Orientador: Paulo Roberto de Aguiar / Banca: José Alfredo Covolan Ulson / Banca: Alisson Rocha Machado / Resumo: A crescente competitividade do mercado, exigência por qualidade, padronização cada vez superior a necessidade de redução do desperdícios trazem cada vez mais a automação às indústrias. Por suas características, os processos automatizados podem ser melhorados com a utilização de métodos de controle e supervisão e, neste campo, a utilização de sensores e redes neurais artificiais têm cada vez mais destaque em pesquisa. No processo de furação, estudos relatam a aplicação bem sucedida destas técnicas na determinação do fim da vida de ferramentas, contudo, em muitas aplicações, apenas o controle do desgaste da broca não é suficiente para garantir a qualidade do produto. Diâmetro do furo usinado, rugosidade e a formação de rebarbas são alguns exemplos de importantes resultados do processo que não dependem exclusivamente da condição da ferramenta de corte, neste âmbito, estudos dedicados ao controle destas variáveis são limitados, senão inexistentes. Desta forma, este estudo foi conduzido buscando gerar uma contribuição à supervisão do processo de furação com foco na estimação do diâmetro e rugosidade do furo usinado. Utilizando um sistema multi sensores instalados em uma máquina ferramenta e corpus de prova compostos por uma liga de titânio seguida de uma liga de alumínio, registraram-se os sinais dos sensores durante o corte para variados parâmetros de usinagem. Os dados coletados serviram de entrada a uma rede neural artificial, que foi treinada com os valores de diâmetro e rugosidade medidos parte das amostras. Depois do treinamento, a rede capacitou-se a estimar os valores de diâmetro e rugosidade média a partir dos sinais coletados somados aos parâmetros de corte utilizados na concepção do furo. Os erros dos processo foram então calculados da diferença entre os valores medidos e as saídas obtidas. Os resultados demonstraram alta capacidade da rede em determinar as viariáveis desejadas / Abstract: The growing market competitiveness, product quality requirements and just in time production concept is bringing every time more automation to manufacturing industries. Productivity and quality in machining process can be improved by using monitoring and controlling methods. Along the last decades, sensors and Artificial Neural Network have been successfully utilized in many drill wear monitoring systems. However, in many industrial fields, to supervise the tool wear is not enough to assure the product qualities. Roughnessm burr formation and hole diameter are some examples of important process results does not exclusively depend on the tool condition and in this area of knowledge the number of studies is limited or inexistent. Thus, this work brings a contribution on drilling process monitoring where the target was to determine the hole diameter and roughness using a multi-sensor system and artificial neural network. The speciments used were composed by a titanium alloy and aluminum alloy plates. The sensors were installed in a machine tool and the process was accomplished using several drilling parameters. The acquired sensors data were used a input in an artificial neural network which was trained with the roughness and diameter measured in some samples. After trained, the system was qualified to output the expected variables from the input signals. To calculate the errors these output values were compared with the samples measured. The results showed efficiency of the system in determining the roughness and hole diameters as the obtained errors can be considered low or neigligible for the majority of drilling industrial application / Mestre

Nos dias atuais, há muitos casos em que sistemas de potência estão operando perto dos seus limites de estabilidade devido a restrições econômicas e leis ambientais. A estabilidade de tensão é uma matéria de muita pesquisa e interesse devido a que é considerado como uma das maiores ameaças na segurança dos sistemas. Uma prevenção exitosa de colapso do sistema baseia-se na precisão do método, a simplicidade dos índices, e muito baixo tempo de computação. Este trabalho apresenta uma rede Perceptron Multicamada (PMC) como proposta para monitoramento em tempo real da estabilidade de tensão de sistemas de potência usando como principais dados de entrada medidas obtidas do sistema SCADA. Os dados de treinamento são obtidos com cálculos de fluxo de potência continuado. A rede Perceptron Multicamadas é apresentada como um aproximador universal de funções, que diminui o tempo computacional dos métodos convencionais como o fluxo de potência continuado. Por fim, a topologia da rede PMC proposta é avaliada com o sistema de 30 barras do IEEE, e os resultados em relação ao tempo de computação e precisão são comparados com o método de fluxo de potência continuado. / Nowadays, many power systems are operating near their limits of stability due to economic restrictions and environmental laws. Voltage stability is a subject of great interest because it is considered one of the greatest threats for power systems security. The keys to preventing blackouts are the accuracy of the method, speed indication, and low computation time. This work presents a Multi-layer Perceptron (PMC) network as a proposal for real-time monitoring of voltage stability in power systems using input data obtained from the SCADA system. The training data are obtained by running Continuation Power Flow (CPF) routine. The multi-layer Perceptron network is presented as a universal approximator, reducing the computation time of conventional methods such as the Finally, the proposed PMC network is evaluated in the IEEE 30-bus system. Computation time and accuracy are compared with the continuation power flow method.

