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.

A ocorrência de variações nos sinais de eletroencefalograma (EEG) de indivíduos que apresentam predisposição a desenvolver a doença do alcoolismo é conhecida e documentada na literatura médica e científica. Dentre as possíveis variações, encontram-se as anormalidades no potencial relacionado ao evento (ERP) P300, um dos principais endofenótipos da doença. Geralmente, este componente tem uma amplitude significativamente menor em indivíduos com alto risco (AR) de desenvolver a doença, quando comparada à amplitude observada em sinais de indivíduos com baixo risco (BR). A técnica atualmente empregada para distinguir os sinais de ERPs P300 dos indivíduos com AR e BR para desenvolver o alcoolismo é baseada na análise visual da amplitude máxima no domínio do tempo e do espectro de frequencias do sinal, obtido através da transformada de Fourier. O objetivo deste trabalho é contribuir para o estudo da identificação da predisposição ao alcoolismo, utilizando técnicas de processamento de sinais, como a transformada wavelet (WT), e de inteligência artificial, por meio das redes neurais artificiais (ANNs). A WT foi utilizada por ser mais adequada ao tratamento de sinais como os ERPs (sinais nãoestacionários), quando comparada, por exemplo, à transformada de Fourier. As redes neurais possibilitam a automatização do processo de identificação dos diferentes grupos. Através de um sistema híbrido formado por estas duas técnicas, pretende-se extrair características de sinais de ERP que identifiquem indivíduos com predisposição ao alcoolismo, e automatizar a identificação destes indivíduos. No desenvolvimento da pesquisa, foi identificada a necessidade de aplicar um préprocessamento aos sinais de ERP, preparando-os para a transformação wavelet. Os coeficientes wavelet assim obtidos formaram os dados de entrada que alimentaram as (ANNs), as quais utilizaram o algoritmo de erro backpropagation no treinamento. Com as técnicas utilizadas, após o treinamento, as ANNs foram capazes de classificar cerca de 90% dos sinais de ERP dos indivíduos com AR e BR. / The occurrence of variations in electroencephalogram (EEG) signals of individuals who are predisposed to develop the disease of alcoholism is known and documented in the medical and scientific literature. Among these variations, are the abnormalities in the event related potential (ERP) P300, a major endophenotype of this disease. Generally, this component has an amplitude significantly smaller in patients at high risk (HR) of developing the disease when compared to the amplitude seen in the signals of individuals with low risk (LR). The technique currently used to distinguish signals of P300 ERPs in individuals with HR and LR for developing alcoholism is based on visual analysis of the maximum amplitude in the time domain and of the frequency spectrum of the signal, obtained via Fourier transform. The aim of this thesis is to study the identification of predisposition to alcoholism, by techniques of signal processing such as wavelet transform (WT) and artificial intelligence through artificial neural networks (ANNs). The WT was used because it is more appropriate for processing signals such as ERP (non-stationary signals), when compared, for example, to the Fourier transform. Neural networks enable the automation of the process of identifying the different groups. Using a hybrid system formed by these two techniques, it is intended to extract features of ERP signals that identify individuals predisposed to alcoholism, and automate the identification of these individuals. The research has identified the need to apply a pre-processing to the signals of ERP, preparing them for the wavelet transformation. The wavelet coefficients thus obtained formed the input data to fed the ANNs, which used the error algorithm backpropagation in training. Using these techniques, after training, the ANNs were able to classify about 90% of ERP signs of individuals with LR and HR.

