Este trabalho analisa o uso de redes de estações de trabalho como uma única máquina a ser utilizada para permitir o processamento de problemas que não poderiam ser computados, aceitavelmente, em apenas um de seus nodos, seja por causa do tempo dispendido ou de recursos físicos necessários, como memória principal. São enfocados dois algoritmos de redes neurais artificiais - Combinatorial Neural Model e Back Propagation - que apresentam os problemas enunciados acima, e uma proposta de um esquema para distribuição dessa classe de algoritmos, levando em consideração as vantagens disponíveis no ambiente em questão, a apresentada. A implementação do modelo proposto, sob a forma de um simulador distribuído baseado no conceito de servidor está descrita no trabalho, assim como as estratégias de paralelização dos algoritmos. Ao final, são apresentados os resultados obtidos, quantitativa e qualitativamente, e uma avaliação mais detalhada da paralelização do algoritmo Back Propagation a exposta. / The use of workstation networks as distributed multicomputers to solve resource demanding problems that cannot be feasibly solved in one node is the main concern of this work. Two different artificial neural network algorithms, Combinatorial Neural Model and Back Propagation, are faced and a scheme for distributing this class of algorithms is presented. The several advantages of the environment are focused in the proposal along with its disadvantages. This work also presents the implementation of the proposed scheme allowing an in loco performance evaluation. At the end results are shown and a more in depth evaluation of the Back Propagation parallelization is presented.

As séries temporais financeiras são marcadas por comportamentos complexos e não-lineares. No mercado financeiro, além da trajetória das cotações, a sua variabilidade, representada pela volatilidade, consiste em importante informação para o mercado. Redes neurais são modelos não lineares flexíveis com capacidade de descrever funções de distintas classes, possuindo a propriedade de aproximadores universais. Este trabalho busca empregar redes neurais, especificamente Perceptron de múltiplas camadas com uma única camada escondida alimentada para frente (Feedforward Multilayer Perceptron), para a previsão da volatilidade. Mais ainda, é proposto um modelo híbrido que combina o modelo GARCH e redes neurais. Os modelos GARCH e redes neurais são estimados para duas séries financeiras: Índice S&P500 e cotações do petróleo tipo Brent. Os resultados indicam que a volatilidade aproximada por redes neurais é muito semelhante as estimativas dos tradicionais modelos GARCH. Suas diferenças são mais qualitativas, na forma de resposta da volatilidade estimada a choques de maior magnitude e sua suavidade, do que quantitativas, apresentando critérios de erros de previsão em relação a uma medida de volatilidade benchmark muito próximos. / The financial time series are characterized by complex and non-linear behaviors. In addition to the financial market trend in prices their variability or volatility, a risk estimate, is important information for the market players. Neural networks are flexible nonlinear models capable of describing functions of different classes, having the property of universal approximators. This paper employs neural networks, specifically one hidden layer feedforward Multilayer Perceptron, for volatility forecasting. Moreover, we propose a hybrid model that combines the GARCH model with neural networks. The GARCH and neural network models are estimated over two financial series: the S&P500 composite index and prices of Brent oil. The results indicate that the volatility approximated by neural networks is very similar to that estimated by the traditional GARCH models, while their differences are more qualitative than quantitative, with information content that differs from and complements each other for different market environments.

