Based on the targets outlined by the EU Horizon 2020 (H2020) framework, it is expected that heterogeneous networking will play a crucial role in delivering seamless end-to-end ubiquitous Internet access for users. In due course, the current GSM-Railway (GSM-R) will be deemed unsustainable, as the demand for packet-oriented services continues to increase. Therefore, the opportunity to identify a plausible replacement system conducted in this research study is timely and appropriate. In this research study, a hybrid satellite and terrestrial network for enabling ubiquitous Internet access in a high-speed train environment is investigated. The study focuses on the mobility management aspect of the system, primarily related to the handover management. A proposed handover strategy, employing the RACE II MONET and ITU-T Q.65 design methodology, will be addressed. This includes identifying the functional model (FM) which is then mapped to the functional architecture (FUA), based on the Q.1711 IMT-2000 FM. In addition, the signalling protocols, information flows and message format based on the adopted design methodology will also be specified. The approach is then simulated in OPNET and the findings are then presented and discussed. The opportunity of exploring the prospect of employing neural networks (NN) for handover is also undertaken. This study focuses specifically on the use of pattern classification neural networks to aid in the handover process, which is then simulated in MATLAB. The simulation outcomes demonstrated the effectiveness and appropriateness of the NN algorithm and the competence of the algorithm in facilitating the handover process.

A inspeção visual automática é uma tarefa importante para a produtividade industrial. Ela pode ser aplicada em controle de qualidade para substituir operadores humanos em trabalhos perigosos ou repetitivos. O estágio de classificação em controle de qualidade da produção industrial é freqüentemente baseado no conhecimento humano. Portanto, torna-se importante alimentar um sistema visual automático com dados nebulosos ou ambíguos. Um sistema \"neuro-fuzy\" é uma forma adequada de implementar isto. O trabalho contribui na área tecnológica de inspeção visual com o desenvolvimento de uma nova abordagem para avaliação da qualidade de placas de madeira utilizadas na fabricação de lápis. Outra contribuição foi a divisão do vetor de características, fazendo com que cada característica específica seja tratada em uma rede neural própria. O método é baseado em duas redes neurais, cada uma tratando com apenas uma característica de entrada. Os resultados das redes neurais são combinados através de lógica nebulosa (\"fuzzy) fornecendo um sistema com maior poder discriminante do que aqueles que utilizam métodos tradicionais. O sistema se caracteriza por ser ágil, repetitivo, com um padrão de classificação definido e por possuir baixo custo. / Automatic visual inspection is an important task for industrial productivity. It could be applied for quality control or for replacing manual work under dangerous or repetitive activity. The classification stage in quality control of the industrial production is often based on the human knowledge. It seems, therefore, to be a great concern to supply an automated visual inspection system with fuzzy or ambiguous data. The Neuro-Fuzzy system is a good way to do this. The objective of this work is to develop a new approach for the classification of wooden plates used in the pencil production. This new method is based on two neural networks, each one working with just an input feature. The results of neural networks are combined through fuzzy logic giving the system a greater discriminating power than those that use traditional methods. The proposed method is characterized by being agile, repetitive, with a defined classification pattern and having low cost.