A Avicultura Brasileira se depara atualmente com o desafio da redução de perdas. Todavia, a desinformação sobre os pontos críticos limita tal avanço, principalmente nas operações pré-abate. Portanto, estudos devem ser realizados diagnosticando cenários e identificando os pontos cr´?ticos em que se encontram as maiores perdas. Desta forma, o objetivo deste trabalho foi avaliar a climatização em galpão de espera no abatedouro e suas interações com o tempo de espera, visando caracterizar a influência das variáveis ambientais no conforto térmico, bem-estar e nas perdas produtivas da Avicultura de Corte. O estudo foi desenvolvido em um abatedouro comercial de frangos de corte, situado no Estado de São Paulo. Para o entendimento global do problema, a pesquisa foi dividida em 3 partes, sendo a primeira etapa a avaliação histórica das perdas produtivas em função das variáveis climáticas e das características relacionadas `as operações pré-abate, contendo dados históricos de 13.937 caminhões analisados quanto aos fatores climáticos e variáveis relacionadas `as etapas pré-abate, tais como a temperatura e umidade, densidade de aves por caixa, turno diário e estações do ano, e o tempo de espera. Na segunda etapa, foi avaliado o efeito da climatização e do tempo de espera no conforto térmico das aves em ambiente de espera pré-abate, através da coleta de dados de 218 caminhões no galpão de espera, sendo que fatores como a distância granja abatedouro e fatores bioclimáticos do galpão foram analisados juntamente com as variáveis registradas anteriormente, verificando-se os efeitos na mortalidade e na alteração da temperatura retal das aves. Nestas duas etapas, a análise estatística foi realizada por meio dos Modelos Lineares Generalizados Duplos (MLGD). Na terceira etapa, visando a complementação das informações das etapas anteriores, foi realizado o reconhecimento de padrões relacionados `as operações pré-abate e predição das perdas por mortalidade através do uso de Redes Neurais Artificiais (RNA). Mais de 3.000 dados do conjunto total foram utilizados para o aprendizado das redes e simulação de três cenários relacionados aos fatores de maior influência nas perdas pré-abate. Como resultados, verificou-se que as maiores perdas ocorreram durante o turno da tarde, na estação verão, com densidades de aves por caixa acima de 8, temperaturas e umidades relativas elevadas interna e externamente ao galpão e para distâncias longas. No geral, o aumento do tempo de espera resulta em diminuição na temperatura retal das aves e na mortalidade, quando a temperatura externa se encontra elevada, quando a densidade de aves por caixa ´e maior do que 7 aves e para distâncias curtas. Quanto à eficiência da climatização no galpão de espera, esta foi alcançada quando a temperatura e umidade relativa externas estiveram acima da faixa de alerta e quando as variáveis climáticas internas ao galpão estiveram na faixa de conforto. Com relação às redes neurais, estas apresentaram grande poder de generalização, predizendo satisfatoriamente a mortalidade de metade dos cenários, evidenciando seu potencial de uso para a predição da mortalidade de frangos de corte, submetidos às operações pré-abate. / Nowadays, Brazilian poultry industry has a challenge of reducing losses. However, the disinformation about the critical points limits this advance, mainly on preslaughter operations. Therefore, studies must be carried through diagnosing scenes and identifying the critical points, which is found the biggest losses. Therefore, the objective of this work was to evaluate the climatization in lairage on slaughterhouse and its interactions with the lairage time, aiming to characterize the influence of environmental variables on thermal comfort, welfare and on the productive losses of broilers chickens. The study was developed in a commercial poultry abattoir, situated in the State of S~ao Paulo, Brazil. To the entire agreement of the problem, the research was divided in 3 parts, which the first stage was the historical evaluation of productive losses in function of the climatic variables and characteristics related to preslaugher operations, where historical data set of 13,937 trucks were analyzed about climatic factors and variables related to preslaughter stages, such as temperature and humidity, density of birds per cage, turn of the day and seasons of the year, as well as the lairage time. On the second stage, the effect of climatization and lairage time were evaluated on bird\'s thermal comfort in preslaughter lairage ambient, through the data collection of 218 trucks in the lairage module, where factors as the distance farm-abattoir and bioclimatic factors of the module were analyzed jointly with the variables registered previously, verifying the effect on mortality and on bird\'s rectal temperature alteration. On these two stages, the statistical analysis were carried out by the Double Generalized Linear Models. On the third stage, aiming at the complementation of previous stages informations, was