ProposiÃÃo e avaliaÃÃo de algoritmos de filtragem adaptativa baseados na rede de kohonen

Detalhes bibliográficos
Autor(a) principal: Luis Gustavo Mota Souza
Data de Publicação: 2007
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFC
Texto Completo: http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=2034
Resumo: nÃo hÃ
id UFC_4d2a39bddb0781af8034313dd2d138f6
oai_identifier_str oai:www.teses.ufc.br:1857
network_acronym_str UFC
network_name_str Biblioteca Digital de Teses e Dissertações da UFC
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisProposiÃÃo e avaliaÃÃo de algoritmos de filtragem adaptativa baseados na rede de kohonen Proposition and evaluation of the adaptive filtering algorithms basad on the kohonen2007-06-02Guilherme de Alencar Barreto32841450368http://lattes.cnpq.br/8902002461422112JoÃo CÃsar Moura Mota09152768368http://lattes.cnpq.br/3534665149331526Charles Casimiro Cavalcante54039410378http://lattes.cnpq.br/4751699166195344Fernando Josà Von Zuben76767676767http://lattes.cnpq.br/175689577740418762183214368http://lattes.cnpq.br/9238481204759712Luis Gustavo Mota SouzaUniversidade Federal do CearÃPrograma de PÃs-GraduaÃÃo em Engenharia de TeleinformÃticaUFCBRRedes Neurais Artificiais AproximaÃÃo de FunÃÃes Filtragem Adaptativa Rede Auto-OrganizÃvel de Kohonen QuantizaÃÃo VetorialArtificial Neural Networks, Function Approximation, Adaptive Filterinig Self-Organizing Map, Vector Quantization.TELEINFORMATICAnÃo hÃA Rede Auto-OrganizÃvel de Kohonen (Self-Organizing Map - SOM), por empregar um algoritmo de aprendizado nÃo supervisionado, vem sendo tradicionalmente aplicada na Ãrea de processamento de sinais em tarefas de quantizaÃÃo vetorial, enquanto que redes MLP (Multi-layer Perceptron) e RBF (Radial Basis Function) dominam as aplicaÃÃes que exigem a aproximaÃÃo de mapeamentos entrada-saÃda. Este tipo de aplicaÃÃo à comumente encontrada em tarefas de filtragem adaptativa que podem ser formatadas segundo a Ãtica da modelagem direta e inversa de sistemas, tais como identificaÃÃo equalizaÃÃo de canais de comunicaÃÃo. Nesta dissertaÃÃo, a gama de aplicaÃÃes da rede SOM à estendida atravÃs da proposiÃÃo de filtros adaptativos neurais baseados nesta rede, mostrando que os mesmos sÃo alternativas viÃveis aos filtros nÃo-lineares baseados nas redes MLP e RBF. Isto torna-se possÃvel graÃas ao uso de uma tÃcnica recentemente proposta, Quantized Temporal Associative Memory - VQTAM), que basicamente usa a filosofia de chamada MemÃria Associativa Temporal por QuantizaÃÃo Vetorial (Vector )treinamento da rede SOM para realizar a quantizaÃÃo vetorial simultÃnea dos espaÃos de entrada e de saÃda relativos ao problema de filtragem analisado. A partir da tÃcnica VQTAM, sÃo propostos trÃs arquiteturas de filtros adaptativos baseadas na rede SOM, cujos desempenhos foram avaliados em tarefas de identificaÃÃo e equalizaÃÃo de canais nÃolineares. O canal usado nas simulaÃÃes foi modelado como um processo auto-regressivo de Gauss-Markov de primeira ordem, contaminado com ruÃdo branco gaussiano e dotado de nÃo-linearidade do tipo saturaÃÃo (sigmoidal). Os resultados obtidos mostram que filtros adaptativos baseados na rede SOM tÃm desempenho equivalente ou superior aos tradicionais filtros transversais lineares e aos filtros nÃo-lineares baseados na rede MLP. http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=2034application/pdfinfo:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da UFCinstname:Universidade Federal do Cearáinstacron:UFC2019-01-21T11:15:08Zmail@mail.com -
dc.title.pt.fl_str_mv ProposiÃÃo e avaliaÃÃo de algoritmos de filtragem adaptativa baseados na rede de kohonen
dc.title.alternative.en.fl_str_mv Proposition and evaluation of the adaptive filtering algorithms basad on the kohonen
title ProposiÃÃo e avaliaÃÃo de algoritmos de filtragem adaptativa baseados na rede de kohonen
spellingShingle ProposiÃÃo e avaliaÃÃo de algoritmos de filtragem adaptativa baseados na rede de kohonen
Luis Gustavo Mota Souza
Redes Neurais Artificiais
AproximaÃÃo de FunÃÃes
Filtragem Adaptativa
Rede Auto-OrganizÃvel de Kohonen
QuantizaÃÃo Vetorial
Artificial Neural Networks, Function Approximation, Adaptive Filterinig Self-Organizing Map, Vector Quantization.