Os ensaios não destrutivos servem como uma importante ferramenta para a análise de estruturas de concreto armado. A utilização de ensaios de velocidade de propagação do pulso ultra-sônico (VPU) permite realizar um acompanhamento das características do material ao longo de sua vida útil. Através da análise dos dados obtidos, pode-se averiguar a uniformidade do concreto, controlar a sua qualidade, acompanhar sua deterioração e, através de comparação com corpos de prova de referência e, até mesmo, estimar a resistência do mesmo. No entanto, as técnicas atuais para análise dos resultados coletados são, em grande parte, baseadas na sensibilidade dos profissionais que as aplicam. Para facilitar o controle e inspeção de estruturas de concreto armado é fundamental desenvolver estratégias para tornar esta análise mais simples e precisa. Este trabalho se baseia na hipótese de que a aplicação de Redes Neurais Artificiais (RNAs) pode gerar modelos de relacionamento úteis e acurados entre as características do concreto, sua compacidade e sua resistência à compressão. O intuito é determinar se com o uso de RNAs é possível estabelecer relações não-lineares que permitam estimar a resistência do concreto a partir do conhecimento de algumas propriedades básicas e da verificação da sua compacidade por meio de ensaios de VPU. Os resultados indicam que as RNAs podem ser usadas para gerar métodos numéricos robustos e flexíveis para estimativa da resistência à compressão a partir de dados de VPU. O estudo evidencia uma considerável melhora nos resultados de estimação da resistência quando se empregam modelos neurais, em comparação a modelos estatísticos tradicionais. Para os dados coletados, provenientes de diversas pesquisas, os modelos tradicionais geram estimativas com coeficientes de determinação que não ultrapassam um valor de R² de 0,40. Já as redes neurais conseguem ajustes com R² da ordem de 0,90. Além de contribuir para uma melhor análise de situações em que haja dúvidas sobre a resistência ou homogeneidade de elementos de concreto, o trabalho demonstra que modelos neurais são uma forma eficiente de ordenar e transferir conhecimento não estruturado. Constatou-se, ainda, que, dada sua capacidade de aprendizagem e de generalização do conhecimento adquirido, as RNAs se constituem em um meio rápido e preciso para modelagem de fenômenos complexos. / Nondestructive Testing (NDT) techniques are useful tools for analyzing reinforced concrete (RC) structures. The use of Ultrassonic Pulse Velocity (UPV) measurements enables the monitoring of changes in some critical characteristics of concrete over the service life of a structure. The interpretation of the data collected allows an assessment of concrete uniformity, and can be used to perform quality control, to monitor deterioration and even, by means of comparison against reference samples, to estimate compressive strength. Nonetheless, the current techniques for UPV data analysis are, on a large degree, based on the sensitivity of the professionals who apply these tests. For accurate diagnosis it is necessary to consider the various factors and conditions that can affect the results. To proper control and inspect RC facilities it is essential to develop appropriate strategies to make the task of data interpretation easier and more accurate. This work is based on the notion that using Artificial Neural Networks (ANNs) is a feasible way to generate workable estimation models correlating concrete characteristics, compacity and compressive strength. The goal is to determine if it is possible to establish models based on non-linear relationships that are capable of estimating with good accuracy the concrete strength based on previous knowledge of some basic material characteristics and UPV measurements. The study shows that this goal is achievable and indicates that neural models perform better than traditional statistical models. For the data collected in this work, provided by various researchers, traditional regression models cannot exceed R² = 0.40, while the use of ANNs allows the creation of models that can reach a determination coefficient R² = 0.90. The results make clear that, besides contributing to better the analysis of situations where there is doubts regarding concrete strength or uniformity, neural models are an efficient way to order and transfer unstructured knowledge. It was shown that, given the learning capacity and its ability to generalize acquired information into mathematical patterns, ANNs are a quick and adequate way to model complex phenomena.

Master of Science / Department of Civil Engineering / Hayder A. Rasheed / The structural deterioration of aging infrastructure systems is becoming an increasingly important issue worldwide. To compound the issue, economic strains limit the resources available for repair or replacement of such systems. Over the past several decades, structural health monitoring (SHM) has proved to be a cost-effective method for detection and evaluation of damage in structures. Visual inspection and condition rating is one of the most commonly applied SHM techniques, but the effectiveness of this method suffers due to its reliance on the availability and experience of qualified personnel performing largely qualitative damage evaluations. The artificial neural network (ANN) approach presented in this study attempts to augment visual inspection methods by developing a crack-induced damage quantification model for reinforced concrete bridge girders that requires only the results of limited field measurements to operate. Simply-supported three-dimensional reinforced concrete T-beams with varying geometric, material, and cracking properties were modeled using Abaqus finite element (FE) analysis software. Up to five cracks were considered in each beam, and the ratios of stiffness between cracked and healthy beams with the same geometric and material parameters were measured at nine equidistant nodes along the beam. Two feedforward ANNs utilizing backpropagation learning algorithms were then trained on the FE model database with beam properties serving as inputs for both neural networks. The outputs for the first network consisted of the nodal stiffness ratios, and the sole output for the second ANN was a health index parameter, computed by normalizing the area under the stiffness ratio profile over the span length of the beam. The ANNs achieved excellent prediction accuracies with coefficients of determination (R²) exceeding 0.99 for both networks. Additional FE models were created to further assess the networks’ prediction capabilities on data not utilized in the training process. The ANNs displayed good prediction accuracies (R² > 0.8) even when predicting damage levels in beams with geometric, material, and cracking parameters dissimilar from those found in the training database. A touch-enabled user interface was developed to allow the ANN models to be utilized for on-site damage evaluations. The results of this study indicate that application of ANNs with FE modeling shows great promise in SHM for damage evaluation.

