DESENVOLVIMENTO DE MODELOS COM REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO DO COMPORTAMENTO NÃO LINEAR DA DENSIDADE DO PROCESSO DE POLIMERIZAÇÃO

DESENVOLVIMENTO DE MODELOS COM REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO DO COMPORTAMENTO NÃO LINEAR DA DENSIDADE DO PROCESSO DE POLIMERIZAÇÃO

SILVA, A. M. M; SANTOS, B. F

Oral:

Este estudo tem por objetivo desenvolver modelos de redes neurais artificiais diretas e recursivas a partir de conjunto de dados experimentais de uma planta de polimerização de estireno capazes de predizer a densidade. Para isso foram utilizadas as redes feedfoward e Elman com uma e duas camadas intermediárias, alterando as funções de ativação entre logsig e tansig e suas combinações. Para a camada de saída foi utilizada a função linear purelin e os algoritmos de treinamento utilizado foram a partir de backpropagation. O desempenho dos modelos foi testado segundo critério erro (soma dos erros quadrados SSE) e coeficiente de correlação. Segundo as topologias testadas, os melhores modelos de RNAs apresentam duas camadas intermediárias com 15-10, o algoritmo de treinamento trainlm e função de ativação logsig, com R2 próximos e SSE baixos.

Este estudo tem por objetivo desenvolver modelos de redes neurais artificiais diretas e recursivas a partir de conjunto de dados experimentais de uma planta de polimerização de estireno capazes de predizer a densidade. Para isso foram utilizadas as redes feedfoward e Elman com uma e duas camadas intermediárias, alterando as funções de ativação entre logsig e tansig e suas combinações. Para a camada de saída foi utilizada a função linear purelin e os algoritmos de treinamento utilizado foram a partir de backpropagation. O desempenho dos modelos foi testado segundo critério erro (soma dos erros quadrados SSE) e coeficiente de correlação. Segundo as topologias testadas, os melhores modelos de RNAs apresentam duas camadas intermediárias com 15-10, o algoritmo de treinamento trainlm e função de ativação logsig, com R2 próximos e SSE baixos.

Palavras-chave:

DOI: 10.5151/cobeq2018-CO.122

Referências bibliográficas

• [1] ACHANTA S, GANGASHETTY SV, Deep Elman recurrent neural networks for statistical
• [2] parametric speech synthesis. Speech Communication, v 93, p 31-42, 2017.
• [3] DEUSDARÁ AS, Polimerização de Estireno em Solução. Escola Politécnica da Universidade
• [4] de São Paulo, 2012.
• [5] PASQUOTTO JLD, Previsão de séries temporais no varejo brasileiro: Uma investigação
• [6] comparativa da aplicação de Redes Neurais Recorrentes de Elman. Universidade de São Paulo,
• [7] 2010.
• [8] SANTOS BF, Desenvolvimento de um controlador preditivo baseado em redes neurais para
• [9] aplicação em uma planta de polimerização de estireno. Universidade Estadual de
• [10] Campinas/UNICAMP, 2011.

Como citar:

SILVA, A. M. M; SANTOS, B. F; "DESENVOLVIMENTO DE MODELOS COM REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO DO COMPORTAMENTO NÃO LINEAR DA DENSIDADE DO PROCESSO DE POLIMERIZAÇÃO", p-4557-4560. In: . São Paulo: Blucher, 2018.
ISSN 23591757, DOI 10.5151/cobeq2018-CO.122