Uma metodologia de modelagem empírica utilizando o integrador neural de múltiplos passos do tipo Adams-Bashforth
Autor(a) principal: | |
---|---|
Data de Publicação: | 2010 |
Outros Autores: | |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Sba: Controle & Automação Sociedade Brasileira de Automatica |
Texto Completo: | http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592010000500005 |
Resumo: | Este artigo apresenta e desenvolve uma metodologia empírica alternativa para modelar e obter as funções de derivadas instantâneas para sistemas dinâmicos não-lineares através de um treinamento supervisionado utilizando integradores numéricos neurais de múltiplos passos do tipo Adams-Bashforth. Esta abordagem a rede neural desempenha o papel das funções de derivadas instantâneas que é acoplada à estrutura do integrador numérico, que efetivamente, é o responsável em realizar as propagações no tempo apenas através de uma combinação linear de redes neurais feedforward com respostas atrasadas. É um fato importante que somente os integradores numéricos de mais alta ordem aprendem efetivamente as funções de derivadas instantâneas com precisão adequada, o que comprova o fato de que os de primeira ordem somente conseguem aprender as derivadas médias. Esta abordagem é uma alternativa à metodologia que trata os problemas de modelagem neural em estruturas de integração de passo simples do tipo Runge-Kutta de alta-ordem, sendo esta, mais robusta e complexa na determinação da retropropagação, que exige - neste caso - o emprego da regra da cadeia para funções compostas. Ao final deste artigo são apresentadas simulações de resultados numéricos dos integradores neurais de Adams-Bashforth em três estudos de caso: 1) pêndulo não-linear sem variáveis de controle; 2) um modelo abstrato com controle e 3) sistema de Van der Pol. |
id |
SBA-2_598b20792a26453fe0fc9bdd717bd216 |
---|---|
oai_identifier_str |
oai:scielo:S0103-17592010000500005 |
network_acronym_str |
SBA-2 |
network_name_str |
Sba: Controle & Automação Sociedade Brasileira de Automatica |
repository_id_str |
|
spelling |
Uma metodologia de modelagem empírica utilizando o integrador neural de múltiplos passos do tipo Adams-BashforthRedes Neurais de Multiplos PassosRedes FeedforwardIntegradores Numéricos de Alta OrdemSistemas de Equações Diferenciais OrdináriasModelagem Neural para Sistemas DinâmicosAlgoritmo de RetropropagaçãoEste artigo apresenta e desenvolve uma metodologia empírica alternativa para modelar e obter as funções de derivadas instantâneas para sistemas dinâmicos não-lineares através de um treinamento supervisionado utilizando integradores numéricos neurais de múltiplos passos do tipo Adams-Bashforth. Esta abordagem a rede neural desempenha o papel das funções de derivadas instantâneas que é acoplada à estrutura do integrador numérico, que efetivamente, é o responsável em realizar as propagações no tempo apenas através de uma combinação linear de redes neurais feedforward com respostas atrasadas. É um fato importante que somente os integradores numéricos de mais alta ordem aprendem efetivamente as funções de derivadas instantâneas com precisão adequada, o que comprova o fato de que os de primeira ordem somente conseguem aprender as derivadas médias. Esta abordagem é uma alternativa à metodologia que trata os problemas de modelagem neural em estruturas de integração de passo simples do tipo Runge-Kutta de alta-ordem, sendo esta, mais robusta e complexa na determinação da retropropagação, que exige - neste caso - o emprego da regra da cadeia para funções compostas. Ao final deste artigo são apresentadas simulações de resultados numéricos dos integradores neurais de Adams-Bashforth em três estudos de caso: 1) pêndulo não-linear sem variáveis de controle; 2) um modelo abstrato com controle e 3) sistema de Van der Pol.Sociedade Brasileira de Automática2010-10-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592010000500005Sba: Controle & Automação Sociedade Brasileira de Automatica v.21 n.5 2010reponame:Sba: Controle & Automação Sociedade Brasileira de Automaticainstname:Sociedade Brasileira de Automática (SBA)instacron:SBA10.1590/S0103-17592010000500005info:eu-repo/semantics/openAccessMarin,Regina Paiva MeloTasinaffo,Paulo Marcelopor2010-11-29T00:00:00Zoai:scielo:S0103-17592010000500005Revistahttps://www.sba.org.br/revista/PUBhttps://old.scielo.br/oai/scielo-oai.php||revista_sba@fee.unicamp.br1807-03450103-1759opendoar:2010-11-29T00:00Sba: Controle & Automação Sociedade Brasileira de Automatica - Sociedade Brasileira de Automática (SBA)false |
dc.title.none.fl_str_mv |
