Caracterização e continuidade das memórias associativas morfológicas fuzzy baseadas em uninormas

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Oliveira, Rafael Massambone de
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Memória associativa
Morfologia matemática
Sistemas de memória de computadores
Redes neurais (Computação)
Conjuntos difusos
Associative memory
Computer memory systems
Neural networks (Computer science)
Link de acesso: https://repositorio.uel.br/handle/123456789/15626
Resumo: Resumo: Um modelo de memória associativa (AM, Associative Memory), dado por uma rede neural fuzzy em que os neurônios efetuam operações elementares da morfologia matemática (MM) e que é usado para o armazenamento e recordação de padrões fuzzy, é chamado memória associativa morfológica fuzzy (FMAM, Fuzzy Morphological Associative Memory) Esta Dissertação de mestrado se concentra na classe de memórias associativas morfológicas fuzzy baseadas em uninormas, que generaliza vários modelos de memórias associativas fuzzy (FAMs, Fuzzy Associative Memories), incluindo a classe das memórias associativas fuzzy implicativas (IFAMs, Implicative Fuzzy Associative Memories), substituindo a norma triangular e co-norma triangular por um operador uninorma A Dissertação está dividida em três partes A primeira parte revela que a estrutura matemática chamada CLODUM (Complete Lattice Ordered Double Monoid), representa uma estrutura apropriada para a classe das FMAMs baseadas em uninormas Precisamente, mostramos que certos modelos de FAM realizam um mapeamento associativo que efetua uma dilatação ou uma erosão que é invariante sob regraduações dos padrões fuzzy se, e somente se, forem uma FMAM baseada em uninorma Além disso, em um CLODUM, temos que o problema de encontrar uma FMAM baseada em uninorma apropriada para um determinado problema de associação corresponde ao problema mais simples de determinar uma adequada matriz de pesos sinápticos Em vista desse fato, a segunda parte da Dissertação se concentra no aprendizado implicativo fuzzy (IFL, Implicative Fuzzy Learning), também chamado de aprendizado fuzzy por adjunção, que pode ser efetivamente aplicado para o armazenamento de um conjunto de memórias fundamentais em FMAMs baseadas em uninormas Além disso, ressaltamos que este esquema de armazenamento fornece, em um certo sentido, uma matriz de pesos sinápticos ótima e, consequentemente, a melhor FMAM num dado clodum Em particular, mostramos que as FMAMs baseadas em uninormas apresentam ótima capacidade absoluta de armazenamento no caso auto-associativo Finalmente, a terceira parte da Dissertação estende a noção de continuidade introduzida por Perfilieva e Lehmke para a classe de FMAMs baseadas uninormas Como consequência, temos que uma FMAM baseada em uninorma é contínua se e somente se é capaz de armazenar cada associação no conjunto de memórias fundamentais No caso auto-associativo, qualquer FMAM baseada em uninorma treinada com o IFL é contínua
id UEL_906dcf28be0fba66922879ff29f9190a
oai_identifier_str oai:repositorio.uel.br:123456789/15626
network_acronym_str UEL
network_name_str Repositório Institucional da UEL
repository_id_str
spelling Caracterização e continuidade das memórias associativas morfológicas fuzzy baseadas em uninormasMemória associativaMorfologia matemáticaSistemas de memória de computadoresRedes neurais (Computação)Conjuntos difusosAssociative memoryComputer memory systemsNeural networks (Computer science)Resumo: Um modelo de memória associativa (AM, Associative Memory), dado por uma rede neural fuzzy em que os neurônios efetuam operações elementares da morfologia matemática (MM) e que é usado para o armazenamento e recordação de padrões fuzzy, é chamado memória associativa morfológica fuzzy (FMAM, Fuzzy Morphological Associative Memory) Esta Dissertação de mestrado se concentra na classe de memórias associativas morfológicas fuzzy baseadas em uninormas, que generaliza vários modelos de memórias associativas fuzzy (FAMs, Fuzzy Associative Memories), incluindo a classe das memórias associativas fuzzy implicativas (IFAMs, Implicative Fuzzy Associative Memories), substituindo a norma triangular e co-norma triangular por um operador uninorma A Dissertação está dividida em três partes A primeira parte revela que a estrutura matemática chamada CLODUM (Complete Lattice Ordered Double Monoid), representa uma estrutura apropriada para a classe das FMAMs baseadas em uninormas Precisamente, mostramos que certos modelos de FAM realizam um mapeamento associativo que efetua uma dilatação ou uma erosão que é invariante sob regraduações dos padrões fuzzy se, e somente se, forem uma FMAM baseada em uninorma Além disso, em um CLODUM, temos que o problema de encontrar uma FMAM baseada em uninorma apropriada para um determinado problema de associação corresponde ao problema mais simples de