done the recognition of standards related to preslaughter operations and to predict the losses by mortality through the use of Artificial Neural Network. More than 3,000 data of total set were used on the learning of neural nets models and on simulation of three scenes related to factors of mayor influence on preslaughter losses. As results, was verified that the biggest losses occurred during the afternoon, on summer, with densities of birds per cage above 8, high internal and external temperatures and relative humidity and to long distances. On generality, the increase of the lairage time results on reduction in the bird\'s rectal temperature and in mortality when external temperature is high, when density of birds per cage was major than 7 birds and to short distances. About the efficiency of climatization in the lairage shed, that was reached when external temperature and relative humidity were above the alert band and when internal climatic variables to the shed were in the comfort band. Related to neural network, these presented a great generalization power to the presented conditions, predicting satisfactorily the mortality of half of scenes, evidencing its use potential to the prediction of broiler chicken\'s mortality, submitted to preslaughter operations.

O presente trabalho apresenta a previsão de demanda de água em sistemas urbanos de abastecimento através de Rede Neural Artificial (RNA) utilizando dados de consumo de água e variáveis meteorológicas e socioambientais. A RNA utilizada foi uma de três camadas chamada de rede de múltiplas camadas alimentadas adiante com o algoritmo de treinamento LLSSIM (Hsu et al., 1996). Neste estudo, foram utilizados os dados de consumo de água (SABESP) e meteorológicos (IAG/USP) para o período de 2001 a 2005 para Região Metropolitana de São Paulo (RMSP). As variáveis socioambientais e meteorológicas que podem afetar o consumo de água foram analisadas. A ETA Cantareira e o setor Itaim Paulista foram utilizados para avaliar a relação entre o consumo e as variáveis antrópicas e meteorológicas para o ano de 2005. Esses conjuntos de dados foram utilizados para o treinamento, o teste e a previsão da RNA. Para a ETA Cantareira, foram criados 8 modelos e para o setor Itaim Paulista 57, sendo que os modelos 9 a 57 correspondem à previsão ideal. O desempenho dos modelos foi avaliado pelo o erro médio, erro médio absoluto, erro médio quadrático, o coeficiente de correlação, exatidão, viés, POD, FAR, CSI e POFD. Para a ETA Cantareira o melhor desempenho ocorreu para a média de 12 horas e para o Itaim Paulista a média de 6 horas. Na previsão ideal observou-se que a memória do sistema é um fator importante, principalmente quando se tem dois intervalos de tempo anterior. Os resultados mostraram a importância da memória, pois ela ajuda a melhorar o desempenho da previsão A previsão horária foi obtida com níveis de erros aceitáveis. Comparando os resultados de todas as configurações dos modelos, observou-se que há uma tendência para pequenos erros. Finalmente, conclui-se que o método proposto pode ser utilizado para previsão de consumo obtendo uma boa previsão. / This work is concerned with the prediction of water demand in urban water supply systems using water consumption, meteorological and socioenvironmental variables in an Artificial Neural Network (ANN) system. The ANN is a three layer feed-forward network with the LLSSIM training algorithm (Hsu et. al., 1996). In this study, water consumption (SABESP) and meteorological (IAG USP) data sets between 2001 and 2005 were used for studying the Metropolitan Area São Paulo (MASP). Possible socio-environmental and meteorological conditions affecting water consumption in the MASP were analyzed. Two water treatment stations (ETA), namely, Cantareira and the Itaim Paulista were used to evaluate the relationship between water consumption against anthropic and meteorological conditions for the year 2005. These data sets were also used for training, testing and forecasting of the water consumption model with the ANN. For the Cantareira ETA, 8 model configurations were tested and 57 for the Itaim Paulista ETA. In this late case, configurations 9 to 57 were for ideal forecasts. The various model configurations were evaluated by the mean error, mean absolute error and mean square root error, correlation coefficient, bias, POD, FAR, CSI e POFD. The best performance for the Cantareira ETA was obtained for a 12-hour average of the input variables, and for the Itaim Paulista ETA, for the 6-hour average. The ANN model configurations fed with variables of previous three times steps (memory) performed best, followed by two previous time steps. The results indicate the importance of these memory to improving the performance of the forecasting. The hourly forecasting was obtained with acceptable error levels. Comparing the results of all model configurations, there is an overall tendency for minor errors. The proposed method can be used to demand forecast a good prediction.