Submitted by ADRIANO DE SOUZA MARQUES (adrianosmarques@gmail.com) on 2018-07-24T20:31:46Z No. of bitstreams: 1 TESE-FINAL- OK - ADRIANO DE SOUZA MARQUES.pdf: 4099150 bytes, checksum: 7d637f84bcd1d9458ad52467f0e5bfe8 (MD5) / Approved for entry into archive by Ana Lucia de Grava Kempinas (algkempinas@fca.unesp.br) on 2018-07-25T11:31:18Z (GMT) No. of bitstreams: 1 marques_as_dr_botfca.pdf: 4099150 bytes, checksum: 7d637f84bcd1d9458ad52467f0e5bfe8 (MD5) / Made available in DSpace on 2018-07-25T11:31:18Z (GMT). No. of bitstreams: 1 marques_as_dr_botfca.pdf: 4099150 bytes, checksum: 7d637f84bcd1d9458ad52467f0e5bfe8 (MD5) Previous issue date: 2018-05-30 / Neste trabalho é realizado um estudo para estimar a transmissividade da radiação global (Ktβh) e a fração difusa (Kdβh) incidentes em uma superfície com inclinação de 22,85° na base horária utilizando técnicas de aprendizado de máquina (TAM), a partir de dados obtidos no período de 1998 a 2001 em Botucatu/SP/Brasil. As estimativas foram realizadas usando uma série de combinações de variáveis astronômicas e geográficas por meio de três técnicas de redes neurais artificiais (RNA) do tipo Perceptron Multicamadas (MLP), Função de Base Radial (RBF) e Regressão Generalizada (GRNN) e do Sistema Adaptativo de Inferência Neuro Fuzzy (ANFIS). Como referência foram elaborados modelos estatísticos (ME) de regressão linear e polinomial. No Capítulo 1 as estimativas de (Ktβh) foram realizadas por combinações de variáveis medidas e calculadas a partir da irradiação global na superfície horizontal (HgH) e nas estimativas de (Kdβh) utilizou-se combinações de variáveis medidas e calculadas a partir de (HgH) e da irradiação global na superfície inclinada (Hgβ). No Capítulo 2 as estimativas de (Kdβh) foram realizadas por combinações de variáveis medidas e calculadas a partir das irradiações difusa (HdH) e global (HgH) obtidas na superfície horizontal. Os indicadores estatísticos r (correlação), RMSE(%) (precisão) e MBE(%) (exatidão) foram utilizados para avaliar os resultados das estimativas. No capítulo 1 os melhores resultados nas estimativas de (Ktβh) a partir das combinações realizadas com (HgH) foram: MLP - RMSE=3,73%; RBF - RMSE=3,99%; GRNN - RMSE=5,27%; ANFIS - RMSE=3,78% e ME - RMSE=6,65%. Nesse caso os indicadores de precisão mostram uma redução de aproximadamente 44% com o uso da técnica (MLP) em comparação ao modelo estatístico (ME). Nas estimativas de (Kdβh) a partir das combinações de (HgH) os melhores resultados foram: MLP - RMSE=21,69%; RBF - RMSE=25,43%; GRNN - RMSE=29,39%; ANFIS - RMSE=23,08% e - ME - RMSE=35,35%. Da mesma forma os indicadores de precisão mostram uma redução de aproximadamente 39% com o uso da técnica (MLP) em comparação ao modelo estatístico (ME). E nas estimativas de (Kdβh) a partir das combinações realizadas com (Hgβ) os melhores resultados foram: MLP - RMSE=20,32%; RBF - RMSE=21,95%; GRNN - RMSE=29,11%; ANFIS - RMSE=21,75% e ME - RMSE=36,48%. Os indicadores de precisão mostram uma redução de aproximadamente 44% com o uso da técnica (MLP) em comparação ao modelo estatístico (ME). No capítulo 2 as melhores estimativas de (Kdβh) a partir das combinações realizadas com (HdH) foram: MLP - RMSE=4,03%; RBF - RMSE=5,84%; GRNN - RMSE=10,85%; ANFIS - RMSE=4,15% e ME - RMSE=12,42%. Os indicadores de precisão mostram uma redução de aproximadamente 67% com o uso da técnica (MLP) em comparação ao modelo estatístico (ME). Nas estimativas de (Kdβh) a partir de (HgH) os melhores resultados foram: MLP - RMSE=21,69%; RBF - RMSE=25,43%; GRNN - RMSE=29,39%; ANFIS - RMSE=23,08% e ME - RMSE=35,35%. Os indicadores de precisão mostram uma redução de aproximadamente 39% com o uso da técnica (MLP) em comparação ao modelo estatístico (ME). Os resultados mostram que a técnica de rede neural artificial MLP apresentou os melhores índices em todas as estimativas de (Ktβh) e (Kdβh) com reduções significativas quando comparadas aos resultados obtidos