Please use this identifier to cite or link to this item:
http://repositorio.ufc.br/handle/riufc/55297| Type: | Dissertação |
| Title: | Identificação Robusta de Sistemas Dinâmicos Usando Redes de Ecos de Estado |
| Authors: | Bessa, Renan |
| Advisor: | Barreto, Guilherme de Alencar |
| Keywords: | Identificação de sistemas;Rede neural recorrente;Rede de ecos de estados;Robustez a outliers |
| Issue Date: | 2019 |
| Citation: | BESSA, Renan. Identificação robusta de sistemas dinâmicos usando redes de ecos de Estado. 2019. 96 f. Dissertação (mestrado) – Universidade Federal do Ceará, Centro de Tecnologia, Programa de Pós-Graduação em Engenharia de Teleinformática, Fortaleza, 2019. |
| Abstract in Brazilian Portuguese: | O emprego de redes neurais recorrentes na identificação online de sistemas é bastante limitada em aplicações do mundo real, principalmente devido à propagação do erro causada pela natureza interativa da tarefa de predição ao longo de vários passos à frente. Tendo isso em mente, revisita- se a arquitetura da rede de ecos de estados (echo state network, ESN) a respeito da eficiência na tarefa de aprendizagem online usando algoritmo de estimação recursivo e uma variante robusta a outliers da mesma. Por meio de um conjunto abrangente de experimentos, mostra-se que o desempenho da ESN é dependente da escolha adequada das vias de realimentação e que a instabilidade da previsão é ampliada pela norma do vetor de pesos da saída, uma questão frequentemente negligenciada em estudos relacionados. |
| Abstract: | The use of recurrent neural networks in online system identification is very limited in real- world applications, mainly due to the propagation of errors caused by the iterative nature of the prediction task over multiple steps ahead. Bearing this in mind, in this paper, we revisit design issues regarding the robustness of the echo state network (ESN) model in such online learning scenarios using a recursive estimation algorithm and an outlier robust-variant of it. By means of a comprehensive set of experiments, we show that the performance of the ESN is dependent on the adequate choice of the feedback pathways and that the prediction instability is amplified by the norm of the output weight vector, an often neglected issue in related studies. |
| URI: | http://www.repositorio.ufc.br/handle/riufc/55297 |
| Appears in Collections: | DETE - Dissertações defendidas na UFC |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 2019_dis_rbessa.pdf | 4,33 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.