Recently, machine learning has been considered an important tool for various networkingrelated use cases such as intrusion detection, flow classification, etc. Traditionally, machinelearning based classification algorithms run on dedicated machines that are outside of thefast path, e.g. on Deep Packet Inspection boxes, etc. This imposes additional latency inorder to detect threats or classify the flows.With the recent advance of programmable data planes, implementing advanced function-ality directly in the fast path is now a possibility. In this thesis, we propose to implementArtificial Neural Network inference together with flow metadata extraction directly in thedata plane of P4 programmable switches, routers, or Network Interface Cards (NICs).We design a P4 pipeline, optimize the memory and computational operations for our dataplane target, a programmable NIC with Micro-C external support. The results show thatneural networks of a reasonable size (i.e. 3 hidden layers with 30 neurons each) can pro-cess flows totaling over a million packets per second, while the packet latency impact fromextracting a total of 46 features is 1.85μs.

Orientador: Naasson Pereira de Alcântara Junior / Banca: José Carlos Sartoti / Banca: José Alfredo Covolan Ulson / Resumo: Neste trabalho, apresenta-se o desenvolvimento de uma metodologia utilizando redes neurais artificiais, para auxiliar na determinação da freqüência de ressonância no projeto de antenas tipo microfita de equipamentos móveis, tanto para antenas retangulares como para antenas triangulares. Compararam-se modelos deterministas e modelos empíricos baseados em Redes Neurais Artificiais (RNA) da literatura pesquisada com os modelos apresentados neste trabalho. Apresentam-se modelos empíricos baseados em RNAs tipo Perceptron Multicamadas (PMC). Os modelos propostos também são capazes de serem integrados em um ambiente CAD (Computed Aided Design) para projetar antenas tipo microfita de equipamentos móveis. / Abstract: This work presents the development of models that can be used in the design of microstrip antennas for mobile communications. The antennas can be triangular or rectangular. The presented models are compared with deterministic and empirical models based on artificial neural networks (ANN) presented in the literature. The models are based on Perceptron Multilayer (PML). The models can be embedded in CAD systems, in order to design microstrip antennas for mobile communications. / Mestre

In this research we investigate the relationship between multifactor investing and Artificial Neural Network (ANN) and contribute to modern stock market prediction. We present the components for multifactor investing i.e. value, quality, size, low volatility & momentum as well as a methodology for ANN which provides the theory for the results. The return for the multifactor funds tested in this research is recorded below the benchmark used. However, the factors do have a dynamic relationship when testing for correlation and the multifactor regression analysis showed a high explanatory power (R2) for the funds. Based on the methodology of an ANN we establish that it is possible to use the knowledge from multifactor investing to train the technology with. When summarizing peer reviewed journals, we find that momentum have already been recurrently used in previous stock market prediction systems based on ANN, but the remaining factors have not. We conclude that there is an opportunity to use several factors to train an ANN due to their dynamic relationship and unique characteristics.

