Academic literature on the topic 'Redes fuzzy'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Redes fuzzy.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Journal articles on the topic "Redes fuzzy"
1
Meza, E. B. M., J. C. Stacchini de Souza, M. Th Schilling, and M. B. Do Coutto Filho. "Utilização de um modelo neuro-fuzzy para a localização de defeitos em sistemas de potência." Sba: Controle & Automação Sociedade Brasileira de Automatica 17, no. 1 (March 2006): 103–14. http://dx.doi.org/10.1590/s0103-17592006000100010.
Full textAbstract:
Este trabalho apresenta a aplicação de um modelo neuro-fuzzy para o processamento de alarmes e localização de defeitos em sistemas de potência. Diferentes técnicas são investigadas para o estabelecimento de relações fuzzy entre padrões de alarme e defeitos no sistema. Uma base de dados contendo as relações fuzzy é empregada para o treinamento de redes neurais artificiais. Os vetores de entrada das redes neurais são constituídos por padrões de alarmes associados a diferentes eventos e cada neurônio de saída é responsável por estimar o grau de pertinência de um componente específico na classe de componentes defeituosos. Testes são realizados utilizando um sistema de 7 barras e também um sistema real.
2
FILHO, AYMORÉ, CARLOS MARTINEZ, SELÊNIO SILVA, WALMIR CAMINHA, BRUNO VERSIANI, and CRISTIANE QUINTÃO. "Utilização de Redes Neo-Fuzzy Neuron para Predição de Vazões." Revista Brasileira de Recursos Hídricos 10, no. 1 (2005): 62–77. http://dx.doi.org/10.21168/rbrh.v10n1.p62-77.
Full text
3
Mendonça, Márcio, L. V. R. Arruda, and Flávio Neves-Jr. "Redes dinâmicas cognitivas aplicadas no controle supervisório de um fermentador." Sba: Controle & Automação Sociedade Brasileira de Automatica 22, no. 4 (August 2011): 345–62. http://dx.doi.org/10.1590/s0103-17592011000400003.
Full textAbstract:
Este trabalho usa redes cognitivas dinâmicas (Dynamic Cognitive Networks - (DCN), como uma ferramenta inteligente para controle supervisório. As DCNs são uma evolução dos mapas cognitivos fuzzy (Fuzzy Cognitve Map - FCM). Os sistemas inteligentes se baseiam no conhecimento de especialistas a fim de construir modelos com capacidade de inferência e/ou tomada de decisão. Uma arquitetura de controle supervisório para um processo de fermentação alcoólica é desenvolvida a partir da aquisição de conhecimento empírico de um especialista. O objetivo do supervisor é operar o processo em situações normal e crítica. Para isto, propõe-se o uso de uma DCN que incorpora novos tipos de conceitos e relações que não apenas as relações de causa-efeito presentes nos modelos baseados em FCMs. Resultados de simulação são apresentados para validar a arquitetura desenvolvida.
4
Lammoglia, Talita, Julio Kosaka de Oliveira, and Carlos Roberto Souza Filho. "LITHOFACIES RECOGNITION BASED ON FUZZY LOGIC AND NEURAL NETWORKS: A METHODOLOGICAL COMPARISON." Revista Brasileira de Geofísica 32, no. 1 (March 1, 2014): 85. http://dx.doi.org/10.22564/rbgf.v32i1.398.
Full textAbstract:
ABSTRACT. Fuzzy logic and neural networks methods are commonly applied in various areas of the petroleum industry. In this work, both methods are used comparatively to lithofacies prediction in wells. The input dataset available for the study includes 4 known well logs (gamma ray, neutronic porosity, Density and Sonic) and lithologic description of cores for 14 wells drilled in the Namorado oil field. This field is located in the Campos Basin (SE Brazil) and its reservoir rocks are composed of sandstone turbidites. Core descriptions correspond to 3,196 samples of facies distributed in irregularly spaced intervals of 14 wells. Among the samples, 21 different facies were recognized by the geologists. These lithofacies were regrouped into three representative lithofacies: sandstone, shale and limestone. Fuzzy logic and backpropagation neural network models were produced using data from three key wells. Each model was applied to all other 11 wells. The comparison was individually performed between the original core intervals and the synthetic lithofacies column. Results revealed that for the original 3,196 facies samples, 2,353 were correctly recognized by the fuzzy logic method, whereas 2,599 were correctly predicted by neural networks. These correspond to approximately 73% and 83% accuracy, respectively. The neural networks method also exhibited enhanced results for each well separately. In summary, both methods performed well in recognizing three main lithofacies intervals for 14 wells at the Namorado Field. The analysis indicates that the methods showed good performance in the recognition of lithofacies for all wells investigated in the Namorado oil field. In general, neural networks showed a product with accuracy around 10% higher than that obtained by fuzzy logic. The accuracy yielded by neural networks is also higher when wells are compared individually. The superiority of the results obtained with neural networks suggests better ability of this algorithm on the recognition of lithofacies, particularly in geologic scenarios similar to those approached here. Keywords: lithofacies, fuzzy logic, neural networks. RESUMO. Lógica fuzzy e redes neurais são métodos comumente aplicados em diversas áreas da indústria do petróleo. Nesse trabalho, ambos são utilizados comparativamente para reconhecimento de litofácies em poços. Os dados disponíveis para o estudo incluem 4 perfis derivados de medidas indiretas nos poços (raios gama, porosidade neutrônica, densidade e sônico) e descrição litológica de testemunhos para 14 poços perfurados no Campo de Namorado. Esse campo situa-se na Bacia de Campos (SE do Brasil) e compreende arenitos turbidíticos como rocha reservatório. A descrição de testemunhos foi feita em 3.196 diferentes pontos distribuídos irregularmente ao longo dos testemunhos. Dentre as descrições, 21 fácies foram reconhecidas pelos geólogos, as quais foram aqui reagrupadas em três grupos principais: folhelho, arenito e calcário. Os modelos de treinamento por redes neurais e lógica fuzzy para ambos os algoritmos foram gerados com base em 3 poços contendo seções-tipo. Os modelos foram aplicados para predição de litofácies nos outros 11 poços. Na sequência, as litofácies preditas foram comparadas com as descrições de testemunhos. Os resultados mostram que dentre as 3.196 descrições, 2.353 e 2.599 foram corretamente reconhecidas por lógica fuzzy e redes neurais, respectivamente, ou seja, atingiram 73% e 83% de similaridade com as descrições dos geólogos. A análise indica que os métodos apresentaram bom desempenho no reconhecimento de litofácies para todos os poços abordados no Campo de Namorado. No geral, as redes neurais apresentaram um produto com acurácia em torno de 10% superior aquele obtido por lógica fuzzy . A porcentagem de acerto das redes neurais é superior também quando os poços são comparados individualmente. A superioridade dos resultados obtidos com redes neurais sugere melhor habilidade deste algoritmo no reconhecimento de litofácies, particularmente para cenários geologicamente similares ao aqui estudado. Palavras-chave: litofácies, lógica fuzzy , redes neurais.