TELEINFORMATICA
title_short ProposiÃÃo e avaliaÃÃo de algoritmos de filtragem adaptativa baseados na rede de kohonen
title_full ProposiÃÃo e avaliaÃÃo de algoritmos de filtragem adaptativa baseados na rede de kohonen
title_fullStr ProposiÃÃo e avaliaÃÃo de algoritmos de filtragem adaptativa baseados na rede de kohonen
title_full_unstemmed ProposiÃÃo e avaliaÃÃo de algoritmos de filtragem adaptativa baseados na rede de kohonen
title_sort ProposiÃÃo e avaliaÃÃo de algoritmos de filtragem adaptativa baseados na rede de kohonen
author Luis Gustavo Mota Souza
author_facet Luis Gustavo Mota Souza
author_role author
dc.contributor.advisor1.fl_str_mv Guilherme de Alencar Barreto
dc.contributor.advisor1ID.fl_str_mv 32841450368
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/8902002461422112
dc.contributor.advisor-co1.fl_str_mv JoÃo CÃsar Moura Mota
dc.contributor.advisor-co1ID.fl_str_mv 09152768368
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/3534665149331526
dc.contributor.referee1.fl_str_mv Charles Casimiro Cavalcante
dc.contributor.referee1ID.fl_str_mv 54039410378
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/4751699166195344
dc.contributor.referee2.fl_str_mv Fernando Josà Von Zuben
dc.contributor.referee2ID.fl_str_mv 76767676767
dc.contributor.referee2Lattes.fl_str_mv http://lattes.cnpq.br/1756895777404187
dc.contributor.authorID.fl_str_mv 62183214368
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/9238481204759712
dc.contributor.author.fl_str_mv Luis Gustavo Mota Souza
contributor_str_mv Guilherme de Alencar Barreto
JoÃo CÃsar Moura Mota
Charles Casimiro Cavalcante
Fernando Josà Von Zuben
dc.subject.por.fl_str_mv Redes Neurais Artificiais
AproximaÃÃo de FunÃÃes
Filtragem Adaptativa
Rede Auto-OrganizÃvel de Kohonen
QuantizaÃÃo Vetorial
topic Redes Neurais Artificiais
AproximaÃÃo de FunÃÃes
Filtragem Adaptativa
Rede Auto-OrganizÃvel de Kohonen
QuantizaÃÃo Vetorial
Artificial Neural Networks, Function Approximation, Adaptive Filterinig Self-Organizing Map, Vector Quantization.
TELEINFORMATICA
dc.subject.eng.fl_str_mv Artificial Neural Networks, Function Approximation, Adaptive Filterinig Self-Organizing Map, Vector Quantization.
dc.subject.cnpq.fl_str_mv TELEINFORMATICA
dc.description.sponsorship.fl_txt_mv nÃo hÃ
dc.description.abstract.por.fl_txt_mv A Rede Auto-OrganizÃvel de Kohonen (Self-Organizing Map - SOM), por empregar um algoritmo de aprendizado nÃo supervisionado, vem sendo tradicionalmente aplicada na Ãrea de processamento de sinais em tarefas de quantizaÃÃo vetorial, enquanto que redes MLP (Multi-layer Perceptron) e RBF (Radial Basis Function) dominam as aplicaÃÃes que exigem a aproximaÃÃo de mapeamentos entrada-saÃda. Este tipo de aplicaÃÃo à comumente encontrada em tarefas de filtragem adaptativa que podem ser formatadas segundo a Ãtica da modelagem direta e inversa de sistemas, tais como identificaÃÃo equalizaÃÃo de canais de comunicaÃÃo. Nesta dissertaÃÃo, a gama de aplicaÃÃes da rede SOM à estendida atravÃs da proposiÃÃo de filtros adaptativos neurais baseados nesta rede, mostrando que os mesmos sÃo alternativas viÃveis aos filtros nÃo-lineares baseados nas redes MLP e RBF. Isto torna-se possÃvel graÃas ao uso de uma tÃcnica recentemente proposta, Quantized Temporal Associative Memory - VQTAM), que basicamente usa a filosofia de chamada MemÃria Associativa Temporal por QuantizaÃÃo Vetorial (Vector )treinamento da rede SOM para realizar a quantizaÃÃo vetorial simultÃnea dos espaÃos de entrada e de saÃda relativos ao problema de filtragem analisado. A partir da tÃcnica VQTAM, sÃo propostos trÃs arquiteturas de filtros adaptativos baseadas na rede SOM, cujos desempenhos foram avaliados em tarefas de identificaÃÃo e equalizaÃÃo de canais nÃolineares. O canal usado nas simulaÃÃes foi modelado como um processo auto-regressivo de Gauss-Markov de primeira ordem, contaminado com ruÃdo branco gaussiano e dotado de nÃo-linearidade do tipo saturaÃÃo (sigmoidal). Os resultados obtidos mostram que filtros adaptativos baseados na rede SOM tÃm desempenho equivalente ou superior aos tradicionais filtros transversais lineares e aos filtros nÃo-lineares baseados na rede MLP.
description nÃo hÃ
publishDate 2007
dc.date.issued.fl_str_mv 2007-06-02
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
status_str publishedVersion
format masterThesis
dc.identifier.uri.fl_str_mv http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=2034
url http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=2034
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.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do CearÃ
dc.publisher.program.fl_str_mv Programa de PÃs-GraduaÃÃo em Engenharia de TeleinformÃtica
dc.publisher.initials.fl_str_mv UFC
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Universidade Federal do CearÃ
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFC
instname:Universidade Federal do Ceará
instacron:UFC
reponame_str Biblioteca Digital de Teses e Dissertações da UFC
collection Biblioteca Digital de Teses e Dissertações da UFC
instname_str Universidade Federal do Ceará
instacron_str UFC
institution UFC
repository.name.fl_str_mv -
repository.mail.fl_str_mv mail@mail.com
_version_ 1643295122702467072

Registros relacionados