AgradecimentosAgradeço especialmente meu caríssimo orientador Professor Marco Túlio Carvalho de Andrade, por acreditar em mim quando eu mesmo não acreditava, e pelo exemplo de conduta pessoal e profissional.A todos os meus colegas (alunos e professores) da Escola Politécnica da Universidade de São Paulo (EPUSP), em especial do Laboratório de Engenharia de Conhecimento (KNOMA), meus sinceros agradecimentos. Fui muito bem acolhido nesta família. Se hoje não me sinto mais um estranho no ninho,é graças a estas pessoas. As discussões sempre de alto nível intelectual e cultural contribuiram muito para a construção deste trabalho.A finalização deste trabalho, delimitação do escopo e incorporação de novas idéias foram resultado de meu exame de qualificação, e não poderia deixar de agradecer aos Professores Júnio Barrera e Luiz Henrique Alves Monteiro pelas críticas construtivas realizadas naquela ocasião.A Faculdade de Engenharia de Sorocaba (FACENS) me forneceu grande apoio, e merece também minha gratidão. Aos meus alunos, com os quais aprendo a cada dia, e aos meus colegas professores, cuja convivênciaé um privilégio e grande honra para mim.Aos meus queridos pais, minha eterna gratidão, pelo apoio incondicional. Não apenas na condução dos trabalhos de mestrado, mas, principalmente, na vida pessoal, seu suporte foi essencial. Se um dia eu for para meus filhos metade do que meus pais são para mim, me considerarei bem sucedido na função de pai. Na figura deles agradeço ao incentivo de toda minha família: avós, sogros, tios.A minha amada esposa, não somente agradeço como dedico este trabalho. A percepção mais próxima do que estes anos foram para mim pertenceà ela. Eé graças a ela, e por ela, que persisti. Ela, de fato, não me permitiu abandonar o mestrado, nos momentos mais difíceis, em que a covardia me apresentou a fuga como uma opção de saída. Este trabalho consiste em uma contribuiçãoàárea de Inteligência Computacional, no que tangeà algumas de suas principais técnicas: Computação Nebulosa e Computação Neural. Estas técnicas vêm sendo utilizadas para obter-se soluções de problemas que se apresentam complexos demais para a abordagem algorítmica ou modelagem matemática tradicionais. Entretanto, estes problemas são solucionados de forma trivial pelo aparato que compõe a chamada inteligência humana.A existência de relações, regras e transformações capazes de transferir modelos de problemas de um domínio para outro, traz grandes vantagens para aárea de Inteligência Computacional. Teorias e modelos bem estabelecidos em uma das técnicas podem ser utilizados em outras, como por exemplo, os diversos métodos de aprendizado de Computação Neural e a capacidade de utilização de conhecimento especialista de Computação Nebulosa. Problemas modelados classicamente em uma técnica podem ser vistosà luz de outra, possibilitando uma melhor compreensão e otimização das soluções. E realizada uma exploração destas relações. São abordados alguns trabalhos anteriores que indicam a existência de algumas relações, e propostos alguns modelos para...
This work addressed a search and validation of transformations between the FuzzyComputing and the Evolutionary Computing domains, which are useful for hybrid systems development in which both methodologies skills can be used in a more intrinsic way, transforming fuzzy elements into evolutionary elements and vice-versa. To validate such transformations, an entire fuzzy knowledge base of a mobile robot controller was designed and further tuned through a genetic algorithm, and the results were presented. With the developed approach, it also became possible to add new behaviors to an existent controller, which can be useful when new situations need to be handled.
This work addressed a contribution to the Computational Intelligence field, focused on two of its main techniques: Fuzzy and Neural Computing. An exploration of the techniques relations was performed. A framework for simulations and data collecting was specified and implemented. Computational simulations of transformations between fuzzy and neural models were realized and the results analyzed are presented in this paper. Unification of the CI approachIn CI history, a few works noted the strong relations between FC and NC. The original work from [6] presents the ANFIS model. Classified by [2] as an hybrid system, the ANFIS network is described by its creator as "an adaptative network that is equivalent to fuzzy systems" [7, p. 670].
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.