Rede Neo-Fuzzy-Neuron com Programação Genética Aplicada em Problemas de Previsão e Identificação de Sistemas Não-Lineares

Abstract

Este artigo propõe dois algoritmos baseados em Programação Genética (PG) para aprendizado em redes Neo-Fuzzy Neuron (NFN). As abordagens utilizam a PG para gerar as regras associadas a cada entrada, criando e ajustando as funções de pertinência, e um método baseado no Gradiente para ajuste de pesos. Os modelos propostos são avaliados e comparados com modelos alternativos em problemas de previsão e identificação de sistemas não lineares. Os resultados obtidos mostram que os modelos propostos são promissores e competitivos com modelos alternativos do estado da arte.