Acadmico: Leonardo Marques de Souza

Caractersticas:
Aprendizado;
Associao; Generalizao;

Abstrao;
Robustez e Degradao Gradual;

Redes Neurais so aproximadores universais;

Estmulo

Receptores

Redes Neural

Atuadores

Resposta

Rede Neural

Funo Custo

Srie de Taylor:

Gradiente:

Matriz Hessiana:

Funo de Avano do Treinamento:

Fator de Aprendizagem

Direo de Avano

MTODOS POR BATELADA MTODOS RECURSIVOS

Mtodo Tempo Execuo Robustez Memria Utilizada B. P. (Batelada) -+ L. M. ++ ++ ++ L. M. (Otim. Memria) + ++ 0 B. P. (Recursivo) -+ ++ Pred. Erro (Recusivo) 0 ++

- - BAIXO

++ ALTO

O TIMO

Experimento

Escolha do modelo de Identificao

Estimao do modelo
Validao do modelo No aceito

Mtodo BackPropagation (Batelada) 5001 amostras ( 10 Hz)

Mtodo de Gauss-Newton Mtodo de Levenberg-Marquardt 1501 amostras ( 10 Hz)

Rede Multilayer Perceptron (MLP) - SUB-CLASSE NNARX

1m 35s 1000 it.

5s 71 it.

38s 810 it.

GEMSIM

Mtodo Direto x Mtodo Indireto O Modelo Inverso Relao com a IDENTIFICAO DE SISTEMAS UTILIZANDO REDES NEURAIS

Mtodo de Levenberg-Marquardt 5001 amostras (10Hz)

Rede Recursiva - SUB-CLASSE NNARX

2m e 14s 1000 iteraes

Redes Neurais Identificao de Sistemas Utilizando Redes neurais Os Controladores Neurais

Arduino Interface de Comunicao Plantas Bancadas MasterTOOL;

Controle de Nvel, Presso, Temperatura, dentre outros. Sistemas de DAQ Estudo.

Implementao dos mtodos recursivos de treinamento na identificao e controle de sistemas dinmicos.

Estudo das demais teorias de controle neurais;

Integrao entre Redes Neurais e conceitos da lgica Fuzzy.