Uma metodologia de modelagem empírica utilizando o integrador neural de múltiplos passos do tipo Adams-Bashforth |
title |
Uma metodologia de modelagem empírica utilizando o integrador neural de múltiplos passos do tipo Adams-Bashforth |
spellingShingle |
Uma metodologia de modelagem empírica utilizando o integrador neural de múltiplos passos do tipo Adams-Bashforth Marin,Regina Paiva Melo Redes Neurais de Multiplos Passos Redes Feedforward Integradores Numéricos de Alta Ordem Sistemas de Equações Diferenciais Ordinárias Modelagem Neural para Sistemas Dinâmicos Algoritmo de Retropropagação |
title_short |
Uma metodologia de modelagem empírica utilizando o integrador neural de múltiplos passos do tipo Adams-Bashforth |
title_full |
Uma metodologia de modelagem empírica utilizando o integrador neural de múltiplos passos do tipo Adams-Bashforth |
title_fullStr |
Uma metodologia de modelagem empírica utilizando o integrador neural de múltiplos passos do tipo Adams-Bashforth |
title_full_unstemmed |
Uma metodologia de modelagem empírica utilizando o integrador neural de múltiplos passos do tipo Adams-Bashforth |
title_sort |
Uma metodologia de modelagem empírica utilizando o integrador neural de múltiplos passos do tipo Adams-Bashforth |
author |
Marin,Regina Paiva Melo |
author_facet |
Marin,Regina Paiva Melo Tasinaffo,Paulo Marcelo |
author_role |
author |
author2 |
Tasinaffo,Paulo Marcelo |
author2_role |
author |
dc.contributor.author.fl_str_mv |
Marin,Regina Paiva Melo Tasinaffo,Paulo Marcelo |
dc.subject.por.fl_str_mv |
Redes Neurais de Multiplos Passos Redes Feedforward Integradores Numéricos de Alta Ordem Sistemas de Equações Diferenciais Ordinárias Modelagem Neural para Sistemas Dinâmicos Algoritmo de Retropropagação |
topic |
Redes Neurais de Multiplos Passos Redes Feedforward Integradores Numéricos de Alta Ordem Sistemas de Equações Diferenciais Ordinárias Modelagem Neural para Sistemas Dinâmicos Algoritmo de Retropropagação |
description |
Este artigo apresenta e desenvolve uma metodologia empírica alternativa para modelar e obter as funções de derivadas instantâneas para sistemas dinâmicos não-lineares através de um treinamento supervisionado utilizando integradores numéricos neurais de múltiplos passos do tipo Adams-Bashforth. Esta abordagem a rede neural desempenha o papel das funções de derivadas instantâneas que é acoplada à estrutura do integrador numérico, que efetivamente, é o responsável em realizar as propagações no tempo apenas através de uma combinação linear de redes neurais feedforward com respostas atrasadas. É um fato importante que somente os integradores numéricos de mais alta ordem aprendem efetivamente as funções de derivadas instantâneas com precisão adequada, o que comprova o fato de que os de primeira ordem somente conseguem aprender as derivadas médias. Esta abordagem é uma alternativa à metodologia que trata os problemas de modelagem neural em estruturas de integração de passo simples do tipo Runge-Kutta de alta-ordem, sendo esta, mais robusta e complexa na determinação da retropropagação, que exige - neste caso - o emprego da regra da cadeia para funções compostas. Ao final deste artigo são apresentadas simulações de resultados numéricos dos integradores neurais de Adams-Bashforth em três estudos de caso: 1) pêndulo não-linear sem variáveis de controle; 2) um modelo abstrato com controle e 3) sistema de Van der Pol. |
publishDate |
2010 |
dc.date.none.fl_str_mv |
2010-10-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592010000500005 |
url |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592010000500005 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
10.1590/S0103-17592010000500005 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
text/html |
dc.publisher.none.fl_str_mv |
Sociedade Brasileira de Automática |
publisher.none.fl_str_mv |
Sociedade Brasileira de Automática |
dc.source.none.fl_str_mv |
Sba: Controle & Automação Sociedade Brasileira de Automatica v.21 n.5 2010 reponame:Sba: Controle & Automação Sociedade Brasileira de Automatica instname:Sociedade Brasileira de Automática (SBA) instacron:SBA |
instname_str |
Sociedade Brasileira de Automática (SBA) |
instacron_str |
SBA |
institution |
SBA |
reponame_str |
Sba: Controle & Automação Sociedade Brasileira de Automatica |
collection |
Sba: Controle & Automação Sociedade Brasileira de Automatica |
repository.name.fl_str_mv |
Sba: Controle & Automação Sociedade Brasileira de Automatica - Sociedade Brasileira de Automática (SBA) |
repository.mail.fl_str_mv |
||revista_sba@fee.unicamp.br |
_version_ |
1754824565199994880 |