A suinocultura é uma atividade de grande importância em termos mundiais e de Brasil. Entretanto, por serem animais homeotérmicos, algumas alterações no ambiente térmico de alojamento podem alterar suas respostas fisiológicas e comportamentais para manutenção da temperatura interna. Portanto, o objetivo dessa pesquisa foi avaliar o comportamento alimentar de suínos, mediante a influência do ambiente térmico, nas fases de crescimento e terminação para diferentes linhagens comerciais e sexo. Além disso, buscou-se o desenvolvimento de modelos matemáticos e sistemas inteligentes para predição do tempo em alimentação (TM, min dia-1) dos suínos. Os dados foram coletados em uma granja experimental de suínos, localizada na cidade de Clay Center, Nebraska, Estados Unidos. O período experimental contemplou duas estações durante o ano 2015/2016 (verão e inverno), totalizando 63 dias (9 semanas) de informações coletadas para cada estação. Os animais alojados foram de três linhagens comerciais distintas: Landrace, Duroc e Yorkshire. Cada baia apresentava composição mista, sendo alojados 40 animais de diferentes linhagens comerciais e sexo. No total, foram confinados 240 animais, sendo 80 animais para cada linhagem comercial entre machos castrados e fêmeas. Foram registrados dados de temperatura do ar (Tar, °C), temperatura do ponto de orvalho (Tpo, °C) e umidade relativa do ar (UR, %) a cada 5 minutos no interior da instalação. Para TM, os dados foram coletados e registrados a cada 20 segundos por meio de um sistema de coleta de dados por rádio frequência. O conforto térmico foi analisado a partir do Índice de Temperatura e Umidade (ITU) e a Entalpia Específica (H, kJ kg-1 de ar seco). Para avaliar a relação entre o ambiente térmico e TM, foi utilizada estatística multivariada por meio de análise de componentes principais (ACP) e agrupamento para obtenção de padrões e seleção de variáveis para entrada nos modelos. O modelo fuzzy e as redes neurais artificias foram desenvolvidos em ambiente MATLAB® R2015a por meio dos toolboxes Fuzzy e Neural Network, com o objetivo de predizer TM, tendo como variáveis de entrada: linhagem comercial, sexo, idade e ITU. De uma maneira geral, as médias de Tar estiveram dentro da zona de termoneutralidade (ZCT) em todo período experimental, sendo que apenas a UR apresentou valores abaixo da UR crítica inferior. Para o ITU, apenas no verão foram encontrados valores acima da ZCT, entretanto, esses valores estiveram abaixo do ITU crítico superior. Diante da análise dos resultados, pôde-se observar em relação ao comportamento alimentar, que a fêmea Landrace apresentou o menor tempo em alimentação com médias de 42,19 min dia-1 e 43,73 min dia-1 para o inverno e verão, respectivamente, seguido do macho castrado de mesma linhagem. Enquanto as demais linhagens apresentaram valores acima de 60 min dia-1. Não foi observado correlação linear significativa entre o ambiente térmico e TM uma vez que os animais estiveram dentro de sua ZCT ao longo de todo período experimental, indicando que o comportamento alimentar foi influenciado principalmente pelos fatores homeostáticos e cognitivos-hedônicos. A estatística multivariada dividiu os animais em 8 grupos. Foi observado que animais de linhagens e sexos distintos se comportaram da mesma maneira, dificultando a modelagem matemática. Entretanto, alguns grupos apresentaram maior quantidade de animais de determinada linhagem e sexo, sendo estes utilizados como \"grupos padrão\" para o desenvolvimento do modelo fuzzy e a rede neural artificial. O modelo fuzzy apresentou R2 de 0,858 quando utilizado os dados do grupo padrão, entretanto, para todos os valores o R2 foi de 0,549. Já a rede neural apresentou um R2 de 0,611 para os dados completos e R2 de 0,914 para o \"grupo padrão\". Portanto, a rede neural artificial mostrou-se como uma ferramenta de maior precisão e acurácia na predição do comportamento alimentar de suínos nas fases de crescimento e terminação. / The swine production in an activity of great importance to Brazil and to the world. However, because they maintain a constant body temperature and, alterations in the thermic accommodation environment can directly affect their physiological and behavioral responses for maintaining the internal temperature. Thus, the objective of this study was to access the feeding behavior of growing-finishing pigs of different sirelines and gender and its relationship with climate variables (thermic environment). Furthermore, mathematical models based on classic logic was developed as well as an intelligent system for predicting the total time spent eating (TM, min day -1). The data was collected in an experimental farm located in Clay Center, Nebraska, United States. The experimental period contemplated two seasons (summer and winter), totalizing 63 days (9 weeks) of information collected for each season. The housed animals