Uma arquitetura híbrida para sistemas cognitivos e sua aplicação em prognóstico de falhas em transformadores de potência
Autor(a) principal: | |
---|---|
Data de Publicação: | 2015 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | http://hdl.handle.net/1843/RAOA-BC9J6X |
Resumo: | Este projeto propõe uma arquitetura de um framework para exportar serviços e facilidades para a implementação de sistemas baseados em conhecimento. O framework utiliza conceitos de modelos embrionário, conexionista e evolucionário. Além disso, foram mapeadas correlações entre sistemas computacionais com cognição natural, formação e representação do conhecimento. Desta forma, este framework facilita a implementação de sistemas inteligentes genéricos. A abordagem conexionista emprega aprendizado em conjunto (ensemble learning) pelo seu potencial para se atingir maior precisão e robustez. Aprendizagem em conjunto pode integrar diferentes classificadores baseados em aprendizado de máquina, que estão disponíveis na literatura, e, também, baseados em métodos estatísticos. A abordagem simbólica emprega um processo evolucionário para abstrair a dinâmica do conhecimento. A principal contribuição do projeto consiste na utilização de abordagens simbólica e conexionista para cobrir todos os aspectos de representação do conhecimento. Como resultado, foi implementado um sistema capaz de gerar prognóstico de falhas em transformadores de potência. |
id |
UFMG_d383566eaa04b7780ec907691ccf8f15 |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/RAOA-BC9J6X |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Frederico Gadelha GuimaraesRicardo de Oliveira DuarteRicardo de Oliveira DuarteJoao Antonio de VasconcelosCristiano Leite de CastroJoao Bosco Augusto London JuniorGuilherme de Alencar BarretoFernando Cortez Sica2019-08-10T09:35:27Z2019-08-10T09:35:27Z2015-09-04http://hdl.handle.net/1843/RAOA-BC9J6XEste projeto propõe uma arquitetura de um framework para exportar serviços e facilidades para a implementação de sistemas baseados em conhecimento. O framework utiliza conceitos de modelos embrionário, conexionista e evolucionário. Além disso, foram mapeadas correlações entre sistemas computacionais com cognição natural, formação e representação do conhecimento. Desta forma, este framework facilita a implementação de sistemas inteligentes genéricos. A abordagem conexionista emprega aprendizado em conjunto (ensemble learning) pelo seu potencial para se atingir maior precisão e robustez. Aprendizagem em conjunto pode integrar diferentes classificadores baseados em aprendizado de máquina, que estão disponíveis na literatura, e, também, baseados em métodos estatísticos. A abordagem simbólica emprega um processo evolucionário para abstrair a dinâmica do conhecimento. A principal contribuição do projeto consiste na utilização de abordagens simbólica e conexionista para cobrir todos os aspectos de representação do conhecimento. Como resultado, foi implementado um sistema capaz de gerar prognóstico de falhas em transformadores de potência.This project proposes a framework architecture to export services and facilities for the implementation of knowledge-based systems. The framework utilizes concepts from embryonic, connectionist and evolutionary approaches. Additionally, we map correlations between computational systems with natural cognition, knowledge formation and representation. This way, this framework facilitates the implementation of generic intelligent systems. The connectionist approach employs ensemble learning for its potential in achieving higher accuracy and robustness. Ensemble learning can combine together different classifiers based on machine learning that are available in the literature and statistical methods. The symbolic approach employs an evolutionary method to permit the knowledge dynamics. The main contribution of the project relies in the utilization of symbolic and connexionist approaches to cover all the knowledge representation aspects. As result, was implemented a system able to generate fault prognosis in power transformers.Universidade Federal de Minas GeraisUFMGEngenharia elétricaLocalização de falhas (Engenharia)Transformadores eletricosPrognósticos de falhasSistemas cognitivosTransformadores de potênciaUma arquitetura híbrida para sistemas cognitivos e sua aplicação em prognóstico de falhas em transformadores de potênciainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALtese_fernando_cortez_sica.pdfapplication/pdf6621762https://repositorio.ufmg.br/bitstream/1843/RAOA-BC9J6X/1/tese_fernando_cortez_sica.pdfe26e092e3fb1910d10fe6359d4304586MD51TEXTtese_fernando_cortez_sica.pdf.txttese_fernando_cortez_sica.pdf.txtExtracted texttext/plain165822https://repositorio.ufmg.br/bitstream/1843/RAOA-BC9J6X/2/tese_fernando_cortez_sica.pdf.txt302ed0074c8319b30288c1dcc9087ebdMD521843/RAOA-BC9J6X2019-11-14 11:55:24.255oai:repositorio.ufmg.br:1843/RAOA-BC9J6XRepositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T14:55:24Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Uma arquitetura híbrida para sistemas cognitivos e sua aplicação em prognóstico de falhas em transformadores de potência |