5
Lozares Colina, Carlos, Joan Miquel Verd Pericàs, and Dafne Muntanyola. "Social networks, situational environments, reticular environments: distributed representations or the fuzzy power of cliques." Redes. Revista hispana para el análisis de redes sociales 28, no. 2 (April 28, 2017): 44. http://dx.doi.org/10.5565/rev/redes.674.
Full text
6
Affonso, Carlos de Oliveira, and Renato José Sassi. "Aplicação de redes Neuro Fuzzy ao processamento de peças automotivas por meio de injeção de polímeros." Production 25, no. 1 (March 11, 2014): 157–69. http://dx.doi.org/10.1590/s0103-65132014005000005.
Full textAbstract:
O processamento de peças automotivas por meio de injeção de polímeros envolve vários fenômenos físicos que ocorrem simultaneamente e que possuem caráter não linear e multivariável. Softwares comerciais podem ser utilizados na previsão dos parâmetros do processo, o que pode ser caro e inviável. Pode-se determinar os parâmetros de forma analítica, mas o tratamento desse problema requer a aplicação de teorias clássicas dos fenômenos de transporte, de difícil equacionamento. As redes NeuroFuzzy são aplicáveis a esse problema porque reúnem a capacidade de aprender das redes neurais artificiais com a capacidade da lógica Fuzzy de transformar variáveis linguísticas em regras. Neste trabalho combinou-se uma rede neural artificial Multilayer Perceptron e uma rede neural artificial Radial Basis Function à lógica Fuzzy para construir-se um modelo de inferência que previu o tempo de ciclo de processos de injeção de polímeros. Os resultados obtidos confirmam as redes NeuroFuzzy como opção para esse tipo de problema.
7
Süptitz, Ivan Luís, Rejane Frozza, and Rolf Fredi Molz. "PINFI – Ferramenta para classificação de imagens com redes neurais artificiais e lógica fuzzy." Revista Brasileira de Computação Aplicada 12, no. 3 (July 20, 2020): 61–69. http://dx.doi.org/10.5335/rbca.v12i3.10991.
Full textAbstract:
Este artigo apresenta uma ferramenta de modelagem para classificação de imagens utilizando redes neuraisartificiais (RNA) e lógica difusa (fuzzy), desenvolvida com foco no cenário industrial. O projeto desta ferramenta iniciou com um levantamento prévio de ferramentas de modelagem de RNA e neuro-fuzzy e de uma pesquisa do tipo survey na qual se identificou que as indústrias de uma determinada região desconhecem ou não sabem como aplicar estas tecnologias em seus processos. A partir disso, foi desenvolvida a ferramenta denominada Processador de Imagens Neuro-Fuzzy para a Indústria (PINFI) com base nas demandas do survey e integrando bibliotecas de software de código aberto pesquisadas no levantamento bibliográfico. Esta ferramenta permite a modelagem de projetos em cinco etapas: Aquisição das imagens; pré-processamento; bloco de fuzzificação; modelagem da RNA; e a apresentação dos resultados (saída). O PINFI foi validado em termos de ergonomia e usabilidade de software atendendo a 91% dos requisitos avaliados. Quanto à acurácia do classificador, alcançou taxas de reconhecimento de 93% a 100% nas bases avaliadas. Estas bases compreenderam, imagens de folhas de tabaco, rodas de veículos e faces humanas, o que demonstra que o PINFI tem potencial para ser utilizado em demandas industriais e, também, em aplicações diversificadas.
8
Vieira, Flávio Henrique Teles, Lígia Maria Carvalho Sousa, and Lee Luan Ling. "Esquema de controle adaptativo de tráfego de redes baseado em um algoritmo de predição fuzzy." Sba: Controle & Automação Sociedade Brasileira de Automatica 19, no. 3 (September 2008): 281–301. http://dx.doi.org/10.1590/s0103-17592008000300005.
Full textAbstract:
Neste trabalho, propomos um esquema de controle adaptativo de fluxos de tráfego de redes de computadores baseado no modelo fuzzy Takagi-Sugeno (TSK). O esquema de controle proposto evita a ocorrência de congestionamento utilizando o modelo fuzzy TSK para prever adaptativamente o tamanho da fila no buffer nos enlaces. Com o objetivo de ajustar dinamicamente os parâmetros do modelo fuzzy TSK, desenvolvemos um algoritmo de treinamento adaptativo para o mesmo. Os parâmetros das partes de premissa e das partes conseqüentes do modelo são atualizados na primeira etapa do algoritmo de treinamento desenvolvido. Já a segunda etapa consiste de um algoritmo de refinamento dos parâmetros do modelo baseado em gradiente descendente. A eficiência do preditor proposto é avaliada com o uso de traços de tráfego reais em comparação a outros preditores. A partir dos parâmetros do modelo fuzzy TSK, deduzimos uma expressão para a taxa da fonte de tráfego de modo a minimizar a variância do tamanho de fila no buffer e que é parte essencial do nosso esquema de controle. O controle de congestionamento proposto é então aplicado em um cenário de rede composto de vários nós alimentados com fluxos de tráfego real. Comparações realizadas com outros métodos de controle de congestionamento demonstram que o controle de congestionamento proposto provê menores taxas de perdas, assim como a manutenção da taxa de ocupação no buffer abaixo do valor desejado.
9
DeSousa, Marcos A., Carlos M. F. Carlson, Joana T. Machado, and Raul V. Ribeiro. "Uma abordagem fuzzy para a avaliação técnico-econômica de redes de acesso." Sba: Controle & Automação Sociedade Brasileira de Automatica 17, no. 2 (June 2006): 226–44. http://dx.doi.org/10.1590/s0103-17592006000200010.
