Sistema de inferência Fuzzy para classificação de distúrbios em sinais elétricos

Detalhes bibliográficos
Autor(a) principal: Aguiar, Eduardo Pestana de
Data de Publicação: 2011
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFJF
Texto Completo: https://repositorio.ufjf.br/jspui/handle/ufjf/4149
Resumo: A presente dissertação tem como objetivo discutir o uso de técnicas de otimização baseadas no gradiente conjugado e de informações de segunda ordem para o treinamento de sistemas de inferência fuzzy singleton e non-singleton. Além disso, as soluções computacionais derivadas são aplicadas aos problemas de classificação de distúrbios múltiplos e isolados em sinais elétricos. Os resultados computacionais, obtidos a partir de dados sintéticos de distúrbios em sinais de tensão, indicam que os sistemas de inferência fuzzy singleton e non-singleton treinados pelos algoritmos de otimização considerados apresentam maior velocidade de convergência e melhores taxas de classificação quando comparados com aqueles treinados pelo algoritmo de otimização baseada em informações de primeira ordem e é bastante competitivo em relação à rede neural artificial perceptron multicamadas - multilayer perceptron (MLP) e ao classificador de Bayes.
id UFJF_60160d23e56833efc9de9e4f10880f49
oai_identifier_str oai:hermes.cpd.ufjf.br:ufjf/4149
network_acronym_str UFJF
network_name_str Repositório Institucional da UFJF
repository_id_str
spelling Ribeiro, Moises Vidalhttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4794613D7Lima, Clodoaldo Aparecido de Moraeshttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4794613A1Duque, Carlos Augustohttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4782123J0Hell, Michel Bortolinihttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4706039J7http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4236602D7Aguiar, Eduardo Pestana de2017-04-24T16:55:00Z2017-04-242017-04-24T16:55:00Z2011-08-30https://repositorio.ufjf.br/jspui/handle/ufjf/4149A presente dissertação tem como objetivo discutir o uso de técnicas de otimização baseadas no gradiente conjugado e de informações de segunda ordem para o treinamento de sistemas de inferência fuzzy singleton e non-singleton. Além disso, as soluções computacionais derivadas são aplicadas aos problemas de classificação de distúrbios múltiplos e isolados em sinais elétricos. Os resultados computacionais, obtidos a partir de dados sintéticos de distúrbios em sinais de tensão, indicam que os sistemas de inferência fuzzy singleton e non-singleton treinados pelos algoritmos de otimização considerados apresentam maior velocidade de convergência e melhores taxas de classificação quando comparados com aqueles treinados pelo algoritmo de otimização baseada em informações de primeira ordem e é bastante competitivo em relação à rede neural artificial perceptron multicamadas - multilayer perceptron (MLP) e ao classificador de Bayes.This master dissertation aims to discuss the use of optimization techniques based on the conjugated gradient and on second order information for the training of singleton or non-singleton fuzzy inference systems. In addition, the computacional solutions obtained are applied to isolated a multiple disturbances classification problems in electric signals. Computational results obtained from synthetic data from disturbances in electric signals indicate that singleton or non-singleton fuzzy inference systems trained by the considered optimization algorithms present greater convergence speed and better classification rates when compared to those data trained by an optimization algorithm based on first order information and is quite competitive with multilayer perceptron neural network and Bayesian classifier.porUniversidade Federal de Juiz de Fora (UFJF)Programa de Pós-graduação em Engenharia ElétricaUFJFBrasilFaculdade de EngenhariaCNPQ::ENGENHARIAS::ENGENHARIA ELETRICASistema de inferência fuzzyGradiente conjugadoClassificação de distúrbiosQualidade da energia elétricaSinais elétricosAlgoritmos de otimizaçãoFuzzy inference systemConjugated gradientClassification of disturbancesPower qualityElectric signalsOptimization algorithmsSistema de inferência Fuzzy para classificação de distúrbios em sinais elétricosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFJFinstname:Universidade Federal de Juiz de Fora (UFJF)instacron:UFJFTHUMBNAILeduardopestanadeaguiar.pdf.jpgeduardopestanadeaguiar.pdf.jpgGenerated Thumbnailimage/jpeg1144https://repositorio.ufjf.br/jspui/bitstream/ufjf/4149/4/eduardopestanadeaguiar.pdf.jpg38fdd69a30e7df7f8321f960c8571d68MD54ORIGINALeduardopestanadeaguiar.pdfeduardopestanadeaguiar.pdfapplication/pdf1937921https://repositorio.ufjf.br/jspui/bitstream/ufjf/4149/1/eduardopestanadeaguiar.pdf0472ffffb70cabf120dc5de86d6626b1MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82197https://repositorio.ufjf.br/jspui/bitstream/ufjf/4149/2/license.txt000e18a5aee6ca21bb5811ddf55fc37bMD52TEXTeduardopestanadeaguiar.pdf.txteduardopestanadeaguiar.pdf.txtExtracted texttext/plain278849https://repositorio.ufjf.br/jspui/bitstream/ufjf/4149/3/eduardopestanadeaguiar.pdf.txt8965aaad5880fb92852ed838656d9f0aMD53ufjf/41492019-11-07 11:06:24.383oai:hermes.cpd.ufjf.br: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Repositório InstitucionalPUBhttps://repositorio.ufjf.br/oai/requestopendoar:2019-11-07T13:06:24Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)false
