[pt] O dióxido de titânio é amplamente utilizado pela indústria e pesquisa como fotocatalisador, cuja principal desvantagem ainda é sua aplicação sob luz visível. Propriedades como quantidade de fases, tamanho do cristalito, área de superfície específica, volume de poros e valor da banda proibida (Eg) são explorados por métodos de síntes e para aprimorar a performance do TiO2. No entanto, elas são ajustadas empiracamente. O presente trabalho foi realizado a fim de descrever uma relação analítica entre essas propriedades para a fotocatálise, usando Redes Neurais Artificiais (RNAs) como ferramente estatística. Afim de ter o banco de dados mais representativo, foram usados 53 artigos. O Eg foi considerado a medida a qual avalia a performance fotocatalítica, sendo o parâmetro de saída da rede. Dois blocos A e B, distintos pelas variáveis de entrada, foram arranjados em grupos para investigar a influência das variáveis em pares, com 257 e 220 fotocatalisadores para cada, respectivamente. Exploraram-se diferentes algoritmos de treinamento (baseados em Retropropagação), tipos de redes (Feedforward, Cascade forward e Elman), funções de transferência, número de neurônios e redemulticamadas. Avaliaram-se os modelos pela Soma dos Erros Quadráticos (SSE),pelo coeficiente de correlação de regressão (R2) tanto para o treinamento e quanto para o teste, pelo comportamento de predição do banco de dados e pelo diagrama de regressão dos valores preditos pelos observados. Os resultados do bloco A sugerem que as variáveis não aparentam ter uma relação. Os modelos de múltiplas camadas no bloco B revelaram um aumento no desempenho. O resultado de maior coeficiente teve topologia de 4-4-6-1, correspondendo a camada de entrada, primeira camada oculta, segunda camada oculta e camda de saída, respectivamente. Obteve-se R2 de 84 por cento para o treinamento e 50 por cento para o teste, com SSE de 2.24.Esse resultado sugere que a rede não é capaz de prever o Eg, mas ela pode ser aprimorada. Os parâmetros estruturais devem ser revisados, de acordo com padrões de caracterizações e dados estatísticos. Consequentemente, o modelo pode ser bem ajustado, otimizado e usado na melhoria da fotocatálise. / [en] Titanium dioxide has been widely applied by industry and scientific research as a photocatalyst,whose main drawback still has been the application under visible light.Properties such as phases amount,crystallite size, specific surface area, pore volume, and band gap value (Eg)have been explored by synthesis methods to improve TiO2 s performance. However, they are empirically adjusted.The present work was carried out to describe an analytical relation between those properties for photocatalysis, using Artificial Neural Networks (ANNs) as a statistical tool. Aiming the most representative set, 53 literature papers were used for the database. Eg was considered the measurement which evaluates the photocatalytic performance, namely the network s out put variable. Two blocks A and B, which are distinguished by input variables, were arranged into groups to investigate the variables pair influences, using 257 and 220 photocatalysts vectors for each,respectively. Modelling attempts examined different training algorithms(based on Back- propagation), types of networks (Feedforward, Cascade forward and Elman), transfer functions, number of hidden neurons, and multilayer network.The developedmodelswereevaluatedbythesumofsquarederror(SSE),the correlation coefficient(R2) of regression for both training and test data, the prediction behaviour of the dataset,and the regression diagram of predicted and observed values. The block A results suggest the variables do not have an apparent relationship. Multilayers models on block B revealed an increase of network identification performance. The result with the highest coefficient showed 4-4-6-1 topology; corresponding, respectively, to input, first hidden, second hidden and output layers.It had R2 of 84 percent for training and to 50 percent fortest, with SSE of 2.24.This result suggests this network is not able topredict the Eg, but it can be improved. The structural properties should be reviewed, according to standards of characterization and statistical data. Hence, the model could be well fitted, optimized, and used for photocatalysis improvement.

The thesis deals with the use of neuronal networks for the control of telecommunication network elements. The aim of the thesis is to create a simulation model of network element with switching array with memory, in which the optimization kontrol switching array is solved by means of the neural network. All source code is created in integrated environment MATLAB. To training are used feed-forward backpropagation network. Miss achieve satisfactory result mistakes. Work apposite decision procedure given to problem and it is possible on ni tie up in an effort to find optimum solving.