{"id":{"repo_id":"brazil-ufpe","oai_identifier":"oai:repositorio.ufpe.br:123456789/42448"},"canonical_url":"https://search.dev.ndltd.org/etd/brazil-ufpe/oai:repositorio.ufpe.br:123456789/42448","repository":{"repo_id":"brazil-ufpe","name":"Brazil UFPE","base_url":"https://repositorio.ufpe.br/oai/request"},"display":{"title":"Modelos Markovianos para sistemas dinâmicos empregando aprendizado de máquina e teoria de autômatos","abstract":"Uma abordagem difundida para a análise e modelagem de sistemas dinâmicos parte de um processo de discretização seguido por uma quantização do sinal, gerando uma série temporal discreta. Entre as vantagens propiciadas por esse método estão a redução na complexidade computacional no processamento do sinal e maior imunidade ao ruído. A dinâmica discreta da série resultante pode ser representada através de um Autômato Probabilístico de Estados Finitos (PFSA, Probabilistic Finite State Automata), comumente empregado em algoritmos de controle e técnicas de detecção de falha. Este trabalho apresenta um novo algoritmo para determinar um PFSA associado a um sistema dinâmico a partir de uma realização suficientemente longa da dinâmica. Por meio da análise da sequência discreta gerada, empregam-se métodos estatísticos, aprendizado de máquina e minimização de grafos para obter modelos PFSA compactos e fidedignos à dinâmica discreta oriunda do sistema de origem. Por fim, o método proposto é aplicado a sistemas dinâmicos com características distintas, demonstrando-se sua capacidade de gerar modelos com número reduzido de estados sem degradação de sua qualidade.","abstract_html":"Uma abordagem difundida para a análise e modelagem de sistemas dinâmicos parte de um processo de discretização seguido por uma quantização do sinal, gerando uma série temporal discreta. Entre as vantagens propiciadas por esse método estão a redução na complexidade computacional no processamento do sinal e maior imunidade ao ruído. A dinâmica discreta da série resultante pode ser representada através de um Autômato Probabilístico de Estados Finitos (PFSA, Probabilistic Finite State Automata), comumente empregado em algoritmos de controle e técnicas de detecção de falha. Este trabalho apresenta um novo algoritmo para determinar um PFSA associado a um sistema dinâmico a partir de uma realização suficientemente longa da dinâmica. Por meio da análise da sequência discreta gerada, empregam-se métodos estatísticos, aprendizado de máquina e minimização de grafos para obter modelos PFSA compactos e fidedignos à dinâmica discreta oriunda do sistema de origem. Por fim, o método proposto é aplicado a sistemas dinâmicos com características distintas, demonstrando-se sua capacidade de gerar modelos com número reduzido de estados sem degradação de sua qualidade.","abstract_has_math":false,"creators":["SANTOS, Higor Ítalo dos"],"institution":"Universidade Federal de Pernambuco","degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":["CHAVES, Daniel Pedro Bezerra"],"committee_chairs":[],"committee_members":[],"year":2020,"date_issued":"2020-02-20","date_published":"2020-02-20","updated_at":"2026-07-24T01:18:40Z","subjects":["Engenharia Elétrica","Aprendizagem de máquina","Autômatos probabilísticos de estados finitos","Minimização de grafos","Modelagem não supervisionada","Sistemas dinâmicos"],"languages":["por"],"rights":["openAccess","Attribution-NonCommercial-NoDerivs 3.0 Brazil"],"rights_urls":["http://creativecommons.org/licenses/by-nc-nd/3.0/br/"],"identifier_entries":[]},"links":{"outbound_url":"https://repositorio.ufpe.br/handle/123456789/42448","outbound_label":"Repository record","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["CHAVES, Daniel Pedro Bezerra"]},{"key":"dc:creator","label":"Author","values":["SANTOS, Higor Ítalo dos"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2022-01-11T17:05:13Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2022-01-11T17:05:13Z"]},{"key":"dc:date.issued","label":"Date","values":["2020-02-20"]},{"key":"dc:publisher","label":"Institution","values":["Universidade Federal de Pernambuco"]},{"key":"dc:type","label":"Dc