Identificação Não Linear Usando uma Rede Fuzzy Wavelet Neural Network Modificada
Identificação de Sistemas, Inferência, Redes Neurais Artificiais, Teoria Wavelet, Redes Wavelet Neural Network, Redes Fuzzy Wavelet Neural Network.
Nas últimas décadas, as redes neurais têm se estabelecido como uma das principais ferramentas para a identificação de sistemas não lineares. Entre os diversos tipos de redes utilizadas em identificação, uma que se pode destacar é a rede neural wavelet (ou Wavelet Neural Network - WNN). Esta rede combina as características de multirresolução da teoria wavelet com a capacidade de aprendizado e generalização das redes neurais, fornecendo modelos mais exatos do que os obtidos pelas redes tradicionais. Uma evolução das redes WNN consiste em combinar a estrutura Neuro-Fuzzy ANFIS (Adaptive Neuro-Fuzzy Inference Systems) com estas redes, gerando-se a estrutura Fuzzy Wavelet Neural Network- FWNN. Essa rede é muito similar às redes ANFIS, com a diferença de que os tradicionais polinômios presentes nos consequentes desta rede são substituídos por redes WNN. O presente trabalho realiza a identificação de sistemas dinâmicos não lineares a partir de uma rede FWNN modificada. Na estrutura proposta, somente funções wavelets são utilizadas nos consequentes. Desta forma, é possível obter uma simplificação da estrutura, diminuindo o número de parâmetros ajustáveis da rede. Para avaliar a performance da rede FWNN com essa modificação, é realizada uma análise de desempenho, verificando-se as vantagens, desvantagens e o custo-benefício quando comparada com outras estruturas FWNNs existentes na literatura. As avaliações são realizadas a partir da identificação de dois sistemas simulados tradicionalmente encontrados na literatura e um sistema real não linear, consistindo de um tanque de multisseções e não linear. Por fim, a rede foi utilizada para inferir valores de temperatura e umidade no interior de uma incubadora neonatal. A execução dessas análises baseia-se em vários critérios, tais como: erro médio quadrático, número de épocas de treinamento, número de parâmetros ajustáveis, variância do erro médio quadrático, entre outros. Os resultados encontrados demonstram a capacidade de generalização da estrutura modificada, apesar da simplificação realizada.