Tese

Utilizando o aprendizado de máquina para análise de órbitas caóticas (2022)

• Authors:
  • Luchesi, Ana Carolina Ferreira
  • Bruno, Odemir Martinez (Orientador)
• Autor USP: LUCHESI, ANA CAROLINA FERREIRA - IFSC
• Unidade: IFSC
• Sigla do Departamento: FCM
• DOI: 10.11606/D.76.2022.tde-17082022-100916
• Subjects: APRENDIZADO COMPUTACIONAL; REDES NEURAIS; TEORIA DO CAOS
• Keywords: Chaos theory; Chaotic orbits; Logistic map; Machine learning; Mapa logístico; Neural networks; Órbitas caóticas
• Agências de fomento:
  • Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)
• Language: Português
• Abstract: O comportamento caótico pode ser observado nos mais diversos sistemas, incluindo órbitas planetárias, clima, mercado de ações, entre outros. Por conseguinte, investigar meios de prever o futuro de sistemas caóticos podem nos ajudar a compreender muitos dos sistemas que nos cercam. O mapa logístico, originalmente proposto como um modelo para descrever um crescimento populacional, apresenta sensibilidade a condições iniciais, o que resulta em uma imprevisibilidade no futuro desse sistema. Ele é um dos exemplos mais famosos de comportamento caótico emergindo de um sistema dinâmico simples. A escolha por estudar as órbitas caóticas do mapa logístico se deu pela sua simplicidade e grande grau de complexidade. As redes neurais são a categoria mais popular de aprendizado de máquina e alcançaram resultados estado da arte para diversas tarefas distintas. As redes neurais recorrentes são capazes de recordar entradas anteriores, sendo, portanto, as mais adequadas para lidar com dados sequenciais. Nesse trabalho, dois tipos de redes recorrentes foram utilizadas para investigar como preveem o futuro de órbitas caóticas do mapa logístico: Long Short-Term Memory (LSTM) e Echo State Network (ESN). Os resultados obtidos mostram que as ESNs são capazes de prever essas órbitas com maior acurácia que LSTMs e confirmam que são uma ferramenta promissora para desafiar a imprevisibilidade do caos
• Imprenta:
  • Publisher place: São Carlos
  • Date published: 2022
• Data da defesa: 20.05.2022

Informações sobre o DOI: 10.11606/D.76.2022.tde-17082022-100916 (Fonte: oaDOI API)
• Este periódico é de acesso aberto
• Este artigo é de acesso aberto
• URL de acesso aberto
• Cor do Acesso Aberto: gold
• Licença: cc-by-nc-sa

---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  LUCHESI, Ana Carolina Ferreira. Utilizando o aprendizado de máquina para análise de órbitas caóticas. 2022. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/76/76132/tde-17082022-100916/. Acesso em: 24 abr. 2024.

• APA

  Luchesi, A. C. F. (2022). Utilizando o aprendizado de máquina para análise de órbitas caóticas (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/76/76132/tde-17082022-100916/

• NLM

  Luchesi ACF. Utilizando o aprendizado de máquina para análise de órbitas caóticas [Internet]. 2022 ;[citado 2024 abr. 24 ] Available from: https://www.teses.usp.br/teses/disponiveis/76/76132/tde-17082022-100916/

• Vancouver

  Luchesi ACF. Utilizando o aprendizado de máquina para análise de órbitas caóticas [Internet]. 2022 ;[citado 2024 abr. 24 ] Available from: https://www.teses.usp.br/teses/disponiveis/76/76132/tde-17082022-100916/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI: