Please use this identifier to cite or link to this item:
https://hdl.handle.net/10316/1760
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Correia, António Dourado Pereira | - |
dc.contributor.author | Pereira, Carlos Manuel Jorge da Silva | - |
dc.date.accessioned | 2008-12-05T09:59:41Z | - |
dc.date.available | 2008-12-05T09:59:41Z | - |
dc.date.issued | 2003-10-10 | en_US |
dc.identifier.citation | PEREIRA, Carlos Manuel Jorge da Silva - Redução de complexidade e análise de interpretabilidade de sistemas neuro-difusos. Coimbra, 2002. | - |
dc.identifier.uri | https://hdl.handle.net/10316/1760 | - |
dc.description.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. | en_US |
dc.language.iso | por | por |
dc.rights | embargoedAccess | eng |
dc.subject | Engenharia informática | en_US |
dc.subject | Redes neuronais | - |
dc.subject | Neuro-fuzzy systems | - |
dc.title | Redução de complexidade e análise de interpretabilidade de sistemas neuro-difusos | en_US |
dc.title.alternative | Complexity reduction and interpretability analysis of neuro-fuzzy systems | en |
dc.type | doctoralThesis | en_US |
item.fulltext | Sem Texto completo | - |
item.grantfulltext | none | - |
item.languageiso639-1 | pt | - |
item.cerifentitytype | Publications | - |
item.openairetype | doctoralThesis | - |
item.openairecristype | http://purl.org/coar/resource_type/c_18cf | - |
Appears in Collections: | FCTUC Eng.Informática - Teses de Doutoramento |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.