Taxonomia dos Sistemas Neuro-Fuzzy (SNF)
Texto
(2) •. •. $1),6 á. ANFIS Õ$GDSWLYH1HWZRUNEDVHG)X]]\ ,QIHUHQFH6\VWHP;. á. Sistema Neuro-Fuzzy criado por J-S Roger Jang;. á. É um sistema de inferência de 7DNDJL6XJHQR;. Demonstra-se que o modelo 7DNDJL6XJHQRGH RUGHP]HUR é um DSUR[LPDGRUXQLYHUVDO. á. á. á. Usado para aplicações de SUHYLVmRe DSUR[LPDomRGHIXQo}HV; Sua popularidade o levou a ser implementado no Matlab.. $1),6. á 6LVWHPDGHLQIHUrQFLDGH 7DNDJL6XJHQRGHDRUGHP. ;. á 'XDVYDULiYHLVGHHQWUDGD[H\HXPDVDtGD]. 5HJUD6([p$ 5HJUD6([p$. •. . (\p% (\p% . (172I . S [T \U. (172I . S [T \U. . . . . •.
(3) •. •. $UTXLWHWXUD$1),6 ,QIHUrQFLD)X]]\7DNDJL6XJHQRDRUGHP. $UTXLWHWXUD$1),6 ,QIHUrQFLD)X]]\7DNDJL6XJHQRDRUGHP. $UTXLWHWXUDGR0RGHOR$1),6. •. •.
(4) •. •. $UTXLWHWXUD$1),6. • Exemplo de uma arquitetura ANFIS com três entradas ^[ [ [ `, cada uma particionada em dois conjuntos fuzzy $ e %. . A1. T. x1. S1. N. S1’. C1. 1. B1. h1. A2. T. x2. S2. N. S2’. C2. Z. h2. B2. A3. T. x3. S3. N. S3’. C3. h3. B3. Camada1. Camada2. Camada3. Camada4. Camada5. $1),6 u. 'HVFULomRGDV&DPDGDV. Camada1 - Calcula o JUDX GH SHUWLQrQFLD com que as entradas precisas (“FULVS”) x1, x2, e x3, satisfazem os termos lingüísticos (Ai = Alto e Bi = Baixo) associados a estes nós. Parâmetros ajustáveis são os perfis de cada conjunto fuzzy (termo lingüístico de cada variável de entrada).. A1. µ 1 ( [1 ). B1. µ 1 ( [1 ). . x1. . A2. µ. B2. µ. A3. µ. . 2. ( [2 ). x2 2. ( [2 ). 3. ( [3 ). 3. ( [3 ). . . x3 B3. µ . Camada1. •. •.
(5) •. •. $1),6 u. 'HVFULomRGDV&DPDGDV. Camada1 - Calcula o JUDX GH SHUWLQrQFLD com que as entradas precisas (“FULVS”) x1, x2, e x3, satisfazem os termos lingüísticos (Ai = Alto e Bi = Baixo) associados a estes nós. Parâmetros ajustáveis são os perfis de cada conjunto fuzzy (termo lingüístico de cada variável de entrada). 1 µ ( [) = Exemplo: 2. A1. µ 1 ( [1 ). B1. µ 1 ( [1 ). x1. . A2. µ. B2. µ. A3. 2. ( [2 ). x2 2. ( [2 ). µ. 3. ( [3 ). µ. 3. ( [3 ). . x3 B3. . . Função Sino. 1+. [. −F. Camada1. D. $1),6 u. 'HVFULomRGDV&DPDGDV. Camada 2 -. &DGD Qy. desta camada e calcula o QtYHO GH GLVSDUR (ILULQJ VWUHQJWK) da regra, ou seja, com que grau o conseqüente da regra está sendo atendido. FRUUHVSRQGH D XPD UHJUD. Os neurônios desta camada executam a operação de t-norm (geralmente produto).. A1. x1. T. S1. T. S2. B1. A2. x2 B2. A3. T. x3. S3. B3. Camada1. •. Camada2. Camada3. •.
