Made available in DSpace on 2014-06-12T15:52:23Z (GMT). No. of bitstreams: 2
arquivo3249_1.pdf: 1966741 bytes, checksum: f61bcb05fd026755e0cb70974b156e7d (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2011 / Instituto Federal de Educação, Ciência e Tecnologia de Pernambuco / Reservoir Computing é um tipo de rede neural recorrente que permite uma modelagem
caixa-preta para sistemas dinâmicos (não-lineares). Em contraste com outras abordagens
de redes neurais recorrentes, com Reservoir Computing não existe a necessidade de
treinamento dos pesos da camada de entrada e nem dos pesos internos da rede (reservoir),
apenas os pesos da camada de saída (readout) são treinados. No entanto, é necessário
ajustar os parâmetros e a topologia da rede para a criação de um reservoir ótimo que seja
adequado a uma determinada aplicação. Neste trabalho, foi criado um método, chamado
RCDESIGN, para encontrar o melhor reservoir aplicado à tarefa de previsão de séries
temporais. O método desenvolvido combina um algoritmo evolucionário com Reservoir
Computing e busca simultaneamente pelos melhores valores dos parâmetros, da topologia
da rede e dos pesos, sem reescalar a matriz de pesos do reservoir pelo raio espectral. A
ideia do ajuste do raio espectral dentro de um círculo unitário no plano complexo, vem da
teoria dos sistemas lineares que mostra claramente que a estabilidade é necessária para a
obtenção de respostas úteis em sistemas lineares. Contudo, este argumento não se aplica
necessariamente aos sistemas não-lineares, que é o caso de Reservoir Computing. O
método criado considera também o Reservoir Computing em toda a sua não linearidade,
pois permite a utilização de todas as suas possíveis conexões, em vez de usar apenas as
conexões obrigatórias. Os resultados obtidos com o método proposto são comparados
com dois métodos diferentes. O primeiro, chamado neste trabalho de Busca RS, utiliza
algoritmo genético para otimizar os principais parâmetros de Reservoir Computing, que
são: tamanho do reservoir, raio espectral e densidade de conexão. O segundo, chamado
neste trabalho de Busca TR, utiliza algoritmo genético para otimizar a topologia e pesos
de Reservoir Computing baseado no raio espectral. Foram utilizadas sete séries clássicas
para realizar a validação acadêmica da aplicação do método proposto à tarefa de previsão
de séries temporais. Um estudo de caso foi desenvolvido para verificar a adequação do
método proposto ao problema de previsão da velocidade horária dos ventos na região
nordeste do Brasil. A geração eólica é uma das fontes renováveis de energia com o menor
custo de produção e com a maior quantidade de recursos disponíveis. Dessa forma, a
utilização de modelos eficientes de previsão da velocidade dos ventos e da geração eólica
pode reduzir as dificuldades de operação de um sistema elétrico composto por fontes
tradicionais de energia e pela fonte eólica
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/1786 |
| Date | 31 January 2011 |
| Creators | FERREIRA, Aida Araújo |
| Contributors | LUDERMIR, Teresa Bernarda |
| Publisher | Universidade Federal de Pernambuco |
| 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 UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0108 seconds