Submitted by Edisangela Bastos (edisangela@ufpa.br) on 2014-01-13T19:05:37Z
No. of bitstreams: 2
license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5)
Tese_ExtracaoConhecimentoForma.pdf: 1007136 bytes, checksum: 410f3c877fe2bfac4734c6650b68002e (MD5) / Approved for entry into archive by Ana Rosa Silva(arosa@ufpa.br) on 2014-01-14T16:02:18Z (GMT) No. of bitstreams: 2
license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5)
Tese_ExtracaoConhecimentoForma.pdf: 1007136 bytes, checksum: 410f3c877fe2bfac4734c6650b68002e (MD5) / Made available in DSpace on 2014-01-14T16:02:18Z (GMT). No. of bitstreams: 2
license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5)
Tese_ExtracaoConhecimentoForma.pdf: 1007136 bytes, checksum: 410f3c877fe2bfac4734c6650b68002e (MD5)
Previous issue date: 2013 / Apesar das diversas vantagens oferecidas pelas redes neurais artificiais (RNAs), algumas limitações ainda impedem sua larga utilização, principalmente em aplicações que necessitem de tomada de decisões essenciais para garantir a segurança em ambientes como, por exemplo, em Sistemas de Energia. Uma das principais limitações das RNAs diz respeito à incapacidade que estas redes apresentam de explicar como chegam a determinadas decisões; explicação
esta que seja humanamente compreensível. Desta forma, este trabalho propõe um método para
extração de regras a partir do mapa auto-organizável de Kohonen, projetando um sistema de
inferência difusa capaz de explicar as decisões/classificação obtidas através do mapa. A
metodologia proposta é aplicada ao problema de diagnóstico de faltas incipientes em transformadores, em que se obtém um sistema classificatório eficiente e com capacidade de explicação em relação aos resultados obtidos, o que gera mais confiança aos especialistas da área na hora de tomar decisões. / Despite the many advantages offered by the artificial neural networks, some limitations still
prevent their widespread use, especially in applications that require making decisions
essential to ensure safety in environments such as in Power Systems. A major limitation of
artificial neural networks with respect to the inability of these networks is to explain how to
arrive at certain decisions. This explanation must be humanly understandable. Thus, this paper
proposes a method for extracting fuzzy rules from Kohonen self-organizing map, designing a
fuzzy inference system capable of explaining the decisions taken by the map. To verify its
effectiveness, the method is applied to solve the problem of classification for the diagnosis of
incipient faults in power transformers used.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpa.br:2011/4596 |
| Date | 11 March 2013 |
| Creators | SILVA, Ana Carla Macedo da |
| Contributors | CASTRO, Adriana Rosa Garcez |
| Publisher | Universidade Federal do Pará, Programa de Pós-Graduação em Engenharia Elétrica, UFPA, Brasil, Instituto de Tecnologia |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Source | reponame:Repositório Institucional da UFPA, instname:Universidade Federal do Pará, instacron:UFPA |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0018 seconds