Banca de QUALIFICAÇÃO: LEANDRO LUTTIANE DA SILVA LINHARES

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: LEANDRO LUTTIANE DA SILVA LINHARES
DATA: 03/08/2012
HORA: 09:00
LOCAL: Auditório do LAUT
TÍTULO:

Identificação de Sistemas Dinâmicos Utilizando Redes Neurais Wavelets Treinadas por Algoritmos Metaheurísticos Recentes


PALAVRAS-CHAVES:

Identificação de Sistemas, Redes Neurais Artificiais, Teoria Wavelet, Redes Neurais Wavelets, Metaheurísticas.


PÁGINAS: 84
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
SUBÁREA: Eletrônica Industrial, Sistemas e Controles Eletrônicos
ESPECIALIDADE: Controle de Processos Eletrônicos, Retroalimentação
RESUMO:

A existência de um modelo matemático que represente de forma satisfatória o comportamento dinâmico de um determinado processo é de fundamental importância em diversas aplicações. Na área de Engenharia de Automação e Controle, os modelos dinâmicos são utilizados para predição, supervisão de processos, projeto de sistemas de controle, sistemas de inferência, entre outros. Entretanto, devido à complexidade de muitos processos, nem sempre é possível extrair modelos precisos tendo como base as relações matemáticas que descrevem os fenômenos envolvidos no sistema. Por esta razão, a identificação de sistemas dinâmicos é um campo relevante de estudo. Esta tarefa é realizada por técnicas capazes de modelar processos a partir de uma série de dados amostrais. Os métodos não lineares de identificação são adequados para casos onde o sistema é não linear e opera em uma ampla faixa de operação, ou quando apresenta uma forte dinâmica não linear. As redes neurais artificiais são reconhecidamente capazes de fornecer modelos não lineares de boa qualidade. Entre os diversos tipos de redes utilizados em identificação, uma que se pode destacar é a rede neural wavelet. Esta rede combina as características de multirresolução da teoria wavelet com a capacidade de aprendizado e generalização das redes neurais, fornecendo modelos mais precisos do que os obtidos pelas redes tradicionais. Existem diversas alternativas para o treinamento de redes neurais, a mais popular é o algoritmo backpropagation. Neste trabalho é proposta a utilização de metaheurísticas recentes, tais como os Algoritmos Vaga-lume, Morcego e Busca Cuco, para treinar redes wavelets adaptativas utilizadas na identificação de sistemas dinâmicos. Pretende-se avaliar estas metaheurísticas, propondo possíveis modificações em suas estruturas básicas e, além disso, minimizar alguns o problema da inicialização dos parâmetros de dilatação e translação dos neurônios wavelets. Até o momento, foram realizados testes preliminares em um sistema de tanques acoplados, implementando-se modelos neurais RBF e neuro-wavelets treinados por backpropagation e uma estrutura neuro-wavelet com os seus parâmetros ajustados através da metaheurística Enxame de Partículas. Todas estas estruturas foram implementadas baseando-se no modelo neural de identificação NNARX.


MEMBROS DA BANCA:
Presidente - 1451883 - FABIO MENEGHETTI UGULINO DE ARAUJO
Interno - 350693 - ANDRE LAURINDO MAITELLI
Externo à Instituição - Oscar Gabriel Filho - UnP
Notícia cadastrada em: 10/07/2012 14:24
SIGAA | Superintendência de Informática - | | Copyright © 2006-2020 - UFRN - sigaa13-producao.info.ufrn.br.sigaa13-producao