Please use this identifier to cite or link to this item: https://hdl.handle.net/10316/1760
Title: Redução de complexidade e análise de interpretabilidade de sistemas neuro-difusos
Other Titles: Complexity reduction and interpretability analysis of neuro-fuzzy systems
Authors: Pereira, Carlos Manuel Jorge da Silva 
Orientador: Correia, António Dourado Pereira
Keywords: Engenharia informática; Redes neuronais; Neuro-fuzzy systems
Issue Date: 10-Oct-2003
Citation: PEREIRA, Carlos Manuel Jorge da Silva - Redução de complexidade e análise de interpretabilidade de sistemas neuro-difusos. Coimbra, 2002.
Abstract: Os sistemas neuro-difusos beneficiam da aplicação de métodos de aprendizagem oriundos do campo das redes neuronais, contudo, possuem também as desvantagens inerentes à aprendizagem automática dos parâmetros. Em regra geral, é dada pouca atenção à complexidade da base de regras resultante, sendo a interpretabilidade linguística geralmente perdida, o que contradiz a essência dos sistemas difusos. Estes transformam-se em simples modelos de caixa negra. Nesta dissertação, são apresentadas diversas metodologias originais para a redução de complexidade de sistemas neuro-difusos. Salienta-se que os diferentes paradigmas de aprendizagem automática, nomeadamente, redes neuronais, sistemas difusos e máquinas de vectores de suporte, são, em certas condições, funcionalmente equivalentes. Na prática, existem diferentes terminologias para os mesmos conceitos. Apresenta-se uma forma de controlar a complexidade da solução usando a aprendizagem de vectores de suporte. Possui a vantagem de partir de conceitos teóricos bem estabelecidos, que garantem uma boa capacidade de aproximação e simultaneamente uma boa generalização do modelo obtido. Para se alcançar uma estrutura de reduzida complexidade estrutural e para reduzir a complexidade de informação necessária para a aprendizagem dos vectores de suporte, o método proposto divide-se em duas fases. Primeiro, aplica-se um método de agrupamento de classes supervisionado. Em segundo lugar, o método de aprendizagem de vectores de suporte determina a estrutura e parâmetros da rede neuro-difusa. Esta abordagem contribui para reduzir a complexidade da solução, número de neurónios, ou regras, necessário para realizar a tarefa em causa.
URI: https://hdl.handle.net/10316/1760
Rights: embargoedAccess
Appears in Collections:FCTUC Eng.Informática - Teses de Doutoramento

Show full item record

Page view(s)

231
checked on Jun 11, 2024

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.