Jair Minoro Abe, Maurício Conceição Mário, Neli Regina Siqueira Ortega, Marinho Del Santo Jr.
Descrevemos neste artigo uma técnica de aproximação funcional, implementada a partir dos conceitos das Redes Neurais Artificiais Paraconsistentes (RNAPs). As RNAPs fazem parte da Lógica Paraconsistente Anotada, que é uma Lógica Não-Clássica, e que tem como uma das principais características, a possibilidade de tratar contradições. A utilização das Redes Neurais Clássicas permite que sejam construídos sistemas capazes de serem treinados para simular o comportamento funcional de algumas funções matemáticas, e esses sistemas ou redes possuem características de generalização, ou seja, após serem treinados com entradas específicas, podem responder também a estímulos aos quais não foram necessariamente treinados. A componente da RNAP utilizada para realizar a aproximação funcional, difere de uma rede clássica por necessitar de poucos passos de treinamento, e por responder satisfatoriamente ao quesito de generalização. A aplicação desse tipo de rede é adequada para modelar sistemas que possam ser representados por funções matemáticas capazes de serem reproduzidas, sendo que no estudo de caso citado neste trabalho, as saídas da rede representam evidências que podem alimentar um Sistema Especialista.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados