Made available in DSpace on 2016-08-31T13:33:36Z (GMT). No. of bitstreams: 1 AdllerOG_DISSERT.pdf: 1624176 bytes, checksum: b3a8115396f3b1d6c0110178978f22e3 (MD5) Previous issue date: 2013-12-27 / The versatility of direct current machines combined with the relative simplicity of their drive systems ensures its continued use in a wide variety of applications in industrial electrical systems, more specifically in applications that requiring a wide range of speed and position control of the rotor. In this work, a new method for tuning Proportional-Integral-Derivative (PID) controllers with disturbance rejection using Genetic Algorithm (GA) is proposed. The proportional, integral and derivative gains, designed to control the rotor position of DC motor are optimized using GA in group with Ziegler - Nichols technique, and the rejection of disturbances is obtained from the implementation of feedforward control in the algorithm. Preliminary results show that the proposed GA gave a satisfactory response, both in transitional regime as at steady state, and shows good performance in disturbance rejection. To validate this technique, the results obtained were compared with other methods in literature / A versatilidade das máquinas de corrente contínua, combinada com a relativa simplicidade dos seus respectivos sistemas de acionamento, assegura a sua contínua utilização numa ampla variedade de aplicações em sistemas elétricos industriais, mais especificamente, em aplicações que exigem uma vasta gama de controle da velocidade e posição do rotor. Neste trabalho, um novo método de sintonia de controladores Proporcional-Integral-Derivativo (PID) com rejeição a distúrbios usando Algoritmo Genético (AG) é proposto. Os ganhos proporcional, integral e derivativo, projetados para controlar a posição do rotor do motor CC, são otimizados utilizando AG em conjunto com a técnica de Ziegler-Nichols, e a rejeição a distúrbios é obtida a partir da implementação no algoritmo do controle por ação Feedforward. Resultados preliminares mostram que o AG proposto, apresentou desempenho satisfatório da resposta, tanto em regime transitório quanto no estado estacionário, além de apresentar boa performance na rejeição a distúrbios. Para validar a técnica utilizada, os resultados obtidos foram comparados com outros métodos publicados na literatura

Made available in DSpace on 2016-08-31T13:33:41Z (GMT). No. of bitstreams: 1 TarcisioSB_DISSERT.pdf: 1571314 bytes, checksum: 86e8646fa8da6455187767e219181490 (MD5) Previous issue date: 2014-12-15 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Studies on connections lock in computer networks have been gaining prominence in recent research focused on computational communication and technology. Several researchers have used various methods in order to identify and minimize the blocking rate that prevent a connection is established. This paper presents a blocking rate analysis in connections of shortest paths algorithms. They have on the performance of a transparent optical network. Two algorithms will be used to perform the analysis and simulations, the Genetic Algorithm (AG) and the algorithm Yen (AY). The Genetic Algorithm is based on Computational Intelligence (CI) and the Yen algorithm is based on the principle of finding and identifying the K shortest paths. Numerical simulations performed on different network scenarios show that the greater the number of connections, the higher the blocking rate in the connections. This study will help to identify which algorithm behaves better in the specific cases described in this work / Os estudos sobre bloqueio de conexões em redes de computadores vêm ganhando destaque em recentes pesquisas voltadas à comunicação computacional e tecnologia. Vários pesquisadores têm utilizado diversos métodos buscando identificar e minimizar ao máximo a taxa média de bloqueio que impedem que uma conexão seja estabelecida. Este trabalho apresenta uma análise de taxa média de bloqueio em conexões por algoritmos de caminhos mínimos. Têm sobre o desempenho de uma rede ótica transparente. Serão utilizados dois algoritmos para realizar a análise e as simulações, o Algoritmo Genético (AG) e o Algoritmo de Yen (AY). O Algoritmo Genético fundamentado por Inteligência Computacional (IC) e o Algoritmo de Yen baseado no princípio de encontrar e identificar os K menores caminhos. Simulações numéricas realizadas em diferentes cenários da rede mostram que, quanto maior o número de conexões, maior será a taxa média de bloqueio nas conexões. Através desse estudo será possível identificar qual algoritmo se comporta melhor para os casos específicos descritos nesse trabalho