were from three different commercial sirelines: Landrace, Duroc and Yorkshire. Each pen presented a mix composition, being housed 40 animals of different sirelines and gender. In total, there were 240 housed animals, being 80 animals for each sireline among barrows and gilts. The data registered were air temperature (Tar, °C), dew point temperature (Tpo, °C) and relative humidity of the air (UR, %) every 5 minutes inside the facility. For TM, the data were collected and registered every 20 seconds by a radio frequency data collection system. The thermal comfort was analyzed from the Temperature and Humidity Index (THI) and Specific Enthalpy (H, kJ kg-1 of dry air). In order to evaluate the relationship between the thermic environment and TM, the multivariate statistics through principal component analysis (PCA) and grouping was utilized for obtaining the selection standards of variables to enter in the models. The fuzzy model and the artificial neural networks were developed in a MATLAB® R2015a environment through the Fuzzy and the Neural Network toolboxes with the objective to predict TM, having as entry variables: sireline, gender, age and THI. On the whole, the Tar averages were inside the thermoneutral zone (ZCT), however, these values were below the superior critic THI. In the face of the results analysis, it could be observed in ration to the feeding behavior that the Landrace gilt presented the shortest time eating with averages of 42.19 min day-1 and 43.73 min day-1 for winter and summer respectively followed by the barrow from the same sireline, while the other sirelines presented values above 60 min day-1. It was not observed a significative linear correlation between the thermic environment and TM once the animals were inside their ZCT throughout all the experimentation period, indicating that the feeding behavior was influenced mainly by the homeostatic and cognitivehedonic factors. The multivariate statistics divided the animals in 8 groups, being observed that animals of different sirelines and gender behave the same way throughout the experimentation period, making the mathematical modeling difficult. However, some groups presented a bigger amount of animals of determined sireline and gender, being utilized as \"standard groups\" for the development of the fuzzy model and the artificial neural network. The fuzzy model presented an R2 of 0,858 when utilizing the \"standard group\" data, however, for all the values the R2 was 0.549. In the other hand the neural network presented an R2 of 0.611 for the complete data and an R2 of 0.914 for the \"standard group\". Thus, the artificial neural network appeared to be a tool of a better precision and accuracy when predicting the feeding behavior of pigs on growing-finishing phases.

As Redes Neurais Artificiais (RNAs) vêm sendo empregadas com cada vez mais sucesso em diversas áreas de pesquisa, no campo da engenharia e em outros campos diversos. Neste trabalho foram modeladas séries fluviométricas relativas às afluências a quatro reservatórios, localizados em quatro bacias hidrográficas distintas que compõem a Bacia Metropolitana de Fortaleza, Ceará, Brasil. Tais afluências apresentam peculiaridades relativas à ocorrência de magnitudes nulas, que dificultam sua modelagem através dos convencionais modelos estatísticos da família Box-Jenkins. Neste estudo foram trabalhadas duas abordagens distintas, a primeira univariada, em que cada série era modelada de forma individual, e a segunda multivariada, em que as séries fluviométricas eram modeladas simultaneamente. Os resultados obtidos, segundo ambas as modelagens, demonstram que a técnica apresenta potencial para a aplicação pretendida. Estudos futuros merecem ser desenvolvidos ainda no sentido de verificar a melhor maneira de se enquadrar a componente aleatória nas séries sintéticas produzidas via RNAs. / Artificial Neural Networks (ANNs) are being used more and more in many different fields of research, in engineering applications or other applications. This research deals with modeling of inflows to four reservoirs, located in different watersheds that belong to the Metropolitan Watershed of Fortaleza city, Brazil. These discharge sequences have particular characteristics in that they have frequent occurence of null discharges which makes it difficult to use traditional statistical models such as those Box-Jenkis family. Two different modeling approaches were adopted in this study, the first univariate, in which each time series was modeled individually, and the second multivariate, in which the four time series were modeled simultaneously. The results from the both approaches show that the technique has potential for use in water resources planning and management. Future studies are required to propose better means of incorporing the random component in the generation of synthetic time series through ANNs.