Erros de alinhamento em sistemas ópticos não criam novas aberrações, mas alteram a dependência com o campo das aberrações já conhecidas. Neste trabalho, a sensibilidade teórica ao alinhamento, de sistemas ópticos reflexivos compostos por dois elementos, foi avaliada em função das constantes cônicas dos espelhos. Dentre as diferentes configurações consideradas nesta análise, uma específica apresenta menor sensibilidade à descentralização do espelho secundário. A utilização da teoria de aberração de onda aplicável a sistemas plano-simétricos revelou que a escolha apropriada da constante cônica do espelho secundário faz com que coma uniforme de terceira ordem seja compensado quando esse elemento encontra-se descentralizado, fazendo com que esse sistema seja livre da aberração mais importante causada a ele por desalinhamentos, tornando-o menos sensível. Este trabalho apresenta uma metodologia de alinhamento baseada na análise da frente de onda transmitida por sistemas ópticos, que utiliza redes neurais artificiais para a estimativa dos erros de alinhamento. A frente de onda transmitida por um sistema óptico carrega informações das aberrações desse sistema, que podem ser descritas em termos dos polinômios de Zernike. Esses polinômios podem ser usados para a análise dos efeitos de erros de alinhamento nas aberrações do sistema. Redes neurais artificiais são empregadas na análise dos coeficientes dos polinômios de Zernike visando avaliar o tipo de desalinhamento e a sua magnitude. As estimativas teóricas dos desalinhamentos tanto em sistemas reflexivos como em sistemas refrativos são satisfatórias quando o sistema é considerado perfeito, ou seja, as superfícies ópticas de seus elementos não apresentam erros de forma e não há ruído nos dados avaliados. Na presença de defeitos de fabricação ocorre degradação no desempenho do estimador. Além de descentralização e inclinação, redes neurais artificiais são capazes de fornecer uma estimativa de erros de posicionamento axial dos elementos do sistema. Com base nos estudos realizados, acredita-se que redes neurais artificiais constituem uma alternativa promissora no alinhamento de sistemas ópticos complexos. / Although misalignments in optical systems do not generate new aberration forms, they change the field-dependence of the known ones. In this research, the sensitivity of two-mirror optical systems due to misalignments is evaluated in function of the conic constants of the mirrors. Among the different configurations considered in this study, a specific one has shown low sensitivity due to decenter misalignments. The application of the wave aberration theory for plane-symmetric optical systems has revealed that the proper choice of the secondary mirror conic constant allows third-order uniform coma to be compensated, leading to a less sensitive system, free from the most important misalignment-induced aberration. This thesis also presents an alignment methodology based on the analysis of the transmitted wavefront utilizing artificial neural networks to estimate alignment errors in the components of the system. The transmitted wavefront carries information about the aberrations in the optical system, which can be described in terms of Zernike polynomials. Such polynomials are used for the analysis of the effects of misalignments on the aberrations of the system. Artificial neural networks are employed in the analysis of the coefficients of Zernike polynomials and used to evaluate both type and magnitude of the misalignments. Theoretical misalignments estimated in reflexive and refractive optical systems are satisfactory for perfect systems, i.e., systems with no surface errors, and noiseless data. When surface imperfections are considered, the performance of the estimator is reduced. Besides decenter and tilt misalignments, artificial neural networks can estimate axial positioning errors of the elements in the system, therefore they are believed to be a promising alternative for the alignment of complex optical systems.

