Título: REDES NEURAIS GRANULARES EVOLUTIVAS EM MODELAGEM DE SISTEMAS
Autores: Leite, Daniel F.; Bergo Jr., Luiz; Costa Jr., Pyramo; Gomide, Fernando
Resumo: Este artigo sugere redes neurais granulares evolutivas (eGNN) como uma abordagem para a modelagem de sistemas dinâmicos não lineares; As eGNN são desenvolvidas utilizando o conceito de granulação de informação junto com algoritmos de aprendizagem incrementais baseado em fluxo de daods. As eGNN são projetadas para funcionar on-line desenvolvendo sua estrutura e refinando seus parâmetros a medida que dados são fornecidos. As eGNN utilizam o conceito de grânulos e neurônios T-S como elementos básicos de processamento. Para ilustrar a abordagem, o artigo consideraum problema de acoplamento de trens em movimento utilizando dados reais. Resultados experimentais mostram que as eGNN possuem um desempenho superior quando comparado com modelos neurais estáticos, recorrentes, e como abordagens evolutivas sugeridas na literatura.
Palavras-chave: Computação Granular; Sistemas Evolutivos; Modelagem de Sistemas Não Lineares
Páginas: 5
Código DOI: 10.21528/CBRN2009-059
Artigo em PDF: 059_CBRN2009.pdf
Arquivo BibTex: 059_CBRN2009.bib