Type","values":["masterThesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Engenharia Elétrica","Aprendizagem de máquina","Autômatos probabilísticos de estados finitos","Minimização de grafos","Modelagem não supervisionada","Sistemas dinâmicos"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language.iso","label":"Language (ISO)","values":["por"]},{"key":"dc:rights","label":"Dc Rights","values":["openAccess","Attribution-NonCommercial-NoDerivs 3.0 Brazil"]},{"key":"dc:rights.uri","label":"Rights URI","values":["http://creativecommons.org/licenses/by-nc-nd/3.0/br/"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["https://repositorio.ufpe.br/handle/123456789/42448"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["Uma abordagem difundida para a análise e modelagem de sistemas dinâmicos parte de um processo de discretização seguido por uma quantização do sinal, gerando uma série temporal discreta. Entre as vantagens propiciadas por esse método estão a redução na complexidade computacional no processamento do sinal e maior imunidade ao ruído. A dinâmica discreta da série resultante pode ser representada através de um Autômato Probabilístico de Estados Finitos (PFSA, Probabilistic Finite State Automata), comumente empregado em algoritmos de controle e técnicas de detecção de falha. Este trabalho apresenta um novo algoritmo para determinar um PFSA associado a um sistema dinâmico a partir de uma realização suficientemente longa da dinâmica. Por meio da análise da sequência discreta gerada, empregam-se métodos estatísticos, aprendizado de máquina e minimização de grafos para obter modelos PFSA compactos e fidedignos à dinâmica discreta oriunda do sistema de origem. Por fim, o método proposto é aplicado a sistemas dinâmicos com características distintas, demonstrando-se sua capacidade de gerar modelos com número reduzido de estados sem degradação de sua qualidade."]},{"key":"dc:title","label":"Title","values":["Modelos Markovianos para sistemas dinâmicos empregando aprendizado de máquina e teoria de autômatos"]}]}],"canonical_facts":{"dc:contributor.advisor":["CHAVES, Daniel Pedro Bezerra"],"dc:creator":["SANTOS, Higor Ítalo dos"],"dc:date.accessioned":["2022-01-11T17:05:13Z"],"dc:date.available":["2022-01-11T17:05:13Z"],"dc:date.issued":["2020-02-20"],"dc:description.abstract":["Uma abordagem difundida para a análise e modelagem de sistemas dinâmicos parte de um processo de discretização seguido por uma quantização do sinal, gerando uma série temporal discreta. Entre as vantagens propiciadas por esse método estão a redução na complexidade computacional no processamento do sinal e maior imunidade ao ruído. A dinâmica discreta da série resultante pode ser representada através de um Autômato Probabilístico de Estados Finitos (PFSA, Probabilistic Finite State Automata), comumente empregado em algoritmos de controle e técnicas de detecção de falha. Este trabalho apresenta um novo algoritmo para determinar um PFSA associado a um sistema dinâmico a partir de uma realização suficientemente longa da dinâmica. Por meio da análise da sequência discreta gerada, empregam-se métodos estatísticos, aprendizado de máquina e minimização de grafos para obter modelos PFSA compactos e fidedignos à dinâmica discreta oriunda do sistema de origem. Por fim, o método proposto é aplicado a sistemas dinâmicos com características distintas, demonstrando-se sua capacidade de gerar modelos com número reduzido de estados sem degradação de sua qualidade."],"dc:identifier.uri":["https://repositorio.ufpe.br/handle/123456789/42448"],"dc:language.iso":["por"],"dc:publisher":["Universidade Federal de Pernambuco"],"dc:rights":["openAccess","Attribution-NonCommercial-NoDerivs 3.0 Brazil"],"dc:rights.uri":["http://creativecommons.org/licenses/by-nc-nd/3.0/br/"],"dc:subject":["Engenharia Elétrica","Aprendizagem de máquina","Autômatos probabilísticos de estados finitos","Minimização de grafos","Modelagem não supervisionada","Sistemas dinâmicos"],"dc:title":["Modelos Markovianos para sistemas dinâmicos empregando aprendizado de máquina e teoria de autômatos"],"dc:type":["masterThesis"]},"updated_at":"2026-07-24T01:18:40Z"}