Full textAbstract:
O surgimento de novas tecnologias e serviços vem impondo mudanças substanciais ao tradicional sistema de telecomunicações. Múltiplas possibilidades de evolução do sistema fazem da etapa de planejamento um procedimento não só desejável como necessário, principalmente num ambiente de competitividade. A utilização de metodologias abrangentes e flexíveis que possam auxiliar no processo de decisão, fundadas em modelos de otimização, parece um caminho inevitável. Este artigo propõe um modelo de programação linear inteiro misto para ajudar no planejamento estratégico de sistemas de telecomunicações, e em particular da rede de acesso. Os principais componentes de custo e receita são identificados e o modelo é desenvolvido para determinar a configuração da rede (serviços, tecnologias, etc) que maximize a receita esperada pelo operador do sistema. O conceito de números fuzzy é adotado para avaliar o risco técnico-econômico em situações de imprecisão nos dados de demanda. Resultados de experimentos computacionais são apresentados e discutidos.
10
Ottaiano, G. Y., J. M. Annichino-Bizzacchi, R. M. Filho, and T. D. Martins. "DESENVOLVIMENTO DE REDES NEURO-FUZZY PARA PREDIÇÃO DA RECORRÊNCIA DE TROMBOEMBOLISMO VENOSO." Hematology, Transfusion and Cell Therapy 42 (November 2020): 91–92. http://dx.doi.org/10.1016/j.htct.2020.10.155.
Full textDissertations / Theses on the topic "Redes fuzzy"
1
Moura, Gabriel Barreto. "Redes probabilísticas fuzzy naive bayes." reponame:Repositório Institucional da UFSC, 2016. https://repositorio.ufsc.br/xmlui/handle/123456789/167777.
Full textAbstract:
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2016Made available in DSpace on 2016-09-20T04:19:30Z (GMT). No. of bitstreams: 1 341498.pdf: 2702580 bytes, checksum: ac52d986bff31a48f53a987366f89c76 (MD5) Previous issue date: 2016
Redes bayesianas são modelos gráficos probabilísticos capazes de modelar a incerteza estocástica e são vastamente aplicados em vários problemas de classificação. Especificamente, a estrutura naïve bayes são largamente utilizadas devido aos bons resultados atingidos, apesar da sua estrutura simples e 'ingênua'. Sistemas fuzzy, por outro lado, são modelos bem conhecidos para lidar com a imprecisão linguística por representar o conhecimento através de regras e funções de pertinências simples e interpretáveis. Porém, sistemas fuzzy tradicionais não são capazes de modelar a incerteza estocástica e, por isso, sistemas fuzzy probabilísticos foram desenvolvidos de forma a levar em consideração ambas as incertezas. Neste trabalho é proposta a rede probabilística fuzzy naïve bayes, uma combinação de sistemas fuzzy probabilísticos e redes bayesianas naïve, também capaz de modelar ambas as incertezas simultaneamente. O modelo proposto é primeiramente aplicado a um problema simples e didático de classificação para demonstrar o seu potencial e vantagem em relação a classificadores naïve bayes, enquanto mantém-se a interpretabilidade do modelo tradicional. Para testar o modelo, experimentos foram realizados em conjuntos de dados de benchmark e seus resultados são comparados a modelos de outros autores que utilizam os mesmos conjuntos de dados. A rede proposta apresenta resultados levemente inferiores a outros modelos. Porém, é observada uma vantagem qualitativa da rede proposta devido a seu alto nível de interpretabilidade.
Abstract: Bayesian networks are probabilistic graphical models capable of modeling statistical uncertainty and are widely applied in many classification problems. Specifically, Naive Bayesian networks are largely used due to their simple, naive structure, while still producing precise results. Fuzzy systems, on the other hand, are a well known technique capable of dealing with linguistic vagueness by representing knowledge with simple and interpretable rules and membership functions. As traditional fuzzy systems are unable to model statistical uncertainty, Probabilistic Fuzzy Systems were developed in order to account for both kinds of uncertainties. In this work we propose the Probabilistic Fuzzy Naive Bayes classifier as a combination of both probabilistic fuzzy systems and naive bayesian networks, also capable of simultaneously modeling both kinds of uncertainties. The proposed model is firstly applied in a very simple classification problem in order to show its potential and advantage over traditional naive bayes classifiers, while maintaining their interpretability. For validation, experiments were done using benchmark classification data sets from the UCI machine learning repository and the results are then compared with other similar alternate methods.
2
Martins, Daniel Lopes. "Arquitetura de controladores fuzzy em redes foundation fieldbus." Universidade Federal do Rio Grande do Norte, 2011. http://repositorio.ufrn.br:8080/jspui/handle/123456789/15352.
Full textAbstract:
Made available in DSpace on 2014-12-17T14:55:49Z (GMT). No. of bitstreams: 1
DanielLM_DISSERT.pdf: 2854264 bytes, checksum: 7dab37a82a8722342102681fd9fbdda2 (MD5)
Previous issue date: 2011-02-14Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico
Foundation Fieldbus Industrial networks are the high standard technology which allows users to create complex control logic and totally decentralized. Although being so advanced, they still have some limitations imposed by their own technology. Attempting to solve one of these limitations, this paper describes how to design a Fuzzy controller in a Foundation Fieldbus network using their basic elements of programming, the functional blocks, so that the network remains fully independent of other devices other than the same instruments that constitute it. Moreover, in this work was developed a tool that aids this process of building the Fuzzy controller, setting the internal parameters of functional blocks and informing how many and which blocks should be used for a given structure. The biggest challenge in creating this controller is exactly the choice of blocks and how to arrange them in order to effectuate the same functions of a Fuzzy controller implemented in other kind of environment. The methodology adopted was to divide each one of the phases of a traditional Fuzzy controller and then create simple structures with the functional blocks to implement them. At the end of the work, the developed controller is compared with a Fuzzy controller implemented in a mathematical program that it has a proper tool for the development and implementation of Fuzzy controllers, obtaining comparatives graphics of performance between both
As redes industriais Foundation Fieldbus s?o redes com alto padr?o de tecnologia que permitem que usu?rios criem l?gicas de controle complexas e totalmente descentralizadas. Mesmo sendo t?o avan?adas, elas ainda possuem algumas limita??es impostas pela sua pr?pria tecnologia. Tentando solucionar uma destas limita??es, este trabalho descreve como estruturar um controlador Fuzzy dentro de uma rede Foundation Fieldbus utilizando seus elementos b?sicos de programa??o, os blocos funcionais, de forma que a rede continue sendo totalmente independente de qualquer outro dispositivo que n?o os pr?prios instrumentos que a constituem. Al?m disso, no decorrer do trabalho foi desenvolvida uma ferramenta que auxilia este processo de constru??o do controlador Fuzzy, configurando os par?metros internos aos blocos funcionais e informando quantos e quais blocos devem ser utilizados para determinada estrutura. O maior desafio em criar este controlador est? justamente na escolha dos blocos e em como arranj?-los de forma a efetuarem as mesmas fun??es de um controlador Fuzzy implementado em outro tipo de ambiente. A metodologia adotada foi dividir cada uma das fases de um controlador Fuzzy tradicional e ent?o criar estruturas simples com os blocos funcionais para implement?-las. Ao final do trabalho, o controlador desenvolvido ? comparado com um controlador Fuzzy implementado em uma programa matem?tico que possui uma ferramenta pr?pria para cria??o e execu??o de controladores Fuzzy, obtendo gr?ficos comparativos de desempenho entre ambos
3
Bordignon, Fernando Luis. "Aprendizado extremo para redes neurais fuzzy baseadas em uninormas." [s.n.], 2013. http://repositorio.unicamp.br/jspui/handle/REPOSIP/259061.
