








Estude fácil! Tem muito documento disponível na Docsity
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Prepare-se para as provas
Estude fácil! Tem muito documento disponível na Docsity
Prepare-se para as provas com trabalhos de outros alunos como você, aqui na Docsity
Encontra documentos específicos para os exames da tua universidade
Prepare-se com as videoaulas e exercícios resolvidos criados a partir da grade da sua Universidade
Responda perguntas de provas passadas e avalie sua preparação.
Ganhe pontos para baixar
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Apresentação do artigo Fuzzy Modeling Using Generalizes Neural Networks and Kalman Filter Algorithm, Joh-Shing R. Jang (1991).
Tipologia: Slides
1 / 14
Esta página não é visível na pré-visualização
Não perca as partes importantes!









FUZZY MODELING USING GENERALIZED NEURAL NETWORKS AND KALMAN FILTER ALGORITHM
Estrutura da Apresentação Introdução
Redes Neurais Adaptativas
(^) Rede Neural Generalizada Filtro de Kalman Resultados da Simulação Conclusões
Redes Neurais Adaptativas ANFIS – Arquitetura Equivalente ao Modelo Sugeno
Redes Neurais Adaptativas
Layer 1 – Nó de Entrada (^) Para i=1, 2 (^) Para i=3, 4 (^) Função de Pertinência Layer 2 – Nó de Regra (^) Para i=1, 2
Rede Neural Generalizada Estrutura: Composto: (^) Algoritmo do Gradiente Descendente e Algoritmo do Filtro de Kalman.
Rede Neural Generalizada
Problemas: (^) Falta de formalidade para transformar conhecimento específico em regras base e banco de dados de um sistema fuzzy de inferência. (^) Falta de adaptabilidade ou algoritmos de aprendizado para harmonizar a função de pertinência a fim de minimizar a medida de erro. Objetivo: (^) Suavizar as limitações acima através do uso da Rede Neural Generalizada
Resultados da Simulação Exemplo 1
Resultados da Simulação Exemplo 2
Conclusão Resolve o segundo problema; Resolve parcialmente o primeiro problema; Apresenta falhas quando está próximo de um mínimo local; Apesar das dificuldades apresentadas, o erro médio percentual final continua aceitável.