determinar uma adequada matriz de pesos sinápticos Em vista desse fato, a segunda parte da Dissertação se concentra no aprendizado implicativo fuzzy (IFL, Implicative Fuzzy Learning), também chamado de aprendizado fuzzy por adjunção, que pode ser efetivamente aplicado para o armazenamento de um conjunto de memórias fundamentais em FMAMs baseadas em uninormas Além disso, ressaltamos que este esquema de armazenamento fornece, em um certo sentido, uma matriz de pesos sinápticos ótima e, consequentemente, a melhor FMAM num dado clodum Em particular, mostramos que as FMAMs baseadas em uninormas apresentam ótima capacidade absoluta de armazenamento no caso auto-associativo Finalmente, a terceira parte da Dissertação estende a noção de continuidade introduzida por Perfilieva e Lehmke para a classe de FMAMs baseadas uninormas Como consequência, temos que uma FMAM baseada em uninorma é contínua se e somente se é capaz de armazenar cada associação no conjunto de memórias fundamentais No caso auto-associativo, qualquer FMAM baseada em uninorma treinada com o IFL é contínuaDissertação (Mestrado em Matemática Aplicada e Computacional) - Universidade Estadual de Londrina, Centro de Ciências Exatas, Programa de Pós-Graduação em Matemática Aplicada e ComputacionalAbstract: An associative memory (AM) model, given by a fuzzy neural network in which the neurons perform elementary operations of mathematical morphology (MM) and that is used for the storage and recall of fuzzy patterns, is called a fuzzy morphological associative memory (FMAM) This master dissertation focuses on the class of fuzzy morphological associative memories based uninorms, which generalizes several fuzzy associative memories (FAMs) models, including the class of implicative fuzzy associative memories (IFAMs), by replacing the underlying triangular norm and co-norm by an uninorm operator The dissertation is divided in three parts The first part reveals that the mathematical structure, called complete lattice ordered double monoid (CLODUM), yields an appropriate framework for the class of FMAMs based on uninorms Precisely, we show that a certain FAM model has an associative mapping that perform either a dilation or an erosion that is invariant under regraduations of the fuzzy patterns if and only if it is an FMAM based on uninorm Moreover, in a clodum, we have that the problem of finding an appropriate FMAM based in uninorms for a given association task corresponds to the easier problem of determining an appropriate synaptic weight matrix In view of this fact, the second part of the dissertation is concerned with the implicative fuzzy learning (IFL), also called fuzzy learning by adjunction, which can be effectively applied for storage of a fundamental memory set in FMAMs based in uninorms Furthermore, we point out that this recording recipe yields, in some sense, an optimal synaptic weight matrix and, consequently, the best FMAM in a given clodum In particular, we show that an FMAM based in uninorms model exhibit optimal absolute storage capacity in the auto-associative case Finally, the third part of the disseration extends the notions of continuity introduced by Perfilieva and Lehmke to the class of FMAMs based on uninorms As a consequence, we have that an FMAM based on uninorm is continuous if and only if it is able to store every association in the fundamental memory set In the auto-associative case, any FMAM based on uninorm trained by IFL is continuousMesquita, Marcos Eduardo Ribeiro do Valle [Orientador]Sussner, PeterSharma, Naresh KumarFerreyra Ramírez, Ernesto FernandoOliveira, Rafael Massambone de2024-05-01T14:52:47Z2024-05-01T14:52:47Z2010.0007.05.2010info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://repositorio.uel.br/handle/123456789/15626porMestradoMatemática Aplicada e ComputacionalCentro de Ciências ExatasPrograma de Pós-Graduação em Matemática Aplicada e ComputacionalLondrinareponame:Repositório Institucional da UELinstname:Universidade Estadual de Londrina (UEL)instacron:UELinfo:eu-repo/semantics/openAccess2024-07-12T04:19:45Zoai:repositorio.uel.br:123456789/15626Biblioteca Digital de Teses e Dissertaçõeshttp://www.bibliotecadigital.uel.br/PUBhttp://www.bibliotecadigital.uel.br/OAI/oai2.phpbcuel@uel.br||opendoar:2024-07-12T04:19:45Repositório Institucional da UEL - Universidade Estadual de Londrina (UEL)false
dc.title.none.fl_str_mv Caracterização e continuidade das memórias associativas morfológicas fuzzy baseadas em uninormas
title Caracterização e continuidade das memórias associativas morfológicas fuzzy baseadas em uninormas
spellingShingle Caracterização e continuidade das memórias associativas morfológicas fuzzy baseadas em uninormas
Oliveira, Rafael Massambone de
Memória associativa
Morfologia matemática
Sistemas de memória de computadores
Redes neurais (Computação)
Conjuntos difusos
