Título: Incorporação de recorrência em estruturas neurais nebulosas
Autores: Luna, Ivette; Ballini, Rosangela; Gomide, Fernando
Resumo: Neste artigo uma classe de estruturas de redes neurais nebulosas recorrentes é proposta. Os modelos neurais apresentados são compostos de duas partes: um sistema de inferência nebuloso e uma rede neural clássica. O sistema nebuloso é formado por neurônios lógicos modelados através de operadores AND e OR, utilizando normas triangulares. Estes neurônios compõem a camada intermediária. A rede neural é formada por neurônios clássicos com funções de ativação não lineares em série com as unidades lógicas prévias. O sistema de inferência nebuloso codifica um conjunto de regras do tipo se-então, sendo a inferência efetuada pelos neurônios lógicos onde ocorre a recorrência. Os pesos da camada intermediária são ajustados utilizando um algoritmo de treinamento por reforço associativo e os pesos da saída ajustados via o gradiente do erro quadrático. As redes neurais nebulosas recorrentes propostas constituem um meio efetivo para modelagem de sistemas não lineares. Resultados de simulação envolvendo a identificação de um sistema dinâmico não linear mostram que as estruturas propostas fornecem modelos simples, com um mecanismo de aprendizado rápido e erros de aproximação baixos quando comparados com modelos da literatura.
Palavras-chave: Redes neurais; redes neurais nebulosas; redes recorrentes; modelagem de sistemas
Páginas: 11
Código DOI: 10.21528/lmln-vol2-no1-art5
Artigo em PDF: vol2-no1-art5.pdf
Arquivo BibTex: vol2-no1-art5.bib