Navegando por Assunto "Mapa auto-organizável"
Agora exibindo 1 - 2 de 2
- Resultados por página
- Opções de Ordenação
Tese Acesso aberto (Open Access) Extração de conhecimento em forma de regras difusas a partir de mapas auto-organizáveis de Kohonen: aplicação em diagnóstico de faltas incipientes em transformadores(Universidade Federal do Pará, 2013-03-11) SILVA, Ana Carla Macedo da; CASTRO, Adriana Rosa Garcez; http://lattes.cnpq.br/5273686389382860Apesar das diversas vantagens oferecidas pelas redes neurais artificiais (RNAs), algumas limitações ainda impedem sua larga utilização, principalmente em aplicações que necessitem de tomada de decisões essenciais para garantir a segurança em ambientes como, por exemplo, em Sistemas de Energia. Uma das principais limitações das RNAs diz respeito à incapacidade que estas redes apresentam de explicar como chegam a determinadas decisões; explicação esta que seja humanamente compreensível. Desta forma, este trabalho propõe um método para extração de regras a partir do mapa auto-organizável de Kohonen, projetando um sistema de inferência difusa capaz de explicar as decisões/classificação obtidas através do mapa. A metodologia proposta é aplicada ao problema de diagnóstico de faltas incipientes em transformadores, em que se obtém um sistema classificatório eficiente e com capacidade de explicação em relação aos resultados obtidos, o que gera mais confiança aos especialistas da área na hora de tomar decisões.Tese Acesso aberto (Open Access) Método de mapa auto-organizável probabilístico para classificação de descargas parciais(Universidade Federal do Pará, 2025-10-29) FERNANDES, Filipe Cavalcanti; OLIVEIRA, Rodrigo Melo e Silva de; http://lattes.cnpq.br/4768904697900863; BARROS, Fabrício José Brito; http://lattes.cnpq.br/9758585938727609; BARROS, Fabrício José Brito; OLIVEIRA, Rodrigo Melo e Silva de; http://lattes.cnpq.br/9758585938727609; http://lattes.cnpq.br/4768904697900863Neste trabalho, é proposta uma metodologia denominada Mapa Auto-Organizável Probabilístico (SOPM) para a classificação automática de múltiplas fontes de descargas parciais (DPs), com ênfase em padrões dúbios, em enrolamentos estatóricos de hidrogeradores, combinando Mapas Auto-Organizáveis (SOM) com análise estatística. A base de dados é composta de mapas PRPD (Phase-Resolved Partial Discharges) provenientes de medições de DP online de hidrogeradores operando em ambiente real nas Usinas Hidrelétricas de Tucuruí e Coaracy Nunes. As principais contribuições deste trabalho são: (i) o desenvolvimento de um classificador com saída probabilística, capaz de quantificar a incerteza e classificar padrões com características de múltiplas classes simultaneamente; a aplicação de uma metodologia semi-supervisionada, que utiliza um treinamento não supervisionado para a organização topológica dos dados e um conjunto reduzido de amostras rotuladas para a otimização, tornando o método robusto para cenários com poucos dados rotulados; a validação do método em um banco de dados real contendo classes de dúvida, que representam a sobreposição de diferentes tipos de falhas. A tarefa de classificação é realizada em duas etapas: primeiramente, um SOM organiza os dados de entrada em um mapa de baixa dimensionalidade; em seguida, o SOPM calcula as probabilidades de uma amostra pertencer a cada classe com base na distância média entre os neurônios e as amostras no espaço de características. Taxas de acerto globais superiores a 90% foram obtidas, com destaque para a classificação das classes de dúvida, que alcançaram até 100% de acerto no conjunto de teste. Por fim, a metodologia foi validada com a base de dados de medições reais, demonstrando sua eficácia para o diagnóstico em condições operacionais