Aplicação de redes neuro-fuzzy para a solução de problemas inversos em transferência radiativa

• Ano de defesa: 2010
• Autor(a) principal: Gil, Mauro Cesar Cantarino
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Estado do Rio de Janeiro; Centro de Tecnologia e Ciências::Instituto Politécnico; BR; UERJ; Programa de Pós-Graduação em Modelagem Computacional
• Palavras-chave em Português: Inverse problems (Differential equations); Radiative transfer; Neural networks (Computer science); Sensitivity analysis; Fuzzy logic; Committee machines; Problemas inversos (Equações diferenciais); Radiação - Transferência; Redes neurais (Computação); Análise de sensibilidade; Lógica difusa; Máquinas de comitê; CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::MATEMATICA DA COMPUTACAO::MODELOS ANALITICOS E DE SIMULACAO
• Link de acesso: http://www.bdtd.uerj.br/handle/1/13722

Nesta tese é proposta uma implementação para a solução do problema inverso com as estimativas das propriedades radiativas (o albedo de espalhamento simples, a espessura ótica do meio e as reflectividades difusas) a partir dos valores das intensidades de radiação que deixam o meio participante utilizando uma abordagem híbrida de sistemas neuro-fuzzy (SNF), o qual combina a utilização de sistemas de inferência fuzzy com as redes neurais artificiais. Busca-se com a utilização desse sistema híbrido integrar a habilidade dos sistemas fuzzy no tratamento de informações inexatas, imprecisas, e vagas, e a capacidade das redes neurais artificiais de tratar o aprendizado por experiência e a generalização do conhecimento. É proposta também uma metodologia de máquinas de comitês neuro-fuzzy na solução deste problema inverso em transferência radiativa. Foi observado paralelamente que a solução dos sistemas neuro-fuzzy e dos sistemas híbridos de máquinas de comitê neuro-fuzzy, apresentam baixa qualidade nos resultados quando são utilizados os dados experimentais com os menores coeficientes de sensibilidade para os parâmetros que serão estimados. Por outro lado, quando são utilizados dados com maior sensibilidade, são obtidos melhores resultados. Esta abordagem procura evitar a possibilidade da não convergência desses métodos.