Identificação e controle de sistemas dinâmicos com rede neural paraconsistente.

• Ano de defesa: 2021
• Autor(a) principal: Carvalho Junior, Arnaldo de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aprendizado supervisionado; Função de ativação LPA2v; Identificação e controle; Identification and control of dynamic system; Lógica paraconsistente; PAL2v activation function; Paraconsistent artificial neural network; Paraconsistent logic; Redes neurais; Supervised learning
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-08102021-100149/

Redes neurais artificiais (RNAs) têm sido amplamente empregadas nas últimas décadas em diversas áreas do conhecimento humano para classificação, previsão e reconhecimento de padrões. As RNAs são investigadas principalmente na aproximação de funções em modelos numéricos, devido às suas propriedades de autoaprendizado, adaptabilidade, tolerância a falhas, não linearidade e antecipação do mapeamento entrada-saída. O estado da arte na identificação e controle de sistemas dinâmicos emprega métodos de computação suave, decisões inteligentes baseadas em ambientes de incerteza, inteligência artificial e cognitiva, e técnicas de aprendizagem com redes neurais. Entretanto, problemas envolvendo situações contraditórias podem ser um desafio para as RNAs. A lógica paraconsistente (LP) é uma ferramenta poderosa para lidar com incertezas e informações contraditórias, representando uma alternativa potencialmente robusta à RNA clássica. A lógica paraconsistente anotada evidencial ??, ou de lógica paraconsistente anotada com anotação de dois valores (LPA2v), uma variante da LP, tem sido empregada em sistemas especialistas que consideram informações incertas na tomada de decisão. Redes neurais artificiais paraconsistentes (RNAP), baseadas em LPA2v, são aplicadas principalmente na classificação de padrões, porém utilizando limiares e fatores de tolerância ao invés de pesos, sendo ainda um tema não explorado na identificação e controle de sistemas dinâmicos. O objetivo desta tese é desenvolveruma nova abordagem de rede neural paraconsistente (RNP), com função de ativação LPA2v treinável, como contribuição original ao estado da arte na identificação e controle de sistemas dinâmicos. Um pêndulo invertido rotativo (PIR) é utilizado para a validação dos resultados. Esta tese apresenta ainda o arcabouço matemático para análise e projeto de redes neurais paraconsistentes de aprendizado supervisionado.