Banca de DEFESA: ÉDEN PEREIRA DA SILVA
09/01/2017 17:17
A filtragem adaptativa é aplicada na solução de diversos problemas da engenharia. Há
muitas alternativas para melhorá-la, uma delas é o uso de kernel, que consiste na mudança
do espaço dos dados e, em adição ao uso desta técnica, há a proposta do uso de um dicionário
pré-definido de dados. Outra alternativa é a mudança da função de custo. Neste contexto, este
trabalho traz o algoritmo KSIG, a versão em kernel do Sigmoide, no qual se busca a redução
do erro, decorrente do uso da função kernel, e o aumento na velocidade de convergência
pela mudança na função de custo par e não linear utilizada. Ademais, descreve-se também
a versão do KSIG com dicionário de dados pré-definido, visando redução do grande número
de dados utilizados para obtenção da saída decorrente do uso da técnica com kernel. Este
trabalho mostra o resultado teórico da eficiência do KSIG e de sua versão com dicionário pré-
definido está presente nas provas de convergência construídas para ambos os algoritmos, as
quais demonstraram que estes convergem em média. Por outro lado, as curvas de aprendiza-
gem, obtidas nas simulações computacionais dos experimentos realizados, demonstraram
que o KSIG quando comparado ao KLMS, em diferentes problemas de filtragem adaptativa,
apresenta convergência mais rápida, tanto nas versões sem e com dicionário pré-definido de
ambos os algoritmos.
SIGAA | Superintendência de Tecnologia da Informação/UFS | Telefonista/UFS (79)3194-6600 | Copyright © 2009-2024 - UFRN v3.5.16 -r19130-f2d2efc73e