dc.title.pt_BR.fl_str_mv Sistema de inferência Fuzzy para classificação de distúrbios em sinais elétricos
title Sistema de inferência Fuzzy para classificação de distúrbios em sinais elétricos
spellingShingle Sistema de inferência Fuzzy para classificação de distúrbios em sinais elétricos
Aguiar, Eduardo Pestana de
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Sistema de inferência fuzzy
Gradiente conjugado
Classificação de distúrbios
Qualidade da energia elétrica
Sinais elétricos
Algoritmos de otimização
Fuzzy inference system
Conjugated gradient
Classification of disturbances
Power quality
Electric signals
Optimization algorithms
title_short Sistema de inferência Fuzzy para classificação de distúrbios em sinais elétricos
title_full Sistema de inferência Fuzzy para classificação de distúrbios em sinais elétricos
title_fullStr Sistema de inferência Fuzzy para classificação de distúrbios em sinais elétricos
title_full_unstemmed Sistema de inferência Fuzzy para classificação de distúrbios em sinais elétricos
title_sort Sistema de inferência Fuzzy para classificação de distúrbios em sinais elétricos
author Aguiar, Eduardo Pestana de
author_facet Aguiar, Eduardo Pestana de
author_role author
dc.contributor.advisor1.fl_str_mv Ribeiro, Moises Vidal
dc.contributor.advisor1Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4794613D7
dc.contributor.referee1.fl_str_mv Lima, Clodoaldo Aparecido de Moraes
dc.contributor.referee1Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4794613A1
dc.contributor.referee2.fl_str_mv Duque, Carlos Augusto
dc.contributor.referee2Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4782123J0
dc.contributor.referee3.fl_str_mv Hell, Michel Bortolini
dc.contributor.referee3Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4706039J7
dc.contributor.authorLattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4236602D7
dc.contributor.author.fl_str_mv Aguiar, Eduardo Pestana de
contributor_str_mv Ribeiro, Moises Vidal
Lima, Clodoaldo Aparecido de Moraes
Duque, Carlos Augusto
Hell, Michel Bortolini
dc.subject.cnpq.fl_str_mv CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
topic CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Sistema de inferência fuzzy
Gradiente conjugado
Classificação de distúrbios
Qualidade da energia elétrica
Sinais elétricos
Algoritmos de otimização
Fuzzy inference system
Conjugated gradient
Classification of disturbances
Power quality
Electric signals
Optimization algorithms
dc.subject.por.fl_str_mv Sistema de inferência fuzzy
Gradiente conjugado
Classificação de distúrbios
Qualidade da energia elétrica
Sinais elétricos
Algoritmos de otimização
Fuzzy inference system
Conjugated gradient
Classification of disturbances
Power quality
Electric signals
Optimization algorithms
description A presente dissertação tem como objetivo discutir o uso de técnicas de otimização baseadas no gradiente conjugado e de informações de segunda ordem para o treinamento de sistemas de inferência fuzzy singleton e non-singleton. Além disso, as soluções computacionais derivadas são aplicadas aos problemas de classificação de distúrbios múltiplos e isolados em sinais elétricos. Os resultados computacionais, obtidos a partir de dados sintéticos de distúrbios em sinais de tensão, indicam que os sistemas de inferência fuzzy singleton e non-singleton treinados pelos algoritmos de otimização considerados apresentam maior velocidade de convergência e melhores taxas de classificação quando comparados com aqueles treinados pelo algoritmo de otimização baseada em informações de primeira ordem e é bastante competitivo em relação à rede neural artificial perceptron multicamadas - multilayer perceptron (MLP) e ao classificador de Bayes.
publishDate 2011
dc.date.issued.fl_str_mv 2011-08-30
dc.date.accessioned.fl_str_mv 2017-04-24T16:55:00Z
dc.date.available.fl_str_mv 2017-04-24
2017-04-24T16:55:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufjf.br/jspui/handle/ufjf/4149
url https://repositorio.ufjf.br/jspui/handle/ufjf/4149
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.publisher.none.fl_str_mv Universidade Federal de Juiz de Fora (UFJF)
dc.publisher.program.fl_str_mv Programa de Pós-graduação em Engenharia Elétrica
dc.publisher.initials.fl_str_mv UFJF
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Faculdade de Engenharia
publisher.none.fl_str_mv Universidade Federal de Juiz de Fora (UFJF)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFJF
instname:Universidade Federal de Juiz de Fora (UFJF)
instacron:UFJF
instname_str Universidade Federal de Juiz de Fora (UFJF)
instacron_str UFJF
institution UFJF
reponame_str Repositório Institucional da UFJF
collection Repositório Institucional da UFJF
bitstream.url.fl_str_mv https://repositorio.ufjf.br/jspui/bitstream/ufjf/4149/4/eduardopestanadeaguiar.pdf.jpg
https://repositorio.ufjf.br/jspui/bitstream/ufjf/4149/1/eduardopestanadeaguiar.pdf
https://repositorio.ufjf.br/jspui/bitstream/ufjf/4149/2/license.txt
https://repositorio.ufjf.br/jspui/bitstream/ufjf/4149/3/eduardopestanadeaguiar.pdf.txt
bitstream.checksum.fl_str_mv 38fdd69a30e7df7f8321f960c8571d68
0472ffffb70cabf120dc5de86d6626b1
000e18a5aee6ca21bb5811ddf55fc37b
8965aaad5880fb92852ed838656d9f0a
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)
repository.mail.fl_str_mv
_version_ 1798038656339935232