Orientadores: Rubens Maciel Filho, Laercio Ender / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-08T18:03:43Z (GMT). No. of bitstreams: 1 Duarte_ElisRegina_D.pdf: 5707651 bytes, checksum: d1348f1129ff1981af5a94400a0f9040 (MD5) Previous issue date: 2007 / Resumo:0 objetivo deste trabalho foi desenvolver e avaliar diferentes algoritmos de controle para o processo extrativo de fermentação alcoólica contínua. Para isto foram comparados controladores do tipo preditivo e adaptativo. Para o controle preditivo, foi avaliado o Controle por Matriz Dinâmica (DMC) e foi desenvolvido um algoritmo de controle preditivo baseado em modelo usando redes neurais artificiais (MPC Neural) com aprendizagem em tempo real das redes. Para o controle adaptativo, foi proposto o aperfeiçoamento do algoritmo de controle CONDEG (Controle Neural Direto Baseado no Erro Global) Modificado, desenvolvido por Duarte (2004), O algoritmo está baseado em redes neurais artificiais, com aprendizagem em tempo real, de acordo com as alterações que ocorrem no processo. Os parâmetros de penalização das ações de controle, que são parâmetros de projeto do controlador, foram ajustados ao longo do tempo através da aplicação de um algoritmo do Filtro de Kalman. Para o procedimento de investigação foi utilizada a simulação computacional para o qual todos os algoritmos de controle estudados foram implementados em linguagem de programação Fortran 90 e aplicados a um processo extrativo de fermentação alcoólica contínua para produção de etanol desenvolvido por Silva (1999). O modelo matemático utilizado foi desenvolvido por Costa et al(2001). As simulações em malha fechada realizadas utilizando os algoritmos propostos mostraram melhores resultados para os algoritmos de controle usando redes com aprendizagem ao longo do tempo e que o algoritmo de controle CONDEG Modificado usando filtro de Kalman com fator de velocidade associado foi eficiente e robusto, pois apresentou bons resultados em problemas dos tipos servos e regulador. / Abstract: The objective of the present work is to develop and to evaluate the performance of predictive and adaptive controllers, applied to an extractive fermentative process. As predictive controllers the Dynamical Matrix Control (DMC) and a model predictive control based on artificial neural networks with on-line learning were considered. The adaptive controller is an improvement of the Modified Condeg strategy control (Direct Neural Control based on Global Error), developed by Duarte (2004). The strategy is based on artificial neural networks, with on-line learning, according to modifications that occur in the process. The control actions penalization parameters, that are in fact controller design parameters, are on-line adjusted through an algorithm based on Kalman filter. The performance evaluation was carried out through computer simulation with all algorithms implemented in Fortran 90,.As a case study, an extractive fermentation alcoholic process developed by Silva (1999) was taken into account with the mathematical model developed by Costa et. al (2001). The results obtained from closed-loop simulations using the proposed algorithms showed better results for the neural networks with on-line learning. The Modified Condeg wsth Kalman Filter plus velocity factor is efficient and robust for servo and regulatory applications. / Doutorado / Desenvolvimento de Processos Químicos / Doutor em Engenharia Química

Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2017-02-24T13:58:39Z No. of bitstreams: 2 Dissertação - Daniela de Oliveira Albanez - 2017.pdf: 10127114 bytes, checksum: 4c037243629d84539257a8febc621fa8 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2017-02-24T13:59:39Z (GMT) No. of bitstreams: 2 Dissertação - Daniela de Oliveira Albanez - 2017.pdf: 10127114 bytes, checksum: 4c037243629d84539257a8febc621fa8 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2017-02-24T13:59:39Z (GMT). No. of bitstreams: 2 Dissertação - Daniela de Oliveira Albanez - 2017.pdf: 10127114 bytes, checksum: 4c037243629d84539257a8febc621fa8 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2017-02-15 / Image segmentation is one of image processing that problems that deserve special interest of the scientific community, given its real utility and application in various areas as medicine, geography, engineering, mathematics and computing, just to name a few. Much of the recent interest in segmentation has been motivated by the availability of satellite images on the Earth’s surface, which can be transformed into concrete knowledge, aiming at land use monitoring and data mining. This work proposes a new segmentation method, using Arficial Intelligence techniques, more specifically Artificial Neural Networks (ANNs), and compare its results of segmentation of satellite images with the original method. The binarized results are compared with the ground truth for the validation of the proposed segmentation method. Experimental results, quantative analysis of segmentation results, indicating that the proposed segmentation method generates better results and a decaying of 36.60% in the total average computacional time when compared with the original method. / Segmentação de Imagens é um dos problemas de processamento de imagens que mercê especial interesse da comunidade científica, tendo em vista sua real utilidade e aplicação em várias áreas do conhecimento como a medicina, geografia, engenharia, matemática e computação, só para citar algumas. Grande parte do interesse recente sobre segmentação foi motivado pela disponibilidade de imagens de satélite sobre a superfície da Terra, que podem ser transformadas em conhecimento concreto, visando o monitoramento e a mineração do uso da terra. Este trabalho propõe um novo método de segmentação, através de técnicas de Inteligência Artificial, mais especificamente pelas Redes Neurais Artificiais (RNA’s), e compara seus resultados de segmentação de imagens de satélite com o método original descrito na literatura. Os resultados binarizados são comparados com o ground truth para a validação do método de segmentação proposto. Resultados experimentais, realizados através da analise quantitativa dos resultados de segmentação, indicam que o método de segmentação proposto produz melhores resultados e uma redução média total do desempenho computacional de 36.60% em relação ao método original.