Nos últimos anos, tem havido um crescente interesse na detecção precoce das doenças que afetam as culturas agrícolas a fim de evitar grandes perdas econômicas devido à contaminação de novas plantas. As principais doenças cítricas, cancro cítrico e greening, são uma séria ameaça à produção de citros em todo o mundo, incluindo regiões do Brasil e dos Estados Unidos. A disseminação rápida das doenças leva à redução do número de pomares cultivados, resultando em danos econômicos aos produtores e às indústrias relacionadas. O desenvolvimento de métodos para o diagnóstico precoce pode resultar em uma importante ferramenta para o controle e gestão dos citros. Algumas deficiências nutricionais como a de ferro e zinco apresentam sintomas visuais semelhantes com o greening, enquanto que o cancro cítrico pode ser confundido com a verrugose ou leprose dos citros, podendo levar ao diagnóstico incorreto. Atualmente, somente testes bioquímicos são capazes de detectar especificamente o cancro cítrico e o greening, e consequentemente diferenciá-los das demais doenças e deficiências de nutrientes. No presente trabalho, a técnica de espectroscopia por imagens de fluorescência em conjunto com os métodos de aprendizado e classificação, SVM (do inglês, Support Vector Machine) e ANN (do inglês, Artificial Neural Network), foram utilizadas a fim de identificar e discriminar as principais doenças que afetam a citricultura nos estados de São Paulo/Brasil e da Flórida/EUA. As amostras em estudo são cancro cítrico, verrugose, greening e deficiência de zinco. O objetivo principal é discriminar as doenças com sintomas visuais semelhantes, no caso, cancro cítrico de verrugose e greening de deficiência de zinco para as amostras do Brasil, e greening de deficiência de zinco para as amostras dos Estados Unidos. Os resultados mostram que é possível utilizar a técnica de espectroscopia por imagens de fluorescência em conjunto com os métodos de classificação na discriminação das doenças que apresentam sintomas visuais semelhantes. Ambos os classificadores apresentaram uma elevada precisão na classificação tanto das amostras do Brasil como dos Estados Unidos, destacando assim eficácia da técnica sob condições diferentes. / In recent years, there has been an increasing interest in early detection of diseases that affect agricultural crops to avoid great economic losses due to contamination of new plants. The main citrus diseases, citrus canker and HLB, are a serious threat to citrus production worldwide, including regions in Brazil and the United States. The rapid spread of the diseases leads to the reduction of cultivated orchards resulting in economic losses to producers and industries. The development of methods for early diagnosis can result in an important tool for the control and management of citrus. Some nutritional deficiencies such as iron and zinc have similar visual symptoms to HLB, while the citrus canker can be confused with citrus scab and citrus leprosies, which may lead to incorrect diagnosis. Currently, only biochemical tests are able to detect, specifically, citrus canker and HLB, and thus distinguish them from other diseases and nutrient deficiencies. In this work, the fluorescence imaging spectroscopy technique with the learning and classification methods, SVM (Support Vector Machine) and ANN (Artificial Neural Network), were used to identify and discriminate the main diseases that affect citrus production in the states of São Paulo/Brazil and Florida/USA. The samples studied are citrus canker, citrus scab, HLB and zinc deficiency. The objective is to discriminate the diseases with similar visual symptoms, such as citrus canker from citrus scab and HLB from zinc deficiency for samples from Brazil and HLB from zinc deficiency for samples from the United States. The results show that it is possible to use the fluorescence imaging spectroscopy technique together with the classification methods for the discrimination of the diseases that have similar visual symptoms. Both classifiers showed high accuracy in the classification of the samples from Brazil and the United States, highlighting the efficiency of the technique under different conditions.

