipo de mémorias associativas são encontradas em sistemas baseados em regras fuzzy. Nesta tese introduzimos a classe de memórias associativas fuzzy-T (T-FAMs) que, em contraste com estes outros modelos, representam redes neurais fuzzy com duas camadas. Caso particulares de T-FAMs, denominadas S-FAMs (duais) e E-FAMs, são baseadas em medidas de subsethood e equivalência fuzzy. Resultados gerais sobre a capacidade de armazenamento e a capacidade de correção de erro das T-FAMs também foram providenciados. Adicionalmente, introduzimos um algoritmo geral de treinamento para T-FAM cuja convergência é sempre garantida. Apresentamos ainda um algoritmo alternativo para treinamento de uma certa classe de E-FAMs que além de ajustar os seus parâmetros também determina automaticamente a topologia da rede. Finalmente, comparamos as taxas de classificação produzidas pelas T-FAMs com alguns classificadores bem conhecidos em diversos problemas de classificação disponíveis na internet. Além disso, aplicamos com sucesso as T-FAMs em um problema de auto-localização de robô móvel baseado em visão (AU)

• Processo FAPESP: 09/16284-2 - Estimação de Mapeamentos entre Reticulados Utilizando Neurocomputação (Fuzzy) para Reconhecimento de Padrões
• Beneficiário: Estevão Esmi Laureano
• Modalidade de apoio: Bolsas no Brasil - Doutorado