Pesquisa desenvolvida no campus Assis Chateaubriand é publicada em Periódico Internacional

O professor Humberto Fioravante Ferro, do câmpus Assis Chateaubriand do IFPR, publicou recentemente um trabalho de sua pesquisa em sistemas adaptativos na revista Digital Signal Processing da Elsevier (ISSN 1051-2004). Trata-se de um periódico que é referência internacional na área de processamento digital de sinais, razão pela qual é classificado como A1 no Qualis do CNPq. Esse trabalho, intitulado “A Combination of Adaptive Filters Based on Competitive Learning Principles”, é um novo algoritmo supervisor de baixo custo computacional que permite identificar o melhor componente de uma combinação de filtros digitais adaptativos a cada instante de tempo. Em outras palavras, o algoritmo proposto é capaz de monitorar o desempenho desses componentes em tempo real, comutando suavemente entre eles para obter o melhor resultado possível. Isso é conhecido como “universalidade”, algo que até recentemente só era possível de ser obtido por meio de métodos de otimização de primeira ordem, como é o caso das combinações convexas.

Contudo, diferentemente das combinações convexas, a proposta desenvolvida por Humberto não se baseia no gradiente-descendente nem tampouco emprega funções de ativação sigmoidais. Ao invés disso, ela se baseia em alguns princípios heurísticos do aprendizado competitivo, uma técnica de inteligência artificial originalmente desenvolvida na década de 1980 para modelar o córtex cerebral – o que explica o nome do novo algoritmo: “supervisor competitivo”. Isso é vantajoso porque, matematicamente, o custo da sigmóide é proibitivo, especialmente em sistemas embarcados e aplicações da IoT (internet das coisas). Além disso, as combinações convexas exigem o uso de diversos truques de programação para que não saturem durante o funcionamento.

Os valores de ativação do supervisor competitivo são computados trivialmente a partir dos erros de estimação instantâneos aplicados a uma função passa-baixa conhecida como suavização exponencial. Após comparados entre si, esses valores são usados como argumentos de uma função de transferência que é linear por partes, o que elimina a possibilidade de saturação e torna a solução BIBO estável. Diversas simulações mostradas no trabalho publicado mostram que, em condições normais de operação, o supervisor competitivo é equivalente aos supervisores convexos. Contudo, ele pode obter um desempenho superior em condições operacionais severas (por exemplo, combinações com vários componentes alimentados com uma entrada fortemente correlacionada ou SNR muito baixa). O trabalho traz ainda uma outra inovação, que é a possibilidade de se utilizar dois passos de aprendizado – um para “recompensar” o componente com melhor desempenho (chamado de “vencedor”) e outro para “punir” os demais componentes (“perdedores”). De acordo com Humberto, essas características, aliadas à simplicidade numérica da solução desenvolvida, a tornam uma alternativa viável e eficiente às tradicionais combinações convexas.

O artigo está disponível on line por meio desse link. A Elsevier normalmente cobra pelo acesso às suas revistas, mas tem por política liberar o acesso gratuito aos trabalhos recém publicados por um tempo limitado (50 dias). O autor também disponibilizou um preprint do seu artigo a quaisquer interessados pela rede SSRN, aqui.