Orientador: José Angelo Cagnon / Banca: Nelson Miguel Teixeira / Banca: Edwin Avolio / Banca: Diógenes Pereira Gonzaga / Banca: André Torre Neto / Resumo: O presente trabalho teve como objetivo a configuração de um sistema de supervisão e controle de irrigação utilizando técnicas de inteligência artificial. De acordo com metodologia adotada, o seu desenvolvimento foi realizado em três fases distintas. Inicialmente foram construídos os seguintes módulos de hardware: Unidade de Sensores, Unidade Concentradora de Dados e Sensor de Umidade do Solo do tipo Capacitivo. Em seguida foi criada uma aplicação através do programa de supervisão e controle do tipo SCADA, Elipse PRO, dedicada à supervisão e controle de uma casa de vegetação. Na fase final foram coletados os dados necessários para o treinamento de uma rede neural artificial que é parte integrante do sensor de umidade de solo do tipo capacitivo. Os resultados obtidos através de um conjunto de teste de medidas demonstraram que o sensor capacitivo apresenta comportamento e desempenho similares ao do sensor de do tipo TDR, o que permite concluir que esta solução pode representar uma significativa contribuição, viabilizando a implantação de sistemas de supervisão e controle em processos de irrigação com uma relação custo/benefício em níveis aceitáveis. / Abstract: The present work had as objective the configuration of a supervisory and control system for irrigation using artificial intelligence techniques. In agreement with adopted methodology, its development was accomplished in three different phases. Initially the following hardware modules were built: Sensors Unit, Data Concentrator Unit and a Capacitive type Soil Moisture Sensor. Soon afterwards an application was created through the supervisory and control program of the type SCADA, Ellipse PRO, dedicated to the supervision and control of a green house. In the final phase the necessary data were collected for the training of an artificial neural network that is integral part of the capacitive type soil moisture sensor. With the application developed in the Ellipse PRO a database was created for the training of the artificial neural network, containing a group of 2440 measures of soil moisture obtained through a capacitive type sensor and a TDR type sensor. The results obtained through a group of test of measures demonstrated that the capacitive sensor presents a similar behavior to the of the TDR type sensor, the one that allows conclude that this solution can represent a significant contribution, making possible the implantation of supervisory and control systems in irrigation processes with a cost/benefit relationship in acceptable levels. / Doutor

Orientador: Norian Marranghello / Banca: Adilson Gonzaga / Banca: Rodrigo Capobianco Guido / Resumo: A presença de sistemas automatizados é cada vez mais comum para as pessoas. Seus exemplos vão desde máquinas de lavar, que executam praticamente todo o processo de lavagem e secagem de roupas, até linhas de produção em fábricas dos mais diversos produtos. Esses são exemplos de aplicações que exigem pouca interferência humana no processo, já que as etapas realizadas pelos sistemas são bem definidas e iterativas. Porém, outros tipos de processos podem exigir capacidade de discernimento daquele - ou daquilo - que os executam. Para automatizar esse tipo de processo uma das alternativas é o uso de técnicas de inteligência artificial. Esse trabalho visa realizar uma análise comparativa entre técnicas de inteligência artificial, quais sejam Redes Neurais Artificiais e Máquinas de Vetores de Suporte. Com essa análise espera-se estabelecer qual técnica é mais vantajosa para implementação em hardware de sistemas inteligentes, por meio do uso das principais métricas de projeto de circuitos digitais: tamanho do circuito gerado, consumo de energia e desempenho. Para tanto, foram realizados diversos testes com técnicas de pré-processamento e extração de características das imagens para determinar requisitos necessários para o funcionamento do sistema. A partir desses requisitos foram implementadas diversas arquiteturas de sistemas inteligentes para obter-se o classificador mais adequado para resolver o problema. Por fim, o classificador escolhido foi implementado em FPGA na forma de um módulo, o qual se integrará a um sistema maior, para interpretação de imagens digitais para detecção de ervas daninhas em plantações de soja / Abstract: Automated systems have become common for people. Examples range from washing machines, which perform almost the entire cloth washing and drying process, to the production of many products. These are examples of applications that require modest human interference, since the steps taken by the systems are well defined and iterative. However, other processes may require a capacity of judgment of the natural or artificial system performing them. An alternative to automate this kind of process is the use of artificial intelligence techniques. This study aims at a comparative analysis of artificial intelligence techniques, namely Artificial Neural Networks and Support Vector Machines. With this analysis we hope to establish which technique is more advantageous for hardware implementation of an intelligent system, through the use of key metrics for digital circuit design: circuit size, power consumption and performance. Therefore, several tests were performed with image preprocessing and feature extraction techniques to determine requirements for system operation. From these requirements, various architectures for intelligent systems were implemented to obtain the most appropriate classifier to solve the problem. Finally, the chosen classifier was implemented in FPGA as a module to fit into a larger system for digital image interpretation for the detection of weeds in crops of soybeans / Mestre

