Modelagem para previsão/estimação: uma aplicação neuro-fuzzy

Resumo

Neste trabalho utiliza-se de um sistema de inferência fuzzy que incorpora o aprendizado por meio de um conjunto de dados onde as variáveis de entrada estão relacionadas com suas respectivas variáveis de saídas. Takagi e Sugeno foram pioneiros em propor um modelo de sistema de inferência fuzzy, onde são utilizadas entradas e regras fuzzy mas com a saída do sistema sendo conjuntos não-fuzzy. Este modelo é uma excelente ferramenta para modelagem de problemas complexos e não lineares, quando combinado com a estrutura da rede de Sistema de Inferência Fuzzy Neuro Adaptativa (ANFIS). Sistemas de inferência fuzzy são utilizados com base em um conjunto regras, do tipo “se...então”, que representam as entradas e saídas do modelo, associando a capacidade de aprendizado das redes neurais artificiais com o poder de interpretação lingüístico dos sistemas de inferência fuzzy, as quais são capazes de tratar conhecimentos incompletos, incertos ou mesmo conflitantes. É apresentado uma aplicação onde os dados estimados pelo modelo se mostraram correlacionados, indicando boa exatidão para o modelo neuro-fuzzy obtido, onde pode ser verificada a capacidade e a eficiência dos sistemas de inferência fuzzy.