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

Made available in DSpace on 2014-06-11T19:22:35Z (GMT). No. of bitstreams: 0 Previous issue date: 2006-12-21Bitstream added on 2014-06-13T19:48:56Z : No. of bitstreams: 1 babini_m_me_ilha_prot.pdf: 976475 bytes, checksum: 371792f3e205462129827cc925906822 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / 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). / 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.

Submitted by Luciana Paro Scarin Freitas null (melscarin@gmail.com) on 2016-09-15T19:43:12Z No. of bitstreams: 1 Tese Final - Luciana Paro Scarin Freitas - 150916.pdf: 2268932 bytes, checksum: 6258cf968244fdbb360b56af8ef82a25 (MD5) / Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2016-09-15T19:48:07Z (GMT) No. of bitstreams: 1 freitas_lps_dr_ilha.pdf: 2268932 bytes, checksum: 6258cf968244fdbb360b56af8ef82a25 (MD5) / Made available in DSpace on 2016-09-15T19:48:07Z (GMT). No. of bitstreams: 1 freitas_lps_dr_ilha.pdf: 2268932 bytes, checksum: 6258cf968244fdbb360b56af8ef82a25 (MD5) Previous issue date: 2016-09-05 / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / O dióxido de carbono (CO2) é considerado um dos principais gases do efeito estufa adicional e contribui significativamente para as mudanças climáticas globais. Áreas agrícolas oferecem uma oportunidade para mitigar esse efeito, uma vez que, dependendo de seu uso e manejo, são capazes de armazenar grandes quantidades de carbono, retirando-as da atmosfera. A produção de CO2 no solo é resultado de processos biológicos, como a decomposição da matéria orgânica e respiração de raízes e organismos do solo, fenômeno chamado de emissão de CO2 do solo (FCO2). O objetivo deste trabalho foi utilizar as redes neurais artificiais para estudo e previsão de padrões espaço-temporais da emissão de CO2 do solo em áreas de cana-de-açúcar em sistema de cana crua, colheita mecanizada, quando grandes quantidades de palhas são depositadas sobre a superfície do solo. Valores de FCO2 foram coletados em áreas de cultivo comercial no Sudeste do Estado de São Paulo, registrados por meio do sistema LI-8100, em gradeados amostrais para determinação da variabilidade espaçotemporal de FCO2, e atributos físicos e químicos do solo. Foram utilizados dados referentes a estudos realizados nos anos de 2008, 2010 e 2012, no período após a operação de colheita mecânica da cultura. Uma rede neural Perceptron Multi-Camadas via algoritmo backpropagation foi aplicada para estimar a emissão de FCO2 do ano de 2012, utilizando os dados referentes aos anos de 2008 e 2010 para treinamento da rede neural. A rede neural inicialmente apresentou um MAPE de 18,3852 coeficiente de determinação R2 de 0,9188. Os dados obtidos do FCO2 observado e do FCO2 estimado apresentam moderada dependência espacial, e pelos mapas do padrão espacial do fluxo de CO2 é observado que a rede neural apresentou considerável similaridade com os dados observados, identificando os pontos característicos de maior emissão como também os de menor emissão de CO2. Portanto, os resultados indicam que a rede neural artificial pode fornecer estimativas com confiabilidade para a avaliação de FCO2 a partir de dados de atributos físicos e químicos do solo, sendo capaz de caracterizar a variabilidade espaçotemporal desse atributo em áreas de cana-de-açúcar, sob o sistema de cana crua no Sudeste do Estado de São Paulo. / Carbon dioxide (CO2) is considered one of the main gases additional greenhouse effect and contributes significantly to global climate change. Agriculture areas offer an opportunity to mitigate this effect, since, depending on its use and handling, are capable of storing large amounts of carbon, removing them from the atmosphere. The CO2 production in soil is the result of biological processes such as the decomposition of organic matter and breathing roots and soil organisms, a phenomenon called soil CO2 emissions (FCO2). The aim of this study was to use artificial neural networks to study and forecast patterns spatiotemporal