com as estimativas obtidas com os modelos estatísticos. Pela análise dos resultados é possível observar que o uso das técnicas de aprendizado de máquina (TAM) nas combinações de variáveis propostas e com os dados obtidos de Botucatu/SP, se apresentam como alternativa aos modelos estatísticos (ME) para estimar as variáveis de (Ktβh) e (Kdβh). / In this work, a study was carried out to estimate the transmissivity of the global radiation (Ktβh) and the diffuse fraction (Kdβh) incident on a surface with slope of 22.85 ° in the hourly basis using machine learning techniques (MLT), from data obtained from 1998 to 2001 in Botucatu / SP / Brazil. The estimates were made using a series of combinations of astronomical and geographic variables by means of three artificial neural network (ANN) techniques such as MultLayer Perceptron (MLP), Radial Basis Functions Networks (RBF) and Generalized Regression Neural Network (GRNN) Adaptive Neuro Fuzzy Inference System (ANFIS). Statistical models (SM) of linear and polynomial regression were elaborated as reference. In Chapter 1 estimates of (Ktβh) were performed by combinations of variables measured and calculated from global horizontal surface irradiation (HgH) and estimates of (Kdβh) combinations of variables measured and calculated from (HgH) and global radiation on the sloped surface (Hgβ). In Chapter 2 estimates of (Kdβh) were performed by combinations of variables measured and calculated from the diffuse (HdH) and global (HgH) irradiances obtained on the horizontal surface. The statistical indicators r (correlation), RMSE (%) (precision) and MBE (%) (accuracy) were used to evaluate the results of the estimates. In Chapter 1 the best results in the estimates of (Ktβh) from the combinations performed with (HgH) were: MLP - RMSE = 3.73%; RBF - RMSE = 3.99%; GRNN - RMSE = 5.27%; ANFIS-RMSE = 3.78% and SM - RMSE = 6.65%. In this case the precision indicators show a reduction of approximately 44% with the use of the technique (MLP) in comparison to the statistical model (SM). In the estimates of (Kdβh) from the combinations of (HgH) the best results were: MLP - RMSE = 21.69%; RBF - RMSE = 25.43%; GRNN - RMSE = 29.39%; ANFIS - RMSE = 23.08% and SM - RMSE = 35.35%. Likewise, the precision indicators show a reduction of approximately 39% with the use of the technique (MLP) in comparison to the statistical model (SM). And in the estimates of (Kdβh) from the combinations performed with (Hgβ) the best results were: MLP - RMSE = 20.32%; RBF - RMSE = 21.95%; GRNN - RMSE = 29.11%; ANFIS - RMSE = 21.75% and SM - RMSE = 36.48%. The precision indicators show a reduction of approximately 44% with the use of the technique (MLP) in comparison to the statistical model (SM). In Chapter 2 the best estimates of (Kdβh) from the combinations performed with (HdH) were: MLP - RMSE = 4.03%; RBF - RMSE = 5.84%; GRNN - RMSE = 10.85%; ANFIS - RMSE = 4.15% and SM - RMSE = 12.42%. The precision indicators show a reduction of approximately 67% with the use of the technique (MLP) in comparison to the statistical model (SM). In the estimates of (Kdβh) from (HgH) the best results were: MLP - RMSE = 21.69%; RBF - RMSE = 25.43%; GRNN - RMSE = 29.39%; ANFIS - RMSE = 23.08% and SM - RMSE = 35.35%. The precision indicators show a reduction of approximately 39% with the use of the technique (MLP) in comparison to the statistical model (SM). The results show that the artificial neural network MLP technique presented the best indexes in all estimates of (Ktβh) and (Kdβh) with significant reductions when compared to the results obtained with the estimates obtained with the statistical models. By the analysis of the results it is possible to observe that the use of the machine learning techniques (MLT) in the combinations of proposed variables and the data obtained from Botucatu / SP, are presented as an alternative to the statistical models (SM) to estimate the variables of (Ktβh) and (Kdβh).