Este trabalho apresenta a aplicação de Redes Neurais Artificiais (RNAs) como um classificador de padrões para as operações do relé de distância. As grandezas analisadas referem-se aos valores trifásicos de tensões e correntes do sistema elétrico, incluindo a seqüência zero. Para a obtenção dos valores amostrais da linha de transmissão em condição faltosa, valores estes utilizados como entradas para as arquiteturas de RNAs em seus processos de treinamento e teste, utilizou-se do software Alternative Transients Program - ATP. Para se observar o desempenho do relé de distância implementado, duas formas de análise dos valores trifásicos foram adotadas. Uma utilizando-se como entrada os cinco valores amostrados em meio ciclo pós-falta do sinal analisado e a segunda, pelo emprego da magnitude dos fatores de tensões e correntes, incluindo a seqüência zero. A função da rede neural implementada é de capturar o conhecimento da correta atuação do relé de distância, para posteriormente atuar com melhores resultados frente às situações de operações que por ventura venham a ocorrer. Para criar, treinar (obtenção dos pesos associados como saída) e testar as arquiteturas de RNAs, utilizou-se do software Stuttgard Neural Network Simulator (SNNS). Dos resultados encontrados comenta-se o desempenho do relé de distância implementado frente às duas abordagens anteriormente descritas. Do uso de RNAs como um classificador de padrões, observa-se uma melhora no desempenho do sistema de proteção, alcançando-se uma definição de 96% do comprimento da linha de transmissão como sendo a zona de proteção primária do relé de distância digital. / This work demonstrates the use of Artificial Neural Networks (ANNs) theory as a pattern classifier for a distance relay operation. The approach utilizes the magnitudes of the three phase voltage and current phasors (including the zero sequence) as inputs. The Alternative Transients Program (ATP) software is used to generate data for the transmission line in a faulted condition both for the training process and the tests. Two different types of ANN architecture, concerning the input data, are taken into account. The main objective was to analyse the relay performance considering each of them. One approach utilises the five post-fault samples as inputs. The other one employs the magnitudes of the three phase voltage and current phasors (including the zero sequence) as inputs. The implemented neural network should capture the knowledge for the correct relay operation facing the different network conditions. A comparison of how well the schemes performed is carried out. The Stuttgard Neural Network Simulator (SNNS) was used to create the ANN diagram, train it and obtain the weights as an output. An improvement concerning the use of ANNs for distance protection purposes is found. Through the use of ANN as a pattern classifier, a reach of 96% of the transmission line length as the relay primary protection zone was implemented in this work.

O oxicorte produz superfícies que variam entre um padrão semelhante à usinagem até outro em que o corte é praticamente sem qualidade. Além das condições de equipamentos e habilidade de operadores, estas possibilidades são conseqüências da correta seleção de parâmetros e variáveis de trabalho. O processo baseia-se numa reação química fortemente exotérmica, que gera parte de calor necessário para sua ocorrência juntamente com o restante do calor proveniente da chama do maçarico. A proporção entre estes valores é fortemente dependente, entre outros fatores, da espessura do material utilizado. Este trabalho mostra como calcular a quantidade de energia gerada no oxicorte, com duas metodologias de diferentes autores, estuda de que maneira fatores como a variação da concentração do oxigênio e a temperatura inicial das chapas cortadas podem variar o balanço térmico e simula, com a utilização de Redes Neurais Artificiais, alguns dos dados necessários para a realização destes cálculos. Para isto foram cortadas chapas de aço carbono ASTM A36 de 12,7 a 50,8 mm, com diferentes concentrações de O2 (99,5% e 99,95%) e diferentes temperaturas de pré-aquecimento das chapas (30 e 230±30ºC). As superfícies cortadas foram caracterizadas, os óxidos produzidos identificados e os resultados foram correlacionados com o uso de tratamento matemático e técnicas de inteligência artificial. Para a realização do trabalho alguns aspectos não existentes em literatura foram superados como o desenvolvimento de uma metodologia para a caracterização dos óxidos de Fe por meio de