| dc.contributor | Ludermir, Teresa Bernarda | |
| dc.creator | Zanchettin, Cleber | |
| dc.date | 2014-06-12T15:58:45Z | |
| dc.date | 2014-06-12T15:58:45Z | |
| dc.date | 2004 | |
| dc.identifier | Zancrettin, Cleber; Bernarda Ludermir, Teresa. Sistema neural híbrido para reconhecimento de padrões em um nariz artificial. 2004. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2004. | |
| dc.identifier | https://repositorio.ufpe.br/handle/123456789/2488 | |
| dc.description | Esta dissertação investiga a utilização de Sistemas Híbridos Inteligentes no sistema de reconhecimento de padrões de um nariz artificial. O trabalho envolve cinco partes principais: (1) avaliação da base de dados de odores a partir de uma técnica estatística multivariada; (2) validação das Redes Neurais com Atrasos no Tempo no reconhecimento de odores; (3) avaliação da Transformada de Wavelets como método de pré-processamento de sinais de odores em abordagens conexionistas; (4) avaliação de abordagens híbridas inteligentes para o reconhecimento de odores em narizes artificiais; e (5) o estudo de caso.
Duas arquiteturas híbridas inteligentes foram investigadas em detalhes: a rede neuro-difusa Feature-weighted Detector, que permite a classificação de padrões, seleção dos atributos mais importantes e extração de regras explicativas da rede; e a rede neuro-difusa Evolving Fuzzy Neural Networks, que possibilita o aprendizado on-line e incremental, além da inserção, extração e agregação de conhecimento em sua arquitetura evolutiva.
Foram analisados sinais gerados por um nariz artificial, composto por um conjunto de oito sensores de polímeros condutores, exposto a gases derivados do petróleo. A utilização da Transformada de Wavelet melhorou consideravelmente o desempenho dos classificadores conexionistas. Nos experimentos realizados, as Redes Neurais com Atrasos no Tempo obtiveram um erro médio de classificação de 0.75%, enquanto que as Redes Perceptron Multi-Camadas obtiveram um erro médio de 11.5%. Dentre as abordagens hibridas investigadas, a rede Feature-weighted Detector, obteve um erro médio de classificação de 20.72% e a rede Evolving Fuzzy Neural Networks obteve um erro médio de 0.88% na classificação dos odores. | |
| dc.format | application/pdf | |
| dc.language | por | |
| dc.publisher | Universidade Federal de Pernambuco | |
| dc.subject | Sistemas híbridos inteligentes | |
| dc.subject | Reconhecimento de padrões | |
| dc.subject | Narizes artificiais | |
| dc.subject | Redes neurais artificiais | |
| dc.title | Sistema neural híbrido para reconhecimento de padrões em um nariz artificial | |
| dc.type | masterThesis | |