Orientador: Paulo Roberto de Aguiar / Banca: José Alfredo Covolan Ulson / Banca: Amauri Hassui / O Programa de Pós-Graduação em Ciência e Tecnologia de Materiais, PosMat, tem caráter institucional e integra as atividades de pesquisa em materiais de diversos campi da Unesp / Resumo: O cenário mundial tem apresentado um ambiente de alta competição industrial, pressionando cada vez mais as indústrias a tornarem seus processos produtivos mais eficientes. Além da eficiência, a precisão é de extrema importância num ambiente onde as empresas tentam manter padrões e procedimentos que se adaptem às normas internacionais. Um dos processos de acabamento mais utilizados na fabricação de componentes mecânicos de precisão é a retificação, e um dos critérios preponderantes na qualidade final de um produto é a integridade superficial, influenciada principalmente por fatores térmicos e mecânicos. Assim, o objetivo deste trabalho foi investigar as relações intrínsecas entre a qualidade superficial de peças retificadas e o comportamento dos sinais correspondentes de emissão acústica e potência de corte para retificação tangencial plana utilizando-se redes neurais artificiais. A caracterização da qualidade superficial das peças foi analisada por meio de parâmetros de queima superficial, rugosidade e microdureza. Verificou-se que o uso de redes neurais artificiais na caracterização da qualidade de superfícies de peças retificadas obteve bons resultados, apresentando-se como uma proposta interessante para implementação de sistemas inteligentes em ambientes industriais. / Abstract: The world scenario has presented a high industrial competition, pressuring each time more the industries to change its more efficient productive processes. Besides efficiency, the precision is of extremely in a world where the companies try to maintain patterns and procedures that fit international demands. One of the most used final processes in the manufacturing of mechanical precision components is grinding, and one of the main criteria in the final quality of a product is its surface integrity, mainly influenced by thermal and mechanical factors. Thus, the objective of this work is to investigate the existing relationships between the surface quality of grinding workpieces and the behavior of correspondent signal of acoustic emission and cutting power to the surface grinding machines using artificial neural network. The characterization of the surface quality of the workpieces was analyzed through surface burning parameters, surface roughness and microhardness. It was verified that the use of artificial neural networks in the characterization of quality of surfaces grinding workipieces had positive results, being presented as an interesting proposal to implementation of intelligent systems in the industrial environments. / Mestre

Orientador: Norian Marranghello / Banca: Aledir Silveira Pereira / Banca: Furio Damiani / Resumo: A compreensão da linguagem humana é uma das tarefas mais difíceis do Processamento da Linguagem Natural (PLN) e de modo mais geral da Automação e da Inteligência Artificial (IA). O objetivo desta pesquisa é estudar os mecanismos que permitem utilizar uma rede neural artificial para poder interpretar textos. Este trabalho deveria ser utilizado, futuramente, para criar uma interface em um ambiente de co-projeto, capaz de agrupar/classificar termos/conceitos, reconhecendo padrões textuais. Para alcançar nossos objetivos de pesquisa em nível de Mestrado, utilizamos o modelo semântico de Bernard Pottier, e uma Rede Neural Artificial de Kohonen. A escolha do modelo de Bernard Pottier deve-se ao fato de que este autor é um dos mais conceituados lingüistas da atualidade e que seu modelo é largamente utilizado por pesquisadores de vários paises, tendo sido, assim, comprovada a sua validade. No que diz respeito à rede de Kohonen, acreditamos que seja a mais indicada para este tipo de aplicação, tendo em vista o fato de que essa rede tenta imitar o funcionamento do cérebro humano, em particular, reproduzindo o mapeamento de suas áreas especializadas, e tendo como hipótese de partida que, no córtex humano, conceitos similares ou de áreas afins