Orientador: Fernando Antonio Campos Gomide

Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação

Resumo: Neste trabalho propõem-se novas classes de redes neurais nebulosas para aplicação em modelagem e em controle autônomo. As redes neurais nebulosas aplicadas em modelagem são capazes de extrair conhecimento de dados entrada/saída e representá-Io na forma de regras nebulosas do tipo se-então,...

Resumo: Neste trabalho propõem-se novas classes de redes neurais nebulosas para aplicação em modelagem e em controle autônomo. As redes neurais nebulosas aplicadas em modelagem são capazes de extrair conhecimento de dados entrada/saída e representá-Io na forma de regras nebulosas do tipo se-então, gerando modelos lingüísticos convenientes para a compreensão humana. Os parâmetros que definem as regras são determinados automaticamente durante a aprendizagem. Para efeitos de avaliação de desempenho são considerados problemas de aproximação de funções e de modelagem de sistemas dinâmicos. As redes neurais nebulosas são comparadas com diferentes abordagens presentes na literatura. A relevância das redes propostas neste trabalho é confirmada tanto no que se refere ao conjunto de suas capacidades quanto aos desempenhos observados em simulações computacionais. Entre suas principais características estão a capacidade de determinar funções de pertinência de conjuntos nebulosos e de adaptação fora de períodos restritos de aprendizagem. Uma outra classe de redes neurais nebulosas é proposta para aplicação no problema de navegação, especificamente, na composição de um sistema neural nebuloso para controle autônomo de veículos.A concepção do controlador neural é inspirada nas características dos animais e fundamentada em resultados da neurofisiologia. Ele aprende, via algoritmos genéticos, a gerar comportamentos instintivos equivalentes a busca de alvos e a desvio de obstáculos... Observação: O resumo, na íntegra, poderá ser visualizado no texto completo da tese digital

Abstract: In this work new classes of neural fuzzy networks are proposed for modeling and autonomous controI. The neural fuzzy networks for modeling are able to extract knowledge from input/output data and to encode it explicitly in the form of if-then fuzzy ruIes. Therefore, linguistic models can...

Abstract: In this work new classes of neural fuzzy networks are proposed for modeling and autonomous controI. The neural fuzzy networks for modeling are able to extract knowledge from input/output data and to encode it explicitly in the form of if-then fuzzy ruIes. Therefore, linguistic models can be obtained in a form suitable for human understanding. Rule parameters are determined automatically through learning. For evaluation and analysis purposes, the proposed networks are compared with alternative approaches presented in the literature. Function approximation and dynamic system modeling problems are considered. Among the most relevant characteristics are the capacity to determine membership function profiles, and on-line adaptation. Another class of neural fuzzy networks is used to form a neural fuzzy system controller applied to autonomous navigation problem. The controller task, in this case, is to generate successful trajectories, that is, those in which the vehicle reaches targets without collision with obstacles. The general conception of the neural controller is inspired on animal capacities and relies on neurofisiology results. It learns two inborn behaviors, namely, target seeking and obstacle avoidance, through genetic algorithms techniques. To determine successful trajectories the controller also learns to coordinate the inborn behaviors. Learning of the coordination skills, is based on the classical conditioning theory... Note: The complete abstract is available with the full electronic digital thesis or dissertations