Separação cega de fontes lineares e não lineares usando algoritmo genético, redes neurais artificiais RBF e negentropia de Rényi como medida de independência

Detalhes bibliográficos
Ano de defesa: 2010
Autor(a) principal: Damasceno, Nielsen Castelo
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: Universidade Federal do Rio Grande do Norte
BR
UFRN
Programa de Pós-Graduação em Engenharia Elétrica
Automação e Sistemas; Engenharia de Computação; Telecomunicações
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Análise de componentes independentes
Negentropia de Rényi
Algoritmos genéticos
Redes neurais
Independente component analysis
Negentropy Rényi
Algorithms genetics
Neural network
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Link de acesso: https://repositorio.ufrn.br/jspui/handle/123456789/15358
Resumo: Conventional methods to solve the problem of blind source separation nonlinear, in general, using series of restrictions to obtain the solution, often leading to an imperfect separation of the original sources and high computational cost. In this paper, we propose an alternative measure of independence based on information theory and uses the tools of artificial intelligence to solve problems of blind source separation linear and nonlinear later. In the linear model applies genetic algorithms and Rényi of negentropy as a measure of independence to find a separation matrix from linear mixtures of signals using linear form of waves, audio and images. A comparison with two types of algorithms for Independent Component Analysis widespread in the literature. Subsequently, we use the same measure of independence, as the cost function in the genetic algorithm to recover source signals were mixed by nonlinear functions from an artificial neural network of radial base type. Genetic algorithms are powerful tools for global search, and therefore well suited for use in problems of blind source separation. Tests and analysis are through computer simulations
id UFRN_9abc62fa33dbf7952f614d065bd404bc
oai_identifier_str oai:repositorio.ufrn.br:123456789/15358
network_acronym_str UFRN
network_name_str Repositório Institucional da UFRN
repository_id_str
spelling Separação cega de fontes lineares e não lineares usando algoritmo genético, redes neurais artificiais RBF e negentropia de Rényi como medida de independênciaAnálise de componentes independentesNegentropia de RényiAlgoritmos genéticosRedes neuraisIndependente component analysisNegentropy RényiAlgorithms geneticsNeural networkCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAConventional methods to solve the problem of blind source separation nonlinear, in general, using series of restrictions to obtain the solution, often leading to an imperfect separation of the original sources and high computational cost. In this paper, we propose an alternative measure of independence based on information theory and uses the tools of artificial intelligence to solve problems of blind source separation linear and nonlinear later. In the linear model applies genetic algorithms and Rényi of negentropy as a measure of independence to find a separation matrix from linear mixtures of signals using linear form of waves, audio and images. A comparison with two types of algorithms for Independent Component Analysis widespread in the literature. Subsequently, we use the same measure of independence, as the cost function in the genetic algorithm to recover source signals were mixed by nonlinear functions from an artificial neural network of radial base type. Genetic algorithms are powerful tools for global search, and therefore well suited for use in problems of blind source separation. Tests and analysis are through computer simulationsOs métodos convencionais para resolver o problema de separação cega de fontes não lineares em geral utilizam uma série de restrições à obtenção da solução, levando muitas vezes a uma não perfeita separação das fontes originais e alto custo computacional. Neste trabalho, propõe-se uma alternativa de medida de independência com base na teoria da informação e utilizam-se ferramentas da inteligência artificial para resolver problemas de separação cega de fontes lineares e posteriormente não lineares. No modelo linear aplica-se algoritmos genéticos e a Negentropia de Rényi como medida de independência para encontrar uma matriz de separação linear a partir de misturas lineares usando sinais de forma de ondas, áudios e imagens. Faz-se uma comparação com dois tipos de algoritmos de Análise de Componentes Independentes bastante difundidos na literatura. Posteriormente, utiliza-se a mesma medida de independência como função custo no algoritmo genético para recuperar sinais de fontes que foram misturadas por funções não lineares a partir de uma rede neural artificial do tipo base radial. Algoritmos genéticos são poderosas ferramentas de pesquisa global e, portanto, bem adaptados para utilização em problemas de separação cega de fontes. Os testes e as análises se dão através de simulações computacionaisUniversidade Federal do Rio Grande do NorteBRUFRNPrograma de Pós-Graduação em Engenharia ElétricaAutomação e Sistemas; Engenharia de Computação; TelecomunicaçõesMartins, Allan de Medeiroshttp://lattes.cnpq.br/3614542417758832http://lattes.cnpq.br/4402694969508077Dória Neto, Adrião Duartehttp://lattes.cnpq.br/1987295209521433Melo, Jorge Dantas dehttp://lattes.cnpq.br/7325007451912598Salles, Evandro Ottoni Teatinihttp://lattes.cnpq.br/5893731382102675Damasceno, Nielsen Castelo2014-12-17T14:55:50Z2012-01-252014-12-17T14:55:50Z2010-12-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfapplication/pdfDAMASCENO, Nielsen Castelo. Separação cega de fontes lineares e não lineares usando algoritmo genético, redes neurais artificiais RBF e negentropia de Rényi como medida de independência. 2010. 109 f. Dissertação (Mestrado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2010.https://repositorio.ufrn.br/jspui/handle/123456789/15358porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRN2017-11-02T11:42:34Zoai:repositorio.ufrn.br:123456789/15358Repositório InstitucionalPUBhttp://repositorio.ufrn.br/oai/repositorio@bczm.ufrn.bropendoar:2017-11-02T11:42:34Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false
dc.title.none.fl_str_mv Separação cega de fontes lineares e não lineares usando algoritmo genético, redes neurais artificiais RBF e negentropia de Rényi como medida de independência
title Separação cega de fontes lineares e não lineares usando algoritmo genético, redes neurais artificiais RBF e negentropia de Rényi como medida de independência
spellingShingle Separação cega de fontes lineares e não lineares usando algoritmo genético, redes neurais artificiais RBF e negentropia de Rényi como medida de independência
Damasceno, Nielsen Castelo
Análise de componentes independentes
Negentropia de Rényi
Algoritmos genéticos
Redes neurais
Independente component analysis
Negentropy Rényi
Algorithms genetics
Neural network
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
title_short Separação cega de fontes lineares e não lineares usando algoritmo genético, redes neurais artificiais RBF e negentropia de Rényi como medida de independência
title_full Separação cega de fontes lineares e não lineares usando algoritmo genético, redes neurais artificiais RBF e negentropia de Rényi como medida de independência
title_fullStr Separação cega de fontes lineares e não lineares usando algoritmo genético, redes neurais artificiais RBF e negentropia de Rényi como medida de independência
title_full_unstemmed Separação cega de fontes lineares e não lineares usando algoritmo genético, redes neurais artificiais RBF e negentropia de Rényi como medida de independência
title_sort Separação cega de fontes lineares e não lineares usando algoritmo genético, redes neurais artificiais RBF e negentropia de Rényi como medida de independência
author Damasceno, Nielsen Castelo
author_facet Damasceno, Nielsen Castelo
author_role author
dc.contributor.none.fl_str_mv Martins, Allan de Medeiros

