Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.ufc.br/handle/riufc/2433| Tipo: | Tese |
| Título : | Modelos lineares locais para identificação de sistemas dinâmicos usando redes neurais competitivas |
| Título en inglés: | Local linear models for identification of dynamical systems using competitive neural networks |
| Autor : | Souza, Luís Gustavo Mota |
| Tutor: | Barreto, Guilherme de Alencar |
| Palabras clave : | Teleinformática;Mapas auto - Organizáveis;Interpolação;Inteligência artificial |
| Fecha de publicación : | 2012 |
| Citación : | SOUZA, L. G. M. Modelos lineares locais para identificação de sistemas dinâmicos usando redes neurais competitivas. 2012. 138 f. Tese (Doutorado em Engenharia de Teleinformática)-Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2012. |
| Resumen en portugués brasileño: | Nesta tese aborda-se o problema de identi ficação de sistemas dinâmicos sobre a ótica dos modelos locais, em que o espaço de entrada é particionado em regiões de operação menores sobre as quais são construídos modelos de menor complexidade (em geral, lineares). Este tipo de modelo é uma alternativa aos chamados modelos globais em que a dinâmica do sistema é identifi cada usando-se uma única estrutura (em geral, não-linear) que cobre todo o espaço de entrada. Assim, o tema alvo desta tese é o projeto de modelos lineares locais cujo espaço de entrada é particionado por meio do uso de algoritmos de quantização vetorial, principalmente aqueles baseados em redes neurais competitivas. Para este fi m, são propostos três novos modelos lineares locais baseados na rede SOM (self-organizing map), que são avaliados na tarefa de identifi cação do modelo inverso de quatro sistemas dinâmicos comumente usados na literatura em benchmarks de desempenhos. Os modelos propostos são também comparados com modelos globais baseados nas redes MLP (multilayer perceptron) e ELM (extreme learning machines), bem como com outros modelos lineares locais, tais como o modelo fuzzy Takagi-Sugeno e o modelo neural LLM (local linear mapping). Um amplo estudo é realizado visando comparar os desempenhos de todos os modelos supracitados segundo três critérios de avaliação, a saber: (i) erro médio quadrático normalizado, (ii) análise dos resíduos, e (iii) teste estatístico de Kolmogorov-Smirnov. De particular interesse para esta tese, é a avaliação da robustez dos modelos locais propostos com relação ao algoritmo de quantização vetorial usado no treinamento do modelo. Os resultados obtidos indicam que os desempenhos dos modelos locais propostos são superiores aos dos modelos globais baseados na rede MLP e equivalentes aos modelos globais baseados na rede ELM. |
| Abstract: | In this thesis the problem of nonlinear system identifi cation is approached from the viewpoint of local models. The input space is partitioned into smaller operational regions with lower complexity models (usually linear) built for each one. This type of model is an alternative to global models, for which the system dynamics is identifi ed using a single structure (usually nonlinear ones) that covers the whole input space. The aim of this thesis is to design of local linear models whose input space is partitioned by means of vector quantization algorithms, special those based on competitive learning neural networks. For this purpose, three novel local linear modeling methods based on the SOM (self-organizing map) are introduced and evaluated on the identi fication of the inverse model of four dynamical systems commonly used in the literature for performance benchmarking. The proposed models are also compared with global models based on the MLP (multilayer perceptron) and ELM (extreme learning machines), as well as with alternative local linear models, such as the Takagi-Sugeno fuzzy model and the LLM(local linear mapping) neural model. A comprehensive study is carried out to compare the performances of all the aforementioned models according to three evaluation criteria, namely: (i) normalized mean squared error, (ii) residual analysis, and (iii) Kolmogorov-Smirnov test. Of particular interest to this thesis is the evaluation of the robustness of the proposed local models with respect to the vector quantization algorithm used to train the model. The obtained results indicates that the performance of the proposed local models are superior to those achieved by the MLP-based global models and equivalent to those achieved by ELM-based global models. |
| URI : | http://www.repositorio.ufc.br/handle/riufc/2433 |
| Aparece en las colecciones: | DETE - Teses defendidas na UFC |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 2012_tese_lgmsouza.pdf | 4,69 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.