Metodologia de modelagem empírica utilizando integradores neurais aplicada a sistemas dinâmicos não-lineares.

• Ano de defesa: 2008
• Autor(a) principal: Regina Paiva Melo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Tecnológico de Aeronáutica
• Palavras-chave em Português: Redes neurais; Integração numérica; Sistemas dinâmicos; Sistemas não-lineares; Controle com realimentação; Propagação retroativa (inteligência artificial); Algoritmos; Computação
• Link de acesso: http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=518

Este trabalho apresenta e desenvolve uma metodologia empírica para modelar e obter as funções de derivadas instantâneas para sistemas dinâmicos não-lineares, utilizando integradores numéricos neurais de múltiplos passos do tipo Adams-Bashforth. A modelagem empírica consiste em utilizar as estruturas de integradores numéricos consideradas, tanto para gerar os valores de entrada/saída de treinamento da rede neural, durante a própria fase de treinamento, como também, na fase de simulação, acopladas sempre a uma rede feedforward. As estruturas dos integradores são utilizadas para fornecer uma solução discreta para sistemas de equações diferenciais ordinárias, enquanto a rede neural apenas precisa obter e aprender empiricamente as funções de derivadas instantâneas. Esta abordagem permite introduzir um treinamento supervisionado off-line que não necessita trabalhar excessivamente com funções compostas, e assim evitar significativamente o uso da regra da cadeia. Desta forma, esta metodologia original e alternativa lida com problemas não-lineares mais complexos apenas utilizando combinações lineares do algoritmo backpropagation, aqui estendido. A modelagem computacional empírica para as funções de derivadas médias usando apenas o integrador de primeira ordem do tipo Euler é também implementada. Ambos desenvolvimentos considerados são aplicados e testados em sistemas dinâmicos não-lineares autônomos, sobre dois exemplos distintos, um pêndulo simples não-linear e outro modelo abstrato envolvendo controle.