[pt] Esta dissertação objetivará a unificação de duas metodologias de algoritmos evolutivos consagradas para tratamento de problemas ou do tipo combinatórios, ou do tipo numéricos, num único algoritmo com representação mista. Trata-se de um algoritmo evolutivo inspirado na física quântica com representação mista binário-real do espaço de soluções, o AEIQ-BR. Este algoritmo trata-se de uma extensão do modelo com representação binária de Jang, Han e Kin, o AEIQ-B para otimizações combinatoriais, e o de representação real de Abs da Cruz, o AEIQ-R para otimizações numéricas. Com fins de exemplificação do novo algoritmo proposto, o discutiremos no contexto de neuroevolução, com o propósito de configurar completamente uma rede neural com alimentação adiante em termos: seleção de variáveis de entrada; números de neurônios na camada escondida; todos os pesos existentes; e tipos de funções de ativação de cada neurônio. Esta finalidade em se aplicar o algoritmo AEIQ-BR à neuroevolução – e também, numa analogia ao modelo NEIQ-R de Abs da Cruz – receberá a denominação NEIQ-BR. N de neuroevolução, E de evolutivo, IQ de inspiração quântica, e BR de binário-real. Para avaliar o desempenho do NEIQ-BR, utilizarse- á um total de seis casos benchmark de classificação, e outros dois casos reais, em campos da ciência como: finanças, biologia e química. Resultados serão comparados com algoritmos de outros pesquisadores e a modelagem manual de redes neurais, através de medidas de desempenho. Através de testes estatísticos concluiremos que o algoritmo NEIQ-BR apresentará um desempenho significativo na obtenção de previsões de classificação por neuroevolução. / [en] This work aimed to unify two methodologies of evolutionary algorithms to treat problems with or combinatorial characteristics, or numeric, on a unique algorithm with mix representation. It is an evolutionary algorithm inspired in quantum physics with mixed representation of the solutions space, called QIEABR. This algorithm is an extension of the model with binary representation of the chromosome from Jang, Han e Kin, the QIEA-B for combinatorial optimization, and numeric representation from Abs da Cruz, the QIEA-R for numerical optimizations. For purposes of exemplification of the new algorithm, we will introduce the algorithm in the context of neuro-evolution, in order to completely configure a feed forward neural network in terms of: selection of input variables; numbers of neurons in the hidden layer; all existing synaptic weights; and types of activation functions of each neuron. This purpose when applying the algorithm QIEA-BR to neuro-evolution receive the designation of QIEN-BR. QI for quantum-inspired, E for evolutive, N for neuro-evolution, and BR for binary-real representation. To evaluate the performance of QIEN-BR, we will use a total of six benchmark cases of classification, and two real cases in fields of science such as finance, biology and chemistry. Results will be compared with algorithms of other researchers and manual modeling of neural networks through performance measures. Statistical tests will be provided to elucidate the significance of results, and what we can conclude is that the algorithm QIEN-BR better performance others researchers in terms of classification prediction.

Made available in DSpace on 2014-12-17T14:56:05Z (GMT). No. of bitstreams: 1 AndreFB_DISSERT.pdf: 2147554 bytes, checksum: 3ed5f0d06e3b072597f2eae69b7d1ca2 (MD5) Previous issue date: 2012-02-24 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / The Brain-Computer Interfaces (BCI) have as main purpose to establish a communication path with the central nervous system (CNS) independently from the standard pathway (nervous, muscles), aiming to control a device. The main objective of the current research is to develop an off-line BCI that separates the different EEG patterns resulting from strictly mental tasks performed by an experimental subject, comparing the effectiveness of different signal-preprocessing approaches. We also tested different classification approaches: all versus all, one versus one and a hierarchic classification approach. No preprocessing techniques were found able to improve the system performance. Furthermore, the hierarchic approach proved to be capable to produce results above the expected by literature / As interfaces c?rebro-computador (ICC) t?m como objetivo estabelecer uma via de comunica??o com o sistema nervoso central (SNC) que seja independente das vias padr?o (nervos, m?sculos), visando o controle de algum dispositivo. O objetivo principal da presente pesquisa ? desenvolver uma ICC off-line que separe os diferentes padr?es de EEG resultantes de tarefas puramente mentais realizadas por um sujeito experimental, comparando a efic?cia de diferentes abordagens de pr?-processamento do sinal. Tamb?m foram testadas diferentes abordagens de classifica??o: todos contra todos, um contra um e uma abordagem hier?rquica de classifica??o. N?o foram encontradas t?cnicas de pr?-processamento que melhorem os resultados do sistema. Al?m disso, a abordagem hier?rquica sugerida mostrou-se capaz de produzir resultados acima do padr?o esperado pela literatura

A inspeção visual automática é uma tarefa importante para a produtividade industrial. Ela pode ser aplicada em controle de qualidade para substituir operadores humanos em trabalhos perigosos ou repetitivos. O estágio de classificação em controle de qualidade da produção industrial é freqüentemente baseado no conhecimento humano. Portanto, torna-se importante alimentar um sistema visual automático com dados nebulosos ou ambíguos. Um sistema \"neuro-fuzy\" é uma forma adequada de implementar isto. O trabalho contribui na área tecnológica de inspeção visual com o desenvolvimento de uma nova abordagem para avaliação da qualidade de placas de madeira utilizadas na fabricação de lápis. Outra contribuição foi a divisão do vetor de características, fazendo com que cada característica específica seja tratada em uma rede neural própria. O método é baseado em duas redes neurais, cada uma tratando com apenas uma característica de entrada. Os resultados das redes neurais são combinados através de lógica nebulosa (\"fuzzy) fornecendo um sistema com maior poder discriminante do que aqueles que utilizam métodos tradicionais. O sistema se caracteriza por ser ágil, repetitivo, com um padrão de classificação definido e por possuir baixo custo. / Automatic visual inspection is an important task for industrial productivity. It could be applied for quality control or for replacing manual work under dangerous or repetitive activity. The classification stage in quality control of the industrial production is often based on the human knowledge. It seems, therefore, to be a great concern to supply an automated visual inspection system with fuzzy or ambiguous data. The Neuro-Fuzzy system is a good way to do this. The objective of this work is to develop a new approach for the classification of wooden plates used in the pencil production. This new method is based on two neural networks, each one working with just an input feature. The results of neural networks are combined through fuzzy logic giving the system a greater discriminating power than those that use traditional methods. The proposed method is characterized by being agile, repetitive, with a defined classification pattern and having low cost.

