Arquitetura de controle utilizando modelo de redes neuronais

Detalhes bibliográficos
Autor(a) principal: Roberto Célio Limão de Oliveira
Data de Publicação: 1991
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações do ITA
Texto Completo: http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=1840
Resumo: Idéias de redes neuronais tem sido utilizadas com grande sucesso em aplicações onde o processo a ser controlado é de elevada complexidade e requer, por exemplo, que o sislema de acionamento seja dotado de capacidade de adaptação baseado em aprendizado. Este trabalho tem o objetivo de apresentar algumas aplicações de modelos artificiais de redes neuronais no controle de sistemas dinâmicos, utilizado um modelo de rede neuronal para encontrar o modelo dinâmico inverso de um sistema inversível, o mesmo é empregado como um compensador feedforward. Os pesos que representam a intensidade de conexão das sinapses são ajustados através de mecanismo de aprendizado que busca minimizar o erro entre os sinais de referência e a saída. A fase de treinamento, na qual os pesos são ajustados, é feita off-line. Após o seu treinamento a rede apresenta uma grande rapidez de resposta que depende apenas do número de camadas e do tempo de propagação através dos neurônios. A rede neuronal proposta é de aplicação geral, desde que o número de neurônios e sinapses seja suficiente, bastando que se processe um programa de treinamento adequado a cada caso específico.
id ITA_54c641e3a06dc55de53ae32288822139
oai_identifier_str oai:agregador.ibict.br.BDTD_ITA:oai:ita.br:1840
network_acronym_str ITA
network_name_str Biblioteca Digital de Teses e Dissertações do ITA
spelling Arquitetura de controle utilizando modelo de redes neuronaisControle automáticoSistemas discretosRedes neuraisControleIdéias de redes neuronais tem sido utilizadas com grande sucesso em aplicações onde o processo a ser controlado é de elevada complexidade e requer, por exemplo, que o sislema de acionamento seja dotado de capacidade de adaptação baseado em aprendizado. Este trabalho tem o objetivo de apresentar algumas aplicações de modelos artificiais de redes neuronais no controle de sistemas dinâmicos, utilizado um modelo de rede neuronal para encontrar o modelo dinâmico inverso de um sistema inversível, o mesmo é empregado como um compensador feedforward. Os pesos que representam a intensidade de conexão das sinapses são ajustados através de mecanismo de aprendizado que busca minimizar o erro entre os sinais de referência e a saída. A fase de treinamento, na qual os pesos são ajustados, é feita off-line. Após o seu treinamento a rede apresenta uma grande rapidez de resposta que depende apenas do número de camadas e do tempo de propagação através dos neurônios. A rede neuronal proposta é de aplicação geral, desde que o número de neurônios e sinapses seja suficiente, bastando que se processe um programa de treinamento adequado a cada caso específico.Instituto Tecnológico de AeronáuticaTakashi YoneyamaRoberto Célio Limão de Oliveira1991-03-01info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=1840reponame:Biblioteca Digital de Teses e Dissertações do ITAinstname:Instituto Tecnológico de Aeronáuticainstacron:ITAporinfo:eu-repo/semantics/openAccessapplication/pdf2019-02-02T14:02:51Zoai:agregador.ibict.br.BDTD_ITA:oai:ita.br:1840http://oai.bdtd.ibict.br/requestopendoar:null2020-05-28 19:37:26.545Biblioteca Digital de Teses e Dissertações do ITA - Instituto Tecnológico de Aeronáuticatrue
dc.title.none.fl_str_mv Arquitetura de controle utilizando modelo de redes neuronais
title Arquitetura de controle utilizando modelo de redes neuronais
spellingShingle Arquitetura de controle utilizando modelo de redes neuronais
Roberto Célio Limão de Oliveira
Controle automático
Sistemas discretos
Redes neurais
Controle
title_short Arquitetura de controle utilizando modelo de redes neuronais
title_full Arquitetura de controle utilizando modelo de redes neuronais