distribuem-se em áreas limítrofes. A escolha desse tipo de rede para o nosso trabalho deve-se, outrossim, ao fato de que ela utiliza um tipo de treinamento competitivo e não-supervisionado que permite organizar os vetores (dados) de entrada em agrupamentos (clusters). / Abstract: The understanding of human language is one of the most difficult tasks of Natural Language Processing (NLP), and, in general, of Automation and Artificial Intelligence (AI). The aim of our research is to study the mechanisms that allow using an artificial neural network for interpreting text. Later, our work should be used to create an interface, in a hardware/software co-design environment, capable of clustering/classifying terms/concepts, and recognizing text patterns. In order to achieve the objectives of our research, we used the semantic model of Bernard Pottier, and a Kohonen Artificial Neural Network. The choice of Bernard Pottier's model was motivated by the fact that the author is one of the most eminent linguists nowadays, and his model is largely used by researchers in many countries, thus proving the validity of his proposal. About the Kohonen net, we believe that it is the most appropriate net for this kind of application, due to the fact that this net tries to imitate the functioning of the human brain, particularly reproducing the map of its specialized areas, as well as due to the fact that this net has as initial hypothesis that, in the human cortex, similar concepts or concepts of similar areas are distributed in closed areas. Another reason for the choice of this kind of net in our study is that it uses a competitive and non-supervising training, that allows organizing entry vectors (data) in clusters. / Mestre

A Barragem de Itaipu é uma obra de engenharia de grande importância. Localizada na fronteira entre o Brasil e o Paraguai no Rio Paraná e com coordenadas geográficas aproximadas 25°24\'29\"S, 54°35\'21\"O, ela fornece energia elétrica a estes dois países e deve ser constantemente monitorada de modo a manter níveis de qualidade e segurança. Mais de dois mil instrumentos foram instalados e fornecem dados contínuos sobre diversas características da fundação e estrutura da barragem, incluindo mais de 650 piezômetros. A avaliação de níveis piezométricos em barragens é importante, pois refletem os valores de subpressão que atuam na estrutura da barragem. A utilização de novos métodos em tais análises pode permitir agilidade na tomada de decisões por parte da equipe de segurança de barragens. Dependendo do método aplicado, uma melhor compreensão do fenômeno no tempo e espaço pode ser obtida. Este estudo aplica Redes Neurais Artificiais (RNA) para simular o comportamento dos piezômetros instalados em uma descontinuidade geológica na fundação da Barragem de Itaipu. Ele considera diferentes tipos de dados de entrada em uma Rede Neural Multicamadas e determina a melhor arquitetura de RNA que mais se aproxima da situação real. / Itaipu Dam is an engineering work of high importance. Located at the border between Brazil and Paraguay in the Paraná River and with approximated geographical coordinates 25°24\'29\"S, 54°35\'21\"W, it provides electrical energy to these two countries and has to be constantly monitored in order to maintain its levels of quality and security. Over two thousand instruments have been installed and they provide continuous data about several characteristics of the dam foundation and structure, including more than 650 piezometers. The evaluation of piezometric levels in dams is important for it reflects the values of the uplift pressure that acts on the structure of the dam. The utilization of new methods in such an analysis can provide agility to decisions-taking by the security team of the dam. Depending on the method applied, a better comprehension of the phenomenon in time and space may be achieved. This study employs Artificial Neural Networks (ANN) to simulate the behavior of the piezometers installed in a geological discontinuity in the foundation of Itaipu Dam. It considers different types of entry data in a Multilayer Neural Network and determines the best ANN architecture that is closest to the real situation.

