Desenvolvimento e aplicações de redes neurais wavelets e da teoria de regularização na modelagem de processos

Abstract

Neste trabalho foram propostas modificações na wavenet para melhorar a capacidade de generalização e reduzir o número de neurônios. O desempenho da nova rede foi superior quando comparada com as tradicionais redes feedforward e de base radial na identificação de processos não-lineares: um atrator caótico, um reator biológico em que ocorre inibição do crescimento de células pela formação de produto e um tanque de pH. O desempenho de previsão da nova rede proposta, que é do tipo estática, foi também validado utilizando essa como um simulador de processos não-lineares. Foram efetuados testes sem ruído para um CSTR (Continuos Stirred-Tank Reactor) encamisado com múltiplos estados estacionários e um reator cujo comportamento apresenta resposta inversa variável. Alguns testes foram efetuados para o reator biológico e para o tanque de pH com a adição de ruído. Foi realizado um estudo a respeito da minimização das curvaturas da superfície de um modelo empírico e efetuada sua conexão com o problema de sobre-treinamento. A nova rede proposta foi utilizada como modelo para o controle de dois processos não-lineares: um tanque de nível com alteração significativa de área (experimental) e um tanque de pH (simulado).