-
Construa um programa baseado em lógica fuzzy (inferência de Mamdani) conforme as regras disponibilizadas no Exercício 18 do livro “Inteligência Computacional Aplicada à Administração, Economia e Engenharia em Matlab”, Hime Aguiar e Oliveira Junior (Coordenadores), Caldeira, A. M.; Machado, M. A. S.; Sousa, R. C.; Tanscheit, R.; Thomson Learning, 2007. O programa deverá solicitar as entradas ao usuário e exibir a saída produzida.
-
Usando o conjunto de dados do aerogerador (variável de entrada: velocidade do vento m/s, variável de saída: potência gerada – kWatts), determine os modelos de regressão polinomial (graus 2 a 7) com parâmetros estimados pelo método dos mínimos quadrados. Avalie a qualidade de cada modelo pela métrica R2 e R2 aj (equações 48 e 49, slides sobre Regressão Múltipla).
-
Dada a base de dados abaixo, na qual a primeira e segunda colunas são as variáveis regressoras (x1 e x2) e a terceira coluna é a variável dependente (y), determine o modelo de regressão múltipla (plano) com parâmetros estimados pelo método dos mínimos quadrados. Avalie a qualidade do modelo pela métrica R2.
- Classifique o conjunto de dados Vertebral Column Data set (disponível em (https://archive.ics.uci.edu/ml/datasets/Vertebral+Column) usando as redes neurais MLP e RBF. Utilize a estratégia de validação hold-out (70% das amostras para treino e o restante para teste) e efetue 10 execuções. O resultado deve ser a acurácia média. Obs.: É permitido usar funções já disponíveis para a rede neural MLP. A rede RBF deverá ser implementada.
-
Crie um algoritmo genético para o problema do caixeiro viajante representado por um grafo completo não direcionado de 14 vértices (cidades) cuja matriz de adjacência, que representa as distâncias entre as cidades, é:
O algoritmo deve exibir o melhor caminho encontrado e o seu custo de percurso. Use crossover de mapeamento parcial e mutação por permutação de elementos.