Uma abordagem neuro- nebulosa para otimização de sistema e indentificação robusta

Autor(es)

Ivan Nunes da Silva

• Tipo de documento: Tese de Doutorado
• Imprenta: Campinas, SP.
• Instituição: Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação
• Data de defesa: 1997-12-17

Membros da banca

Wagner Caradori do Amaral

• Orientador: Wagner Caradori do Amaral; Lucia Valeria Ramos de Arruda

Resumo

A habilidade de redes neurais em solucionar problemas complexos e variados, as tornam uma abordagem atrativa a ser aplicada em diversas áreas de engenharia e ciências. Uma rede neural é basicamente composta de inúmeros elementos processadores simples com um alto grau de conectividade entre eles. Esta tese propõe uma arquitetura de uma rede neural artificial aplicável na solução de problemas de otimização com restrições. Mais especificamente, um modelo baseado na rede de Hopfield é proposto para resolver diferentes tipos de problemas de otimização, incluindo problemas de programação dinâmica e otimização combinatorial, e também problemas de identificação robusta com erro desconhecido mas limitado. Um sistema baseado em lógica nebulosa é desenvolvido com o propósito de conduzir, de forma eficiente, a convergência da rede em direção a seus pontos de equilíbrio. Os parâmetros internos da rede, associados às restrições, são derivados utilizando a técnica de subespaço válido de soluções. Resultados de simulações são apresentados para ilustrar o desempenho da abordagem proposta (AU)

• Processo FAPESP: 96/06374-2 - Abordagens neuro-nebulosas para identificacao robusta e otimizacao de sistemas.
• Beneficiário: Ivan Nunes da Silva
• Modalidade de apoio: Bolsas no Brasil - Doutorado