Estimador de Estado Adaptativo Paraconsistente
DOI:
https://doi.org/10.22481/exon.v9iE.20621Palavras-chave:
LPA2v, cNAP, cNAPapxct, KalmanResumo
O Filtro Kalman é um algoritmo capaz de fornecer uma estimativa do valor real de uma grandeza medida, predizer uma saída e o grau de incerteza associado, entregando uma média ponderada entre o valor medido e o predito, sendo muito utilizado em sistemas de automação e controle para os mais variados fins. Este artigo apresenta um Estimador de Estado Adaptativo Paraconsistente, utilizando uma célula Neural Artificial Paraconsistente de aprendizagem por extração do efeito da contradição (cNAPapxct), desenvolvida a partir da Lógica Paraconsistente Anotada com Anotação de 2 valores (LPA2v), que apresenta resultados próximos ao Filtro Kalman, nos cenários estudados.
Downloads
Referências
P. Zarchan and H. Musoff, “Fundamentals of Kalman Filtering: A Practical Approach”. American Institute of Aeronautics and Astronautics, Incorporated. ISBN 978-1-56347-455-2, 2000.
R. E. Kalman, "A new approach to linear filtering and prediction problems", Transactions of ASME - Journal of Basic Engineering, vol. 82, D, pp. 35-45, Mar, 1960.
T. Jayasri and M. HEMALATHA, “Link Quality Estimation using Soft Computing Technique”, Middle-East Journal of Scientific Research, vol. 21 (1), pp. 158-168, 2014.
N. C. A. Da Costa, J. M. Abe and V. S. Subrahmanian, “Remarks on annotated logic”, Zeitschrift f. math. Logik und Grundlagen d. Math, no. 37, pp 561-570, 1991.
J. I. Da Silva Filho, “Lógica Paraconsistente e Probabilidade Pragmática no Tratamento de Incertezas”, Revista Seleção Documental, no. 9, pp. 16-27, Ed. Paralogike, Brasil, Jan, 2008.
J. I. Da Silva Filho, “Introdução às Células Neurais Artificiais Paraconsistentes”, Revista Seleção Documental, no. 8, pp. 5-14, Ed. Paralogike, Brasil, Dez, 2007.
M. F. Minicz, G. R. Matuck, P. M. Tasinaffo, et al. “Célula Neural Artificial Paraconsistente de Aprendizagem por Extração do Efeito da Contradição”, Revista Seleção Documental, n. 33, São Paulo, Brasil. 2014.
A. De Carvalho Jr, ”Proposta de Estimador de Qualidade de Enlace em Redes de Sensores Industriais Sem Fio Utilizando Rede Neural Artificial Paraconsistente”. 2017. 113f. Dissertação (Mestrado Profissional em Engenharia Mecânica) – Universidade Santa Cecília – UNISANTA, Programa de Pós-Graduação em Engenharia Mecânica, Santos – SP, 2017.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2018 Exatas Online
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Você é livre para:
Compartilhar - copia e redistribui o material em qualquer meio ou formato; Adapte - remixe, transforme e construa a partir do material para qualquer propósito, mesmo comercialmente. Esta licença é aceitável para Obras Culturais Livres. O licenciante não pode revogar essas liberdades, desde que você siga os termos da licença.
Sob os seguintes termos:
Atribuição - você deve dar o crédito apropriado, fornecer um link para a licença e indicar se alguma alteração foi feita. Você pode fazer isso de qualquer maneira razoável, mas não de uma forma que sugira que você ou seu uso seja aprovado pelo licenciante.
Não há restrições adicionais - Você não pode aplicar termos legais ou medidas tecnológicas que restrinjam legalmente outros para fazer qualquer uso permitido pela licença.