difração de raios X com o método de Rietveld, a utilização de redes neurais artificiais para estimativa de resultados no processo oxicorte e a comparação entre diferentes redes neurais artificiais, que são também aspectos inéditos apresentados nos sete artigos técnicos publicados no decorrer deste trabalho. Os resultados apresentam: uma metodologia para a análise da eficiência energética do processo, o desenvolvimento de técnicas que, com o emprego de inteligência artificial simulam o comportamento de aspectos do processo, o que por fim possibilita a simulação da análise de sua eficiência energética. / Oxygen cutting process produces surfaces that vary from a machine cut finishing to one of virtually no quality at all. Besides equipment conditions and operators\' skills, these possibilities result from the correct selection of work parameters and variables. The process is based on a highly exothermic chemical reaction that generates part of the heat needed for its occurrence, along with the rest of heat resultant from the flame of the blowpipe. The ratio between these values depends highly on the thickness of the material used. This work shows how to calculate the amount of energy generated in the cutting process. Based on two methodologies of different authors, this research studies how factors such as the change in the oxygen concentration and the pre heating temperature of plates can vary the heat balance and simulates, with the use of Artificial Neural Networks, some of the data needed to perform these calculations. ASTM A36 carbon steel plates, from 12.7 to 50.8 mm thick, with different oxygen concentration (99,5% e 99,95%) and preheating temperatures (30 and 230 ±30ºC) were cut. The cut surfaces and the produced oxides were characterized and the results were correlated with the use of mathematical treatment and artificial intelligence techniques. In order to carry out this work some previously inexistent aspects in literature have been developed, such as a Fe oxides characterization methodology with X-ray diffraction and Rietveld method; the use of artificial neural networks to simulate the results in the oxygen cutting process and the comparison between different artificial neural networks, which are unpublished aspects of this work that can be seen in seven technical papers published while this work was in progress. Results show: a methodology for the analysis of the energy efficiency of the process; the development of techniques that, together with artificial intelligence, simulate the results of aspects of the process; which finally allows the simulation analysis of the energy efficiency of the process.

Garantir a qualidade da carne bovina produzida no Brasil tem sido uma preocupação dos produtores, pois contribui para aumentar a exportação e o consumo interno do produto. Por isso, tem-se pesquisado novos métodos que analisam e garantam a qualidade da carne, de forma rápida, eficiente e não destrutiva. A ressonância magnética nuclear (RMN) tem se destacado como uma das técnicas de controle de qualidade de carne. Neste trabalho as redes neurais artificiais estão sendo utilizadas para o reconhecimento de padrões dos dados de ressonância magnética nuclear oriundos de carne bovina. Mais especificamente, os respectivos dados têm sido utilizados por uma rede perceptron multicamadas para a extração de características da carne bovina, possibilitando a classificação do grupo genético e do sexo dos animais a partir de uma amostra da referida carne. Os resultados dos experimentos são também apresentados para ilustrar o desempenho da abordagem proposta. / Guaranteeing the quality of the bovine meat produced in Brazil has been a concern of the producers because it contributes to increase the export and the domestic consumption of the product. Therefore, new methods have been researched that analyze and guarantee the quality of the meat in a fast, efficient and non destructive way. Nuclear magnetic resonance (NMR) has been highlighted as one of the techniques of meat quality control. In this work study artificial neural networks are being used for pattern recognition from data obtained by the resonance equipment, originating from bovine meat. More specifically, the respective data have been used by a multilayer perceptron network for extraction of bovine meat characteristics, making possible the classification of both genetic group and animal sex starting from a single meat sample. Several results of experimental tests are also presented to illustrate the performance of the proposed approach.