Atualmente os ÃrgÃos de trÃnsito utilizam os sistemas de monitoramento de trÃfego para reduÃÃo de acidentes de trÃnsito e como ferramenta fundamental para a coleta de dados estatÃsticos para auxiliar no planejamento e gerenciamento dos sistemas viÃrios. Nestes dados sÃo observadas informaÃÃes como a quantidade de veÃculos que trafegam em determinado ponto, a velocidade mÃdia e a identificaÃÃo da categoria dos veÃculos. A identificaÃÃo da categoria dos veÃculos que trafegam em uma via permite o controle de acesso a faixas de rolagem destinadas a uma classe de veÃculos especÃfica. O objetivo desse trabalho à propor uma soluÃÃo para classificaÃÃo de veÃculos atravÃs da anÃlise de sinais coletados de sensores indutivos no momento em que o veÃculo passa sobre os mesmos. O conjunto destes sinais para cada veÃculo à denominado perfil magnÃtico. Foi utilizado um classificador baseado em Rede Neural Artificial (RNA) para identificar o tipo de veÃculo de acordo com o padrÃo do perfil magnÃtico coletado. Na implementaÃÃo do sistema foi utilizado um framework Java que possibilitou a integraÃÃo da RNA ao aplicativo que opera no equipamento de monitoramento de trÃfego. TambÃm foi desenvolvido um aplicativo em Java que permite realizar o treinamento da rede utilizando dados coletados no equipamento e tambÃm permite avaliar posteriormente os resultados obtidos pela RNA. Os veÃculos foram classificados nas seguintes categorias: motos, veÃculos pequenos, veÃculos mÃdios, Ãnibus e caminhÃes. O sistema desenvolvido foi integrado a um equipamento de fiscalizaÃÃo de trÃfego fabricado pela empresa Fotosensores e apresentou resultados satisfatÃrios, pois o Ãndice de acerto geral do classificador foi de 97%, alÃm de representar uma melhoria no equipamento que anteriormente realizava a classificaÃÃo em somente quatro classes de veÃculos. / Currently, transit agencies use traffic monitoring systems to reduce traffic accidents and as a fundamental tool for collecting statistical data for planning and management of road systems. These data are observed as the amount of information vehicles that travel at a certain point, the average speed and the identification of the category of vehicles. The identification of the category of vehicles that travels on a path allows you to control access lanes connecting to a specific class of vehicles. The objective of this work is to propose a solution for vehicle classification by analyzing signals collected from inductive sensors at the time the vehicle passes over the sensors. This set of signs for each vehicle is called the magnetic profile. This work used a classifier based on Artificial Neural Network (ANN) to identify the type of vehicle according to the pattern of magnetic profile collected. The implemented system used a Java framework that enabled the integration of ANN to the application that operates in the traffic monitoring equipment. It was developed a Java application that trains the ANN using data collected in the equipment and also allows evaluating further classification results obtained by the ANN. The vehicles were classified into the following categories: motorcycles, small vehicles, medium vehicles, buses and trucks. The developed system has been integrated into a traffic monitoring equipment manufactured by Fotosensores and gave satisfactory results with an overall success rate above 97%. It represents an improvement in the equipment that carried out the classification.