As áreas de visão computacional e redes neurais artificiais (RNAs) e suas aplicações, tiveram um enorme progresso em pesquisa e aplicações práticas nos últimos anos. Sistemas de inspeção visual automática têm despertado muita atenção na indústria pois provêem meios econômicos, eficientes e precisos de obtenção de controle de qualidade. Porém, apesar do grande avanço tecnológico, a maioria dos sistemas existentes, com exceção de alguns poucos experimentais, são especializados e foram projetados para inspecionar um único objeto ou peça, de tipo previamente conhecido, e em posição, orientação e distância em relação à câmara altamente restritas. Este trabalho descreve um sistema de reconhecimento de imagens contendo múltiplos objetos de classes aleatórias e tolerante a ruído. Um estágio de pré-processamento filtra parte do ruído e segmenta regiões conectadas da imagem (RCI). A classificação dos padrões é feita com redes neurais de múltiplas camadas a partir de atributos invariantes calculados sobre as RCis. No final do processo temos uma listagem dos objetos contidos na cena, suas posições e orientações, os quais podem servir de entrada a um sistema de entendimento da cena, de mais alto nível, ou para outras máquinas, como um manipulador automático. Outros parâmetros podem ser utilizados para normalizar, em escala, orientação e posição, os padrões contidos na imagem, para efeito de comparações com imagens e parâmetros dos objetos previamente armazenados em bancos de dados. Dois métodos de treinamento de RNAs foram testados, o gradiente conjugado e o Levenberg-Marquardt, em conjunção com simulated annealing, para diferentes condições de erro e conjuntos de atributos. Imagens reais e sintéticas foram utilizadas para efeitos de testes de classificação correta e rejeição de padrões espúrios. Resultados são apresentados e comentados, destacando a capacidade de generalização do sistema mesmo com elevada degradação da imagem pelo ruído. Uma das vantagens do tipo de RNA empregado é a velocidade de execução, que permite ao sistema ser integrado a uma linha de montagem industrial. O sistema foi projetado com a utilização de recursos acessíveis e de baixo custo, sendo executado em computadores pessoais, e podendo ser facilmente adaptado para o uso em pequenas e médias empresas. / Computer vision (CV) and artificial neural networks (ANN) are important research fields of artificial intelligence. Visual pattern recognition (VPR) and object recognition (2 or 3-D) are central tasks in a high level computer vision system. Despite the great development in the recent years, most of the current automatic visual inspection systems work with only one kind of pattern at time which has pose highly restricted. This dissertation describes a system designed to recognize patterns and objects in a digital image which have unknown number object types and poses. Such image, which is also degraded by noise, serve as input for the system. After gray level change and filtering, the pixel connected regions (CR) are codified, and the remained noise is eliminated. lnvariant features, i.e., moment invariants, serve as inputs for artificial neural networks that perform pattern classification. An interpretation module decode the net\'s outputs and increases the correct assignment by testing the net\'s higher outputs values. After all identified patterns were classified, we have an object listing of the scene, their positions and other information, which can be the input for a higher level scene understanding system, that may check for objects relations and could send information for humans or for other machines. Two ANN learning methods were adopted for training the networks, the conjugate gradient and the Levenberg-Marquardt Algoritms, both in conjuction with siumlated annealing, for different error conditions and feature sets. Sinthetic and real images were utilized for testing the net\'s correct class assignments and rejections. Results are presented as well as comments focusing the system\'s generalization capability despite noise, geometrical transformations, object shadows and other degradations over the images. One of the advantages of the ANN employed is the low execution time allowing the system to be integrated to an assembly industry line. The system runs on low cost personal computers, therefore it can be easily adapted for the Brazilian reality and can even be used by little companies and industries.