of soil CO2 emission in areas of sugarcane in raw cane system, mechanical harvesting, when large amounts of straw are deposited on soil surface. FCO2 values were collected in areas of commercial cultivation in southeastern of the state of São Paulo, registered through the LI-8100 system, sample grilles for determining the spatiotemporal variability of FCO2, and physical and chemical soil properties. The used data were from studies conducted in the years 2008, 2010 and 2012, in the period after the mechanical harvesting operation culture. A Multilayer Perceptron neural network with backpropagation algorithm was applied to estimate the emission of FCO2 in the year 2012, using data from the years 2008 and 2010 to the neural network training. The neural network initially presented a MAPE of 18.3852 and determination coefficient R2 of 0.9188. Data obtained from the observed FCO2 and FCO2 estimated present moderate spatial dependence, and observing the maps of the spatial pattern of the CO2 flow show that neural network presents considerable similarity to the observed data, identifying the higher and lower characteristic points of CO2 emissions. Therefore, the results indicate that the artificial neural network can provide reliability for the evaluation of FCO2 from data of physical and chemical soil properties, being able to describe the spatiotemporal variability of this attribute in sugarcane fields, under the crude cane system in the southeastern of the state of São Paulo. / CNPq: 152199/2012-8

Submitted by BARTOLOMEU FÉLIX TANGUNE null (tanguneb@gmail.com) on 2017-05-31T13:12:46Z No. of bitstreams: 1 Bartolomeu Felix Tangune_tese.pdf: 3390592 bytes, checksum: 0daf84bae7e268e5ff6b06e039ea9043 (MD5) / Approved for entry into archive by Luiz Galeffi (luizgaleffi@gmail.com) on 2017-05-31T18:38:01Z (GMT) No. of bitstreams: 1 tangune_bf_dr_bot.pdf: 3390592 bytes, checksum: 0daf84bae7e268e5ff6b06e039ea9043 (MD5) / Made available in DSpace on 2017-05-31T18:38:01Z (GMT). No. of bitstreams: 1 tangune_bf_dr_bot.pdf: 3390592 bytes, checksum: 0daf84bae7e268e5ff6b06e039ea9043 (MD5) Previous issue date: 2017-05-08 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / A evapotranspiração de referência (ETo) é importante na agricultura para satisfazer as necessidades de água das culturas e para o manejo dos sistemas de irrigação. A ETo pode ser estimada com precisão a partir do método padrão de Penman Monteith FAO 56, porém, o seu uso é bastante complexo. Sendo assim, vários métodos empíricos de uso simples vem sendo desenvolvidos por diversos pesquisadores, todavia, a sua escolha deve ser feita de forma cuidadosa, pois apresentam um desempenho que varia em função das condições climáticas de cada local. A variabilidade do desempenho dos métodos empíricos tem levado os pesquisadores a procurarem outros métodos alternativos. Como resultado dessas pesquisas, há que destacar a técnica de aprendizado de máquinas (TAM): redes neurais artificiais (RNAs) e máquina vetor de suporte (MVS). Diante do exposto, o presente trabalho foi dividido em três capítulos, onde no primeiro capítulo foi avaliado o desempenho dos métodos empíricos de temperatura (Benevides e Lopez - BenL, Hamon -Ham, Blaney Criddle Original e Hargreaves Samani -HS) e de radiação solar (Abtew, Jensen Haise - JensH, Makkink e Irmak) na estimativa da ETo no estado de São Paulo. Todos os métodos foram avaliados em relação ao método padrão em escala anual e sazonal. Os resultados obtidos na escala anual mostraram que o método de Abtew apresentou o melhor desempenho. Na escala sazonal, observou-se que o método de JensH foi melhor no inverno, o de Irmak e de Abtew no verão e outono. O método de Abtew foi também melhor na primavera. No segundo capítulo, foi avaliado o desempenho dos métodos de HS, e de Abtew (melhores métodos empíricos em escala anual), RNAs e MVS. A RNA utilizada foi do tipo Multilayer Perceptron, com algoritmo de aprendizado Backpropagation e na MVS utilizou-se a função Radial Basic Function de Kernel, com algoritmo Regression