Somente no ano de 2011 foram adquiridos mais de 1.000TB de novos registros digitais de imagem advindos de Sensoriamento Remoto orbital. Tal gama de registros, que possui uma progressão geométrica crescente, é adicionada, anualmente, a incrível e extraordinária massa de dados de imagens orbitais já existentes da superfície da Terra (adquiridos desde a década de 70 do século passado). Esta quantidade maciça de registros, onde a grande maioria sequer foi processada, requer ferramentas computacionais que permitam o reconhecimento automático de padrões de imagem desejados, de modo a permitir a extração dos objetos geográficos e de alvos de interesse, de forma mais rápida e concisa. A proposta de tal reconhecimento ser realizado automaticamente por meio da integração de técnicas de Análise Espectral e de Inteligência Computacional com base no Conhecimento adquirido por especialista em imagem foi implementada na forma de um integrador com base nas técnicas de Redes Neurais Computacionais (ou Artificiais) (através do Mapa de Características Auto- Organizáveis de Kohonen SOFM) e de Lógica Difusa ou Fuzzy (através de Mamdani). Estas foram aplicadas às assinaturas espectrais de cada padrão de interesse, formadas pelos níveis de quantização ou níveis de cinza do respectivo padrão em cada uma das bandas espectrais, de forma que a classificação dos padrões irá depender, de forma indissociável, da correlação das assinaturas espectrais nas seis bandas do sensor, tal qual o trabalho dos especialistas em imagens. Foram utilizadas as bandas 1 a 5 e 7 do satélite LANDSAT-5 para a determinação de cinco classes/alvos de interesse da cobertura e ocupação terrestre em três recortes da área-teste, situados no Estado do Rio de Janeiro (Guaratiba, Mangaratiba e Magé) nesta integração, com confrontação dos resultados obtidos com aqueles derivados da interpretação da especialista em imagens, a qual foi corroborada através de verificação da verdade terrestre. Houve também a comparação dos resultados obtidos no integrador com dois sistemas computacionais comerciais (IDRISI Taiga e ENVI 4.8), no que tange a qualidade da classificação (índice Kappa) e tempo de resposta. O integrador, com classificações híbridas (supervisionadas e não supervisionadas) em sua implementação, provou ser eficaz no reconhecimento automático (não supervisionado) de padrões multiespectrais e no aprendizado destes padrões, pois para cada uma das entradas dos recortes da área-teste, menor foi o aprendizado necessário para sua classificação alcançar um acerto médio final de 87%, frente às classificações da especialista em imagem. A sua eficácia também foi comprovada frente aos sistemas computacionais testados, com índice Kappa médio de 0,86. / Only in 2011 were acquired over 1.000TB of new digital image registers arising from orbital remote sensing. This range of data, which has a geometric progression increasing, is added annually to an extraordinary and incredible mass of data from existing satellite images of Earth's surface (acquired since the 70s of last century). This massive amount of raw data requires computational tools which allow the automatic recognition of image patterns desired to allow the extraction of geographical objects and targets of interest more quickly and concisely. The proposal for such recognition to be performed automatically through Spectral Analysis and Computational Intelligence integration, based on knowledge acquired by image experts, was implemented as an integrator based on Computational Neural Networks (via Kohonens Self-Organizing Feature Maps - SOM) and Fuzzy Logic (through Mamdani) techniques. These techniques were applied to the spectral signatures pattern formed by the quantization levels or gray levels of the corresponding pattern in each spectral band of each pattern of interest, so that the pattern classification will depend, in an inseparable manner, of the spectral signatures correlation of the six bands of the sensor, like the work of image experts. Bands 1 to 5 and 7 of the Landsat-5 satellite were used for the determination of five classes / targets of interest in cover and land occupation, in three test areas located in the State of Rio de Janeiro (Guaratiba, Mangaratiba and Magé) in this integration with comparison of results with those derived from the interpretation of the imaging expert, which was corroborated by checking the ground truth. There was also a results comparison obtained with two commercial computer systems (IDRISI Taiga and ENVI 4.8) with the integrator, regarding the quality of classification (Kappa) and response time. The integrator, with hybrid classifications (supervised and unsupervised) in its implementation, proved to be effective in multispectral automatic (unsupervised) pattern recognition and in learning of these patterns, because as the input of a new test area occurs, the lower became the process of learning, which achieve a final average accuracy o f 87%, compared to the experts classifications. Its efficacy was also demonstrated compared to systems tested, with average Kappa of 0.86.