Este trabalho apresenta o desenvolvimento de sistemas inteligentes aplicados ao monitoramento de estruturas aeronáuticas abordando dois modelos distintos: o primeiro é a análise e classificação de imagens de ultrassom de estruturas aeronáuticas com objetivo de apoiar decisões em reparo de estruturas aeronáuticas. Foi definido como escopo do trabalho uma seção transversal da asa da aeronave modelo Boeing 707. Após a remoção de material superficial em áreas comprometidas por corrosão, é realizada a medição da espessura ao longo da área da peça. Com base nestas medições, a Engenharia realiza a análise estrutural, observando os limites determinados pelo manual de manutenção e determina a necessidade ou não de reparo. O segundo modelo compreende o método de impedância eletromecânica. É proposto o desenvolvimento de um sistema de monitoramento de baixo custo aplicado em uma barra de alumínio aeronáutico com 10 posições de fixação de porcas e parafusos. O objetivo do sistema é avaliar, a partir das curvas de impedância extraídas do transdutor PZT fixado na barra, sua capacidade de classificar a existência ou não de um dano na estrutura e, em caso de existência do dano, indicar sua localização e seu grau de severidade. Foram utilizados os seguintes classificadores neste trabalho: máquina de vetor de suporte, redes neurais artificiais e K vizinhos mais próximos. / This work presents the development of intelligent systems applied to the monitoring of aircraft structures addressing two distinct models: the first is the analysis and classification of ultrasound images of aircraft structures in order to support decisions on repair of aircraft structures. A scope of work was defined as a cross section of the wing of the aircraft model Boeing 707. After the removal of surface material in damaged areas by corrosion, thickness measurements in the whole structure are evaluated. Based on the measurements, the Engineering performs structural analysis, observing the limits determined by the maintenance manual and determining the necessity of repair. The second model includes the method of electromechanical impedance. It is proposed to develop a low cost monitoring system applied to an aircraft aluminum bar with 10 positions for fixing nuts and bolts. The goal of the system is to classify an impedance curve in the condition of the aluminum bar if there is or not a damage to the structure and, in case of the existence of damage, indicating their position in the aluminum bar and if the damage is severe or not. The following classifiers were used in this work: support vector machine, artificial neural networks and K nearest neighbors.

Este trabalho apresenta o desenvolvimento de sistemas inteligentes aplicados ao monitoramento de estruturas aeronáuticas abordando dois modelos distintos: o primeiro é a análise e classificação de imagens de ultrassom de estruturas aeronáuticas com objetivo de apoiar decisões em reparo de estruturas aeronáuticas. Foi definido como escopo do trabalho uma seção transversal da asa da aeronave modelo Boeing 707. Após a remoção de material superficial em áreas comprometidas por corrosão, é realizada a medição da espessura ao longo da área da peça. Com base nestas medições, a Engenharia realiza a análise estrutural, observando os limites determinados pelo manual de manutenção e determina a necessidade ou não de reparo. O segundo modelo compreende o método de impedância eletromecânica. É proposto o desenvolvimento de um sistema de monitoramento de baixo custo aplicado em uma barra de alumínio aeronáutico com 10 posições de fixação de porcas e parafusos. O objetivo do sistema é avaliar, a partir das curvas de impedância extraídas do transdutor PZT fixado na barra, sua capacidade de classificar a existência ou não de um dano na estrutura e, em caso de existência do dano, indicar sua localização e seu grau de severidade. Foram utilizados os seguintes classificadores neste trabalho: máquina de vetor de suporte, redes neurais artificiais e K vizinhos mais próximos. / This work presents the development of intelligent systems applied to the monitoring of aircraft structures addressing two distinct models: the first is the analysis and classification of ultrasound images of aircraft structures in order to support decisions on repair of aircraft structures. A scope of work was defined as a cross section of the wing of the aircraft model Boeing 707. After the removal of surface material in damaged areas by corrosion, thickness measurements in the whole structure are evaluated. Based on the measurements, the Engineering performs structural analysis, observing the limits determined by the maintenance manual and determining the necessity of repair. The second model includes the method of electromechanical impedance. It is proposed to develop a low cost monitoring system applied to an aircraft aluminum bar with 10 positions for fixing nuts and bolts. The goal of the system is to classify an impedance curve in the condition of the aluminum bar if there is or not a damage to the structure and, in case of the existence of damage, indicating their position in the aluminum bar and if the damage is severe or not. The following classifiers were used in this work: support vector machine, artificial neural networks and K nearest neighbors.