(6) •. •. $1),6 u. 'HVFULomRGDV&DPDGDV. Camada 2 -. &DGD Qy. desta camada e calcula o QtYHO GH GLVSDUR (ILULQJ VWUHQJWK) da regra, ou seja, com que grau o conseqüente da regra está sendo atendido. FRUUHVSRQGH D XPD UHJUD. Os neurônios desta camada executam a operação de t-norm (geralmente produto). No exemplo da figura as saídas dos neurônios da camada 2 são dadas por: 1 = µ 1 ( [1 ) * µ. $. 6. = µ 1 ( [1 ) * µ. 6. = µ 1 ( [1 ) * µ. 6. $. 1. 1. %. %. ( [2 ) * µ 2. $. %. 2. ( [2 ) * µ. $. ( [3 ). %. 2. ( [2 ) * µ. %. ( [3 ). A1. x1. 3. S1. T. S2. B1. A2. x2 B2. A3. T. x3. ( [3 ) 3. 3. T. S3. B3. Camada1. Camada2. Camada3. $1),6 u. 'HVFULomRGDV&DPDGDV. Camada 3 - Esta camada realiza uma QRUPDOL]DomR (nem sempre existente em outras arquiteturas) nos níveis de disparo das regras. Por isso, cada nó está rotulado com a letra “1”. Cada QyLcalcula a razão entre o QtYHOGH GLVSDURGD UHJUDL pela soma dos QtYHLV GHGLVSDURGH72'$6DVUHJUDV.. T. S1. N. S1’. T. S2. N. S2’. T. Camada2. •. S3. N. S3’. Camada3. Camada4. •.
(7) •. •. $1),6 u. 'HVFULomRGDV&DPDGDV. Camada 3 - Esta camada realiza uma QRUPDOL]DomR (nem sempre existente em outras arquiteturas) nos níveis de disparo das regras. Por isso, cada nó está rotulado com a letra “1”. Cada QyLcalcula a razão entre o QtYHOGH GLVSDURGD UHJUDL pela soma dos QtYHLV GHGLVSDURGH72'$6DVUHJUDV. A normalização é utilizada como um préprocessamento para a defuzzificação. As saídas dos nós desta camada, referentes à figura, são dadas por: 6¶. 6 666
(8). 6¶. 6 666
(9). 6¶. 6 666
(10). T. S1. N. S1’. T. S2. N. S2’. T. S3. Camada2. N. S3’. Camada3. Camada4. $1),6 u. 'HVFULomRGDV&DPDGDV. Camada 4 - Nesta camada as saídas dos neurônios são calculadas pelo SURGXWR HQWUH RV QtYHLV GH GLVSDUR QRUPDOL]DGRV. (Si, i = 1, 2 e 3) e o YDORU GR FRQVHTHQWH GD UHJUD em si. Os valores de saída de cada nó desta camada são dados por: K. 6¶&. K. 6¶&. K. 6¶&. FRQVHTXHQWH. •. 6¶ S [T \U
(11). N. S1’. C1. 1. S2. onde os valores Ci correspondem aos conseqüentes ‘VLQJOHWRQV’ ou aos conseqüentes de Sugeno de primeira ordem (combinações lineares das entradas). Õ SDUkPHWURVGR. H[K. S1. S3. N. N. S2’. S3’. Camada3. C2. C3. h1. h2. Z. h3. Camada4. Camada5. 6¶I. •.