Sequential Minimal Optimization. Os resultados obtidos na escala anual mostraram que a R6 (da RNA) e a M6 (da MVS) compostas por temperatura máxima (Tmax), mínima (Tmin), média do ar (T), radiação extraterrestre (Ra) e Rs produziram o melhor desempenho. Na escala sazonal, o melhores resultados foram observados nas arquiteturas R3 e M3, R4 e M4, R5 e M5, R6 e M6, compostas por: Tmax, Tmin, T, Ra e velocidade do vento; Tmax, Tmin, T, Ra e umidade relativa do ar; T e Rs, respectivamente. Tanto no capítulo 1 quanto no 2, as análises estatísticas foram feitas com base nos índices MBE (Mean Bias Error), RSME (Root Mean Square Error), “d” de Willmott e R2 (coeficiente de determinação). No terceiro capítulo, foi avaliada a técnica de interpolação por krigagem ordinária pontual (KOP), cujos variogramas obtidos foram avaliados com base na soma dos quadrados dos resíduos, em escala anual e sazonal. Todos os modelos variográficos obtidos apresentaram uma dependência espacial forte. A posterior, fez-se a validação cruzada da KOP com base nos coeficientes angular e linear da reta de regressão linear simples, MBE, RSME e MSDR (Mean squared deviation ratio ), cujos resultados mostraram um ótimo desempenho da KOP. / The reference evapotranspiration (ETo) is important in agriculture for crop water management and irrigation systems management. The ETo can be estimated accurately by the FAO 56 standard method of Penman Monteith, however, its use is complex. Thus, several empirical methods of simple use have been developed by many researchers, but their choice must be made carefully because they present a performance that change according to the climate conditions of each location. The variability of the performance of empirical methods has led researchers to look for alternative methods. As the result, we must highlight the machine learning technique (MLT), such as artificial neural networks (ANNs) and support vector machine (SVM). This work was divided into three chapters. In the first chapter, four temperature- based (Benevides e Lopez - BenL, Hamon -Ham, Blaney Criddle Original e Hargreaves Samani -HS) and four radiation- based (Abtew, Jensen Haise - JensH, Makkink and Irmak) ETo methods were tested against FAO 56 method, using annual and seasonal scale in the state of São Paulo. The results obtained in the annual scale showed that the Abtew method presented the best performance. On the seasonal scale, it was observed that the JensH method was better in the winter, the Irmak and Abtew methods were better in the summer and autumn. The Abtew method was also better in the spring. In the second chapter, HS and Abtew methods, ANNs and SVM were used. The ANN used was Multilayer Perceptron with Backpropagation learning algorithm, and in the SVM, was used Kernel Radial Basic Function with Regression Sequential Minimal Optimization learning algorithm. The obtained results in the annual scale showed that R6 for RNA and M6 for MVS composed of maximum temperature (Tmax), minimum temperature (Tmin), average air temperature (T), extraterrestrial radiation (Ra) and global solar radiation (Rs) had a better performance. On the seasonal scale, the better performance was observed in R3 e M3, R4 e M4, R5 e M5, R6 e M6 architectures, composed of Tmax, Tmin, T, Ra and wind speed; Tmax, Tmin, T, Ra and relative humidity); T and Rs; R6 and M6, respectively. All methods were analyzed using MBE (Mean Bias Error), RMSE (Root Mean Square Error), “d” of Wilmot (1985) and R2 (determination coefficient). In the third chapter, the technique of interpolation by ordinary punctual kriging (OPK) was evaluated, whose variograms were evaluated based on the residuals sum of squares, on an annual and seasonal scale. All the variographic models obtained showed a strong spatial dependence. Afterwards, cross-validation of OPK was performed based on the angular (β1) and linear (βo) coefficients of the simple linear regression line, MBE, RSME and MSDR (Mean squared deviation ratio), whose results showed an excellent performance of OPK.