http://lattes.cnpq.br/3614542417758832

http://lattes.cnpq.br/4402694969508077
Dória Neto, Adrião Duarte

http://lattes.cnpq.br/1987295209521433
Melo, Jorge Dantas de

http://lattes.cnpq.br/7325007451912598
Salles, Evandro Ottoni Teatini

http://lattes.cnpq.br/5893731382102675
dc.contributor.author.fl_str_mv Damasceno, Nielsen Castelo
dc.subject.por.fl_str_mv Análise de componentes independentes
Negentropia de Rényi
Algoritmos genéticos
Redes neurais
Independente component analysis
Negentropy Rényi
Algorithms genetics
Neural network
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
topic Análise de componentes independentes
Negentropia de Rényi
Algoritmos genéticos
Redes neurais
Independente component analysis
Negentropy Rényi
Algorithms genetics
Neural network
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
description Conventional methods to solve the problem of blind source separation nonlinear, in general, using series of restrictions to obtain the solution, often leading to an imperfect separation of the original sources and high computational cost. In this paper, we propose an alternative measure of independence based on information theory and uses the tools of artificial intelligence to solve problems of blind source separation linear and nonlinear later. In the linear model applies genetic algorithms and Rényi of negentropy as a measure of independence to find a separation matrix from linear mixtures of signals using linear form of waves, audio and images. A comparison with two types of algorithms for Independent Component Analysis widespread in the literature. Subsequently, we use the same measure of independence, as the cost function in the genetic algorithm to recover source signals were mixed by nonlinear functions from an artificial neural network of radial base type. Genetic algorithms are powerful tools for global search, and therefore well suited for use in problems of blind source separation. Tests and analysis are through computer simulations
publishDate 2010
dc.date.none.fl_str_mv 2010-12-20
2012-01-25
2014-12-17T14:55:50Z
2014-12-17T14:55:50Z
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 DAMASCENO, Nielsen Castelo. Separação cega de fontes lineares e não lineares usando algoritmo genético, redes neurais artificiais RBF e negentropia de Rényi como medida de independência. 2010. 109 f. Dissertação (Mestrado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2010.
https://repositorio.ufrn.br/jspui/handle/123456789/15358
identifier_str_mv DAMASCENO, Nielsen Castelo. Separação cega de fontes lineares e não lineares usando algoritmo genético, redes neurais artificiais RBF e negentropia de Rényi como medida de independência. 2010. 109 f. Dissertação (Mestrado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2010.
url https://repositorio.ufrn.br/jspui/handle/123456789/15358
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
BR
UFRN
Programa de Pós-Graduação em Engenharia Elétrica
Automação e Sistemas; Engenharia de Computação; Telecomunicações
publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
BR
UFRN
Programa de Pós-Graduação em Engenharia Elétrica
Automação e Sistemas; Engenharia de Computação; Telecomunicações
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRN
instname:Universidade Federal do Rio Grande do Norte (UFRN)
instacron:UFRN
instname_str Universidade Federal do Rio Grande do Norte (UFRN)
instacron_str UFRN
institution UFRN
reponame_str Repositório Institucional da UFRN
collection Repositório Institucional da UFRN
repository.name.fl_str_mv Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)
repository.mail.fl_str_mv repositorio@bczm.ufrn.br
_version_ 1855758891737939968

Registros relacionados