Pour avoir une idée sur la qualité du réseau, la majorité des acteurs concernés (opérateurs réseau, fournisseurs de service) se basent sur la Qualité de Service (Quality of Service). Cette mesure a montré des limites et beaucoup d’efforts ont été déployés pour mettre en place une nouvelle métrique qui reflète, de façon plus précise, la qualité du service offert. Cette mesure s’appelle la qualité d’expérience (Quality of Experience). La qualité d’expérience reflète la satisfaction de l’utilisateur par rapport au service qu’il utilise. L’évaluation de la qualité d’expérience est devenue primordiale pour les fournisseurs de services et les fournisseurs de contenus. Cette nécessité nous a poussés à innover et mettre en place des nouvelles méthodes pour estimer la QoE. Dans cette thèse, nous travaillons sur l’estimation de la QoE dans le cas des communications Voix sur IP et dans le cas de la vidéo sur IP. Nous étudions les performances et la qualité des codecs iLBC, Speex et Silk pour la VoIP et les codecs MPEG-2 et H.264/SVC pour la vidéo sur IP. Nous étudions l’impact que peut avoir la majorité des paramètres réseaux, des paramètres sources (au niveau du codage) et destinations (au niveau du décodage) sur la qualité finale. Afin de mettre en place des outils précis d’estimation de la QoE en temps réel, nous nous basons sur la méthodologie Pseudo-Subjective Quality Assessment. La méthodologie PSQA est basée sur un modèle mathématique appelé les réseaux de neurones artificiels. En plus des réseaux de neurones, nous utilisons la régression polynomiale pour l’estimation de la QoE dans le cas de la VoIP. / Quality of Experience (QoE) is the key criteria for evaluating the Media Services. Unlike objective Quality of Service (QoS) metrics, QoE is more accurate to reflect the user experience. The Future of Internet is definitely going to be Media oriented. Towards this, there is a profound need for an efficient measure of the Quality of Experience (QoE). QoE will become the prominent metric to consider when deploying Networked Media services. In this thesis, we provide several methods to estimate the QoE of different media services: Voice and Video over IP. We study the performance and the quality of several VoIP codecs like iLBC, Speex and Silk. Based on this study, we proposed two methods to estimate the QoE in real-time context, without any need of information of the original voice sequence. The first method is based on polynomial regression, and the second one is based on an hybrid methodology (objective and subjective) called Pseudo-Subjective Quality Assessment. PSQA is based on the artificial neural network mathematical model. As for the VoIP, we propose also a tool to estimate video quality encoded with MPEG-2 and with H.264/SVC. We studied also the impact of several network parameters on the quality, and the impact of some encoding parameters on the SVC video quality. We tested also the performance of several SVC encoders and proposed some SVC encoding recommendations.

The rapid development of wind energy in Sweden created a volatile environment for the electricity market. Variance in the daily prices and the reductions of the average prices over the years due to the merit order effect of intermittent wind energy resulted in increased unpredictability in financial returns, which led to many wind projects being cancelled. In this thesis, in order to shed more light on the impact of wind energy development on spot prices, an artificial neural network (ANN) electricity price forecasting model is designed in order to predict Sweden’s four electricity regions Nord Pool Elspot day-ahead electricity spot market prices. The model's final result displayed a mean absolute error of 3.3398 €/MWh. In order for the model to be able to generalize better, a ridge regression regularizer is added to the ANN. Alternative wind scenarios for Sweden are introduced and their spot prices are predicted by the ANN model. The results show that each 10% increase in wind energy production leads to a 0.9% spot price reduction in the Nord Pool Swedish energy market prices.

Den klassiska approachen till navigering innefattar att agenten håller en intern representativ modell av omgivningen. Denna approach har emellertid många nackdelar, speciellt för dynamiska miljöer. En modernare approach är att förlita sig på den faktiska omgivningen istället för en modell av denna. Detta arbete presenterar en undersökning av navigeringsproblemet och hur väl det löses av agenter vars kontrollmekanismer utgörs artificiella neurala nätverk. Tillförlitligheten hos de två neurala arkitekturerna Extended sequential cascaded network och Self-organized recurrent network bestäms genom experiment. Det visas i experimenten att Extended sequential cascaded network är den mest tillförlitliga arkitekturen av de två när navigeringsproblemet skall angripas. Det visas även att Extended sequential cascaded network tränar fram ett helt reaktivt beteende i samtliga experiment. Slutsatsen som kan dras av detta är att svåra problem inte alltid kräver avancerade arkitekturer för att lösastillfredsställande.