Orientador: Carlos Roberto Minussi / Banca: Francisco Villarreal Alvarado / Banca: Jozué Vieira Filho / Banca: Osvaldo Ronald Saavedra Mendez / Banca: Eduardo Nobuhiro Asada / Resumo: Nesta tese apresenta-se uma proposta para análise da estabilidade estática de tensão de sistemas de energia elétrica utilizando uma rede neural baseada na arquitetura ART (Adaptive Resonance Theory), designada rede neural ARTMAP Fuzzy. As redes neurais ARTdescendentes apresentam as características de estabilidade e plasticidade, as quais são propriedades imprescindíveis para a realização do treinamento e execução da análise de forma rápida e confiável. A versão ARTMAP Fuzzy é uma rede neural supervisionada, ou seja, a extração do conhecimento se processa por estímulos de entrada e de saída. O problema da análise de estabilidade de tensão é formulado considerando-se o estímulo de entrada composto pelas potências ativa e reativa nodais. O estímulo de saída é adotado como sendo a margem de segurança, a qual representa a "distância" entre o ponto de operação do sistema e a fronteira da estabilidade estática de tensão. Esta margem de segurança é calculada, via análise de sensibilidade e álgebra matricial de Kronecker, a partir da função determinante da matriz jacobiana relativa ao problema do fluxo de potência de Newton-Raphson. A operacionalidade das redes neurais é constituída por três fases principais: treinamento (ou aprendizado), análise e treinamento continuado. A fase de treinamento requer uma grande quantidade de processamento, enquanto que a fase de análise é realizada, efetivamente, sem esforço computacional. Esta é, por conseguinte, a principal justificativa para o uso das redes neurais para a resolução de problemas complexos que exigem soluções rápidas, como é o caso de aplicações em tempo real. Na fase de treinamento, o perfil de geração e de carga do sistema elétrico é gerado empregando-se uma distribuição aleatória (ou pseudo-aleatória) e a respectiva saída (margem de segurança) calculada via execução... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: This work develops a methodology to effectuate static voltage stability of electrical power systems by neural network. The neural network used is based on the ART (Adaptive Resonance Theory) architecture, named ARTMAP Fuzzy neural network. The ART descendent neural networks present the characteristics of stability and plasticity, which are important properties to execute the training and the analysis fast and reliable. The ARTMAP Fuzzy version is a supervised neural network, i.e. the extraction of the knowledge is processed by input/output stimulus. The voltage stability analysis problem is formulated considering the input stimulus composed by the active and reactive nodal power. The output stimulus is adopted as the security margin, which represents the distance with the operation point and the static voltage stability frontier. The security margin is calculated by sensitivity analysis and Kronecker algebra from the determinant function of the Jacobian matrix related to the power flow problem by Newton-Raphson. Neural Network operation is constituted by three principal phase: training (or learning), analysis and continuous training. The training phase needs great processing effort, while the analysis is effectuated without computational effort. This is the principal advantage to use neural networks to solve complex problems that need fast solutions as the real time applications. On the training phase, the generation and load profile is generated using a random (or pseudo random) distribution and the respective output (security margin) is calculated by executing a conventional power-flow with adequate adaptations. The procedure proposed is independent of how is defined the generation dispatch and how the system load evolves. This is a more realistic approach, when compared to the most of the proposals found on the specialized literature that considers the load increasing linearly... (Complete abstract click electronic access below) / Doutor

