Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-04-24T12:12:06Z
No. of bitstreams: 1
eduardopestanadeaguiar.pdf: 1937921 bytes, checksum: 0472ffffb70cabf120dc5de86d6626b1 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-04-24T16:55:00Z (GMT) No. of bitstreams: 1
eduardopestanadeaguiar.pdf: 1937921 bytes, checksum: 0472ffffb70cabf120dc5de86d6626b1 (MD5) / Made available in DSpace on 2017-04-24T16:55:00Z (GMT). No. of bitstreams: 1
eduardopestanadeaguiar.pdf: 1937921 bytes, checksum: 0472ffffb70cabf120dc5de86d6626b1 (MD5)
Previous issue date: 2011-08-30 / A presente dissertação tem como objetivo discutir o uso de técnicas de otimização baseadas
no gradiente conjugado e de informações de segunda ordem para o treinamento de sistemas
de inferência fuzzy singleton e non-singleton. Além disso, as soluções computacionais
derivadas são aplicadas aos problemas de classificação de distúrbios múltiplos e isolados
em sinais elétricos. Os resultados computacionais, obtidos a partir de dados sintéticos
de distúrbios em sinais de tensão, indicam que os sistemas de inferência fuzzy singleton
e non-singleton treinados pelos algoritmos de otimização considerados apresentam maior
velocidade de convergência e melhores taxas de classificação quando comparados com
aqueles treinados pelo algoritmo de otimização baseada em informações de primeira ordem
e é bastante competitivo em relação à rede neural artificial perceptron multicamadas
- multilayer perceptron (MLP) e ao classificador de Bayes. / This master dissertation aims to discuss the use of optimization techniques based on
the conjugated gradient and on second order information for the training of singleton or
non-singleton fuzzy inference systems. In addition, the computacional solutions obtained
are applied to isolated a multiple disturbances classification problems in electric signals.
Computational results obtained from synthetic data from disturbances in electric signals
indicate that singleton or non-singleton fuzzy inference systems trained by the considered
optimization algorithms present greater convergence speed and better classification
rates when compared to those data trained by an optimization algorithm based on first
order information and is quite competitive with multilayer perceptron neural network and
Bayesian classifier.
| Identifer | oai:union.ndltd.org:IBICT/oai:hermes.cpd.ufjf.br:ufjf/4149 |
| Date | 30 August 2011 |
| Creators | Aguiar, Eduardo Pestana de |
| Contributors | Ribeiro, Moises Vidal, Lima, Clodoaldo Aparecido de Moraes, Duque, Carlos Augusto, Hell, Michel Bortolini |
| Publisher | Universidade Federal de Juiz de Fora (UFJF), Programa de Pós-graduação em Engenharia Elétrica, UFJF, Brasil, Faculdade de Engenharia |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFJF, instname:Universidade Federal de Juiz de Fora, instacron:UFJF |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0029 seconds