Made available in DSpace on 2014-12-17T14:54:59Z (GMT). No. of bitstreams: 1 CeciliaRML_TESE.pdf: 2405004 bytes, checksum: b79db46caa488d92a5933e45e80ca647 (MD5) Previous issue date: 2011-06-10 / The area of the hospital automation has been the subject a lot of research, addressing relevant issues which can be automated, such as: management and control (electronic medical records, scheduling appointments, hospitalization, among others); communication (tracking patients, staff and materials), development of medical, hospital and laboratory equipment; monitoring (patients, staff and materials); and aid to medical diagnosis (according to each speciality). This thesis presents an architecture for a patient monitoring and alert systems. This architecture is based on intelligent systems techniques and is applied in hospital automation, specifically in the Intensive Care Unit (ICU) for the patient monitoring in hospital environment. The main goal of this architecture is to transform the multiparameter monitor data into useful information, through the knowledge of specialists and normal parameters of vital signs based on fuzzy logic that allows to extract information about the clinical condition of ICU patients and give a pre-diagnosis. Finally, alerts are dispatched to medical professionals in case any abnormality is found during monitoring. After the validation of the architecture, the fuzzy logic inferences were applied to the trainning and validation of an Artificial Neural Network for classification of the cases that were validated a priori with the fuzzy system / A ?rea da automa??o hospitalar tem sido alvo de muitas pesquisas, abordando problemas pertinentes que podem ser automatizados, como: gerenciamento e controle (prontu?rio eletr?nico, marca??o de consulta, internamento, entre outros); comunica??o (rastreamento de pacientes, materiais e funcion?rios); desenvolvimento de equipamentos m?dicos, hospitalares e laboratoriais; monitoramento (pacientes, materiais e funcion?rios); e aux?lio ao diagn?stico m?dico (de acordo com cada especialidade). Esta tese de doutorado apresenta uma Arquitetura de um Sistema Inteligente de Monitoramento e Envio de Alertas de Pacientes (SIMAp). A arquitetura est? baseada em t?cnicas de sistemas inteligentes e aplicada na automa??o hospitalar, mais especificamente em Unidade de Terapia Intensiva (UTI) para monitoramento de pacientes. O objetivo do SIMAp ? a transforma??o dos dados do monitor multiparam?trico em informa??es, por meio do conhecimento dos especialistas e dos par?metros de normalidade dos sinais vitais de pacientes, utilizando l?gica fuzzy na extra??o das informa??es a respeito do quadro cl?nico de pacientes internados em UTI. Por fim, alertas s?o gerados e podem ser enviados para a equipe m?dica, caso seja encontrada alguma anormalidade no monitoramento. Ap?s a valida??o da arquitetura, as infer?ncias oriundas do modelo fuzzy foram aplicadas no treinamento e valida??o de uma RNA para a classifica??o das situa??es previstas no modelo, resultando no pr?-diagn?sticos

Made available in DSpace on 2014-12-17T14:56:07Z (GMT). No. of bitstreams: 1 NaiyanHCL_DISSERT.pdf: 1452285 bytes, checksum: 018fb1e8fa51e8f7094cce68a18c6c73 (MD5) Previous issue date: 2012-08-13 / Reinforcement learning is a machine learning technique that, although finding a large number of applications, maybe is yet to reach its full potential. One of the inadequately tested possibilities is the use of reinforcement learning in combination with other methods for the solution of pattern classification problems. It is well documented in the literature the problems that support vector machine ensembles face in terms of generalization capacity. Algorithms such as Adaboost do not deal appropriately with the imbalances that arise in those situations. Several alternatives have been proposed, with varying degrees of success. This dissertation presents a new approach to building committees of support vector machines. The presented algorithm combines Adaboost algorithm with a layer of reinforcement learning to adjust committee parameters in order to avoid that imbalances on the committee components affect the generalization performance of the final hypothesis. Comparisons were made with ensembles using and not using the reinforcement learning layer, testing benchmark data sets widely known in area of pattern classification / A aprendizagem por refor?o ? uma t?cnica de aprendizado de m?quina que, embora j? tenha encontrado uma grande quantidade de aplica??es, talvez ainda n?o tenha alcan?ado seu pleno potencial. Uma das possibilidades que n?o foi devidamente testada at? hoje foi a utiliza??o da aprendizagem por refor?o em conjunto com outros m?todos para a solu??o de problemas de classifica??o de padr?es. ? bem documentada na literatura a problem?tica que ensembles de m?quinas de vetor de suporte encontram em termos de capacidade de generaliza??o. Algoritmos como Adaboost n?o lidam apropriadamente com os desequil?brios que podem surgir nessas situa??es. V?rias alternativas j? foram propostas, com margens variadas de sucesso. Esta disserta??o apresenta uma nova abordagem para a constru??o de comit?s de m?quinas de vetor de suporte. O algoritmo apresentado combina o algoritmo Adaboost com uma camada de aprendizagem por refor?o, para ajustar par?metros do comit? evitando que desequil?brios nos classificadores componentes do comit? prejudiquem o desempenho de generaliza??o da hip?tese final. Foram efetuadas compara??es de comit?s com e sem essa camada adicional de aprendizagem por refor?o, testando conjuntos de dados benchmarks amplamente conhecidos na ?rea de classifica??o de padr?es