Redes Neurais Artificiais (RNA's) vem sendo utilizada em diversas áreas do conhecimento inclusive para a previsão de séries temporais. O objetivo deste trabalho é utilizar uma RNA para o diagnóstico e prognóstico de vazão em bacias urbanas da Região Metropolitana de São Paulo (RMSP) com dados do radar meteorológio de São Paulo e os dados telemétricos da bacia do Alto Tietê. Uma RNA do tipo feedforward multicamadas, com aprendizado supervisionado e com o algoritmo de treinamento Linear Least Square SIMplex (LLSSIM, Hse et al. 1996) foram aplicados à bacia do Rio Tamanduateí. Dividiu-se os eventos disponíveis em três grupos; para o treinamento, verificação e previsão ideal com a RNA. Realizou o treinamento e verificação da rede com dados de vazão estimada e nível medido. Os erros de fase e amplitude foram utilizados para avaliar o desempenho da rede em cada uma das configurações empregadas. Estes indicam a importância da memória da bacia para o bom desempenho da RNA. Verifica-se também que nem sempre o aumento do número de camadas escondidas melhoram os resultados, bem como o aumento da quantidade de dados. Comparou-se ainda a performance da RNA contra um modelo auto regressivo sendo a primeira menos dependente da memória da bacia. Por último, realizou previsões do tipo ideal com resultados satisfatórios até 1 hora e 30 minutos de antecedência. Além deste período os erros crescem exponencialmente. / Artificial Neural Networks (ANN) have been widely used in several areas of science for many purposes, including time series forecasting. The objective of this work is to apply an ANN to simulate and to forecast streamflow at the outlet of the Tamanduateí basin. This urban basin is located within the Metropolitan Area of São Paulo (MASP). Radar and telemetric data are input to a multi-layer feedforward ANN. It is trained with the Linear Least Square SIMplex training algorithm (LLSSIM; Hse et al, 1996). Available flood events were divided up in three independent groups for training, verification and forecasting. The training and the verification of estimated streamflow and measured river stage were carried out. Phase and amplitude errors were used to evaluate the performance of the ANN for each configuration. The results indicate a better performance of the ANN when previous streamflow or river stage are input to the ANN. Furthermore, the increase of hidden layers not necessarily improve the results. The ANN was compared to an auto-regressive model. The former is less dependent on the basin memory. The ANN Forecasts yielded satisfactory results up to one and half-hour in advance. For longer time periods the errors tend to grow exponentially.

The maturing of Artificial intelligence provides great opportunities for healthcare, but also comes with new challenges. For Artificial intelligence to be adequate a comprehensive analysis of the data is necessary along with testing the data in multiple algorithms to determine which algorithm is appropriate to use. In this study collection of data has been gathered that consists of patients who have either been readmitted or not readmitted to hospital within 30-days after being admitted. The data has then been analyzed and compared in different algorithms to determine the most appropriate algorithm to use.

Muitos procedimentos vêm sendo desenvolvidos para auxiliar no diagnóstico precoce do câncer de mama. Nesse âmbito, a ultrassonografia tornou-se uma ferramenta indispensável na distinção entre lesões benignas e malignas. Devido a subjetividade na interpretação de imagens, os esquemas CAD têm oferecido ao especialista uma segunda opinião mais precisa e confiável. Nesse propósito, essa pesquisa apresenta uma metodologia para a detecção e caracterização automática de achados ultrassonográficos da mama. Os ensaios tiveram por base a utilização de imagens obtidas por simuladores e, a partir de resultados consideráveis, foram aplicados sobre exames clínicos. O processo teve início com o emprego de um pré-processamento (filtro de wiener, equalização e filtro da mediana) para a minimização do ruído. Em seguida, cinco técnicas de segmentação foram averiguadas a fim de determinar a representação mais concisa. Dentre elas, a rede neural SOM mostrou-se como a mais relevante. Após a delimitação do objeto, foram definidas as características mais expressivas para a descrição morfológica do achado. Esses dados serviram de entrada para o classificador neural MLP. A acurácia alcançada durante o treinamento em imagens simuladas foi de 94,2%, produzindo um Az de 0,92. Para avaliar a generalização dos dados, foi efetuada a classificação com imagens desconhecidas ao sistema, tanto em simuladores quanto em exames clínicos, nesses casos a acurácia foi de 90% e 81%, respectivamente. O classificador proposto apresentou-se como uma importante ferramenta de auxílio ao diagnóstico em ultrassonografias de mama. / Many procedures have been developed to assist in the early diagnosis of breast cancer. In this context, ultrasound has become an indispensable tool to distinguish benign and malignant lesions. Due to the subjectivity on interpreting images, CAD schemes have provided to the specialist a second opinion more accurate and reliable. Thus, this research presents a methodology for the automatic detection and characterization of breast sonographic findings. The tests were based the use of images obtained by simulators and, as considerable results, were applied to clinical examinations. The process was started employing of a preprocessing (wiener filter, equalization and median filter) to minimize noise. Then, five segmentation techniques were investigated to determine the most concise representation of the lesion contour, enabling to consider the neural network SOM the most relevant. After the delimitation of the object, the most expressive features were defined to the morphological description of the finding, generating the input data to the neural classifier MLP. The accuracy achieved during training with simulated images was 94.2%, producing an Az of 0.92. To evaluating the data generalization, the classification was performed with a group of unknown images to the system, both to simulators as to clinical trials, resulting in an accuracy of 90% and 81%, respectively. The proposed classifier proved to be an important tool for the diagnosis in ultrasonography breast.

