Analise de uma classe de neuronios artificiais para aplicações em sistemas roboticos

• Main Author: Cerqueira, Jes de Jesus Fiais
• Other Authors: UNIVERSIDADE ESTADUAL DE CAMPINAS
• Format: Others
• Language: Portuguese
• Published: [s.n.] 1996
• Subjects: Redes neurais (Computação); Robótica; Controle de processo; Sistemas de controle ajustável
• Online Access: CERQUEIRA, Jes de Jesus Fiais. Analise de uma classe de neuronios artificiais para aplicações em sistemas roboticos. 1996. 103f. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação, Campinas, SP. Disponível em: <http://www.repositorio.unicamp.br/handle/REPOSIP/261945>. Acesso em: 21 jul. 2018.; http://repositorio.unicamp.br/jspui/handle/REPOSIP/261945

Orientador: Alvaro Geraldo Badan Palhares === Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação === Made available in DSpace on 2018-07-21T23:30:43Z (GMT). No. of bitstreams: 1 Cerqueira_JesdeJesusFiais_M.pdf: 3610656 bytes, checksum: 3ca3dd647828272f927bf5c8f098f3ad (MD5) Previous issue date: 1996 === Resumo: Neste trabalho são analisadas as estruturas recursivas e não recursivas da classe perceptron de Redes Neurais Artificiais. A lei de aprendizado utilizada é baseada no gradiente com a inclusão da retro-propagação (back-propagation) de sinais através da rede. É apresentada uma formulação vetorial para os modelos e estabelecido um critério para análise de convergência baseado no segundo método de Lyapunov. Como exemplo, uma rede que mistura neurônios recursivos e não recursivos é testada por simulação em um sistema de controle para o acionamento das juntas de um robô de dois graus de liberdade, sendo propostos um identificador e um controlador adaptativo por modelo referência, com os resultados apresentados que mostram a eficiência do método === Abstract: This work analyses the recurrent and no recurrent dynamic structures of the perceptron class of artificial neural networks. The learning law used is based on the gradient with the inclusion of back-propagation of signals through the network. A vectorial formulation to modelsis presented and a criterion for convergence analysis based on the second Lyapunov's method is established. As on example, a mix network is tested through simulation in a control system for the activation of the joints of a two degree of freedom robot, and an identifier and an adaptive controller by reference modeI are proposed, the results showing the efficiency of the method being presented. === Mestrado === Mestre em Engenharia Elétrica