A identificação de sistemas dinâmicos possui papel relevante em diversos problemas da área de Engenharia de Controle e Automação, tais como: supervisão, previsão ou predição, desenvolvimento de sistemas de inferência, projetos de sistemas de controle, entre outros. A possibilidade de obter modelos matemáticos de sistemas complexos a partir de dados medidos dos sistemas em operação é o grande atrativo para a aplicação de ferramentas de identificação. Entre as diversas técnicas de identificação, destacam-se as redes neurais artificiais, estruturas não lineares, robustas e com capacidade de aprendizado a partir de treinamento. Este trabalho propõe a investigação do uso da correntropia, medida de similaridade da Teoria da Informação, como função de custo para treinamento de redes neurais artificiais aplicadas na identificação de sistemas dinâmicos. A correntropia é uma medida robusta que utiliza infinitos momentos estocásticos, o que permite que a identificação possa ser efetivamente realizada mesmo em dados medidos sob a influência de outliers e ruídos. Recentemente, a correntropia e métricas relacionadas vêm chamando a atenção de diversos pesquisadores científicos, o que propiciou, por exemplo, a parceria estabelecida entre o IFRN, UFRN e o laboratório de neuroengenharia computacional (CNEL), da Universidade da Flórida. Os trabalhos [1], [2], [3] e [4] são frutos dessa parceria, rendendo publicações em periódicos de alta relevância científica. Durante o desenvolvimento desse trabalho, também pretende-se avaliar diferentes mecanismos de ajustes de kernel e o seu efeito no treinamento das redes neurais artificiais.
Projeto importado do Suap em 11/08/2026 às 03:11 (há 41 minutos)