• 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
 
 
Tese de Doutorado
DOI
https://doi.org/10.11606/T.3.2001.tde-16072024-114825
Documento
Autor
Nome completo
Francisco Javier Ropero Peláez
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Paulo, 2001
Orientador
Banca examinadora
Maruyama, Newton (Presidente)
Araújo, Aluízio Fausto Ribeiro
Calôba, Luiz Pereira
Ferreira, Ademar
Kaminski, Paulo Carlos
Título em português
Redes neurais e lógica fuzzy sob a perspectiva de uma teoria algébrica da probabilidade.
Palavras-chave em português
Algoritmos
Lógica Fuzzy
Redes neurais
Resumo em português
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.
Título em inglês
Untitled in english
Palavras-chave em inglês
Algorithms
Fuzzy Logic
Neural networks
Resumo em inglês
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.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2024-07-16
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2024. Todos os direitos reservados.