Submitted by (ana.araujo@ufrpe.br) on 2016-06-28T16:05:18Z No. of bitstreams: 1 David Augusto Silva.pdf: 1453777 bytes, checksum: 4516b869e7e749b770a803eb7e91a084 (MD5) / Made available in DSpace on 2016-06-28T16:05:18Z (GMT). No. of bitstreams: 1 David Augusto Silva.pdf: 1453777 bytes, checksum: 4516b869e7e749b770a803eb7e91a084 (MD5) Previous issue date: 2011-07-01 / The techniques for Time Series Analysis and Forecasting have great presence on the literature over the years. The computational resources combined with statistical techniques are improving the predictive results, and these results have been become increasingly accurate. Computational methods base on Artificial Neural Networks (ANN) and Evolutionary Computing (EC) are presenting a new approach to solve the Time Series Analysis and Forecasting problem. These computational methods are contained in the branch of Artificial Intelligence (AI), and they are biologically inspired, where the ANN models are based on the neural structure of intelligent organism, and the EC uses the concept of nature selection of Charles Darwin. Both methods acquire experience from prior knowledge and example of the given problem. In particular, for the Time Series Forecasting Problem, the objective is to find the predictive model with highest forecast perfomance, where the performance measure are statistical errors. However, there is no universal criterion to identify the best performance measure. Since the ANNs are the predictive models, the EC will constantly evaluate the forecast performance of the ANNs, using a fitness functions to guide the predictive model for an optimal solution. The Data Envelopment Analysis (DEA) was employed to predictive determine the best combination of variables based on the relative efficiency of the best models. Therefore, this work to study the optimization Fitness Function process with Data Envelopment Analysis applied the Intelligence Hybrid System for time series forecasting problem. The data analyzed are composed by financial data series, agribusiness and natural phenomena. The C language program was employed for implementation of the hybrid intelligent system and the R Environment version 2.12 for analysis of DEA models. In general, the perspective of using DEA procedure to evaluate the fitness functions were satisfactory and serves as an additional resource in the branch of time series forecasting. Researchers need to compute the results under different perspectives, whether in the matter of the computational cost of implementing a particular function or which function was more efficient in the aspect of assessing which combinations are unwanted saving time and resources. / As técnicas de análise e previsão de séries temporais alcançaram uma posição de distinção na literatura ao longo dos anos. A utilização de recursos computacionais, combinada com técnicas estatísticas, apresenta resultados mais precisos quando comparados com os recursos separadamente. Em particular, técnicas que usam Redes Neurais Artificiais (RNA) e Computação Evolutiva (CE), apresenta uma posição de destaque na resolução de problemas de previsão na análise de séries temporais. Estas técnicas de Inteligência Artificial (AI) são inspiradas biologicamente, no qual o modelo de RNA é baseado na estrutura neural de organismos inteligentes, que adquirem conhecimento através da experiência. Para o problema de previsão em séries temporais, um fator importante para o maior desempenho na previsão é encontrar um método preditivo com a melhor acurácia possível, tanto quanto possível, no qual o desempenho do método pode ser analisado através de erros de previsão. Entretanto, não existe um critério universal para identificar qual a melhor medida de desempenho a ser utilizada para a caracterização da previsão. Uma vez que as RNAs são os modelos de previsão, a CE constantemente avaliará o desempenho de previsão das RNAs, usando uma função de fitness para guiar o modelo preditivo para uma solução ótima. Desejando verificar quais critérios seriam mais eficientes no momento de escolher o melhor modelo preditivo, a Análise Envoltória de Dados (DEA) é aplicada para fornecer a melhor combinação de variáveis visando a otimização do modelo. Portanto, nesta dissertação, foi estudado o processo de otimização de Funções de Fitness através do uso da Análise Envoltória de Dados utilizando-se de técnicas hibridas de Inteligência Artificial aplicadas a área de previsão de séries temporais. O banco de dados utilizado foi obtido de séries históricas econômico- financeiras, fenômenos naturais e agronegócios obtidos em diferentes órgãos específicos de cada área. Quanto à parte operacional, utilizou-se a linguagem de programação C para implementação do sistema híbrido inteligente e o ambiente R versão 2.12 para a análise dos modelos DEA. Em geral, a perspectiva do uso da DEA para avaliar as Funções de Fitness foi satisfatório e serve como recurso adicional na área de previsão de séries temporais. Cabe ao pesquisador, avaliar os resultados sob diferentes óticas, quer seja sob a questão do custo computacional de implementar uma determinada Função que foi mais eficiente ou sob o aspecto de avaliar quais combinações não são desejadas poupando tempo e recursos.