Full textAbstract:
Orientador: Fernando Antônio Campos GomideDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação
Made available in DSpace on 2018-08-22T00:50:20Z (GMT). No. of bitstreams: 1 Bordignon_FernandoLuis_M.pdf: 1666872 bytes, checksum: 4d838dfb4ec418698d9ecd3b74e7c981 (MD5) Previous issue date: 2013
Resumo: Sistemas evolutivos são sistemas com alto nível de adaptação capazes de modificar simultaneamente suas estruturas e parâmetros a partir de um fluxo de dados, recursivamente. Aprendizagem a partir de fluxos de dados é um problema contemporâneo e difícil devido à taxa de aumento da dimensão, tamanho e disponibilidade temporal de dados, criando dificuldades para métodos tradicionais de aprendizado. Esta dissertação, além de apresentar uma revisão da literatura de sistemas evolutivos e redes neurais fuzzy, aborda uma estrutura e introduz um método de aprendizagem evolutivo para treinar redes neurais híbridas baseadas em uninormas, usando conceitos de aprendizado extremo. Neurônios baseados em uninormas fundamentados nas normas e conormas triangulares generalizam neurônios fuzzy. Uninormas trazem flexibilidade e generalidade a modelos neurais fuzzy, pois elas podem se comportar como normas triangulares, conormas triangulares, ou de forma intermediária por meio do ajuste de elementos identidade. Este recurso adiciona uma forma de plasticidade em modelos de redes neurais. Um método de agrupamento recursivo para granularizar o espaço de entrada e um esquema baseado no aprendizado extremo compõem um algoritmo para treinar a rede neural. _E provado que uma versão estática da rede neural fuzzy baseada em uninormas aproxima funções contínuas em domínios compactos, ou seja, _e um aproximador universal. Postula-se, e experimentos computacionais endossam, que a rede neural fuzzy evolutiva compartilha capacidade de aproximação equivalente, ou melhor, em ambientes dinâmicos, do que as suas equivalentes estáticas
Abstract: Evolving systems are highly adaptive systems able to simultaneously modify their structures and parameters from a stream of data, online. Learning from data streams is a contemporary and challenging issue due to the increasing rate of the size and temporal availability of data, turning the application of traditional learning methods limited. This dissertation, in addition to reviewing the literature of evolving systems and neuro fuzzy networks, addresses a structure and introduces an evolving learning approach to train uninorm-based hybrid neural networks using extreme learning concepts. Uninorm-based neurons, rooted in triangular norms and conorms, generalize fuzzy neurons. Uninorms bring flexibility and generality to fuzzy neuron models as they can behave like triangular norms, triangular conorms, or in between by adjusting identity elements. This feature adds a form of plasticity in neural network modeling. An incremental clustering method is used to granulate the input space, and a scheme based on extreme learning is developed to train the neural network. It is proved that a static version of the uninorm-based neuro fuzzy network approximate continuous functions in compact domains, i.e. it is a universal approximator. It is postulated and computational experiments endorse, that the evolving neuro fuzzy network share equivalent or better approximation capability in dynamic environments than their static counterparts
Mestrado
Engenharia de Computação
Mestre em Engenharia Elétrica
4
Drummond, Andre Costa. "Alocação de banda passante em redes auto-ajustaveis." [s.n.], 2005. http://repositorio.unicamp.br/jspui/handle/REPOSIP/276307.
Full textAbstract:
Orientadores: Nelson Luis Saldanha da Fonseca, Mihail DevetsikiotisDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação
Made available in DSpace on 2018-08-06T01:53:03Z (GMT). No. of bitstreams: 1 Drummond_AndreCosta_M.pdf: 993455 bytes, checksum: 8103dcfac55216025975bfe3902c91dd (MD5) Previous issue date: 2005
Resumo: Nesta dissertação, apresenta-se o framework de Redes Auto-Ajustáveis, como sendo um conjunto de técnicas capazes de prover Qualidade de Serviço (QoS), em redes multiserviço de alta velocidade. A implantação deste framework permitirá a introdução de novas aplicações multimídia com Qualidade de Serviço, nas redes backbone existentes. Para se garantir os requisitos de QoS de um fluxo, estima-se a quantidade de banda passante requerida por este. A utilização de estimadores de banda passante equivalente baseados em medições _e altamente recomendável dado que estes usam amostras de tráfego real para estimar a banda passante de um fluxo. Experimentos com tráfego sintético e real foram realizados para se comparar alguns dos principais estimadores presentes na literatura. Os estimadores Gaussian Approximation Allocation (GA) e o estimador baseado no Processo Envelope do Movimento Browniano Fractal (FEP) foram estudados em detalhes. O estimador FEP destaca-se pela sua capacidade de efetuar estimativas, em tempo-real, para diferentes classes de tráfego, e por considerar as dependências de longa duração. Para se garantir uma boa alocação dos caminhos na rede, e das capacidades de banda passante nos enlaces, são necessárias a definição, e posterior resolução de um problema de otimização de fluxos multiproduto. Para a solução deste problema, foram estudadas técnicas de otimização fuzzy, que demonstraram uma capacidade maior de se adaptar a variabilidade, e aos aumentos de demanda, existentes no tráfego de uma rede de alta velocidade. Foram realizados experimentos que simularam redes auto-ajustáveis multiserviço de alta velocidade. A abordagem proposta supera, em todas as avaliações, os resultados do modelo clássico, encorajando a utilização de técnicas fuzzy na otimização de redes auto-ajustáveis
Abstact: On this dissertation, a Self-Sizing Network Framework is capable of provide Quality of service (QoS), in high-speed multiservice networks, is presented. The implementation of this framework will allow the introduction of new multimedia applications with Quality of Service on current backbone networks. In order to provide QoS to a flow the amount of bandwidth required is estimated. The utilization of measurement based effective bandwidth estimators is highly recommended considering that those use only samples of real traffic to estimate the effective bandwidth of a flow. Some of the main estimators were compared using synthetic and real traffic. The Gaussian Approximation Allocation (GA) estimator and the Fractal Brownian Motion Envelope Process (FEP) based estimator were analized. To ensure adequate path selection and bandwidth allocation, it is required to define and solve a multicommodity flow optimization problem. To cope with that problem, fuzzy optimization technics were considered, enabling the network to cope with network traffic variability and dynamic bandwidth demand. Simulation experiments that simulate self sizing high-speed multiservice networks were carried out. The proposed model provides better results than classic models, which encourages the use of fuzzy technics on self-sizing networks optimization
Mestrado
Mestre em Ciência da Computação
5
Mossin, Eduardo André. "Diagnóstico automático de redes Profibus." Universidade de São Paulo, 2012. http://www.teses.usp.br/teses/disponiveis/18/18153/tde-10102012-162642/.