Resumo: O concreto é o material estrutural mais utilizado na construção civil. Há mais de um século e meio ele vem sendo estudado e aperfeiçoado. É confeccionado utilizando-se de matérias primas regionais, com características técnicas diferentes de outras regiões. O cimento também se apresenta com diversas formulações. Quantificar adequadamente esses materiais é o objetivo do estudo da dosagem do concreto, de tal modo a se obter um concreto que atenda às necessidades estruturais exigidas. Sendo a principal delas a resistência à compressão. A dosagem do concreto é uma prática essencialmente laboratorial quando se pensa em resultados aceitáveis. Através de experimentos são idealizados ábacos e diagramas que podem fornecer a resistência do concreto endurecido com diversas combinações de matérias primas utilizadas. Não há uma formulação matemática abrangente e bem definida para um processo generalizado de dosagem. A complexidade aumenta quando se adicionam outros componentes a mais no concreto simples e tradicional. Obter a relação entre eles é um trabalho contínuo. As redes neurais vêm sendo utilizadas na solução de problemas da engenharia civil, com ênfase na aplicação da técnica da retropropagação. Ela realiza satisfatoriamente as iterações entre as diversas variáveis, num processo de treinamento e aprendizagem, e tem sido capaz de generalizar soluções aceitáveis. Nesta pesquisa de doutorado é utilizada uma rede neural feedfoward com algoritmo retropropagação para prever a resistência e o módulo de elasticidade do concreto. Os dados de entrada são quantidades de materiais utilizadas para confeccionar 1 m3 de concreto adensado, de forma semelhante a dosagem por diagramas. Será aplicada na interpretação de diagramas de dosagem. Tais diagramas são amplamente utilizados por empresas na confecção de concretos,... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Concrete is the most widely used structural material in construction, for more than a century and a half it has been studied and improved. It's prepared using regional raw materials with different technical characteristics of other regions. The cement also performs with various formulations. Adequately quantify these materials is the goal of the study of the concrete mixtures proportion, to obtain a concrete that meets the structural needs required. The main one being the compressive strength. The strength of concrete is essentially a practice laboratory when one considers acceptable results. Through experiments are idealized abacus and diagrams that can provide the strength of hardened concrete with various combinations of raw materials used. There is no mathematical formulation of comprehensive and well defined for a generalized process of mixes. The complexity increases when other components is added in the most simple and traditional concrete. Obtain the relationship between them is a work in progress. Neural networks have been used in solving engineering problems, with emphasis on applying the technique of backpropagation. It performs satisfactorily iterations between the different variables in a process of training and learning, and has been able to generalize acceptable solutions. In this work is used a feedforward neural network with backpropagation algorithm to predict the compressive strength and modulus of elasticity of the concrete. The input data are quantities of materials used to fabricate 1,0 m3 of concrete hardened, similar dosing for diagrams and abacus. Such diagrams are widely used by companies in the manufacturing of concrete, yielding good precision in the final results. They are produced on the vast experience with the same materials and are highly regional representative to provide subsidies for training neural networks. This... (Complete abstract click electronic access below) / Orientador: Carlos Roberto Minussi / Coorientador: Jorge Luís Akasaki / Banca: Anna Diva Plasencia Lotufo / Banca: Marco Antonio Morais Alcantara / Banca: David Calhau Jorge / Banca: Cesar Fabiano Fioriti / Doutor

Orientador: Angelo Cataneo / Banca: Célia Regina Lopes Zimback / Banca: Jorim Sousa das Virgens Filho / Banca: Luiz Roberto Almeida Gabriel / Banca: José Fernando Mantovani Micali / Doutor

Orientador: Maria Candida Soares Del-Masso / Banca: Alfredo Pereira Júnior / Banca: Gustavo Maia Souza / Resumo: É antiga a preocupação do ser humano com as questões relacionadas ao conhecimento, incluindo as discussões sobre a sua origem, seu aprendizado, sobre a nossa capacidade de utiliza-lo e sobre as características específicas da cognição humana. Essa preocupação remonta aos antigos filósofos gregos (2.500 A.C.), desenvolvendo-se posteriormente a partir da abordagem da Epistemologia, originária da Filosofia ocidental, e mais recentemente a partir do Funcionalismo, pertencente aos estudos em Filosofia da Mente e em Ciência Cognitiva. Essa última abordagem, em particular, contribuiu para o surgimento de programas de pesquisas que procuram entender o funcionamento da mente humana com a ajuda do computador. A Ciência Cognitiva possui fortes ligações com as pesquisas em Inteligência Artificial, e ambas vem se desenvolvendo desde a década de 1950. Mais recentemente, a partir da década de 1980, uma nova área de estudos surgiu, formada por pesquisas em Vida Artificial, que trabalha com a possibilidade de síntese de entidades vivas, por meios artificiais, e desde então vem chamando a atenção de pesquisadores interessados no estudo da cognição. Enquanto a Ciência Cognitiva tem ligações estreitas com a Filosofia e a Psicologia, a Vida Artificial tem uma forte inspiração na Biologia. Neste trabalho, procuramos investigar o encontro entre essas disciplinas, e seus programas de pesquisas, considerando as possibilidades de contribuição para o estudo da cognição humana, a partir de uma abordagem conjunta entre essas áreas. / Abstract: It is na old thing the human concern about knowledge related questions, including discussions on its origin, its learning, about our capacity to utilize it and about specific characteristics of the human cognition. That concern remounts to the ancient greek philosophers (2.500 B.C.), developing itself later from the approach of Epistemology, originated in the occidental Philosophy, and more recently from the Functionalism, that makes part of the studies of Philosophy of Mind and of Cognitive Science. This last approach, particularly, contributed to appearing of research programs that try to understand the function of the human mind with the help of the computer. The Cognitive Science has strong relation with research in Artificial Intelligence, and both areas have been growing since the 1950 decade. More recently, from the decade 1980 on, a new area of atudies appeared, formed by researches in Artificial Life, that work with the possibility of synthesis of alive entities, by artificial means, and sice then has been attracting the attention of researchers interested in the study of Cognition. While Cognitive Science has strict relations with the Philosophy and the Psychology, Artifiical life has a strong inspiration in the Biology. In this work, we tried to investigate the meeting between these subjects, and their research programs, considering the possibilities of the contribution to the study of the human cognition, by means of an integrated approach of these areas. / Mestre