Dados do Trabalho

Título

DETERMINAÇAO DE MODELO DE REGRESSAO VIA APLICAÇAO DA TEORIA FUZZY

Resumo

Neste trabalho, via teoria fuzzy se obteve um método para determinação de modelos de regressão usando sistema de inferência fuzzy proposto por Takagi e Sugeno, sendo as entradas dos dados transformadas em conjuntos fuzzy e as saídas do sistema sendo conjuntos não-fuzzy. Este modelo é combinado com a estrutura da rede de Sistema de Inferência Fuzzy Neuro Adaptativa (ANFIS, do inglês, Adaptive Neuro-Fuzzy Inference System). O modelo ANFIS toma um sistema de inferência fuzzy e o associa a um algoritmo de retro-propagação, tendo como base um conjunto de dados, e a sua estrutura facilita o cálculo do gradiente para os parâmetros. Desta maneira, obtém-se um conjunto de regras fuzzy pela técnica de agrupamento subtrativo fuzzy, utilizada para particionar o espaço de entrada e saída do conjunto de dados. Sistemas de inferência fuzzy são utilizados com base em um conjunto regras condicionais, representando as entradas e saídas do modelo, associando a capacidade de aprendizado das redes neurais artificiais com o poder de interpretação linguística dos sistemas de inferência fuzzy, as quais são capazes de tratar conhecimentos incompletos, incertos ou mesmo conflitantes. O modelo matemático proposto utilizou de variáveis de entrada advindas de observações, obtendo-se saídas do tipo, y = f(x), onde x é entrada e y a saída do sistema de inferência e f uma representação quantitativa do mapeamento. Usualmente a função f é uma combinação linear das variáveis de entradas, cujos coeficientes são estimados usando o método dos mínimos quadrados. No desenvolvimento e resultado do trabalho é apresentada uma aplicação onde os dados obervados e os dados estimados pelo modelo foram comparados por meio de métodos estatísticos, e estes se mostraram bem correlacionados, onde pode ser verificada a eficiência e exatidão para o modelo neuro-fuzzy obtido.

Palavras-chave

Teoria Fuzzy, Sistema Takagi-Sugeno, Sistema de Inferência Neuro-Fuzzy Adaptativa.