Full textAbstract:
Esta tese propõe a utilização de sistemas inteligentes para, automaticamente, realizar diagnósticos e localizar falhas na instalação e na operação de redes de comunicação industrial que utilizam o protocolo Profibus DP. Para tais tarefas, uma série de análises é realizada a partir dos sinais transmitidos pela camada física, de telegramas transmitidos pela camada de enlace e de funções da camada de usuário do protocolo Profibus DP. Para a análise da camada física, amostras dos sinais elétricos transmitidos são processadas e apresentadas a algumas Redes Neurais Artificiais para que sejam classificadas de acordo com a sua forma de onda. Caso estes sinais apresentem alguma deformação, o sistema indica uma provável causa para o problema, afinal, os problemas das redes Profibus originam padrões específicos e característicos impressos nas formas de onda do sinal digital. Ainda através da análise das amostras dos sinais oriundos da camada física, algumas fontes de problemas são detectadas a partir da análise do nível médio de tensão do sinal que um determinado dispositivo está transmitindo. Tal análise é realizada a partir de um Sistema Especialista. Também utilizando Sistemas Especialistas, os telegramas transmitidos pela camada de enlace deste protocolo são analisados e a partir destes, falhas de configuração são detectadas. Por fim, é proposto um sistema nebuloso responsável por indicar ao usuário um valor próximo ao ideal para a variável de tempo denominada target rotation time. A proposta foi testada e validada a partir de dados obtidos de redes Profibus estabelecidas em laboratório e de alguns dados sintéticos originados por software. Os resultados obtidos foram suficientes para a comprovação da tese de que sistemas computacionais inteligentes podem contribuir de maneira efetiva no diagnóstico de problemas em redes Profibus DP e até mesmo em outros tipos de rede.This thesis proposes the use of intelligent systems to automatically perform diagnostics and locate faults during the installation and operation of industrial communication networks that use the Profibus DP protocol. For such tasks, some analyzes are performed from the signals transmitted by the physical layer, from telegrams transmitted by the data link layer and from some user layer functions of the Profibus DP protocol. For physical layer analysis, the transmitted electrical signals samples are processed and submitted for some artificial neural networks that classifies each signal according to its waveshape. If these signals have some deformation, the system indicates a probable cause for the problem, after all, the Profibus problems originate specific and characteristic patterns printed on the digital signal waveform. Still analyzing the physical layer signal samples, some problems sources are detected from the signal voltage analysis. Such analysis is performed from an Expert System. Also using expert systems, the data link layer telegrams are analyzed and configuration faults are detected. Finally, it is proposed a fuzzy system responsible for specify a value close to ideal for the target rotation time variable. The proposal has been tested and validated with data from Profibus networks established in laboratory. Besides, some synthetic data were generated by software. The results were sufficient to prove the thesis that intelligent computational systems can contribute effectively to diagnose problems in Profibus DP networks and even in other types of networks.
6
Luna, Huamaní Ivette Raymunda 1978. "Redes neurais fuzzy aplicadas em identificação e controle de sistemas." [s.n.], 2003. http://repositorio.unicamp.br/jspui/handle/REPOSIP/261993.
Full textAbstract:
Orientadores : Fernando Gomide, Rosangela BalliniDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação
Made available in DSpace on 2018-08-03T22:20:23Z (GMT). No. of bitstreams: 1 LunaHuamani_IvetteRaymunda_M.pdf: 990940 bytes, checksum: 8ef170d41279a1e177af8a10947c6d0e (MD5) Previous issue date: 2003
Resumo: Este trabalho apresenta um estudo comparativo entre redes neurof uzzy hibridas, redes neurais e sistemas fuzzy, aplicados a problemas de identificação e controle de sistemas dinamicos nao lineares. Devido a necessidade de representação temporal e de elementos de memoria, para a resolução dos problemas tratados, duas estruturas de redes neuro fuzzy recorrentes sao propostas, a partir de uma rede neuro fuzzy estatica. As relações temporais sao induzidas por realimentação local e global internas nas redes neurofuzzy recorrentes. Para a aprendizagem das redes neurofuzzy propoe-se um algoritmo baseado no m'etodo do gradiente e no m'etodo de treinamento por reforço associativo. Resultados de simulação mostram que as redes neurofuzzy propostas proporcionam uma alternativa efetiva para modelar e controlar sistemas dinamicos nao lineares
Abstract: This work compares the performance of neural fuzzy, neural network and fuzzy systems, to model and control non-linear dynamical systems. Due to the need of temporal representations, two recurrent neural fuzzy networks are proposed based on an hybrid static neural fuzzy architecture. Temporal processing is induced by local and global recurrence in the hidden layer neurons. A learning method based on gradient search and associative reinforcement learning is proposed. Computational experiments suggest that recurrent neural fuzzy networks provide an effective alternative to model and control non-linear dynamical systems
Mestrado
Engenharia de Computação
Mestre em Engenharia Elétrica
7
Canoas, Ana Carolina Garcia. "Aplicação de logica nebulosa na analise de redes de energia eletrica." [s.n.], 2003. http://repositorio.unicamp.br/jspui/handle/REPOSIP/261597.
