Return to search

Memórias associativas L-fuzzy com ênfase em memórias associativas fuzzy intervalares / L-fuzzy associative memories with an emphasis on interval-valued fuzzy associative memories

Orientador: Peter Sussner / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática Estatística e Computação Científica / Made available in DSpace on 2018-08-26T17:27:37Z (GMT). No. of bitstreams: 1
Schuster_Tiago_M.pdf: 2910336 bytes, checksum: 1f5147831dd6410a0fdb0c0fa53d94c8 (MD5)
Previous issue date: 2015 / Resumo: As últimas décadas têm testemunhado a emergência de uma variedade de abordagens à resolução de problemas com base na computação em reticulados como, por exemplo, as redes neurais morfológicas e os modelos neurocomputação e de raciocínio fuzzy em reticulados. Usamos aqui o termo "reticulado'' no sentido dado no trabalho seminal de Birkhoff. A teoria dos reticulados nasceu da álgebra booleana e tem um grande leque de aplicações como a análise de conceitos formais, a inteligência computacional, a teoria dos conjuntos fuzzy e a morfologia matemática (MM). A MM em reticulados completos representa a base teórica para uma série de modelos de inteligência computacional conhecidos como redes neurais morfológicas (MNNs), que incluem as memórias associativas morfológicas em tons de cinza e as memórias associativas morfológicas fuzzy (FMAMs). As últimas décadas têm testemunhado a emergência de uma variedade de abordagens à resolução de problemas com base na computação em reticulados como, por exemplo, as redes neurais morfológicas e os modelos neurocomputação e de raciocínio fuzzy em reticulados. Usamos aqui o termo "reticulado'' no sentido dado no trabalho seminal de Birkhoff. A teoria dos reticulados nasceu da álgebra booleana e tem um grande leque de aplicações como a análise de conceitos formais, a inteligência computacional, a teoria dos conjuntos fuzzy e a morfologia matemática (MM). A MM em reticulados completos representa a base teórica para uma série de modelos de inteligência computacional conhecidos como redes neurais morfológicas (MNNs), que incluem as memórias associativas morfológicas em tons de cinza e as memórias associativas morfológicas fuzzy (FMAMs). O advento de sistemas fuzzy tipo-2 sugere o desenvolvimento das FMAMs tipo-2 e em particular FMAMs tipo-2 intervalar, ou FMAMs intervalar (IV-FMAMs). Observemos aqui que a classe dos conjuntos fuzzy, assim como a dos conjuntos fuzzy tipo-2, fuzzy tipo-2 intervalar e fuzzy intervalar sobre um universo arbitrário em conjunção com diferentes escolhas de ordens parciais formam classes de conjuntos L-fuzzy, em que L denota um reticulado completo. Nessa dissertação de mestrado, introduzimos as memórias associativas L-fuzzy (L-FMAMs) com base na morfologia matemática L-fuzzy (L-FMM). Nosso foco está nas FMAMs fuzzy intervalar, uma vez que sistemas fuzzy intervalar têm sido aplicados com sucesso em problemas de engenharia, computação com palavras e raciocínio aproximado. Nós aplicamos os modelos de IV-FMAMs em conjunção com a técnica de clusterização fuzzy c-means intervalar a um problema de predição de série temporal, especificamente o prognóstico da vazão mensal de uma usina hidroelétrica localizada no sudeste brasileiro. Por fim, comparamos as predições produzidas pela abordagem das IV-FMAMs com aquelas produzidas por modelos competitivos da literatura / Abstract: The last decade has witnessed the emergence of a variety of lattice computing approaches towards computational intelligence such as morphological neural networks and fuzzy lattice reasoning / neuro-computing models. Here, the technical term "lattice" refers to a lattice in the mathematical sense of Birkhoff's seminal work. Lattice theory grew out of Boolean algebra and has found a wide range of applications such as mathematical morphology, formal concept analysis, computational intelligence, and fuzzy set theory. Mathematical morphology on complete lattices represents the theoretical basis for a range of computational intelligence models known as morphological neural networks (MNNs) including gray-scale and fuzzy morphological associative memories (FMAMs). The advent of type-2 fuzzy systems suggests the development of type-2 FMAMs and in particular interval type-2 FMAMs or interval-valued FMAMs. Recall that the class of fuzzy sets as well as the classes of type-2, interval type-2, and interval-valued fuzzy sets over an arbitrary universe together with different choices of partial orderings form classes of L-fuzzy sets, where L denotes a complete lattice. In this master's thesis, we introduce L-fuzzy morphological associative memories (L-FMAMs) on the basis of L-FMM. Our focus is on interval-valued FMAMs since interval type-2 fuzzy systems, have found various applications in engineering, computing with words, and approximate reasoning. We applied the aforementioned interval-valued FMAM models in conjunction with the interval-valued fuzzy c-means clustering technique to a time-series prediction problem in industry, namely the problem of forecasting the average monthly streamflow of a hydroelectric plant located in southeastern Brazil, and compared the predictions produced by the IV-FMAM approach with the ones produced by a number of competitive models from the literature / Mestrado / Matematica Aplicada / Mestre em Matemática Aplicada

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.unicamp.br:REPOSIP/306337
Date26 August 2018
CreatorsSchuster, Tiago, 1987-
ContributorsUNIVERSIDADE ESTADUAL DE CAMPINAS, Sussner, Peter, 1961-, Mesquita, Marcos Eduardo Ribeiro do Valle, Ballini, Rosangela
Publisher[s.n.], Universidade Estadual de Campinas. Instituto de Matemática, Estatística e Computação Científica, Programa de Pós-Graduação em Matemática Aplicada
Source SetsIBICT Brazilian ETDs
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Format97 p. : il., application/pdf
Sourcereponame:Repositório Institucional da Unicamp, instname:Universidade Estadual de Campinas, instacron:UNICAMP
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0029 seconds