Associative memory
Computer memory systems
Neural networks (Computer science)
title_short Caracterização e continuidade das memórias associativas morfológicas fuzzy baseadas em uninormas
title_full Caracterização e continuidade das memórias associativas morfológicas fuzzy baseadas em uninormas
title_fullStr Caracterização e continuidade das memórias associativas morfológicas fuzzy baseadas em uninormas
title_full_unstemmed Caracterização e continuidade das memórias associativas morfológicas fuzzy baseadas em uninormas
title_sort Caracterização e continuidade das memórias associativas morfológicas fuzzy baseadas em uninormas
author Oliveira, Rafael Massambone de
author_facet Oliveira, Rafael Massambone de
author_role author
dc.contributor.none.fl_str_mv Mesquita, Marcos Eduardo Ribeiro do Valle [Orientador]
Sussner, Peter
Sharma, Naresh Kumar
Ferreyra Ramírez, Ernesto Fernando
dc.contributor.author.fl_str_mv Oliveira, Rafael Massambone de
dc.subject.por.fl_str_mv Memória associativa
Morfologia matemática
Sistemas de memória de computadores
Redes neurais (Computação)
Conjuntos difusos
Associative memory
Computer memory systems
Neural networks (Computer science)
topic Memória associativa
Morfologia matemática
Sistemas de memória de computadores
Redes neurais (Computação)
Conjuntos difusos
Associative memory
Computer memory systems
Neural networks (Computer science)
description Resumo: Um modelo de memória associativa (AM, Associative Memory), dado por uma rede neural fuzzy em que os neurônios efetuam operações elementares da morfologia matemática (MM) e que é usado para o armazenamento e recordação de padrões fuzzy, é chamado memória associativa morfológica fuzzy (FMAM, Fuzzy Morphological Associative Memory) Esta Dissertação de mestrado se concentra na classe de memórias associativas morfológicas fuzzy baseadas em uninormas, que generaliza vários modelos de memórias associativas fuzzy (FAMs, Fuzzy Associative Memories), incluindo a classe das memórias associativas fuzzy implicativas (IFAMs, Implicative Fuzzy Associative Memories), substituindo a norma triangular e co-norma triangular por um operador uninorma A Dissertação está dividida em três partes A primeira parte revela que a estrutura matemática chamada CLODUM (Complete Lattice Ordered Double Monoid), representa uma estrutura apropriada para a classe das FMAMs baseadas em uninormas Precisamente, mostramos que certos modelos de FAM realizam um mapeamento associativo que efetua uma dilatação ou uma erosão que é invariante sob regraduações dos padrões fuzzy se, e somente se, forem uma FMAM baseada em uninorma Além disso, em um CLODUM, temos que o problema de encontrar uma FMAM baseada em uninorma apropriada para um determinado problema de associação corresponde ao problema mais simples de determinar uma adequada matriz de pesos sinápticos Em vista desse fato, a segunda parte da Dissertação se concentra no aprendizado implicativo fuzzy (IFL, Implicative Fuzzy Learning), também chamado de aprendizado fuzzy por adjunção, que pode ser efetivamente aplicado para o armazenamento de um conjunto de memórias fundamentais em FMAMs baseadas em uninormas Além disso, ressaltamos que este esquema de armazenamento fornece, em um certo sentido, uma matriz de pesos sinápticos ótima e, consequentemente, a melhor FMAM num dado clodum Em particular, mostramos que as FMAMs baseadas em uninormas apresentam ótima capacidade absoluta de armazenamento no caso auto-associativo Finalmente, a terceira parte da Dissertação estende a noção de continuidade introduzida por Perfilieva e Lehmke para a classe de FMAMs baseadas uninormas Como consequência, temos que uma FMAM baseada em uninorma é contínua se e somente se é capaz de armazenar cada associação no conjunto de memórias fundamentais No caso auto-associativo, qualquer FMAM baseada em uninorma treinada com o IFL é contínua
publishDate 2024
dc.date.none.fl_str_mv 07.05.2010
2010.00
2024-05-01T14:52:47Z
2024-05-01T14:52:47Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.uel.br/handle/123456789/15626
url https://repositorio.uel.br/handle/123456789/15626
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv Mestrado
Matemática Aplicada e Computacional
Centro de Ciências Exatas
Programa de Pós-Graduação em Matemática Aplicada e Computacional
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv Londrina
dc.source.none.fl_str_mv reponame:Repositório Institucional da UEL
instname:Universidade Estadual de Londrina (UEL)
instacron:UEL
instname_str Universidade Estadual de Londrina (UEL)
instacron_str UEL
institution UEL
reponame_str Repositório Institucional da UEL
collection Repositório Institucional da UEL
repository.name.fl_str_mv Repositório Institucional da UEL - Universidade Estadual de Londrina (UEL)
repository.mail.fl_str_mv bcuel@uel.br||
_version_ 1809823489763311616

Registros relacionados