Este trabalho consiste em apresentar um método alternativo para a identificação de fontes de correntes harmônicas comumente encontradas em sistemas elétricos residenciais. Desta identificação, soluções viáveis poderão ser aplicadas com o intuito de mitigar os níveis de emissão das correntes harmônicas geradas, principalmente, por cargas com características não lineares. Para a identificação empregou-se redes neurais artificiais (RNAs), sendo esta técnica inteligente, apresentada como uma alternativa aos métodos convencionais. Os resultados reportados neste contexto procuram validar a proposta apresentada com dados experimentais obtidos em ensaios laboratoriais. / This work presents an alternative method for the identification of current harmonic sources commonly encountered in residential electrical systems. For this purpose, feasible solutions can be applied to minimize the levels of harmonic currents emission caused by nonlinear loads. Artificial neural networks are employed as alternative to conventional methods. The experimental results will be reported in order to validate the proposal presented with the experimental data obtained in laboratory.

Este trabalho apresenta o desenvolvimento de um instrumento de apoio à gestão territorial, denominado Banco de Dados Geográficos – BDG, constituído de uma base de dados georreferenciadas, de um sistema de gerenciamento de banco de dados, de um sistema de informação geográfica – SIG e de um simulador de redes neurais artificiais – SRNA. O roteiro metodológico adotado permitiu a transposição do Detalhamento da Metodologia para Execução do Zoneamento Ecológico-Econômico pelos Estados da Amazônia Legal para um modelo conceitual materializado no BDG, que serviu de suporte para a criação de uma base de dados geográficos, na qual utilizou-se os conceitos de geo-campos e geo-objetos para modelagem das entidades geográficas definidas. Através deste ambiente computacional foram realizados procedimentos de correção e refinamento dos dados do meio físico e sócio-econômicos, de interpretação de imagens de satélite e análises e combinações dos dados, que permitiram definir unidades básicas de informação do território, a partir das quais foram geradas as sínteses referentes à potencialidade social e econômica, à sustentabilidade do ambiente, aos subsídios para ordenação do território, incluindo orientações à gestão do território na área de estudo localizada no sudoeste do estado de Rondônia. Sobre os dados do meio físico, foram utilizadas duas técnicas de análise geográfica: álgebra de mapas e rede neural artificial, que produziram cenários relativos à vulnerabilidade natural à erosão. A análise das matrizes de erros obtidas da tabulação cruzada entre os cenários, revelou uma boa exatidão global (acima de 90%) entre os cenários obtidos através da modelagem via álgebra de mapas e via rede neural artificial e, uma exatidão global regular (em torno de 60%), quando foram comparados os cenários obtidos via álgebra de mapas e via rede neural artificial com o cenário obtido através de procedimentos manuais. / This work presents the development of a tool to support the land management called Geographical Data Base (GDB) formed by a georrefered data base, a data base management system (DBMS), a geographic information system (GIS) and an artificial neural net simulator (ANNS). The methodological approach allowed the conceptual modelling of the methodology of the ZEE (Ecological-Economic Zoning) institutional program within GDB, using both field and object concepts, in which the geographic entities were modelled. Using this computacional framework both natural and socio-economic data were corrected and improved, and also procedures of satellite image interpretation using image processing techniques, of analysis and data manipulation using GIS tools, were accomplished. These procedures allowed to define basic units of mapping and to get the following synthesis for the study area located in State of Rondonia: social potenciality, environmental vulnerability, environmental sustentability, land management maps, and guidelines about land management. With the abiotic and biotic data, two different geographical inference methods were used to produce the environmental vulnerability map: a) the common Map Algebra approach and b) an Artificial Neural Network approach – as a technique to deal with the non-linearities involved in inferencial processes. Error matrices were computed from cross tabulation among different scenaries obtained from those inference methods. A good global accuracy (over 90%) was obtained when ANN and Map Algebra scenaries were compared. Medium global accuracies (around 60%) were obtained when ANN and Map Algebra were compared with scenaries obtained by manual procedures.