UNIFEI - Campus 1: Itajubá PPG - Programas de Pós Graduação Dissertações
Use este identificador para citar ou linkar para este item: https://repositorio.unifei.edu.br/jspui/handle/123456789/2300
Tipo: Dissertação
Título: Análise comparativa entre o desempenho dos métodos de regressão não linear e redes neurais artificiais através do planejamento de experimentos
Autor(es): LOPES, Marina Fernandes Branco Pitanga
Primeiro Orientador: BALESTRASSI, Pedro Paulo
Resumo: A modelagem de dados é uma técnica que auxilia a tomada de decisão e a resolução de diversos tipos de problemas em sistemas reais. Entretanto, a escolha da melhor técnica para modelar um sistema real nem sempre é uma tarefa fácil, pois cada sistema possui suas características específicas e não é possível inferir que o melhor método para determinada situação será o melhor em outros contextos. Devido a essa necessidade de generalização, o presente trabalho tem como objetivo apresentar uma análise comparativa entre o desempenho dos métodos de regressão não linear (RNL) e redes neurais artificiais (RNAs) na modelagem de conjuntos de dados gerados através de um planejamento de experimentos (DOE), de modo a simular diferentes cenários nos quais os métodos serão aplicados. Dessa forma, os conjuntos de dados foram modelados por cada um dos métodos e suas respostas foram avaliadas através do coeficiente de determinação (R²). Os resultados mostraram que os métodos estudados apresentam diferenças estatisticamente significativas, com um nível de significância de 5%. Além disso, concluiu-se nesta pesquisa que se os experimentadores conhecem a priori o modelo não linear que define a relação entre as variáveis de entrada e a variável resposta, a regressão não linear supera a rede neural artificial em termos de R².
Abstract: Data modeling is a technique that assists decision making and the resolution of several types of problems in real systems. However, choosing the best technique for modeling a real system is not always an easy task, as each system has its specific characteristics and it is not possible to infer that the best method for a given situation will be the best in other contexts. Due to this need for generalization, the present work aims to present a comparative analysis between the performance of nonlinear regression (NLR) and artificial neural networks (ANNs) methods in modeling data sets generated through a design of experiments (DOE), in order to simulate different scenarios in which the methods will be applied. Thus, the data sets were modeled by each of the methods and their responses were assessed using the coefficient of determination (R²). The results showed that the studied methods present statistically significant differences, with a significance level of 5%. In addition, in this research it was concluded that if the experimenters know a priori the nonlinear model that defines the relationship between the input variables and the response variable, nonlinear regression outperforms artificial neural network in terms of R².
Palavras-chave: Modelagem de dados
Regressão não linear
Redes neurais artificiais
Planejamento de experimentos
CNPq: CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUÇÃO
Idioma: por
País: Brasil
Editor: Universidade Federal de Itajubá
Sigla da Instituição: UNIFEI
metadata.dc.publisher.department: IEPG - Instituto de Engenharia de Produção e Gestão
metadata.dc.publisher.program: Programa de Pós-Graduação: Mestrado - Engenharia de Produção
Tipo de Acesso: Acesso Aberto
URI: https://repositorio.unifei.edu.br/jspui/handle/123456789/2300
Data do documento: 30-Abr-2020
Aparece nas coleções:Dissertações

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissertação_2021033.pdf1.52 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.