Many protein structure prediction programs exist and they can efficiently generate a number of protein models of a varying quality. One of the problems is that it is difficult to know which model is the best one for a given target sequence. Selecting the best model is one of the major tasks of Model Quality Assessment Programs (MQAPs). These programs are able to predict model accuracy before the native structure is determined. The accuracy estimation can be divided into two parts: global (the whole model accuracy) and local (the accuracy of each residue). ProQ2 is one of the most successful MQAPs for prediction of both local and global model accuracy and is based on a Machine Learning approach. In this thesis, I present my own contribution to Model Quality Assessment (MQA) and the newest developments of ProQ program series. Firstly, I describe a new ProQ2 implementation in the protein modelling software package Rosetta. This new implementation allows use of ProQ2 as a scoring function for conformational sampling inside Rosetta, which was not possible before. Moreover, I present two new methods, ProQ3 and ProQ3D that both outperform their predecessor. ProQ3 introduces new training features that are calculated from Rosetta energy functions and ProQ3D introduces a new machine learning approach based on deep learning. ProQ3 program participated in the 12th Community Wide Experiment on the Critical Assessment of Techniques for Protein Structure Prediction (CASP12) and was one of the best methods in the MQA category. Finally, an important issue in model quality assessment is how to select a target function that the predictor is trying to learn. In the fourth manuscript, I show that MQA results can be improved by selecting a contact-based target function instead of more conventional superposition based functions. / <p>At the time of the doctoral defense, the following paper was unpublished and had a status as follows: Paper 3: Manuscript.</p>

Orientador: Caroline Joy Steel / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia de Alimentos / Made available in DSpace on 2018-08-24T06:50:38Z (GMT). No. of bitstreams: 1 Marangoni_AndreLuis_D.pdf: 1214013 bytes, checksum: a252edf1c913d6c97e6f9530017bb9cd (MD5) Previous issue date: 2014 / Resumo: A interesterificação é uma ferramenta fundamental para o desenvolvimento de gorduras "zero trans"; entretanto, comparada ao processo de hidrogenação, esta apresenta limitações, sobretudo no desenvolvimento de gorduras para uso em panificação. De acordo com a literatura, na produção de pão de forma, a gordura exerce diversas funções, como a lubrificação e o aumento da extensibilidade da massa, e o aumento do volume e do sabor do pão. A gordura afeta a textura, mantendo os pães macios por mais tempo; isto se deve possivelmente à sua interação com o amido da farinha, retardando o processo de retrogradação e, assim, estendendo a vida de prateleira do pão. O objetivo deste trabalho foi aplicar a tecnologia de Redes Neurais Artificiais (RNA) na formulação de gorduras "zero trans" à base de óleo de soja e gorduras interesterificadas de soja para facilitar o processo de formulação por blending, específicas para produtos de panificação, e determinar a influência das mesmas na qualidade dos pães de forma e nas interações entre as gorduras e o amido da farinha. Para tanto, foram produzidos pré-misturas e pães de forma com a adição de 4% de gordura. Como padrões, foram utilizadas gorduras comerciais, hidrogenada (GHS) e low trans (GLT), além de óleo de soja (OLS). Também foram utilizados os blends de gordura formulados através da RNA (BL1, BL2, BL3 e BL4). Para efeito de controle, foi produzido um pão sem adição de gordura (C). A análise farinográfica mostrou que a absorção de água (ABS) da farinha de trigo pura (59,0%) foi em média 6,5% maior que a das pré-misturas adicionadas de gordura. O tempo de desenvolvimento (Td) foi menor para as amostras GHS, GLT e BL4. A extensografia mostrou que, dentre todas as amostras, a BL4 foi a mais resistente (980 UE) e a menos extensível (114 mm). Isto provavelmente ocorreu devido ao menor teor de óleo de soja em sua constituição (54%), o que pode ter contribuído para uma massa de maior consistência. A análise dos pães produzidos revelou que apenas os volumes específicos das amostras OLS (3,46 mL/g) e BL4 (4,07 mL/g) diferiram