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A partir de 2011, ocorreram e ainda ocorrerão eventos de grande repercussão para a cidade do Rio de Janeiro, como a conferência Rio+20 das Nações Unidas e eventos esportivos de grande importância mundial (Copa do Mundo de Futebol, Olimpíadas e Paraolimpíadas). Estes acontecimentos possibilitam a atração de recursos financeiros para a cidade, assim como a geração de empregos, melhorias de infraestrutura e valorização imobiliária, tanto territorial quanto predial. Ao optar por um imóvel residencial em determinado bairro, não se avalia apenas o imóvel, mas também as facilidades urbanas disponíveis na localidade. Neste contexto, foi possível definir uma interpretação qualitativa linguística inerente aos bairros da cidade do Rio de Janeiro, integrando-se três técnicas de Inteligência Computacional para a avaliação de benefícios: Lógica Fuzzy, Máquina de Vetores Suporte e Algoritmos Genéticos. A base de dados foi construída com informações da web e institutos governamentais, evidenciando o custo de imóveis residenciais, benefícios e fragilidades dos bairros da cidade. Implementou-se inicialmente a Lógica Fuzzy como um modelo não supervisionado de agrupamento através das Regras Elipsoidais pelo Princípio de Extensão com o uso da Distância de Mahalanobis, configurando-se de forma inferencial os grupos de designação linguística (Bom, Regular e Ruim) de acordo com doze características urbanas. A partir desta discriminação, foi tangível o uso da Máquina de Vetores Suporte integrado aos Algoritmos Genéticos como um método supervisionado, com o fim de buscar/selecionar o menor subconjunto das variáveis presentes no agrupamento que melhor classifique os bairros (Princípio da Parcimônia). A análise das taxas de erro possibilitou a escolha do melhor modelo de classificação com redução do espaço de variáveis, resultando em um subconjunto que contém informações sobre: IDH, quantidade de linhas de ônibus, instituições de ensino, valor m médio, espaços ao ar livre, locais de entretenimento e crimes. A modelagem que combinou as três técnicas de Inteligência Computacional hierarquizou os bairros do Rio de Janeiro com taxas de erros aceitáveis, colaborando na tomada de decisão para a compra e venda de imóveis residenciais. Quando se trata de transporte público na cidade em questão, foi possível perceber que a malha rodoviária ainda é a prioritária

Made available in DSpace on 2014-12-17T14:55:04Z (GMT). No. of bitstreams: 1 GlauciaRMAS_TESE.pdf: 2163942 bytes, checksum: 5778dd8818ffc286b87137c2a56b9fc0 (MD5) Previous issue date: 2012-05-14 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / Breast cancer, despite being one of the leading causes of death among women worldwide is a disease that can be cured if diagnosed early. One of the main techniques used in the detection of breast cancer is the Fine Needle Aspirate FNA (aspiration puncture by thin needle) which, depending on the clinical case, requires the analysis of several medical specialists for the diagnosis development. However, such diagnosis and second opinions have been hampered by geographical dispersion of physicians and/or the difficulty in reconciling time to undertake work together. Within this reality, this PhD thesis uses computational intelligence in medical decision-making support for remote diagnosis. For that purpose, it presents a fuzzy method to assist the diagnosis of breast cancer, able to process and sort data extracted from breast tissue obtained by FNA. This method is integrated into a virtual environment for collaborative remote diagnosis, whose model was developed providing for the incorporation of prerequisite Modules for Pre Diagnosis to support medical decision. On the fuzzy Method Development, the process of knowledge acquisition was carried out by extraction and analysis of numerical data in gold standard data base and by interviews and discussions with medical experts. The method has been tested and validated with real cases and, according to the sensitivity and specificity achieved (correct diagnosis of tumors, malignant and benign respectively), the results obtained were satisfactory, considering the opinions of doctors and the quality standards for diagnosis