title |
Uma arquitetura híbrida para sistemas cognitivos e sua aplicação em prognóstico de falhas em transformadores de potência |
spellingShingle |
Uma arquitetura híbrida para sistemas cognitivos e sua aplicação em prognóstico de falhas em transformadores de potência Fernando Cortez Sica Prognósticos de falhas Sistemas cognitivos Transformadores de potência Engenharia elétrica Localização de falhas (Engenharia) Transformadores eletricos |
title_short |
Uma arquitetura híbrida para sistemas cognitivos e sua aplicação em prognóstico de falhas em transformadores de potência |
title_full |
Uma arquitetura híbrida para sistemas cognitivos e sua aplicação em prognóstico de falhas em transformadores de potência |
title_fullStr |
Uma arquitetura híbrida para sistemas cognitivos e sua aplicação em prognóstico de falhas em transformadores de potência |
title_full_unstemmed |
Uma arquitetura híbrida para sistemas cognitivos e sua aplicação em prognóstico de falhas em transformadores de potência |
title_sort |
Uma arquitetura híbrida para sistemas cognitivos e sua aplicação em prognóstico de falhas em transformadores de potência |
author |
Fernando Cortez Sica |
author_facet |
Fernando Cortez Sica |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Frederico Gadelha Guimaraes |
dc.contributor.advisor-co1.fl_str_mv |
Ricardo de Oliveira Duarte |
dc.contributor.referee1.fl_str_mv |
Ricardo de Oliveira Duarte |
dc.contributor.referee2.fl_str_mv |
Joao Antonio de Vasconcelos |
dc.contributor.referee3.fl_str_mv |
Cristiano Leite de Castro |
dc.contributor.referee4.fl_str_mv |
Joao Bosco Augusto London Junior |
dc.contributor.referee5.fl_str_mv |
Guilherme de Alencar Barreto |
dc.contributor.author.fl_str_mv |
Fernando Cortez Sica |
contributor_str_mv |
Frederico Gadelha Guimaraes Ricardo de Oliveira Duarte Ricardo de Oliveira Duarte Joao Antonio de Vasconcelos Cristiano Leite de Castro Joao Bosco Augusto London Junior Guilherme de Alencar Barreto |
dc.subject.por.fl_str_mv |
Prognósticos de falhas Sistemas cognitivos Transformadores de potência |
topic |
Prognósticos de falhas Sistemas cognitivos Transformadores de potência Engenharia elétrica Localização de falhas (Engenharia) Transformadores eletricos |
dc.subject.other.pt_BR.fl_str_mv |
Engenharia elétrica Localização de falhas (Engenharia) Transformadores eletricos |
description |
Este projeto propõe uma arquitetura de um framework para exportar serviços e facilidades para a implementação de sistemas baseados em conhecimento. O framework utiliza conceitos de modelos embrionário, conexionista e evolucionário. Além disso, foram mapeadas correlações entre sistemas computacionais com cognição natural, formação e representação do conhecimento. Desta forma, este framework facilita a implementação de sistemas inteligentes genéricos. A abordagem conexionista emprega aprendizado em conjunto (ensemble learning) pelo seu potencial para se atingir maior precisão e robustez. Aprendizagem em conjunto pode integrar diferentes classificadores baseados em aprendizado de máquina, que estão disponíveis na literatura, e, também, baseados em métodos estatísticos. A abordagem simbólica emprega um processo evolucionário para abstrair a dinâmica do conhecimento. A principal contribuição do projeto consiste na utilização de abordagens simbólica e conexionista para cobrir todos os aspectos de representação do conhecimento. Como resultado, foi implementado um sistema capaz de gerar prognóstico de falhas em transformadores de potência. |
publishDate |
2015 |
dc.date.issued.fl_str_mv |
2015-09-04 |
dc.date.accessioned.fl_str_mv |
2019-08-10T09:35:27Z |
dc.date.available.fl_str_mv |
2019-08-10T09:35:27Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1843/RAOA-BC9J6X |
url |
http://hdl.handle.net/1843/RAOA-BC9J6X |
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 Minas Gerais |
dc.publisher.initials.fl_str_mv |
UFMG |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/RAOA-BC9J6X/1/tese_fernando_cortez_sica.pdf https://repositorio.ufmg.br/bitstream/1843/RAOA-BC9J6X/2/tese_fernando_cortez_sica.pdf.txt |
bitstream.checksum.fl_str_mv |
e26e092e3fb1910d10fe6359d4304586 302ed0074c8319b30288c1dcc9087ebd |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1801676811815354368 |