Spelling suggestions: "subject:"[een] INTERVAL TYPE-2 FUZZY LOGIC SYSTEM"" "subject:"[enn] INTERVAL TYPE-2 FUZZY LOGIC SYSTEM""
1 |
[en] ON INTERVAL TYPE-2 FUZZY LOGIC SYSTEM USING THE UPPER AND LOWER METHOD FOR SUPERVISED CLASSIFICATION PROBLEMS / [pt] SISTEMAS DE INFERÊNCIA FUZZY INTERVALAR DO TIPO-2 USANDO O MÉTODO SUPERIOR E INFERIOR PARA PROBLEMAS DE CLASSIFICAÇÃO SUPERVISIONADOSRENAN PIAZZAROLI FINOTTI AMARAL 04 October 2021 (has links)
[pt] Os sistemas de inferência fuzzy são técnicas de aprendizado de máquina
que possuem a capacidade de modelar incertezas matematicamente. Eles são
divididos em sistemas de inferências fuzzy tipo-1 e fuzzy tipo-2. O sistema de
inferência fuzzy tipo-1 vem sendo amplamente aplicado na solução de diversos
problemas referentes ao aprendizado de máquina, tais como, controle, classificação,
clusterização, previsão, dentre outros. No entanto, por apresentar uma
melhor modelagem matemática das incertezas, o sistema de inferência fuzzy
tipo-2 vem ganhando destaque ao longo dos anos. Esta melhora modelagem
vem também acompanhada de um aumento do esforço matemático e computacional.
Visando reduzir tais pontos para solucionar problemas de classificação,
este trabalho apresenta o desenvolvimento e a comparação de duas funções de
pertinência Gaussiana para um sistema de inferência fuzzy tipo-2 intervalar
usando o método superior e inferior. São utilizadas as funções de pertinência
Gaussiana com incerteza na média e com incerteza no desvio padrão. Ambos os
modelos fuzzy abordados neste trabalho são treinados por algoritmos baseados
em informações de primeira ordem. Além disso, este trabalho propõe a extensão
dos modelos fuzzy tipo-2 intervalar para apresentarem múltiplas saídas,
reduzindo significativamente o custo computacional na solução de problemas
de classificação multiclasse. Finalmente, visando contextualizar a utilização
desses modelos em aplicações de engenharia mecânica, este trabalho apresenta
a solução de um problema de detecção de falhas em turbinas a gás, utilizadas
em aeronaves. / [en] Fuzzy logic systems are machine learning techniques that can model
mathematically uncertainties. They are divided into type-1 fuzzy, and type-2
fuzzy logic systems. The type-1 fuzzy logic system has been widely applied to
solve several problems related to machine learning, such as control, classification,
clustering, prediction, among others. However, as it presents a better
mathematical modeling of uncertainties, the type-2 fuzzy logic system has
received much attention over the years. This modeling improvement is also
accompanied by an increase in mathematical and computational effort. Aiming
to reduce these issues to solve classification problems, this work presents
the development and comparison of two Gaussian membership functions for a
type-2 interval fuzzy logic system using the upper and lower method. Gaussian
membership functions with uncertainty in the mean and with uncertainty
in the standard deviation are used. Both fuzzy models covered in this work
are trained by algorithms based on first order information. Furthermore, this
work proposes the extension of interval type-2 fuzzy models to present multiple
outputs, significantly reducing the computational cost in solving multiclass
classification problems. Finally, aiming to contextualize the use of these models
in mechanical engineering applications, this work presents the solution of
a problem of fault detection in aircraft gas turbines.
|
Page generated in 0.052 seconds