Os motores de indução desempenham um importante papel na indústria, fato este que destaca a importância do correto diagnóstico e classificação de falhas ainda em fase inicial de sua evolução, possibilitando aumento na produtividade e, principalmente, eliminando graves danos aos processos e às máquinas. Assim, a proposta desta tese consiste em apresentar um multiclassificador inteligente para o diagnóstico de motor sem defeitos, falhas de curto-circuito nos enrolamentos do estator, falhas de rotor e falhas de rolamentos em motores de indução trifásicos acionados por diferentes modelos de inversores de frequência por meio da análise das amplitudes dos sinais de corrente de estator no domínio do tempo. Para avaliar a precisão de classificação frente aos diversos níveis de severidade das falhas, foram comparados os desempenhos de quatro técnicas distintas de aprendizado de máquina; a saber: (i) Rede Fuzzy Artmap, (ii) Rede Perceptron Multicamadas, (iii) Máquina de Vetores de Suporte e (iv) k-Vizinhos-Próximos. Resultados experimentais obtidos a partir de 13.574 ensaios experimentais são apresentados para validar o estudo considerando uma ampla faixa de frequências de operação, bem como regimes de conjugado de carga em 5 motores diferentes. / Induction motors play an important role in the industry, a fact that highlights the importance of correct diagnosis and classification of faults on these machines still in early stages of their evolution, allowing increase in productivity and mainly, eliminating major damage to the processes and machines. Thus, the purpose of this thesis is to present an intelligent multi-classifier for the diagnoses of healthy motor, short-circuit faults in the stator windings, rotor broken bars and bearing faults in induction motors operating with different models of frequency inverters by analyzing the amplitude of the stator current signal in the time domain. To assess the classification accuracy across the various levels of faults severity, the performances of four different learning machine techniques were compared; namely: (i) Fuzzy ARTMAP network, (ii) Multilayer Perceptron Network, (iii) Support Vector Machine and (iv) k-Nearest-Neighbor. Experimental results obtained from 13.574 experimental tests are presented to validate the study considering a wide range of operating frequencies and also load conditions using 5 different motors.

Este trabalho tem por objetivo desenvolver uma abordagem fuzzy focando na estimação de curto prazo da demanda de potência ativa de um alimentador de sistema de distribuição de energia elétrica. A motivação para este trabalho encontra-se na redução do erro de estimação para que o sistema de distribuição como um todo seja corretamente operado. O destaque da abordagem desenvolvida é a metodologia de seleção de entradas para o sistema de estimação, que o treina fornecendo-lhe informações não redundantes e não desnecessárias sobre o comportamento da série temporal. Os resultados, obtidos com treinamento e teste de um sistema de inferência fuzzy multicamadas, mostram que as estimações realizadas selecionando as entradas do sistema de forma criteriosa apresentam menor erro que quando não há critério de seleção. Conclui-se então que a metodologia foi funcional e eficiente para o caso estudado, o que faz com que este trabalho resulte em válidas contribuições nas áreas de sistemas inteligentes, de sistemas dinâmicos e inclusive na forma metodológica de especificação de modelos de estimação de séries temporais. / This work aims to develop a fuzzy approach focusing on the short-term active power demand forecast in a feeder of an electrical energy distribution system. This work motivation lies on the reduction of the forecast error so that the whole distribution system can be correctly operated. The highlight of the developed approach is the methodology to select the inputs for the estimation system, which trains it giving to it non-redundant and non-unnecessary information about the time series behavior. The results, obtained by training and testing a multilayer fuzzy inference system, show that the estimations made by following a criterion to select the inputs have smaller error than when there is no selection criterion at all. It is therefore concluded that the methodology was functional and efficient for the case under study, what makes this work result in valid contributions for the fields of intelligent systems, dynamic systems and in the methodological way to specify models to estimate time series.

No description available.