Full textAbstract:
Orientador: Carlos Alberto F. MurariDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação
Made available in DSpace on 2018-08-03T17:27:46Z (GMT). No. of bitstreams: 1 Canoas_AnaCarolinaGarcia_M.pdf: 4135143 bytes, checksum: f6ef8465e18519f5d64e2b52515a43d2 (MD5) Previous issue date: 2003
Resumo: Este trabalho de pesquisa apresenta uma nova aplicação da lógica nebulosa no desenvolvimento de metodologia de análise de desempenho de redes de energia elétrica de qualquer dimensão, sendo estimulada pela possibilidade de aplicar os conceitos de conjuntos nebulosos para traduzir resultados numéricos em lingüísticos. Para representar os números nebulosos foi utilizada a função de pertinência sinusoidal. Os modelos matemáticos podem ser adaptados com a finalidade de se obter resultados o mais próximos da realidade, mas há situações onde isto não é possível, como por exemplo na operação dos sistemas de energia elétrica, onde um operador poderá afirmar "a tensão em determinada barra está boa", sendo que tal tipo de informação pode ser interpretada de diferentes maneiras por diferentes pessoas. Assim, associando-se um grau de pertinência em um determinado intervalo de variação, viabiliza-se a determinação de padrões de análise
Abstract: This work presents a new application of fuzzy sets in the development of new methodologies for electric energy performance analysis.The main motivation for the application of fuzzy sets concepts is the ability in translating numeric results into linguistics. For certain problem classes, the mathematical model can be adapted for the purpose of getting as close as possible to the reality. However, there are situations in which it is not possible, for example in power systems operation, where an operator could say: "the voltage in determined bus is good", being this kind of information can be interpreted by differentoperators in differentways. Thus, associatinga degreeofmembershipin a determined variation interval, the determination of ana1ysispattern is made possible
Mestrado
Energia Eletrica
Mestre em Engenharia Elétrica
8
Alves, Marleide Ferreira. "Previsão de cargas não residenciais mistas por redes neurais ARTMAP Fuzzy /." Ilha Solteira, 2019. http://hdl.handle.net/11449/181966.
Full textAbstract:
Orientador: Anna Diva Plasencia LotufoResumo: Os sistemas de energia elétrica estão passando por transformações. Aos poucos, técnicas de sistemas de informação estão sendo incorporadas aos sistemas atuais de energia. Basicamente este é o conceito de smart grid. Esta incorporação visa aumentar a eficiência dos sistemas de energia elétrica, pois os diversos agentes envolvidos em todo o sistema terão à disposição informações mais completas, precisas e de forma praticamente instantânea. Como consequência, haverá um aumento significativo de dados disponíveis para serem empregados de variadas formas. Um exemplo do uso de dados é a previsão de demanda de energia elétrica. De uma forma geral, previsões servem como suporte para suprir demandas, estimar custos ou justificar investimentos futuros. No campo de previsão de demanda de cargas elétricas existem diversos modelos na literatura, a grande maioria se concentra em níveis mais agregados, que atendem a grandes consumidores em que o fornecimento de energia é feito, por exemplo, por uma subestação. Uma smart grid também coloca à disposição as informações de consumo de energia em níveis cada vez menos agregados, como uma residência ou um prédio comercial. Realizar previsões neste nível é um desafio, pois essas demandas são muito influenciadas pelo comportamento humano. Diferentemente dos níveis mais agregados, modelos de previsão para níveis menos agregados, ou desagregados, ainda são poucos. O objetivo deste trabalho é fazer a previsão de cargas elétricas não residenciais mistas ... (Resumo completo, clicar acesso eletrônico abaixo)
Abstract: Electrical power systems are in transformation nowadays. Gradually, information system technology are being introduced to the energy systems. Basically, this is the concept of smart grid. This new concept aims to improve the efficiency of the energy systems, once the evolved agents will provide complete and precise information instantaneously. This way, a significant increase in data will be available to be employed in several forms. One example in using these data is electric energy demand forecasting. In general, predictions are support to provide electric load demand, estimate costs or justify future investments. Concerning electric load demand, there are several models in the literature, and the majority is concentrated in aggregated levels, attending large consumers, where, for example, the energy supply is provided by a substation. Considering the smart grid, there are consumption information in less aggregated levels as for example residences or commercial buildings. Therefore, realizing predictions in these levels (less aggregated) is a challenge, once the demand is influenced by the human behavior. The models for predicting loads in aggregated levels are common, in the contrary of less aggregated that are few. This work aims to predict short term mixed nonresidential electric loads using data from a Brazilian University. Firstly, Fuzzy ARTMAP Neural Network is chosen to execute the predictions, and afterwards a hybrid methodology containing Fuzzy ARTMAP and Square Mi... (Complete abstract click electronic access below)
Doutor
9
MORAIS, JÚNIOR Albino Moisés Faro de. "Previsão de distorção harmônica em cargas residenciais utilizando redes neuro-fuzzy." Universidade Federal do Pará, 2018. http://repositorio.ufpa.br/jspui/handle/2011/10267.
Full textAbstract:
Submitted by Luciclea Silva (luci@ufpa.br) on 2018-10-01T14:39:49Z
No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Dissertacao_Previsaodistorcaoharmonica.pdf: 4236129 bytes, checksum: bb47a1edb3151361639a5867d6c2c545 (MD5)Approved for entry into archive by Luciclea Silva (luci@ufpa.br) on 2018-10-01T14:40:33Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_Previsaodistorcaoharmonica.pdf: 4236129 bytes, checksum: bb47a1edb3151361639a5867d6c2c545 (MD5)
Made available in DSpace on 2018-10-01T14:40:33Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_Previsaodistorcaoharmonica.pdf: 4236129 bytes, checksum: bb47a1edb3151361639a5867d6c2c545 (MD5) Previous issue date: 2018-07-11
Este trabalho apresenta uma modelagem para DHTv%, DHTi% e harmônicos individuais utilizando previsões de um sistema ANFIS que aprende com dados medidos e prevê o comportamento da rede para valores futuros. Estas previsões podem ajudar a atender as normas nacionais de DHTv% estipuladas pela Agência Nacional de Energia Elétrica (ANEEL) através dos Procedimentos de Distribuição (PRODIST), como as normas internacionais de DHTi%., desta forma se antecipando às normas que atualmente são recomendativas, mas em um futuro próximo serão punitivas. A modelagem é realizada por meio de um sistema Neuro-Fuzzy denominado ANFIS, o qual utiliza rede neural para aprender o comportamento do sistema e ajuste dos parâmetros e regra Fuzzy para a determinação dos valores de saída do sistema levando em consideração o aprendizado da rede Neural. A grande vantagem desta ferramenta é o poder de se modelar padrões utilizando uma previsão de estado harmônico das cargas conectadas na baixa tensão, o que ajuda na criação de pseudomedidas para as redes de distribuição, onde é difícil e oneroso a obtenção de medições reais. Entre as aplicações práticas para esta ferramenta pode-se destacar a utilização dos valores previstos em substituição a valores anômalos medidos, a utilização em medidores de energia para prever e evitar a ultrapassagem dos valores de Distorção Harmônico estipulados em norma e a utilização como base para a previsão de harmônicas individuais, que podem ser utilizadas em estudos de fluxo de carga harmônicos.