Submitted by Kilvya Braga (kilvyabraga@hotmail.com) on 2018-04-18T15:21:01Z No. of bitstreams: 1 SAVANA BARBOSA DE BRITO LÉLIS VILLAR - DISSERTAÇÃO (PPGEQ) 2016.pdf: 4927740 bytes, checksum: 02efe9b034cf0c99994b28b1588c4e7a (MD5) / Made available in DSpace on 2018-04-18T15:21:01Z (GMT). No. of bitstreams: 1 SAVANA BARBOSA DE BRITO LÉLIS VILLAR - DISSERTAÇÃO (PPGEQ) 2016.pdf: 4927740 bytes, checksum: 02efe9b034cf0c99994b28b1588c4e7a (MD5) Previous issue date: 2016 / Metamodelos têm sido utilizados em inúmeras aplicações de engenharia, para aproximar modelos matemáticos rigorosos quando seus códigos computacionais exigem tempo demasiadamente grande para que a sua utilização prática seja possível. Neste contexto, realizou-se uma aplicação do modelo Kriging para obtenção de resultados da metamodelagem de um processo de separação de propeno por destilação. Neste trabalho foi incluída a utilização das Redes Neurais Artificiais como parâmetro comparativo entre os metamodelos.O procedimento envolve o plano de amostragem Latin Hypercube Sampling, a seleção do tipo do metamodelo, estimação de parâmetros e validação. O desempenho dos metamodelos foi comparado com resultados obtidos através do modelo rigoroso pertencente ao simulador de processos Aspen Plus®, onde a predição dos dados mostrou-se com ótima precisão e esforço computacional significativamente menor. Outra contribuição importante deste trabalho é o desenvolvimento da metodologia para otimização baseada na predição dos dados através do metamodelo Kriging utilizando a função fmincon do software Matlab e a comparação à otimização da ferramenta Optimization do Aspen Plus®, atingindo resultados minimizados para as cargas térmicas dos refervedores das três colunas de destilação e obedecendo as restrições de pureza do produto e taxa de boilup. / Metamodels have been used in many engineering applications, rigorous mathematical models to approximate when their computational codes require too great a time so that its practical use is possible. In this context, there was an application of the Kriging model to obtain metamodeling results of a propylene distillation separation process. This work included the use of Artificial Neural Networks as a comparison parameter between metamodels. The procedure involves the plan Latin Hypercube Sampling, selection of the type of metamodel, parameter estimation and validation. The performance of the metamodel was compared with results obtained from the rigorous model belonging to the process simulator Aspen Plus®, where the prediction of the data showed with great precision and significantly less computational effort. Another important contribution of this work is the development of methodology for optimization based on the prediction of data through Kriging metamodel using fmincon function of Matlab software and compared to optimize the optimization tool Aspen Plus®, reaching results for minimized thermal loads of reboilers the three-column distillation and obeying the purity of the product restrictions and boilup rate.

Orientador: Paulo José Amaral Serni / Banca: Roberto Lyra Villas Boas / Banca: José Alfredo Covolan Ulson / Resumo: 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 / Abstract: 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 / Mestre

Orientador: Lucia Helena de Oliveira Gerardi / Banca: Dulce Consuelo Andreatta Whitaker / Banca: João Francisco de Abreu / Banca: Lindon Fonseca Matias / Banca: Mônica Giacomassi de Menezes de Magalhães / Resumo: As técnicas de análise de dados e de busca de soluções fornecidas pela Computação Inteligente tiveram, nos últimos tempos, um grande avanço em seu desenvolvimento. Essas técnicas têm sido utilizadas com eficácia e eficiência no tratamento de problemas complexos e/ou que possuam uma grande quantidade de dados a serem processados. A integração destas técnicas com as ferramentas computacionais de produção e análise de informações geográficas (Geoprocessamento) é, portanto, muito vantajosa, especialmente com relação à grande quantidade de dados geralmente envolvida nas questões de natureza espacial. Este trabalho apresenta dois exemplos de uso de técnicas de Computação Inteligente em procedimentos de produção e análise de informações geográficas: um Sistema de Raciocínio Nebuloso (baseado na Lógica Nebulosa) para a construção de um mapa de fertilidade de solos, e uma Rede Neural Artificial para a identificação de agrupamentos espaciais em dados sócio-econômicos. Os dois exemplos foram conduzidos utilizando-se um software especialmente construído para esta finalidade, denominado GAIA - Geoprocessamento Apoiado por Inteligência Artificial -, e que doravante está disponível como Software Livre para qualquer pesquisador interessado em utilizar estas ferramentas. O estudo conclui que o uso das técnicas provenientes da computação inteligente, em comparação com técnicas tradicionais de análise de dados, contribuiu para um aumento da qualidade dos resultados obtidos. / Abstract: Data analysis and problem solving techniques supplied by Soft Computing have had, lately, a great advance in their development. These techniques have been used with effectiveness and efficiency to deal with complex problems and/or problems that have too much data to be processed. The integration of such techniques with the tools for computational geographic information analysis (Geocomputation) is therefore very advantageous, especially in relation to the great quantity of data normally involved in spatial matters. This study presents two examples on how to use Soft Computing techniques in conjunction with geographic information analysis procedures: a Fuzzy Reasoning System (based on Fuzzy Logic) to build a soil fertility map, and an Artificial Neural Network to identify spatial clusters in socioeconomic data. Both examples were conducted using a software specifically developed towards this objective, called GAIA - Artificial Intelligence Supported Geocomputation, from now on available as a Free Software to any interested researcher. The study arrives at the conclusion that the use of soft computing techniques, as compared to classical procedures, leads to an increased quality on the final results. / Doutor