Atualmente desenvolvem-se técnicas para a análise, identificação e o reconhecimento da fala. As mais eficientes mostram-se matematicamente complicadas, baseadas em análise estatísticas de dados, o que torna o sistema moroso, necessitando uma grande quantidade de dados para amostras. Este trabalho tem como objetivo apresentar a possibilidade do uso de Estruturas Neurais Artificiais Paraconsistentes no aprendizado e reconhecimento de sinais de fala, independentemente de análise estatística, ou número de amostras. A partir de um estudo piloto, identificou-se a necessidade de um aprofundamento no estudo dos Traços Formantes dos Fones. Com os Formantes dos Fones pode-se criar um sistema capaz de reconhecer sons produzidos em qualquer língua, pelas combinações da produção de sons através da emissão simultânea de um conjunto de Formantes. Como possível solução para a identificação dos Formantes dos Fones propõe-se neste trabalho a criação do conceito de Constelação Fônica, que consiste no reconhecimento de combinações de características matemáticas identificadas nos sinais sonoros de fala. Como uma forma de reconhecer estas Constelações, apresentam-se as Redes Neurais Artificiais Paraconsistentes, eficientes no reconhecimento de padrões por proximidade e com capacidade para tratamento de sinais contraditórios e paracompletos. Para a viabilização desta solução, criou-se um Programa de Computador (Sistema de Análise da Produção da Fala - SIAPF) capaz de promover os tratamentos necessários em um sinal falado, gerando assim a sua Constelação Fônica e sua respectiva Rede Neural Artificial Paraconsistente. A partir da Rede Neural Artificial Paraconsistente correspondente ao sinal em questão, pode-se estudá-lo de uma forma interpretativa, com menor acumulo de dados e tratamentos estatísticos do que com as ferramentas tradicionais. O SIAPF passa a ser mais uma ferramenta para análise de produção de fala, viabilizando a criação de novas formas de medidas quantitativas e normatizadas para os Formantes da Fala. / Currently, many diferent techniques are developing for the analysis identification and recognition of speech. The most efficient are shown mathematically complicated, based on analysis statistical of data, that actually makes systems very slow, creating the nessecity for a great amount of data for samples. The aim of this work is to present the possibility of the use of Paraconsistent Artificial Neural Network Structures, in the learnig and recognition of speech signals, independent of statistical analysis, or the number of samples. Starting from a pilot study, the need of a deep study of the Formants of Phones was identified. With the Formants of Phones, a system capable to recognize sounds produced in any language, through conbinations of the production of sounds and simultaneous emission of a group of Formants was created. A possible solution for the identification of Formants of Phones proposed in this work is the creation of Phonic Constellation concept, witch uses the recognition of combinations of identified mathematical characteristcs in the resoant signal of speech. As a form of recognizing these Constellation, this work present the Paraconsistent Artificial Neural Network, efficient in the recognition of patterns for proximity and with capacity to process contractory and paracomplet signals. To develop this solution a Computer Program (System of Analysis of the Production of Speech - SIAPF) capable to process the necessary calculations of a speech signal, generating its Phonic Constelattion and its respective Paraconsistent Artificial Neural Network was created. The subject signal can be studied in an interpretative way using the Paraconsistent Artificial Neural Network with a minimal accumulation of data and statistical calculations compared to traditional tools. The SIAPF is another new tool for analysis of speech production, creating new ways for quantitative and standard measures of Formants of Speech.