Made available in DSpace on 2014-06-11T19:22:34Z (GMT). No. of bitstreams: 0 Previous issue date: 2011-08-26Bitstream added on 2014-06-13T18:49:37Z : No. of bitstreams: 1 marconato_es_me_bauru.pdf: 1206389 bytes, checksum: f8a0f6e58685127f646ddaaf87172d95 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / O agronegócio possui participação fundamental no cenário econômico brasileiro, com reflexos importantes sobre o produto interno bruto, as exportações e a geração de empregos. A viabilidade econômica do setor agropecuário a partir da redução dos custos de produção, do aumento da produtividade e da redução ambiental causado pelo excesso de insumos, depende da Agricultura de Precisão. As informações referentes à variabilidade de diferentes propriedades do solo dentro da lavoura são fundamentais no processo de tomada de decisão. Uma das limitações da Agricultura de Precisão, a incapacidade de se obter as propriedades do solo de maneira rápida e com baixo custo, tem levado pesquisadores a desenvolver sensores para análise de solo em tempo real, sendo a espectroscopia uma das técnicas utilizadas. Neste trabalho, redes neurais artificiais (RNA) foram utilizadas como ferramenta inteligente para, a partir de uma massa de dados fornecidas por um sensor de solo em tempo real que utiliza a técnica de espectroscopia, estimar os teores de nitrogênio total e umidade do solo. O trabalho apresenta também uma comparação entre o resultado das redes neurais artificiais e o resultado da estimação de um software de análise quimiométrica utilizando a mesa massa de dados. o desempenho apresentado pelas redes neurais artificiais mostra ser possível sua utilização como ferramenta alternativa aos softwares de análise quimiométrica, além de permitir embarcar a inteligência de estimação, o que pode ser um passo preliminar para o desenvolvimento de equipamentos de baixo custo para análise de solo em tempo real / Agribusiness has a fundaental role in the Brazilian economy, with important consequences on the gross domestic produtt, exports and job generation. The economic viability of the agricultural sector by reducing production costs, increasing productivity and reducing the environmental impact caused by excessive inputs, depends on Precision Agriculture. Information concerning the variability of different soil properties whitin the crop is essential in the process of decision making. One of the limitations of precision agriculture, the inability to obtain the soil characteristics quickly and cost effectively, has led researchers to develop sensors for soil analysis in real time, using the technique of spectroscopy. This work used artificial neural networks (ANN) as a smart tool for estimating the total nitrogen content and soil moisture from data provided by a real time soil sensor using the technique of spectroscopy. This work also presents a comparison between the estimation results of the artificial neural networks and the estimation results of a chemometric analysis software using the same database The performance of the neural networks shows its possible use as can alternative tool to chemometric analysis software and allows the estimative intelligence to be embedded, which may be a preliminary step for the development of low-cost equipment for real-time soil analysis

Made available in DSpace on 2014-06-11T19:22:34Z (GMT). No. of bitstreams: 0 Previous issue date: 2011-02-01Bitstream added on 2014-06-13T18:49:38Z : No. of bitstreams: 1 oliveira_jea_me_bauru.pdf: 12636194 bytes, checksum: d216e62aabc6e57242fe0c06923a7c5d (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / O desequilíbrio de tensão nos sistemas elétricos pode provocar problemas indesejáveis na operação de equipamentos, principalmente nos motores de indução trifásicos, devido à importância destes motores em ambientes industriais. A utilização de modelos convencionais para a modelagem destes motores operando com tensões desequilibradas impõe resultados imprecisos e a obtenção de modelos adequados apresenta grande complexidade em função das assimetrias e não linearidades. Neste contexto, a utilização de ferramentas inteligentes, mais especificamente, redes neurais artificiais (RNA), reduz substancialmente a tarefa de modelagem, permitindo sua utilização sob condições de assimetrias e não linearidades. Assim, uma bancada de testes foi montada para a aquisição de dados experimentais de um motor de indução trifásico de 1 CV, 4 polos, 220V/380V, tipo gaiola de esquilo. Os dados coletados foram usados para o treinamento e validação de uma RNA que modela a relação entre as tensões, correntes e a potência no eixo. Os resultados experimentais foram comparados com os obtidos com a RNA e com o modelo dinâmico, e constatou-se que a modelagem por meio de RNA é adequada para descrever matematicamente o comportamento de motores de indução trifásicos operando com tensões desequilibradas / Unbalanced voltages in electrical systems can deteriorate the performance of equipments and cause potential safety hazards and be harmful for the respective applications, especially in the three-phase induction motors, the most common energy receivers in industrial. The analysis of three phase induction motors under supply voltage unbalance condictions using the well-known symmetrical components analysis provide inaccurate results, and correct models are laborious, due to the complex nature of voltage unbalance factor like asymmetries and nonlinearities. In this context, the use of intelligent tools, specifically artificial neural networks (ANN), significantly reduces the modeling task and allowing the use under conditions of asymmetries and nonlinearities. Thus, a workbench tests was buit for testing of the 4 pole, 220V/380V, 1 CV squirrel-cage induction motor. Experimental set up for testing were used to ANN's training and validation. The ANN's model showed the relationship between the voltages, currents and shaft power. The results of experimental investigation and computer calculations (ANN and dynamic model) were compared and the results indicate that the ANN is adequate model that makes it possible to mathematically describe an induction motors operating with unbalanced voltage