significativamente entre si. A análise de firmeza dos pães mostrou que ao longo da estocagem houve diferença significativa entre a firmeza dos pães com gordura e a amostra controle (1005,75 gf), sendo este valor 13% superior ao da amostra GHS - a mais firme dentre os pães com adição de gordura. A uniformidade do miolo foi maior com a utilização de gordura. Nos pães controle (C), a porosidade (26,73%) foi quase 3 vezes superior ao das amostras com a adição dos blends. Os miolos dos pães BL1, BL2, BL3 e BL4 apresentaram alvéolos pequenos e espalhados mais uniformemente, quando comparados aos pães C, GHS, GLT e OLS. Quanto à umidade, os pães com gordura apresentaram um menor teor em relação ao da amostra controle (35%), pois as suas massas absorveram menos água durante a mistura. A análise térmica através de DSC sugeriu um efeito da gordura sobre o envelhecimento dos pães, uma vez que as variações de entalpia de retrogradação foram menores para os pães com gorduras. Os blends de gordura desenvolvidos usando a RNA e aqui utilizados, além do baixo teor de ácidos graxos trans (1,18% em média), apresentaram-se viáveis para aplicação em panificação, sobretudo o BL4 / Abstract: Interesterification is a fundamental tool in the development of "zero trans" fats; however, when compared to the hydrogenation process, it presents limitations, especially when developing shortenings for bakery products. According to literature, in the production of pan bread, fat has several functions, such as lubrication and an increase in dough extensibility, and an increase in bread volume and flavor. Fat affects texture, maintaining breads soft for a longer period of time; this is possibly due to its interaction with starch in flour, retarding the retrogradation process and, thus, extending bread shelf-life. The aim of this study was to apply Artificial Neural Network (ANN) technology in the formulation of "zero trans" fats based on soybean oil and soybean interesterified fats to ease the formulation process through blending, for use in bakery products, and determine their influence on the quality of pan bread and on their interaction with starch in flour. For this, pre-mixes and breads with the addition of 4% fat were produced. As standards, commercial fats (hydrogenated soybean fat ¿ GHS and low trans fat ¿ GLT) were used, as well as soybean oil (OLS). The fat blends formulated using the ANN (BL1, BL2, BL3 e BL4) were also used. As control (C), bread without fat addition was prepared. The farinographic analysis showed that water absorption (ABS) of pure wheat flour (59.0%) was in average 6.5% higher than that of the pre-mixes of flour and fats. Dough development time (Td) was lower for the samples GHS, GLT and BL4. The extensographic analysis showed that, amongst all samples, BL4 showed the highest resistance to extension (980 EU) and the lowest extensibility (114 mm). This probably occurred due to the lower soybean oil content in its constitution (54%) that could have contributed to a more consistent dough. The analysis of the breads produced revealed that only the specific volumes of the samples OLS (3.46 mL/g) and BL4 (4.07 mL/g) differed significantly. Firmness analysis of breads showed that throughout the storage period studied there was a significant difference between the firmness of the breads with fats and the control sample (1005.75 gf), being this value 13% higher than that of GHS ¿ the firmest amongst samples with fat. Crumb uniformity was greater with the use of fat. In the control breads (C), porosity (26.73%) was almost 3 times greater than that of the samples with the addition of the blends. The crumbs of breads BL1, BL2, BL3 and BL4 presented small and more uniformly distributed alveoli, when compared to breads C, GHS, GLT and OLS. As to moisture content, breads with fat presented lower values when compared to the control sample (35%), as their doughs absorbed less water during mixing. Thermal analysis through DSC suggested an effect of fat on bread staling, once retrogradation enthalpy changes were lower for breads with fats. The fat blends developed using the ANN and used in this study, as well as having a low trans fatty acid content (1.18% in average), showed feasibility for application in pan bread, especially BL4 / Doutorado / Tecnologia de Alimentos / Doutor em Tecnologia de Alimentos