• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Thèse de Doctorat
DOI
https://doi.org/10.11606/T.3.2001.tde-16072024-114825
Document
Auteur
Nom complet
Francisco Javier Ropero Peláez
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Paulo, 2001
Directeur
Jury
Maruyama, Newton (Président)
Araújo, Aluízio Fausto Ribeiro
Calôba, Luiz Pereira
Ferreira, Ademar
Kaminski, Paulo Carlos
Titre en portugais
Redes neurais e lógica fuzzy sob a perspectiva de uma teoria algébrica da probabilidade.
Mots-clés en portugais
Algoritmos
Lógica Fuzzy
Redes neurais
Resumé en portugais
Nesta tese foi desenvolvida uma nova teoria Euclidiana da Probabilidade que permite visualizar os eventos estatísticos como vetores. Os conceitos de ângulo e projeção permitiram desenvolver um novo tipo de algoritmo de Gram-Schmidt para encontrar uma base de vetores ortogonais a partir de outros vetores quaisquer. Esta base de vetores pode ser uma base más reduzida quando os eixos são os chamados Componentes Principais. Um novo algoritmo de extração de Componentes Principais foi desenvolvido. Estes fundamentos matemáticos serviram para envasar de maneira diferente à lógica fuzzy e às redes neurais artificiais. Na área da lógica fuzzy estas equações fornecem um método diferente de desenhar analiticamente as funções de pertinência e de encontrar as regras composicionais de inferência. Na área das redes neurais permitiram o desenho e fácil entendimento de uma nova rede neural baseada na neuro-fisiologia do tálamo que extrai os Componentes Principais para lograr uma compressão eficiente da informação. Este tálamo artificial foi implementado em Matlab.
Titre en anglais
Untitled in english
Mots-clés en anglais
Algorithms
Fuzzy Logic
Neural networks
Resumé en anglais
This thesis develops a new Theory of Probability that allows to understand statistical events as vectors in an Euclidean space. The concepts of angle and projection allowed to develop a new Gram-Schmidt-type algorithm for finding a basis of orthogonal vectors from any other set of vectors. This basis can be reduced when the axes are the so called Principal Components. A new algorithm for extracting the Principal Components was developed. These mathematical foundations served for grounding Fuzzy Logic and Neural Networks in a different way. Regarding Fuzzy Logic, these equations represent a different method for analytically designing membership functions and for finding the compositional inference rules. In the Neural Network field these foundations allowed the easy understanding of a new neural network based on the neuro-physiology of thalamus that extracts the Principal Components for achieving an efficient compression of information. This artificial thalamus was implemented in Matlab.
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Date de Publication
2024-07-16
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
CeTI-SC/STI
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2024. Tous droits réservés.