This work presents a modeling for THDv%, THDi% and individual harmonics using predictions from an ANFIS system that learns with measured data and predicts the behavior of the network for future values. These forecasts can help meet national THDv% standards stipulated by the Agência Nacional de Energia Elétrica (ANEEL) through Distribution Procedures (PRODIST), such as THDi% international standards, thus anticipating the currently recommended standards, but in the near future will be punitive. The modeling is performed by means of a Neuro-Fuzzy system called ANFIS, which uses neural network to learn the behavior of the system and adjustment of the parameters and Fuzzy rule for the determination of the system output values taking into account the learning of the Neural network. The great advantage of this tool is the power of modeling standards using a prediction of the harmonic state of the connected loads in the low voltage, which helps in the creation of pseudomedidas for the distribution networks, where it is difficult and costly to obtain real measurements. Among the practical applications for this tool is the use of the predicted values instead of measured anomalous values, the use in energy meters to predict and avoid exceeding the values of Harmonic Distortion stipulated in standard and the use as a basis for the prediction of individual harmonics that can be used in harmonic load flow studies.
10
Ballini, Rosangela 1969. "Analise e previsões de vasões utilizando modelos de series temporais, redes neurais e redes neurais nebulosas." [s.n.], 2000. http://repositorio.unicamp.br/jspui/handle/REPOSIP/260553.
Full textAbstract:
Orientadores: Marinho Gomes de Andrade Filho, Secundino Soares FilhoTese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação
Made available in DSpace on 2018-07-27T14:20:08Z (GMT). No. of bitstreams: 1 Ballini_Rosangela_D.pdf: 10361310 bytes, checksum: 8286d66a9aea521833a85b0bdf668e0f (MD5) Previous issue date: 2000
Resumo: Análise e previsão de vazões são de fundamental importância no planejamento da operação de sistemas de recursos hídricos. Uma das grandes dificuldades na previsão das séries de vazões é a presença da sazonalidade devido aos períodos de cheia e seca do ano. Os modelos estocásticos foram, por um longo tempo, a alternativa mais comum aos modelos determinísticos ou hidrológicos na análise e previsão de vazões, baseados principalmente na metodologia de Box & Jenkins. Esta metodologia exige algum tipo de manuseio nos dados para tratar a não-estacionariedade ou o uso de modelos periódicos, necessitando de uma laboriosa formulação teórica para os procedimentos estatísticos. Redes neurais artificiais, especialmente redes multi-camadas com algoritmo back-propagation vêm sendo sugeridas para análise de séries temporais devido a sua capacidade para tratar com relações não-lineares.de entrada-saída, destacando sua habilidade de aprendizado e capacidade de generalização, associação e busca paralela. Estas qualidades as tornam capazes de identificar e assimilar as características mais marcantes das séries, tais como sazonalidade, periodicidade, tendência, entre outras, muitas vezes camufladas por ruídos. A capacidade de mapeamentos complexos das redes neurais cresce com o número de camadas e neurônios, acarretando :illaior tempo de processamento bem como considerável soma de dados. Entretanto, na prática muitas vezes os parâmetros devem ser estimados rapidamente e somente uma pequena quantidade de dados é disponível. Freqüentemente, dados do mundo real apresentam ruídos, podendo conter contradições e imperfeições. Tolerância a imprecisão e incertezas é também exigida para considerar tratabilidade e robustez. Conjuntos nebulosos baseados em modelos de análise de dados vêm sendo empregados sob essas hipóteses. A aplicação de modelos de redes neurais nebulosas une os benefícios das redes neurais e da teoria de conjuntos nebulosos, combinando-os em um sistema integrado para previsão de vazões naturais médias mensais. São realizadas análise e previsão de vazões usando modelos de séries temporais, redes neurais e redes neurais nebulosas para previsão um passo à frente e vários passos à frente para as séries das usinas hidroelétricas brasileiras localizadas em diferentes regiões. O desempenho dos modelos foi comparado e os resultados mostraram que os modelos propostos apresentaram melhor desempenho que as outras abordagens tanto para previsão um passo à frente como para previsão com vários passos à frente
Abstract: Analysis and forecast of seasonal stream flow series are of utmost importance in the operation planning of water resources systems. One of the greatest difficulties in forecasting of those series is the seasonality nature of stream flow series due to wet and dry periods of the year. For a long time, the use of stochastic models, based on the c1assic Box & Jenkins methodology, were the most employed alternative to the deterministic or hydrologic models in the analysis and forecast of stream flow series. This methodology requires either some kind of data manipulation to deal with the nonstationarity or the use of periodic models. Therefore the statistical procedures, requires an arduous theoretical formulation. Artificial Neural Networks (ANN), especially multilayer perceptrons with a back-propagation algorithm, have recently been suggested for time series analysis. They have the ability to deal with nonlinear input-output relationships. Their major assets are the learning ability and generalization, association and parallel search capability. These qualities enable them to identify and to assimilate some of the features of the series as seasonality, periodicity, tendency sometimes difficult to detect under noise. The capability of complex mapping of the ANN increases with the number of layers and neurons. The use of ANN usually requires the investment of a long period of time in the modeling process, as well as a considerable amount of data. ln practice, however, the parameters usually must be quickly estimated and only a small quantity of data is available. Very often, real world data are noisy, and the collected data may contain contradictions and imperfections. Tolerance for imprecision and uncertainty is also required to achieve tractability and robustness. Fuzzy sets based data analysis models have been especially suitable for these purposes. This suggests the application of neurofuzzy network models to seasonal stream flow forecasting. These models combine the advantages of the ANN and fuzzy set based approaches in a single integrated decision-making system. Analysis and forecast of stream flows one-step-ahead and multi-step-ahead are accomplished, using time series models, neural networks, and neurofuzzy networks. Database of average monthly inflows from Brazilian hydroelectric plants located in different river basins were used. The performance of the models was compared and the results show that the models here proposed provide a better performance than the others ones considering one-step-ahead forecasting and multi-step-ahead forecasting
Doutorado
Doutor em Engenharia Elétrica
Books on the topic "Redes fuzzy"
1
Philip, Chen C. L., and Huang Han-Pang, eds. Fuzzy neural intelligent systems: Mathematical foundation and the applications in engineering. Boca Raton, FL: CRC Press, 2001.