of breast cancer and comparing them with other studies involving breast cancer diagnosis by FNA. / O c?ncer de mama, apesar de ser uma das principais causas de morte entre as mulheres em todo o mundo, ? uma doen?a que pode ser curada se for diagnosticada precocemente. Uma das principais t?cnicas utilizadas na detec??o de c?ncer de mama ? a Fine Needle Aspirate FNA (ou Pun??o Aspirativa por Agulha Fina) que, dependendo do caso cl?nico, necessita da an?lise de v?rios m?dicos especialistas para a efetiva??o do diagn?stico. Entretanto, a realiza??o de tais diagn?sticos e a emiss?o de segundos pareceres t?m sido prejudicadas pela dispers?o geogr?fica dos m?dicos e/ou a dificuldade na concilia??o de tempo para realizar trabalhos em conjunto. Inserindo-se nessa realidade, esta tese de doutorado utiliza intelig?ncia computacional no apoio ? tomada de decis?o m?dica para a realiza??o de telediagn?sticos. Para tanto apresenta um m?todo fuzzy destinado a auxiliar o diagn?stico de c?ncer de mama, capaz de processar e classificar dados extra?dos de esfrega?os de tecidos mam?rios obtidos por FNA. Este m?todo est? integrado a um ambiente virtual para realiza??o de telediagn?stico colaborativo, cujo modelo foi desenvolvido prevendo a incorpora??o de M?dulos de Pr?-Diagn?stico para apoio ? tomada de decis?o m?dica. No desenvolvimento do m?todo fuzzy, o processo de aquisi??o do conhecimento foi realizado pela extra??o e an?lise dos dados num?ricos em base de dados padr?o ouro e por entrevistas e discuss?es com m?dicos especialistas. O m?todo foi testado e validado com casos reais e, em fun??o da sensibilidade e da especificidade alcan?adas (diagn?stico correto de tumores, respectivamente, malignos e benignos), os resultados obtidos foram satisfat?rios, considerando tanto os pareceres de m?dicos e os padr?es de qualidade para diagn?stico de c?ncer de mama quanto a compara??o com outros estudos realizados envolvendo diagn?stico de c?ncer de mama por FNA.

Made available in DSpace on 2014-12-17T14:55:06Z (GMT). No. of bitstreams: 1 HertzWCL_TESE.pdf: 4465162 bytes, checksum: b8574ba7e4819cb59386ad0ba99ebd86 (MD5) Previous issue date: 2012-10-11 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / The frequency selective surfaces, or FSS (Frequency Selective Surfaces), are structures consisting of periodic arrays of conductive elements, called patches, which are usually very thin and they are printed on dielectric layers, or by openings perforated on very thin metallic surfaces, for applications in bands of microwave and millimeter waves. These structures are often used in aircraft, missiles, satellites, radomes, antennae reflector, high gain antennas and microwave ovens, for example. The use of these structures has as main objective filter frequency bands that can be broadcast or rejection, depending on the specificity of the required application. In turn, the modern communication systems such as GSM (Global System for Mobile Communications), RFID (Radio Frequency Identification), Bluetooth, Wi-Fi and WiMAX, whose services are highly demanded by society, have required the development of antennas having, as its main features, and low cost profile, and reduced dimensions and weight. In this context, the microstrip antenna is presented as an excellent choice for communications systems today, because (in addition to meeting the requirements mentioned intrinsically) planar structures are easy to manufacture and integration with other components in microwave circuits. Consequently, the analysis and synthesis of these devices mainly, due to the high possibility of shapes, size and frequency of its elements has been carried out by full-wave models, such as the finite element method, the method of moments and finite difference time domain. However, these methods require an accurate despite great computational effort. In this context, computational intelligence (CI) has been used successfully in the design and optimization of microwave planar structures, as an auxiliary tool and very appropriate, given the complexity of the geometry of the antennas and the FSS considered. The computational intelligence is inspired by natural phenomena such as learning, perception and decision, using techniques such as artificial neural networks, fuzzy logic, fractal geometry and evolutionary computation. This work makes a study of application of computational intelligence using meta-heuristics such as genetic algorithms and swarm intelligence optimization of antennas and frequency selective surfaces. Genetic algorithms are computational search methods based on the theory of natural selection proposed by Darwin and genetics used to solve