[pt] Nesta dissertação, propomos uma metodologia para seleção de dados em modelos de Aprendizado por Quantização Vetorial, referenciado amplamente na literatura pela sigla em inglês LVQ. Treinar um modelo (ajuste dentro-daamostra) com um subconjunto selecionado a partir do conjunto de dados disponíveis para o aprendizado pode trazer grandes benefícios no resultado de generalização (fora-da-amostra). Neste sentido, é muito importante realizar uma busca para selecionar dados que, além de serem representativos de suas distribuições originais, não sejam ruído (no sentido definido ao longo desta dissertação). O método proposto procura encontrar os pontos relevantes do conjunto de entrada, tendo como base a correlação do erro de cada ponto com o erro do restante da distribuição. Procura-se, em geral, eliminar considerável parte do ruído mantendo os pontos que são relevantes para o ajuste do modelo (aprendizado). Assim, especificamente em LVQ, a atualização dos protótipos durante o aprendizado é realizada com um subconjunto do conjunto de treinamento originalmente disponível. Experimentos numéricos foram realizados com dados simulados e reais, e os resultados obtidos foram muito interessantes, mostrando claramente a potencialidade do método proposto. / [en] In this dissertation, we consider a methodology for selection of data in models of Learning Vector Quantization (LVQ). The generalization can be improved by using a subgroup selected from the available data set. We search the original distribution to select relevant data that aren't noise. The search aims at relevant points in the training set based on the correlation between the error of each point and the average of error of the remaining data. In general, it is desired to eliminate a considerable part of the noise, keeping the points that are relevant for the learning model. Thus, specifically in LVQ, the method updates the prototypes with a subgroup of the originally available training set. Numerical experiments have been done with simulated and real data. The results were very interesting and clearly indicated the potential of the method.

[pt] Esta dissertação propõe um sistema de controle de uma mão robótica utilizando sinais eletromiográficos de superfície (sEMG). Os sinais sEMG são coletados de três diferentes grupos musculares do antebraço superior: músculo palmar longo, músculo extensor dos dedos, e músculo extensor radial longo do carpo. O objetivo dessa pesquisa é o desenvolvimento de um protótipo de uma prótese robótica para pessoas que apresentam amputação da mão, controlado por uma interface eletromiográfica baseada em inteligência computacional. Este trabalho abrange os seguintes tópicos: posicionamento dos eletrodos para capturar os sinais sEMG, projeto de um sistema de eletromiografia como interface muscular, método de pré processamento de sinais, uso de técnicas de inteligência computacional para a interpretação dos sinais sEMG, projeto da mão robótica, e método de controle utilizado para controlar as posições dos dedos e o controle da força da mão. Nesta dissertação é utilizada a transformada wavelet como método de extração de características nos sinais eletromiográficos, e uma rede neural multicamada como método de classificação de padrões. O modelo proposto apresentou resultados satisfatórios, conseguindo 90,5 por cento de classificação correta dos padrões para o reconhecimento de 6 posturas diferentes da mão, 94,3 por cento para 5 posturas, e 96,25 por cento para 4 posturas. / [en] This thesis proposes the control of a robotic hand system using surface electromyographic signals (sEMG). The sEMG signals are collected from three different muscle groups of the upper forearm: palmaris longus muscle, extensor digitorum communis muscle, and extensor carpi radialis longus muscle. The objective of this research is to develop a prototype of a robotic prosthesis for people with hand amputation, controlled by an electromyographic interface based on computational intelligence. This thesis covers the following topics: positioning of electrodes to capture the sEMG signals, design of an electromyography muscle interface, preprocessing method, use of techniques of computational intelligence for the interpretation of the sEMG signals, design of the robotic hand, and method used to control the positions of the fingers and of the hand grip force. Here, the wavelet transform is used as a feature extraction method in electromyographic signals, and a multi-layer neural network as a pattern classification method. The proposed model obtained satisfactory results, recognizing 90.5 per cent of the positions for 6 different hand patterns, 94.3 per cent for 5, and 96.25 per cent for 4 positions.

