Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-06-10T00:04:44Z
No. of bitstreams: 1
LeandroLuttianeDaSilvaLinhares_TESE.pdf: 2400561 bytes, checksum: 3693662adcc0c23b5063f51b23d9b6c5 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-06-10T22:50:22Z (GMT) No. of bitstreams: 1
LeandroLuttianeDaSilvaLinhares_TESE.pdf: 2400561 bytes, checksum: 3693662adcc0c23b5063f51b23d9b6c5 (MD5) / Made available in DSpace on 2016-06-10T22:50:22Z (GMT). No. of bitstreams: 1
LeandroLuttianeDaSilvaLinhares_TESE.pdf: 2400561 bytes, checksum: 3693662adcc0c23b5063f51b23d9b6c5 (MD5)
Previous issue date: 2015-09-03 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior (CAPES) / O grande interesse pela identifica??o n?o linear de sistemas din?micos deve-se, principalmente,
ao fato de que uma grande quantidade dos sistemas reais s?o complexos e
precisam ter suas n?o linearidades consideradas para que seus modelos possam ser utilizados
com sucesso em aplica??es, por exemplo, de controle, predi??o, infer?ncia, entre
outros. O presente trabalho analisa a aplica??o das redes Fuzzy Wavelet Neural Network
(FWNN) na identifica??o de sistemas n?o lineares sujeitos a ru?dos e outliers. Esses elementos,
geralmente, influenciam no procedimento de identifica??o, ocasionando interpreta??es
err?neas em rela??o ao comportamento din?mico do sistema. A FWNN combina,
em uma ?nica estrutura, a capacidade de tratar incertezas da l?gica fuzzy, as caracter?sticas
de multirresolu??o da teoria wavelet e as habilidades de aprendizado e generaliza??o
das redes neurais artificiais. Normalmente, o aprendizado dessas redes ? realizado por algum
m?todo baseado em gradiente, tendo o erro m?dio quadr?tico como fun??o de custo.
Este trabalho avalia a substitui??o dessa tradicional fun??o por uma medida de similaridade
da Teoria da Informa??o, denominada correntropia. Esta medida de similaridade
permite que momentos estat?sticos de ordem superior possam ser considerados durante o
processo de treinamento. Por esta raz?o, ela se torna mais apropriada para distribui??es de
erro n?o gaussianas e faz com que o treinamento apresente menor sensibilidade ? presen?a
de outliers. Para avaliar esta substitui??o, modelos FWNN s?o obtidos na identifica??o de
dois estudos de caso: um sistema real n?o linear, consistindo em um tanque de m?ltiplas
se??es, e um sistema simulado baseado em um modelo biomec?nico da articula??o do joelho
humano. Os resultados obtidos demonstram que a utiliza??o da correntropia, como
fun??o custo no algoritmo de retropropaga??o do erro, torna o procedimento de identifica??o
utilizando redes FWNN mais robusto aos outliers. Entretanto, isto somente pode
ser alcan?ado a partir do ajuste adequado da largura do kernel gaussiano da correntropia. / The great interest in nonlinear system identification is mainly due to the fact that a
large amount of real systems are complex and need to have their nonlinearities considered
so that their models can be successfully used in applications of control, prediction,
inference, among others. This work evaluates the application of Fuzzy Wavelet Neural
Networks (FWNN) to identify nonlinear dynamical systems subjected to noise and
outliers. Generally, these elements cause negative effects on the identification procedure,
resulting in erroneous interpretations regarding the dynamical behavior of the system.
The FWNN combines in a single structure the ability to deal with uncertainties of fuzzy
logic, the multiresolution characteristics of wavelet theory and learning and generalization
abilities of the artificial neural networks. Usually, the learning procedure of these
neural networks is realized by a gradient based method, which uses the mean squared
error as its cost function. This work proposes the replacement of this traditional function
by an Information Theoretic Learning similarity measure, called correntropy. With the
use of this similarity measure, higher order statistics can be considered during the FWNN
training process. For this reason, this measure is more suitable for non-Gaussian error
distributions and makes the training less sensitive to the presence of outliers. In order
to evaluate this replacement, FWNN models are obtained in two identification case studies:
a real nonlinear system, consisting of a multisection tank, and a simulated system
based on a model of the human knee joint. The results demonstrate that the application of
correntropy as the error backpropagation algorithm cost function makes the identification
procedure using FWNN models more robust to outliers. However, this is only achieved if
the gaussian kernel width of correntropy is properly adjusted.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufrn.br:123456789/20677 |
| Date | 03 September 2015 |
| Creators | Linhares, Leandro Luttiane da Silva |
| Contributors | 82675090468, http://lattes.cnpq.br/5473196176458886, Maitelli, Andr? Laurindo, 42046637100, http://lattes.cnpq.br/0477027244297797, Rodrigues, Marconi C?mara, 03427679411, http://lattes.cnpq.br/8978636405364287, Ara?jo J?nior, Jos? Medeiros de, 03882174480, http://lattes.cnpq.br/3758667796324850, Gabriel Filho, Oscar, 11376040697, http://lattes.cnpq.br/4171033998524192, Ara?jo, F?bio Meneghetti Ugulino de |
| Publisher | Universidade Federal do Rio Grande do Norte, PROGRAMA DE P?S-GRADUA??O EM ENGENHARIA EL?TRICA E DE COMPUTA??O, UFRN, Brasil |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Source | reponame:Repositório Institucional da UFRN, instname:Universidade Federal do Rio Grande do Norte, instacron:UFRN |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0024 seconds