complex problems, eg, problems where the search space grows with the size of the problem. The particle swarm optimization characteristics including the use of intelligence collectively being applied to optimization problems in many areas of research. The main objective of this work is the use of computational intelligence, the analysis and synthesis of antennas and FSS. We considered the structures of a microstrip planar monopole, ring type, and a cross-dipole FSS. We developed algorithms and optimization results obtained for optimized geometries of antennas and FSS considered. To validate results were designed, constructed and measured several prototypes. The measured results showed excellent agreement with the simulated. Moreover, the results obtained in this study were compared to those simulated using a commercial software has been also observed an excellent agreement. Specifically, the efficiency of techniques used were CI evidenced by simulated and measured, aiming at optimizing the bandwidth of an antenna for wideband operation or UWB (Ultra Wideband), using a genetic algorithm and optimizing the bandwidth, by specifying the length of the air gap between two frequency selective surfaces, using an optimization algorithm particle swarm / As superf?cies seletivas de freq??ncia, ou FSS (Frequency Selective Surfaces), s?o estruturas constitu?das por arranjos peri?dicos de elementos condutores, denominados patches, geralmente muito finos e impressos sobre camadas diel?tricas, ou de aberturas, perfuradas em superf?cies met?licas muito finas, para aplica??es nas faixas de microondas e ondas milim?tricas. Estas estruturas s?o frequentemente utilizadas em aeronaves, m?sseis, sat?lites, radomes, antenas de refletor, antenas de alto ganho e fornos de microondas, por exemplo. A utiliza??o destas estruturas tem como objetivo principal filtrar bandas de freq??ncia, que podem ser de transmiss?o ou de rejei??o, dependendo da especificidade da aplica??o desejada. Por sua vez, os sistemas de comunica??o modernos, tais como GSM (Global System for Mobile Communications), RFID (Radio Frequency Identification), Bluetooth, Wi-Fi e WiMAX, cujos servi?os s?o altamente demandados pela sociedade, t?m requerido o desenvolvimento de antenas que apresentem, como caracter?sticas principais, baixo custo e perfil, al?m de peso e dimens?es reduzidas. Neste contexto, a antena de microfita se apresenta como uma excelente op??o para os sistemas de comunica??es atuais, pois (al?m de atenderem intrinsicamente aos requisitos mencionados) s?o estruturas planares de f?cil fabrica??o e integra??o com outros componentes de circuitos de microondas. Em consequ?ncia, a an?lise e principalmente a s?ntese destes dispositivos, em face da grande possibilidade de formas, dimens?es e periodicidade de seus elementos, tem sido efetuada atrav?s de modelos de onda completa, tais como o m?todo dos elementos finitos, o m?todo dos momentos e o m?todo das diferen?as finitas no dom?nio do tempo. Entretanto, estes m?todos apesar de precisos requerem um grande esfor?o computacional. Neste contexto, a intelig?ncia computacional (IC) tem sido utilizada com sucesso nos projetos e na otimiza??o de estruturas planares de microondas, como uma ferramenta auxiliar e muito adequada, dada a complexidade das geometrias das antenas e das FSS consideradas. A intelig?ncia computacional ? inspirada em fen?menos naturais como: aprendizado, percep??o e decis?o, utilizando t?cnicas como redes neurais artificiais, l?gica fuzzy, geometria fractal e computa??o evolucion?ria. Este trabalho realiza um estudo de aplica??o de intelig?ncia computacional utilizando metaheur?sticas como algoritmos gen?ticos e intelig?ncia de enxames na otimiza??o de antenas e superf?cies seletivas de frequ?ncia. Os algoritmos gen?ticos s?o m?todos computacionais de busca baseados na teoria da sele??o natural proposta por Darwin e na gen?tica utilizados para resolver problemas complexos como, por exemplo, problemas em que o espa?o de busca cresce com as dimens?es do problema. A otimiza??o por enxame de part?culas tem como caracter?sticas a utiliza??o da intelig?ncia de forma coletiva sendo aplicada em problemas de otimiza??o em diversas ?reas de pesquisa. O objetivo principal deste trabalho consiste na utiliza??o da intelig?ncia computacional, na an?lise e s?ntese de antenas e de FSS. Foram consideradas as estruturas de um monopolo planar de microfita, do tipo anel, e de uma FSS de dipolos em cruz. Foram desenvolvidos os algoritmos de otimiza??o e obtidos resultados para as geometrias otimizadas de antenas e FSS consideradas. Para a valida??o de resultados foram projetados, constru?dos e medidos