Mapa Auto-Organizável Probabilístico.
Descargas Parciais, Self-Organized Map, Classificação de DPs, Hidrogeradores,
Inteligência Artificial, Redes Neurais.
Neste trabalho é proposta uma metodologia para classificação automática baseada no
mapa auto-organizável de Kohonen (SOM – Self-Organized Map) que foi denominada de
Mapa Auto-Organizável Probabilístico (SOPM - Self-Organized ProbabilisticMap). O SOPM
alia o processo de redução de dimensionalidade dos problemas para um mapa bi-
dimensional, característico da rede de Kohonen, com a possibilidade de realizar a
classificação automática das amostras; além de possibilitar a identificação de amostras
dúbias entre duas ou mais classes. As contribuições deste trabalho são as seguintes: (i)
desenvolvimento de metodologia para realizar classificação automática utilizando mapas de
Kohonen; e (ii) classificação de amostras ruidosas ou dúbias por meio da atribuição de
probabilidades de pertencimento a duas ou mais classes. O SOPM foi aplicado no problema
de classificação de descargas parciais (DPs) em enrolamentos estatóricos de
hidrogeradores. A base de dados é composta de mapas PRPD (Phase-Resolved Partial
Discharges) provenientes de medições de DP online de hidrogeradores operando em
ambiente real. A média das taxas de acerto para cada classe ficou em torno de 89%.