title_fullStr Arquitetura de controle utilizando modelo de redes neuronais
title_full_unstemmed Arquitetura de controle utilizando modelo de redes neuronais
title_sort Arquitetura de controle utilizando modelo de redes neuronais
author Roberto Célio Limão de Oliveira
author_facet Roberto Célio Limão de Oliveira
author_role author
dc.contributor.none.fl_str_mv Takashi Yoneyama
dc.contributor.author.fl_str_mv Roberto Célio Limão de Oliveira
dc.subject.por.fl_str_mv Controle automático
Sistemas discretos
Redes neurais
Controle
topic Controle automático
Sistemas discretos
Redes neurais
Controle
dc.description.none.fl_txt_mv Idéias de redes neuronais tem sido utilizadas com grande sucesso em aplicações onde o processo a ser controlado é de elevada complexidade e requer, por exemplo, que o sislema de acionamento seja dotado de capacidade de adaptação baseado em aprendizado. Este trabalho tem o objetivo de apresentar algumas aplicações de modelos artificiais de redes neuronais no controle de sistemas dinâmicos, utilizado um modelo de rede neuronal para encontrar o modelo dinâmico inverso de um sistema inversível, o mesmo é empregado como um compensador feedforward. Os pesos que representam a intensidade de conexão das sinapses são ajustados através de mecanismo de aprendizado que busca minimizar o erro entre os sinais de referência e a saída. A fase de treinamento, na qual os pesos são ajustados, é feita off-line. Após o seu treinamento a rede apresenta uma grande rapidez de resposta que depende apenas do número de camadas e do tempo de propagação através dos neurônios. A rede neuronal proposta é de aplicação geral, desde que o número de neurônios e sinapses seja suficiente, bastando que se processe um programa de treinamento adequado a cada caso específico.
description Idéias de redes neuronais tem sido utilizadas com grande sucesso em aplicações onde o processo a ser controlado é de elevada complexidade e requer, por exemplo, que o sislema de acionamento seja dotado de capacidade de adaptação baseado em aprendizado. Este trabalho tem o objetivo de apresentar algumas aplicações de modelos artificiais de redes neuronais no controle de sistemas dinâmicos, utilizado um modelo de rede neuronal para encontrar o modelo dinâmico inverso de um sistema inversível, o mesmo é empregado como um compensador feedforward. Os pesos que representam a intensidade de conexão das sinapses são ajustados através de mecanismo de aprendizado que busca minimizar o erro entre os sinais de referência e a saída. A fase de treinamento, na qual os pesos são ajustados, é feita off-line. Após o seu treinamento a rede apresenta uma grande rapidez de resposta que depende apenas do número de camadas e do tempo de propagação através dos neurônios. A rede neuronal proposta é de aplicação geral, desde que o número de neurônios e sinapses seja suficiente, bastando que se processe um programa de treinamento adequado a cada caso específico.
publishDate 1991
dc.date.none.fl_str_mv 1991-03-01
dc.type.driver.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/masterThesis
status_str publishedVersion
format masterThesis
dc.identifier.uri.fl_str_mv http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=1840
url http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=1840
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Instituto Tecnológico de Aeronáutica
publisher.none.fl_str_mv Instituto Tecnológico de Aeronáutica
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações do ITA
instname:Instituto Tecnológico de Aeronáutica
instacron:ITA
reponame_str Biblioteca Digital de Teses e Dissertações do ITA
collection Biblioteca Digital de Teses e Dissertações do ITA
instname_str Instituto Tecnológico de Aeronáutica
instacron_str ITA
institution ITA
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações do ITA - Instituto Tecnológico de Aeronáutica
repository.mail.fl_str_mv
subject_por_txtF_mv Controle automático
Sistemas discretos
Redes neurais
Controle
_version_ 1706809275184054272