Redes neurais e lógica fuzzy sob a perspectiva de uma teoria algébrica da probabilidade.

Autor(es)

Francisco Javier Ropero Peláez

• Tipo de documento: Tese de Doutorado
• Imprenta: São Paulo.
• Instituição: Universidade de São Paulo (USP). Escola Politécnica (EP/BC)
• Data de defesa: 2001-11-01

Membros da banca

Newton Maruyama; Aluízio Fausto Ribeiro Araújo; Luiz Pereira Calôba; Ademar Ferreira; Paulo Carlos Kaminski

• Orientador: Marcelo Godoy Simoes; Newton Maruyama

Resumo

Nesta tese foi desenvolvida uma nova teoria Euclidiana da Probabilidade que permite visualizar os eventos estatísticos como vetores. Os conceitos de ângulo e projeção permitiram desenvolver um novo tipo de algoritmo de Gram-Schmidt para encontrar uma base de vetores ortogonais a partir de outros vetores quaisquer. Esta base de vetores pode ser uma base más reduzida quando os eixos são os chamados Componentes Principais. Um novo algoritmo de extração de Componentes Principais foi desenvolvido. Estes fundamentos matemáticos serviram para envasar de maneira diferente à lógica fuzzy e às redes neurais artificiais. Na área da lógica fuzzy estas equações fornecem um método diferente de desenhar analiticamente as funções de pertinência e de encontrar as regras composicionais de inferência. Na área das redes neurais permitiram o desenho e fácil entendimento de uma nova rede neural baseada na neuro-fisiologia do tálamo que extrai os Componentes Principais para lograr uma compressão eficiente da informação. Este tálamo artificial foi implementado em Matlab. (AU)

• Processo FAPESP: 98/08107-7 - Desenvolvimento de rede neural baseada no modelo do tálamo aplicada ao reconhecimento de padrões para posterior utilização em orientação de manipuladores mecânicos
• Beneficiário: Francisco Javier Ropero Pelaez
• Modalidade de apoio: Bolsas no Brasil - Doutorado