(12) •. •. $1),6 u. 'HVFULomRGDV&DPDGDV. Camada 5 - O nó desta última camada da arquitetura calcula a VDtGDSUHFLVDGRVLVWHPD e, juntamente com os nós das camadas 3 e 4, promove a GHIX]]LILFDomR. Sua saída é dada por: =. KKK. S1’. C1. 1. S2’. S3’. 6 .& + 6 2 .& 2 + 6 3 .&3 ∑ 6 .I = 1 1 = = ∑ 6 ’. I 6 + 6 + 6 6 Camada3 ∑ 1 2 3. C2. C3. h1. h2. Σ. Z. h3. Camada4. Camada5. $1),6. • Exemplo de arquitetura ANFIS com duas entradas e 9 regras:. 3DUWLFLRQDPHQWR. $UTXLWHWXUD$1),6. •. •.
(13) •. •. $1),6. • Modificação do modelo ANFIS para LQIHUrQFLDGH7VXNDPRWR:. $1),6. • Este sistema utiliza o SDUWLFLRQDPHQWR )X]]\ JULG $GDSWDWLYR. Seu aprendizado (LGHQWLILFDomR GD HVWUXWXUD e SDUkPHWURV) é feito em duas etapas que se repetem até que o critério de parada seja alcançado:. •. •.
(14) •. •. $1),6. u. 7UHLQDPHQWRHPGXDVIDVHV. (WDSDÕ. (WDSDÕ. Os parâmetros dos DQWHFHGHQWHV e os FRQVHTHQWHVVmR DMXVWDGRV pelo método 042 estimação por 0tQLPRV4XDGUDGRV 2UGLQiULRV. Os parâmetros dos FRQVHTHQWHV ILFDPIL[RV e os parâmetros dos DQWHFHGHQWHVVmRDMXVWDGRV pelo algoritmo *UDGLHQWH'HVFHQGHQWH.. ILFDPIL[RV. $1),6 u. •. ([HPSORV u. PRGHODJHPGHIXQo}HVQmROLQHDUHV. u. SUHYLVmRGHVpULHFDyWLFD. •.
(15) •. •. $1),6 u. u. ([HPSORV u. PRGHODJHPGHIXQo}HVQmROLQHDUHV. u. SUHYLVmRGHVpULHFDyWLFD. &RQVLGHUDo}HV u. IXQo}HVGHSHUWLQrQFLDGHWHUPLQDGDVDSULRUL FRPFHQWURVLJXDOPHQWHHVSDoDGRVSHOR. XQLYHUVRGHGLVFXUVR. $1),6 u. u. ([HPSORV u. PRGHODJHPGHIXQo}HVQmROLQHDUHV. u. SUHYLVmRGHVpULHFDyWLFD. &RQVLGHUDo}HV u. IXQo}HVGHSHUWLQrQFLDGHWHUPLQDGDVDSULRUL FRPFHQWURVLJXDOPHQWHHVSDoDGRVSHOR. XQLYHUVRGHGLVFXUVR u. IXQo}HV GH SHUWLQrQFLD VDWLVID]HP D FRQGLomR. ∈−. GHFRP FRPSOHWHQHVV. ∈. . GDGRXPYDORUGH[H[LVWHVHPSUHXPFRQMXQWR IX]]\$ WHUPROLQJtVWLFR$
(16) WDOTXH. •. µ ( [) ≥∈ $. •.
(17) •. •. $1),6. u. 7tSLFDFRQILJXUDomRLQLFLDOGHIXQo}HVGH. SHUWLQrQFLDSDUDXPDYDULiYHOFRPTXDWUR. FRQMXQWRVHXQLYHUVRGHGLVFXUVR8. >@. $1),6 u. )XQo}HVGHSHUWLQrQFLDGRWLSR6,12. 1. µ ( [) = $. 1+ u. [. −F. 2E. D. RQGH uFGHWHUPLQDRFHQWURGD)3 uDpDPHWDGHGDODUJXUDGD)3 uEFRQWURODDLQFOLQDomRQRSRQWRRQGH. D)3. •. . •.
