Detalhes bibliográficos
| Ano de defesa: |
1996 |
| Autor(a) principal: |
Martinez, Luciana |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://www.teses.usp.br/teses/disponiveis/55/55134/tde-29082017-101955/
|
Resumo: |
Recentemente uma rede neural multi-camadas, baseada no algoritmo Back- Propagation, foi proposta para resolver problemas de otimização não lineares. Esta rede tem apresentado bons resultados na solução de problemas não lineares restritos e irrestritos. Este trabalho mostra as facilidades e beneficios da aplicação de técnicas de otimização ao algoritmo de aprendizado desta particular rede neural. O termo momentum, o gradiente com busca linear e o método do gradiente conjugado foram incorporados no esquema de aprendizado desta rede neural. Resultados computacionais são apresentados mostrando as vantagens da incorporação destas técnicas nesta rede. Além disso, para verificar a adequabilidade de uso desta particular rede neural, com algumas modificações incorporadas no algoritmo de aprendizado, na solução de problemas de dimensão maior do que os até então testados, uma aplicação é, resolvida usando este modelo para otimização de um sistema hidroelétrico de potência. O sistema é constituído de uma usina térmica, uma usina hidroelétrica e com a possibilidade de transferência de energia de sistema vizinho. Resultados são apresentados e mostram a utilidade desta abordagem quando comparada com resultados obtidos por técnicas tradicionais. |
