Use este identificador para citar ou linkar para este item: http://hdl.handle.net/1843/RAOA-BC9J6X
Tipo: Tese de Doutorado
Título: Uma arquitetura híbrida para sistemas cognitivos e sua aplicação em prognóstico de falhas em transformadores de potência
Autor(es): Fernando Cortez Sica
Primeiro Orientador: Frederico Gadelha Guimaraes
Primeiro Coorientador: Ricardo de Oliveira Duarte
Primeiro membro da banca : Ricardo de Oliveira Duarte
Segundo membro da banca: Joao Antonio de Vasconcelos
Terceiro membro da banca: Cristiano Leite de Castro
Quarto membro da banca: Joao Bosco Augusto London Junior
Quinto membro da banca: Guilherme de Alencar Barreto
Resumo: Este projeto propõe uma arquitetura de um framework para exportar serviços e facilidades para a implementação de sistemas baseados em conhecimento. O framework utiliza conceitos de modelos embrionário, conexionista e evolucionário. Além disso, foram mapeadas correlações entre sistemas computacionais com cognição natural, formação e representação do conhecimento. Desta forma, este framework facilita a implementação de sistemas inteligentes genéricos. A abordagem conexionista emprega aprendizado em conjunto (ensemble learning) pelo seu potencial para se atingir maior precisão e robustez. Aprendizagem em conjunto pode integrar diferentes classificadores baseados em aprendizado de máquina, que estão disponíveis na literatura, e, também, baseados em métodos estatísticos. A abordagem simbólica emprega um processo evolucionário para abstrair a dinâmica do conhecimento. A principal contribuição do projeto consiste na utilização de abordagens simbólica e conexionista para cobrir todos os aspectos de representação do conhecimento. Como resultado, foi implementado um sistema capaz de gerar prognóstico de falhas em transformadores de potência.
Abstract: This project proposes a framework architecture to export services and facilities for the implementation of knowledge-based systems. The framework utilizes concepts from embryonic, connectionist and evolutionary approaches. Additionally, we map correlations between computational systems with natural cognition, knowledge formation and representation. This way, this framework facilitates the implementation of generic intelligent systems. The connectionist approach employs ensemble learning for its potential in achieving higher accuracy and robustness. Ensemble learning can combine together different classifiers based on machine learning that are available in the literature and statistical methods. The symbolic approach employs an evolutionary method to permit the knowledge dynamics. The main contribution of the project relies in the utilization of symbolic and connexionist approaches to cover all the knowledge representation aspects. As result, was implemented a system able to generate fault prognosis in power transformers.
Assunto: Engenharia elétrica
Localização de falhas (Engenharia)
Transformadores eletricos
Idioma: Português
Editor: Universidade Federal de Minas Gerais
Sigla da Instituição: UFMG
Tipo de Acesso: Acesso Aberto
URI: http://hdl.handle.net/1843/RAOA-BC9J6X
Data do documento: 4-Set-2015
Aparece nas coleções:Teses de Doutorado

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tese_fernando_cortez_sica.pdf6.47 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.