Modelos Markovianos para sistemas dinâmicos empregando aprendizado de máquina e teoria de autômatos

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.

Grantor dc:publisher

Universidade Federal de Pernambuco

Year dc:date.issued

2020

Author dc:creator

• SANTOS, Higor Ítalo dos

Advisor dc:contributor.advisor

• CHAVES, Daniel Pedro Bezerra

• Engenharia Elétrica
• Aprendizagem de máquina
• Autômatos probabilísticos de estados finitos
• Minimização de grafos
• Modelagem não supervisionada
• Sistemas dinâmicos

Statement dc:rights

• openAccess
• Attribution-NonCommercial-NoDerivs 3.0 Brazil

Licence dc:rights.uri

• http://creativecommons.org/licenses/by-nc-nd/3.0/br/

Language dc:language.iso

por

Repository record dc:identifier.uri

https://repositorio.ufpe.br/handle/123456789/42448

OAI identifier oai:identifier

oai:repositorio.ufpe.br:123456789/42448