(18) •. •. $1),6 u. ([HPSORIXQomRVLQF [\
(19). ]. = VLQF( [, \ ) =. VLQ [ VLQ \. ( ). ( ). [\. SRQWRV GH WUHLQDPHQWR GLVWULEXtGRV LJXDOPHQWH. ×>@. QRLQWHUYDOR>@. FRQMXQWRVIX]]\SDUDFDGDYDULiYHOÕUHJUDV SDUkPHWURVQRVDQWHFHGHQWHVGDVUHJUDV . ××
(20) . SDUkPHWURVQRVFRQVHTXHQWHVOLQHDUHVGDVUHJUDV ÕD[E\F . ×
(21) . $1),6 u. ([HPSORIXQomRVLQF [\
(22). 0/3 SDUkPHWURV
(23). •. •.
(24) •. •. $1),6 u. ([HPSORIXQomRVLQF [\
(25). &RQMXQWRGHWUHLQDPHQWR. 5HFRQVWUXomRFRPpSRFD. 5HFRQVWUXomRFRPpSRFDV. 5HFRQVWUXomRFRPpSRFDV. $1),6)XQomR6,1&. •.
(26) .
(27) .
(28) .
(29) . •.
(30) •. •. $1),6 u. . [. =. ([HPSOR6pULHFDyWLFD0DFNH\*ODVV. 0,2 [(W − τ ) 1 + [10 (W − τ ). − 0,1[(W ). SDUHV GH SRQWRV IRUDP H[WUDtGRV VHJXLQGR R IRUPDWR. [ [(W − 18), [(W − 12), [(W − 6), [(W ); [(W + 6)]. SULPHLURVSRQWRVSDUDWUHLQDPHQWR FRQMXQWRVIX]]\SDUDFDGDYDULiYHOÕUHJUDV. ××
(31) . SDUkPHWURVQRVDQWHFHGHQWHV . QRVFRQVHTXHQWHV [
(32) . $1),60DFNH\*ODVV.
(33)
(34) .
(35) . •.
(36) .
(37) . •.
(38) •. •. $1),66pULH0DFNH\*ODVV.
(39)
(40)
(41) .
(42)
(43) . $1),6 u. ([HPSOR6pULHFDyWLFD0DFNH\*ODVV. &RPSDUDomRGDFDSDFLGDGHGHJHQHUDOL]DomR. 1'(,. •. 506(GHVYLRSDGUmRGDVpULH. •.
(44) •. •. $1),60$7/$%. $1),60$7/$%. •. •.
(45) •. •. $1),60$7/$%. u. 3URFHGLPHQWRV u. SULPHLUR GHYHVH FDUUHJDU ORDG
(46) RV GDGRV KLVWyULFRV. u. R $1),6 SHUPLWH R XVR GH WUrV FRQMXQWRV GH GDGRVWUDLQLQJFKHFNLQJHWHVWLQJ. u. R FRQMXQWR FKHFNLQJ p XVDGR SDUD HYLWDU. RYHUILWWLQJ. HVFROKLGRV. Õ. SDUkPHWURV. EXVFDQGR. FRQMXQWRGHFKHFNLQJ. R. GHYHP. PHQRU. HUUR. VHU. QR. ([HPSORFKHFNLQJGDWDFRPUXtGR. •. •.
(47) •. •. ([HPSORFKHFNLQJGDWDFRPUXtGR 3URFHGLPHQWRV. . SDUD. FDUUHJDU. R. FRQMXQWR. GH. GDGRV. GH. WUDLQLQJ. VHOHFLRQDU7UDLQLQJZRUNVSHHPVHJXLGD/RDG'DWD. ([HPSORFKHFNLQJGDWDFRPUXtGR. •. •.
(48) •. •. ([HPSORFKHFNLQJGDWDFRPUXtGR 3URFHGLPHQWRV. SDUD . FDUUHJDU. R. FRQMXQWR. GH. GDGRV. GH. WUDLQLQJ. VHOHFLRQDU7UDLQLQJZRUNVSHHPVHJXLGD/RDG'DWD. . 3DUD FDUUHJDU R FRQMXQWR GH. GDGRV. SDUD. VHOHFLRQDU&KHFNLQJHHPVHJXLGD/RDG'DWD. FKHFNLQJ. ([HPSORFKHFNLQJGDWDFRPUXtGR. •. •.
