Notícias

Banca de DEFESA: RÔMULLO RANDELL MACEDO CARVALHO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: RÔMULLO RANDELL MACEDO CARVALHO
DATA: 18/11/2019
HORA: 14:00
LOCAL: AUDITÓRIO CENTRO DE TECNOLOGIA
TÍTULO: IMPACTOS DA NEURO-OTIMIZAÇÃO EM ALGORITMOS GLOBAIS SUPERVISIONADOS E APLICAÇÃO NA MODELAGEM DE LASERS SEMICONDUTORES
PALAVRAS-CHAVES: Lasers de pontos quânticos. Perceptron de Múltiplas Camadas. Máquina de Aprendizado Extremo. Otimização por enxame de partículas. Algoritmo genético.
PÁGINAS: 126
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
RESUMO:

O presente estudo associa as redes máquina de aprendizagem extremo (ELM) e perceptron de múltiplas camadas (MLP) a mecanismos inteligentes de otimização, o Algoritmo Genético e a Otimização por Enxame de Partículas, de tal maneira a obter modelos globais supervisionados mais eficientes (com menos neurônios na camada oculta). A modelagem da potência óptica de lasers semicondutores de pontos quânticos por meio de redes neurais com diferentes estratégias de aprendizagem tem se apresentado como uma alternativa eficaz à abordagem clássica a partir de métodos massivamente físico-experimentais, como as equações de taxa e a descrição por microestados. Por se tratarem de paradigmas do tipo caixa preta, as redes supervisionadas dispensam o profundo conhecimento do processo e o tempo de teorização demandado dos métodos clássicos, ao mesmo tempo que consegue entregar resultados satisfatórios, com base em recentes trabalhos. Para tanto, duas abordagens são estabelecidas para estudo dos modelos: a primeira com um valor fixo reduzido da quantidade de neurônios e a segunda com um valor variável dentro do treinamento e determinado pelo próprio algoritmo. Ambas as abordagens são estudadas para a aproximação de funções de uma e de duas variáveis, com análise dos impactos da otimização nas redes MLP e ELM, como em relação ao sobreajuste e subajuste. Por fim, os modelos elaborados são aplicados à modelagem da potência óptica de lasers de ponto quântico em função de degrau de corrente na entrada, usando-se autorregressão com entrada exógenas, para um banco de dados com variações de estado (fundamental e excitado) e temperatura. Todos os modelos são submetidos à validação pelo erro quadrático médio e por análise dos resíduos.


MEMBROS DA BANCA:
Externo à Instituição - GEORGE ANDRÉ PEREIRA THÉ - UFC
Interno - 328.414.503-68 - GUILHERME DE ALENCAR BARRETO - UFC
Interno - 1785470 - JOSE MARIA PIRES DE MENEZES JUNIOR
Notícia cadastrada em: 29/10/2019 14:53
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb03.ufpi.br.sigaa 28/03/2024 08:31