Find full text
2
Foundations of neural networks, fuzzy systems, and knowledge engineering. Cambridge, Mass: MIT Press, 1996.
Find full textBook chapters on the topic "Redes fuzzy"
1
Gao, Fei, and Xiang-Yun Xie. "Fuzzy Rees Hypercongruences on Hypersemigroups." In Communications in Computer and Information Science, 262–69. Berlin, Heidelberg: Springer Berlin Heidelberg, 2011. http://dx.doi.org/10.1007/978-3-642-23214-5_35.
Full text
2
Souza, Marcos Antônio de, Flávio Henrique Teles Vieira, Carlos Magnus Carlson Filho, Bruno Henrique Pereira Gonçalves, and Victor Hugo Teles Costa. "Sistema de Apoio à Decisão MILP-Fuzzy para o Planejamento de Redes de Acesso em Telecomunicações." In Meta-Heurísticas em Pesquisa Operacional, 401–18. Omnipax, 2013. http://dx.doi.org/10.7436/2013.mhpo.25.
Full text
3
Subramaniam, Prabhakar Rontala. "An Adaptive Fuzzy-Based Service-Oriented Approach with QoS Support for Vehicular Ad Hoc Networks." In Handbook of Research on Fuzzy and Rough Set Theory in Organizational Decision Making, 137–67. IGI Global, 2017. http://dx.doi.org/10.4018/978-1-5225-1008-6.ch007.
Full textAbstract:
An attempt in implementing on-demand, QoS supported Vehicular Ad hoc Network (VANET) routing algorithms has taken new dimensions. Delivering information in time to achieve reliability across vehicles (nodes) is still being a challenge among the VANET research groups. An effort to develop a QoS adaptive routing schemes using soft computing techniques is made in this research work. SADVA – An adaptive fuzzy based QoS service oriented approach for VANET is presented in this paper. The performance of SADVA is compared with AODV (Perkins, Royer, & Das, 2003), GV-GRID (Li, & Yu, 2007), DSR (Johnson, Maltz, & Hu, 2004), FSR (Gerla, 2002), DYMO (Chakeres, & Perkins, 2006), REDEM (Prabhakar, Sivanandham, & Arunkumar, 2011b), and QARS (Prabhakar et al, 2011a). SADVA employs fuzzy logic system to determine the vehicle's speed over an effective time period for different types of service in use between multiple VANET nodes to engage or cooperate in communication. This chapter focuses on designing and developing QoS aware routing protocol for multi-hop VANET. Metrics such as number of packets received per second, percentage of packet loss and time for route establishment are used to analyse the network situation. Simulation test runs are carried out using Two Ray Ground propagation model where vehicular traffic is generated according to a Poisson process.
Conference papers on the topic "Redes fuzzy"
1
Ferreira, Antonio Luiz S., and Edson Nascimento. "A Neuro-Fuzzy Network for Generating Fuzzy Rule-based Nonlinear Dynamic Systems." In 5. Congresso Brasileiro de Redes Neurais. CNRN, 2016. http://dx.doi.org/10.21528/cbrn2001-078.
Full text
2
Campos, Mario Cesar Mello Massa de. "Aplicações de Controladores “Fuzzy” na Petrobras." In 7. Congresso Brasileiro de Redes Neurais. SBRN, 2016. http://dx.doi.org/10.21528/cbrn2005-224.
Full text
3
Costa Junior, Ilaim, and João Paulo Cattani. "Sistema Embarcado Fuzzy Para Controle E Monitoramento." In 8. Congresso Brasileiro de Redes Neurais. SBRN, 2016. http://dx.doi.org/10.21528/cbrn2007-052.
Full text
4
Evsukoff, Alexandre, Antonio C. P. D. Alves, and Roberto Schirru. "Neuro-Fuzzy Modeling with Structure and Parameter Optimization." In 5. Congresso Brasileiro de Redes Neurais. CNRN, 2016. http://dx.doi.org/10.21528/cbrn2001-105.
Full text
5
Campos, Rafael Saraiva, and Lisandro Lovisolo. "LOCALIZAÇÃO DE TERMINAIS GSM COM SISTEMAS DE INFERÊNCIA FUZZY." In 9. Congresso Brasileiro de Redes Neurais. SBRN, 2016. http://dx.doi.org/10.21528/cbrn2009-185.
Full text
6
Miosso, Cristiano Jacques, and Adolfo Bauchspiess. "Fuzzy Inference System Applied to Edge Detection in Digital Images." In 5. Congresso Brasileiro de Redes Neurais. CNRN, 2016. http://dx.doi.org/10.21528/cbrn2001-102.
Full text
7
Coelho, Guilherme P., Pablo A. D. Castro, and Fernando J. Von Zuben. "The Effective Use of Diverse Rule Bases in Fuzzy Classification." In 7. Congresso Brasileiro de Redes Neurais. SBRN, 2016. http://dx.doi.org/10.21528/cbrn2005-220.
Full text
8
Fernandes, Fabiano C., Lourdes M. Brasil, and Janice M. Lamas. "Sistema Neuro-Fuzzy Para Detecção E Classificação De Microcalcificações Em Mamogramas." In 8. Congresso Brasileiro de Redes Neurais. SBRN, 2016. http://dx.doi.org/10.21528/cbrn2007-112.
Full text
9
Fonseca, Carlos A. G., Fábio M. U. de Araújo, and André L. Maitelli. "Controle Fuzzy-GA para Supressão de Vibrações com Acompanhamento de Referência." In 7. Congresso Brasileiro de Redes Neurais. SBRN, 2016. http://dx.doi.org/10.21528/cbrn2005-076.
Full text
10
Quadrelli, G., R. Tanscheit, and M. M. Vellasco. "Modelagem e Controle Neuro-Fuzzy De Sistemas Din�micos N�o-Lineares." In 5. Congresso Brasileiro de Redes Neurais. CNRN, 2016. http://dx.doi.org/10.21528/cbrn2001-048.
Full text