(49) •. •. ([HPSORFKHFNLQJGDWDFRPUXtGR *HUDomRGR6LVWHPDGH,QIHUrQFLD)X]]\ ),6
(50) 6HOHFLRQDU3DUWLFLRQDPHQWRGHIDXOW . *ULG. 6HOHFLRQDU*HQHUDWH),6HVFROKHVHRQ~PHURHRWLSRGDV)3V . ([HPSORFKHFNLQJGDWDFRPUXtGR *HUDomRGR6LVWHPDGH,QIHUrQFLD)X]]\ ),6
(51) . •. $V)3VSRGHPWDPEpPVHUHVSHFLILFDGDVSHORXVXiULR. •.
(52) •. •. ([HPSORFKHFNLQJGDWDFRPUXtGR *HUDomRGR6LVWHPDGH,QIHUrQFLD)X]]\ ),6
(53) . $V)3VSRGHPWDPEpPVHUHVSHFLILFDGDVSHORXVXiULR. ([HPSORFKHFNLQJGDWDFRPUXtGR 9HULILFDQGRD(VWUXWXUDGR6LVWHPDGH,QIHUrQFLD)X]]\. •. •.
(54) •. •. ([HPSORFKHFNLQJGDWDFRPUXtGR. u. 7UHLQDPHQWR. u. GRLVPpWRGRVGHRWLPL]DomRGHSDUkPHWURV +tEULGR%DFN3URSDJDWLRQH/06 GHIDXOW
(55) %DFN3URSDJDWLRQ. u. FULWpULRGHSDUDGDÕ(UURU7ROHUDQFH Õ. GHYH VHU LJXDO D ]HUR FDVR QmR VH FRQKHoD R. FRPSRUWDPHQWRGRHUURGHWUHLQDPHQWR. ([HPSORFKHFNLQJGDWDFRPUXtGR. 3DUkPHWURVGH WUHLQDPHQWR. •. •.
(56) •. •. ([HPSORFKHFNLQJGDWDFRPUXtGR. (UURGH9DOLGDomR 2YHUILWWLQJ. ([HPSORFKHFNLQJGDWDFRPUXtGR u. 9HULILFDQGRDJHQHUDOL]DomRGR),6. 9HULILFDQGR DJHQHUDOL]DomR QRFRQMXQWR &KHFNLQJ. •. •.
(57)
Documentos relacionados
Este trabalho objetivou a realização de uma análise cienciométrica das produções científicas sobre hanseníase, no período de 1997 a 2016, no portal de pesquisa Web of
Ao fazer pesquisas referentes a história da Química, é comum encontrar como nomes de destaque quase exclusivamente nomes masculinos, ou de casais neste caso o nome de destaque
Nessa situação temos claramente a relação de tecnovívio apresentado por Dubatti (2012) operando, visto que nessa experiência ambos os atores tra- çam um diálogo que não se dá
A proporçáo de indivíduos que declaram considerar a hipótese de vir a trabalhar no estrangeiro no futuro é maior entle os jovens e jovens adultos do que
– Os 10 (dez) poemas selecionados para o Festival Culturando de Literatura “Vila das Artes” 2021 serão interpretados na cerimônia de premiação em concurso
Analisar os benefícios da implantação de um elétrico híbrido no sistema de transporte público na cidade de Curitiba através do consumo de energia
contribui na aprendizagem do cidadão e na sua atuação, perante um mundo em constante transformação. A biblioteca pública, jamais pode ser uma instituição
sem sementes nas condições tropicais do Vale do Rio São Francisco, observaram que para todos os cultivares o período compreendido da poda ao início da brotação variou de seis a