Smart homes are custom-fitted systems for users to manage their home environments. Smart homes consist of devices which has the possibility to communicate between each other. In a smart home system, the communication is used by a central control unit to manage the environment and the devices in it. Setting up a smart home today involves a lot of manual customizations to make it function as the user wishes. What smart homes lack is the possibility to learn from users behaviour and habits in order to provide a customized environment for the user autonomously. The purpose of this thesis is to examine whether environmental data can be collected and used in a small smart home system to learn about the users behaviour. To collect data and attempt this learning process, a system is set up. The system uses a central control unit for mediation between wireless electrical outlets and sensors. The sensors track motion, light, temperature as well as humidity. The devices and sensors along with user interactions in the environment make up the collected data. Through studying the collected data, the system is able to create rules. These rules are used for the system to make decisions within its environment to suit the users’ needs. The performance of the system varies depending on how the data collection is handled. Results find that collecting data in intervals as well as when an action is made from the user is important. / Smarta hem är system avsedda för att hjälpa användare styra sin hemmiljö. Ett smart hem är uppbyggt av enheter med möjlighet att kommunicera med varandra. För att kontrollera enheterna i ett smart hem, används en central styrenhet. Att få ett smart hem att vara anpassat till användare är ansträngande och tidskrävande. Smarta hemsystem saknar i stor utsträckning möjligheten att lära sig av användarens beteende. Vad ett sådant lärande skulle kunna möjliggöra är ett skräddarsytt system utan användarens involvering. Syftet med denna avhandling är att undersöka hur användardata från en hemmiljö kan användas i ett smart hemsystem för att lära sig av användarens beteende. Ett litet smart hemsystem har skapats för att studera ifall denna inlärningsmetod är applicerbar. Systemet består av sensorer, trådlösa eluttag och en central styrenhet. Den centrala styrenheten används för att kontrollera de olika enheterna i miljön. Sensordata som sparas av systemet består av rörelse, ljusstyrka, temperatur och luftfuktighet. Systemet sparar även användarens beteende i miljön. Systemet skapar regler utifrån sparad data med målet att kunna styra enheterna i miljön på ett sätt som passar användaren. Systemets agerande varierade beroende på hur data samlades in. Resultatet visar vikten av att samla in data både i intervaller och när användare tar ett beslut i miljön.

Zinchenko E.E. in her master's thesis looks as widely as possible at the virtual, as the problem appears the uncertainty of the term "virtual". The object of research is the virtual reality and the subject is related aspects of the ontology, psychology, sociology and virtual technologies. The aim is a detailed study of the different approaches to the "virtual" and develop their own unified concept of this problem based on a single modern ontology. The material for the study in addition to literature represents by specific popular computer games, as well as the reviews and opinions of real players. The first chapter is dedicated to the most elaborated concepts in the field of "virtualistics" of S.S. Khoruzhiy and N.A. Nosov, as well as developing own structure of "virtual". The second chapter is devoted to the practical implementation of appropriate technology. The theoretical framework is based on the works of K. Jung, Z. Freud, G. Gibson, I.V. Burlakov and on projects of young game designers developed their ideas to existing games. Particular attention in this chapter is on computer games as the most common means of immersion in the virtual environment. Zinchenko E.E. adheres to a neutral position on the upbeat virtual reality, considering, in particular, the positive aspect of the phenomenon of the virtual. / В своей магистерской диссертации Зинченко Е.Е. максимально широко смотрит на виртуальное, так как проблемой выступает неопределенность самого термина «виртуальное». Объектом исследования выступает виртуальная реальность, а предметом - взаимосвязанные аспекты онтологии, психологии, социологии и технологий виртуального. Целью работы является подробное изучение различных подходов к «виртуальному» и разработка собственной единой концепции данной проблематики на базе единой современной онтологии. В качестве материала для исследования помимо литературных источников используются популярные и специфические компьютерные игры, а также отзывы и мнения реальных игроков. Первая глава посвящена наиболее проработанным концепциям в области «виртуалистики» Хоружего С.С. и Носова Н.А., а также разработке собственной структуры «виртуального». Вторая глава посвящена практической реализации соответствующих технологий. Теоретическая база основана на работах К. Юнга, З. Фрейда, Дж. Гибсона, Бурлакова И.В. и на проектах молодых геймдизайнеров, реально воплощающих свои идеи в существующих играх. Особое внимание в данной главе уделяется компьютерным играм как самому распространенному средству погружения в виртуальную среду. Зинченко Е.Е. придерживается нейтрально-оптимистичной позиции относительно виртуальной реальности, рассматривая, в том числе, положительный аспект феномена виртуального.