REDES NEURAIS DE BASE RADIAL APLICADAS À IDENTIFICAÇÃO DE SISTEMAS LINEARES E NÃO-LINEARES

REDES NEURAIS DE BASE RADIAL APLICADAS À IDENTIFICAÇÃO DE SISTEMAS
LINEARES E NÃO-LINEARES

Relatório apresentado ao prof. Allan
Medeiros como requisito para obtenção de conceito na disciplina
Projeto de Pesquisa I do Programa de Pós-Graduação em Engenharia
Elétrica e da Computação da
Universidade Federal do Rio Grande do Norte.

Natal, dezembro de 2010.

RELATÓRIO DA DISCIPLINA “PROJETO DE PESQUISA I”

Este relatório busca mostrar alguns resultados obtidos no estudo das redes neurais de base radial aplicadas à identificação de sistemas. Primeiramente, é feito um embasamento teórico sobre as RN-RBF e depois são mostrados os resultados de alguns testes feitos durante o semestre, seguidos de alguns comentários. Em todos os testes, foi utilizada a RN-RBF com escolha aleatória dos centros a partir dos dados de entrada e cálculo dos pesos através do método da pseudo-inversa. Todos os algoritmos foram implementados no software MatLab, versão 2010a.

Redes Neurais de Base Radial Aplicadas à Identificação de Sistemas Lineares e Não-Lineares
A identificação de sistemas estuda técnicas alternativas de modelagem, onde se tem pouco ou nenhum conhecimento prévio do sistema e suas relações matemáticas. Estas técnicas podem ser chamadas de modelos do tipo caixa preta.
As redes neurais têm provado serem eficientes estruturas não-lineares do tipo caixa-preta em muitas aplicações. Dentre as diversas concepções de redes neurais, uma que tem se mostrado adequada à identificação de sistemas é a de base radial (RN-RBF).
As redes neurais do tipo Radial Basis Functions (RBF) compõem uma classe de redes neurais artificiais particularmente adequadas à aproximação de funções.
Uma RNA RBF possui em sua arquitetura uma camada escondida definida por um conjunto de funções de base radial, das quais a rede deriva seu nome.
O aprendizado de uma rede RBF é equivalente a ajustar uma superfície não linear ao conjunto de dados, em um espaço multidimensional, de