Exportação concluída — 

Um modelo de rede neuro-fuzzy baseada em funções de base radial capaz de inferir regras do tipo Mamdani

Detalhes bibliográficos
Ano de defesa: 2015
Autor(a) principal: Rodrigues, Diego Garcia
Orientador(a): Roisenberg, Mauro
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
Link de acesso: https://repositorio.ufsc.br/xmlui/handle/123456789/132476
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2015.
id UFSC_f755b2df5501a15293e57c2eff0424b1
oai_identifier_str oai:repositorio.ufsc.br:123456789/132476
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Universidade Federal de Santa CatarinaRodrigues, Diego GarciaRoisenberg, Mauro2015-04-29T21:10:19Z2015-04-29T21:10:19Z2015333056https://repositorio.ufsc.br/xmlui/handle/123456789/132476Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2015.Este trabalho tem como objetivo apresentar um novo sistema de inferência neuro-fuzzy, chamado RBFuzzy, capaz de extrair conhecimento a partir de dados e gerar regras fuzzy do tipo Mamdani com alta interpretabilidade. A RBFuzzy é um sistema de inferência neuro-fuzzy que aproveita o comportamento funcional de neurônios ativados por Funções de Base Radial (RBF) e sua relação com sistemas de inferência fuzzy. A arquitetura da rede RBFuzzy permite extrair um conjunto de regras linguísticas a partir da estrutura conexionista e dos pesos ajustados de uma rede neural. Uma extensão do algoritmo da otimização da colônia de formigas (ACO, do inglês ant colony optimization algorithm) é utilizada para ajustar os pesos de cada regra para gerar um conjunto de regras fuzzy acurado e interpretável. Tendo um conjunto de regras fuzzy um especialista pode adicionar regras novas para incorporar conhecimento novo ao modelo de previsão gerado e também corrigir regras que foram geradas por dados imprecisos.<br>Abstract : This work presents a novel neuro-fuzzy inference system, called RBFuzzy, capable of knowledge extraction and generation of highly interpretable Mamdani-type fuzzy rules. RBFuzzy is a four layer neuro-fuzzy inference system that takes advantage of the functional behavior of Radial Basis Function (RBF) neurons and their relationship with fuzzy inference systems. Inputs are combined in the RBF neurons to compound the antecedents of fuzzy rules. The fuzzy rules consequents are determined by the third layer neurons where each neuron represents a Mamdani-type fuzzy output variable in the form of a linguistic term. The last layer weights each fuzzy rule and generates the crisp output. An extension of the ant-colony optimization (ACO) algorithm is used to adjust the weights of each rule in order to generate an accurate and interpretable fuzzy rule set. For benchmarking purposes some experiments with classic datasets were carried out to compare our proposal with the EFuNN neuro-fuzzy model. The RBFuzzy was also applied in a real world oil well-log database to model and forecast the Rate of Penetration (ROP) of a drill bit for a given oshore well drilling section. The obtained results show that our model can reach the same level of accuracy with fewer rules when compared to the EFuNN, which facilitates understandingthe operation of the system by a human expert.71 p.| il., grafs.porInformaticaConjuntos difusosLógica difusaAprendizado do computadorUm modelo de rede neuro-fuzzy baseada em funções de base radial capaz de inferir regras do tipo Mamdaniinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINAL333056.pdfapplication/pdf1646409https://repositorio.ufsc.br/bitstream/123456789/132476/1/333056.pdfe628ceff8b30da1b5de3b154bd377f8aMD51123456789/1324762016-03-07 15:54:47.373oai:repositorio.ufsc.br:123456789/132476Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestsandra.sobrera@ufsc.bropendoar:23732016-03-07T18:54:47Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.pt_BR.fl_str_mv Um modelo de rede neuro-fuzzy baseada em funções de base radial capaz de inferir regras do tipo Mamdani
title Um modelo de rede neuro-fuzzy baseada em funções de base radial capaz de inferir regras do tipo Mamdani
spellingShingle Um modelo de rede neuro-fuzzy baseada em funções de base radial capaz de inferir regras do tipo Mamdani
Rodrigues, Diego Garcia
Informatica
Conjuntos difusos
Lógica difusa
Aprendizado do computador
title_short Um modelo de rede neuro-fuzzy baseada em funções de base radial capaz de inferir regras do tipo Mamdani
title_full Um modelo de rede neuro-fuzzy baseada em funções de base radial capaz de inferir regras do tipo Mamdani
title_fullStr Um modelo de rede neuro-fuzzy baseada em funções de base radial capaz de inferir regras do tipo Mamdani
title_full_unstemmed Um modelo de rede neuro-fuzzy baseada em funções de base radial capaz de inferir regras do tipo Mamdani
title_sort Um modelo de rede neuro-fuzzy baseada em funções de base radial capaz de inferir regras do tipo Mamdani
author Rodrigues, Diego Garcia
author_facet Rodrigues, Diego Garcia
author_role author
dc.contributor.pt_BR.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Rodrigues, Diego Garcia
dc.contributor.advisor1.fl_str_mv Roisenberg, Mauro
contributor_str_mv Roisenberg, Mauro
dc.subject.classification.pt_BR.fl_str_mv Informatica
Conjuntos difusos
Lógica difusa
Aprendizado do computador
topic Informatica
Conjuntos difusos
Lógica difusa
Aprendizado do computador
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2015.
publishDate 2015
dc.date.accessioned.fl_str_mv 2015-04-29T21:10:19Z
dc.date.available.fl_str_mv 2015-04-29T21:10:19Z
dc.date.issued.fl_str_mv 2015
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.ufsc.br/xmlui/handle/123456789/132476
dc.identifier.other.pt_BR.fl_str_mv 333056
identifier_str_mv 333056
url https://repositorio.ufsc.br/xmlui/handle/123456789/132476
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 71 p.| il., grafs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/132476/1/333056.pdf
bitstream.checksum.fl_str_mv e628ceff8b30da1b5de3b154bd377f8a
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv sandra.sobrera@ufsc.br
_version_ 1851758962649595904

Registros relacionados