A presente dissertação trata da estipulação de limite de crédito para empresas clientes, de modo automático, com o uso de técnicas de Inteligência Computacional, especificamente redes neurais artificiais (RNA). Na análise de crédito as duas situações mais críticas são a liberação do crédito, de acordo com o perfil do cliente, e a manutenção deste limite ao longo do tempo de acordo com o histórico do cliente. O objeto desta dissertação visa a automação da estipulação do limite de crédito, implementando uma RNA que possa aprender com situações já ocorridas com outros clientes de perfil parecido e que seja capaz de tomar decisões baseando-se na política de crédito apreendida com um Analista de Crédito. O objetivo é tornar o sistema de crédito mais seguro para o credor, pois uma análise correta de crédito de um cliente reduz consideravelmente os índices de inadimplência e mantém as vendas num patamar ótimo. Para essa análise, utilizouse a linguagem de programação VB.Net para o sistema de cadastro e se utilizou do MatLab para treinamento das RNAs. A dissertação apresenta um estudo de caso, onde mostra a forma de aplicação deste software para a análise de crédito. Os resultados obtidos aplicando-se as técnicas de RNAs foram satisfatórias indicando um caminho eficiente para a determinação do limite de crédito. / This research deals with the credit limit stipulation for corporate clients, automatically, with the use of Computational Intelligence techniques, specifically artificial neural networks (ANN). In the analysis of credit, the two most critical situations are release of credit, according to the customer profile, and maintain the credit according to the customer history. The object of this work aims at automating the stipulated credit limit at the time of initial registration of the customer. The main focus of this work is to make an ANN can provide the credit limit, learning from situations that have occurred with other clients of similar profile and is able to make decisions based on the credit policy seized with a Credit Analyst. The goal is to make the system more secure credit to the lender, for a correct analysis of the creditworthiness of a customer drops considerably default rates and maintains a sales plateau great. For this analysis, we used the VB.Net programming language for the registration system of MatLab and was used for training ANNs. The paper presents a case study, which shows how to apply this software to credit analysis. The results obtained applying the techniques ANNs were satisfactory showing an efficient way to determine the credit limit.

No presente trabalho, é testada e avaliada a aplicação de Redes Neurais Artificiais no combate de trapaças (cheating, em inglês) do tipo speed cheating em jogos online massivos de múltiplos jogadores, também conhecidos como MMOG (Massively Multi- player Online Games). Os MMOG representam um modelo de negócio onde quantias significativas de recursos financeiros estão envolvidas, e crescem a cada dia. Os mode- los para o combate de trapaças, que possam afastar jogadores de jogos ou servidores, estão localizados na camada de rede, à nível de protocolo. Analisando o estado-da-arte, constatou-se que não existem trabalhos explorando a área de Inteligência Artificial para este fim, tornando-se assim relevante o estudo de sua aplicabilidade. As Redes Neurais Artificiais foram escolhidas por terem grande poder de abstração, generalização e plasti- cidade. Através dos resultados obtidos comparando-se duas abordagens de arquiteturas, as redes Perceptron de múltiplas camadas (MLP) e as redes com atraso no tempo focadas (FTLFN), é possível constatar que é viável a utilização das mesmas para este fim, tendo-se alcançado resultados positivos no combate de speed cheating em MMOGs. / In the present work, Artificial Neural Networks are tested and evaluated in order to avoid a specific type of cheating, called Speed Cheating, in massively multi-player online games (MMOG). The MMOG represent a business model where meaningful financial resources amounts are involved, and increase each day. The models to avoid cheating, that could keep off players from games and servers, are localized in the network layer, at the protocol level. Examining the state-of-art, it was observed that research explor- ing the Artificial Intelligence application to this goal becomes relevant. The Artificial Neural Networks were chosen by their significant abstraction, generalization and plas- ticity characteristics. Through the results’s comparison from two different architectures approaches, the multi layer Perceptron network (MLP) and the focused time lagged net- work (FTLFN), it was possible to conclude that their utilization avoiding speed cheating in MMOG is possible, once good results were found in this work.