The radical changes that are currently occurring in the nature of power systems means that in the future it may no longer be possible to guarantee security of supply using offline security assessment and planning. The increased uncertainty, particularly the reduction and variation in system inertia that will be faced in the future must be overcome through the use of adaptive online solutions for ensuring system security. The introduction of synchronised measurement technology means that the wide area real time measurements that are necessary to implement these online actions are now available.The objective of the research presented in this thesis was to create methods for predicting the post-disturbance frequency behaviour of a power system with the intent of contributing to the development of real time adaptive corrective control for future power systems. Such a prediction method would generate an online prediction based on wide area measurements of frequency and active power that are recorded within the period of approximately one second after a disturbance to the active power balance of the system. Predictions would allow frequency control to respond more quickly and efficiently as it would no longer be necessary to wait for the system frequency behaviour to violate pre-determined thresholds.The research presented in this thesis includes the creation of an online method for the simultaneous detection of the time at which a disturbance occurred in a power system, or area of a power system, and the estimation of the inertia of that system, or area. An existing prediction method based on approximate models has been redesigned to eliminate its dependence on offline information. Furthermore, the thesis presents the novel application of pattern classification theory to frequency prediction and a five class example of pattern classification is implemented.

As áreas de visão computacional e redes neurais artificiais (RNAs) e suas aplicações, tiveram um enorme progresso em pesquisa e aplicações práticas nos últimos anos. Sistemas de inspeção visual automática têm despertado muita atenção na indústria pois provêem meios econômicos, eficientes e precisos de obtenção de controle de qualidade. Porém, apesar do grande avanço tecnológico, a maioria dos sistemas existentes, com exceção de alguns poucos experimentais, são especializados e foram projetados para inspecionar um único objeto ou peça, de tipo previamente conhecido, e em posição, orientação e distância em relação à câmara altamente restritas. Este trabalho descreve um sistema de reconhecimento de imagens contendo múltiplos objetos de classes aleatórias e tolerante a ruído. Um estágio de pré-processamento filtra parte do ruído e segmenta regiões conectadas da imagem (RCI). A classificação dos padrões é feita com redes neurais de múltiplas camadas a partir de atributos invariantes calculados sobre as RCis. No final do processo temos uma listagem dos objetos contidos na cena, suas posições e orientações, os quais podem servir de entrada a um sistema de entendimento da cena, de mais alto nível, ou para outras máquinas, como um manipulador automático. Outros parâmetros podem ser utilizados para normalizar, em escala, orientação e posição, os padrões contidos na imagem, para efeito de comparações com imagens e parâmetros dos objetos previamente armazenados em bancos de dados. Dois métodos de treinamento de RNAs foram testados, o gradiente conjugado e o Levenberg-Marquardt, em conjunção com simulated annealing, para diferentes condições de erro e conjuntos de atributos. Imagens reais e sintéticas foram utilizadas para efeitos de testes de classificação correta e rejeição de padrões espúrios. Resultados são apresentados e comentados, destacando a capacidade de generalização do sistema mesmo com elevada degradação da imagem pelo ruído. Uma das vantagens do tipo de RNA empregado é a velocidade de execução, que permite ao sistema ser integrado a uma linha de montagem industrial. O sistema foi projetado com a utilização de recursos acessíveis e de baixo custo, sendo executado em computadores pessoais, e podendo ser facilmente adaptado para o uso em pequenas e médias empresas. / Computer vision (CV) and artificial neural networks (ANN) are important research fields of artificial intelligence. Visual pattern recognition (VPR) and object recognition (2 or 3-D) are central tasks in a high level computer vision system. Despite the great development in the recent years, most of the current automatic visual inspection systems work with only one kind of pattern at time which has pose highly restricted. This dissertation describes a system designed to recognize patterns and objects in a digital image which have unknown number object types and poses. Such image, which is also degraded by noise, serve as input for the system. After gray level change and filtering, the pixel connected regions (CR) are codified, and the remained noise is eliminated. lnvariant features, i.e., moment invariants, serve as inputs for artificial neural networks that perform pattern classification. An interpretation module decode the net\'s outputs and increases the correct assignment by testing the net\'s higher outputs values. After all identified patterns were classified, we have an object listing of the scene, their positions and other information, which can be the input for a higher level scene understanding system, that may check for objects relations and could send information for humans or for other machines. Two ANN learning methods were adopted for training the networks, the conjugate gradient and the Levenberg-Marquardt Algoritms, both in conjuction with siumlated annealing, for different error conditions and feature sets. Sinthetic and real images were utilized for testing the net\'s correct class assignments and rejections. Results are presented as well as comments focusing the system\'s generalization capability despite noise, geometrical transformations, object shadows and other degradations over the images. One of the advantages of the ANN employed is the low execution time allowing the system to be integrated to an assembly industry line. The system runs on low cost personal computers, therefore it can be easily adapted for the Brazilian reality and can even be used by little companies and industries.