Uma Nova Abordagem para Construção de Regras em Redes Neo-Fuzzy-Neuron Utilizando Programação Genética Multi-Gene

Abstract

Resumo—Este artigo propõe a utilização de Programação Genética Multi-Gene (PG-MG) para criação de regras em Redes Neo-Fuzzy-Neuron (NFN). NFN é uma rede Neuro-Fuzzy composta por n estruturas de Takagi-Sugeno de ordem zero, onde n é o número de variáveis de entrada. A saı́da individual de cada uma das n estruturas é dada por um conjunto de m regras, em que cada regra é representada por uma função de pertinência Gaussiana. Desta forma, a construção da base de regras na NFN consiste em criar e ajustar as funções de pertinência associadas a cada variável de entrada. A abordagem proposta utiliza a Programação Genética Multi-Gene (PG-MG) para gerar as regras (conjuntos fuzzy do antecedente), na qual cada indivı́duo da PG-MG representa um conjunto de regras que compõe o modelo. Por fim, os pesos (parâmetros do consequente) são ajustados por um método do Gradiente Descendente. A abordagem proposta é avaliada em problemas de previsão e os resultados obtidos sugerem que a abordagem proposta é competitiva quando comparada com modelos alternativos do estado da arte. Keywords—Neo-Fuzzy-Neuron; Programação Genética MultiGene; Neuro-Fuzzy.