v?rios prot?tipos. Os resultados medidos apresentaram excelente concord?ncia com os simulados. Al?m disso, os resultados obtidos neste trabalho foram comparados com os simulados atrav?s de um software comercial, tendo sido observada tamb?m uma excelente concord?ncia. Especificamente, a efici?ncia das t?cnicas de IC utilizadas foram comprovadas atrav?s de resultados simulados e medidos, objetivando a otimiza??o da largura de banda de uma antena para opera??o em banda ultralarga, ou UWB (Ultra Wideband), com a utiliza??o de um algoritmo gen?tico e da otimiza??o da largura de banda, atrav?s da especifica??o do comprimento do gap de ar entre duas superf?cies seletivas de frequ?ncia, utilizando um algoritmo de otimiza??o por enxame de part?culas

Made available in DSpace on 2014-12-17T14:55:18Z (GMT). No. of bitstreams: 1 MarceloRS_TESE.pdf: 2113878 bytes, checksum: 1cc62a66f14cc48f2e97f986a4dbbb8d (MD5) Previous issue date: 2014-01-27 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / This thesis describes design methodologies for frequency selective surfaces (FSSs) composed of periodic arrays of pre-fractals metallic patches on single-layer dielectrics (FR4, RT/duroid). Shapes presented by Sierpinski island and T fractal geometries are exploited to the simple design of efficient band-stop spatial filters with applications in the range of microwaves. Initial results are discussed in terms of the electromagnetic effect resulting from the variation of parameters such as, fractal iteration number (or fractal level), fractal iteration factor, and periodicity of FSS, depending on the used pre-fractal element (Sierpinski island or T fractal). The transmission properties of these proposed periodic arrays are investigated through simulations performed by Ansoft DesignerTM and Ansoft HFSSTM commercial softwares that run full-wave methods. To validate the employed methodology, FSS prototypes are selected for fabrication and measurement. The obtained results point to interesting features for FSS spatial filters: compactness, with high values of frequency compression factor; as well as stable frequency responses at oblique incidence of plane waves. This thesis also approaches, as it main focus, the application of an alternative electromagnetic (EM) optimization technique for analysis and synthesis of FSSs with fractal motifs. In application examples of this technique, Vicsek and Sierpinski pre-fractal elements are used in the optimal design of FSS structures. Based on computational intelligence tools, the proposed technique overcomes the high computational cost associated to the full-wave parametric analyzes. To this end, fast and accurate multilayer perceptron (MLP) neural network models are developed using different parameters as design input variables. These neural network models aim to calculate the cost function in the iterations of population-based search algorithms. Continuous genetic algorithm (GA), particle swarm optimization (PSO), and bees algorithm (BA) are used for FSSs optimization with specific resonant frequency and bandwidth. The performance of these algorithms is compared in terms of computational cost and numerical convergence. Consistent results can be verified by the excellent agreement obtained between simulations and measurements related to FSS prototypes built with a given fractal iteration / Esta tese descreve metodologias de projeto para superf?cies seletivas de frequ?ncia (FSSs) compostas por arranjos peri?dicos de patches met?licos pr?-fractais impressos em camadas diel?tricas simples (FR4, RT/duroid). As formas apresentadas pelas geometrias correspondentes ? ilha de Sierpinski e ao fractal T s?o exploradas para o projeto simples de filtros espaciais rejeita-faixa eficientes com aplica??es na faixa de micro-ondas. Resultados iniciais s?o discutidos em termos do efeito eletromagn?tico decorrente da varia??o de par?metros como, n?mero de itera??es fractais (ou n?vel do fractal), fator de itera??o fractal, e periodicidade da FSS, dependendo do elemento pr?-fractal utilizado (ilha de Sierpinski ou fractal T). As propriedades de transmiss?o destes arranjos peri?dicos propostos s?o investigadas atrav?s de simula??es realizadas pelos programas comerciais Ansoft DesignerTM e Ansoft HFSSTM, que executam m?todos de onda completa. Para validar a metodologia empregada, prot?tipos de FSS s?o selecionados para fabrica??o e medi??o. Os resultados obtidos apontam caracter?sticas interessantes para filtros espaciais de FSS, tais como: estrutura compacta, com maiores fatores de compress?o de frequ?ncia; al?m de respostas est?veis em frequ?ncia com rela??o ? incid?ncia obl?qua de ondas planas. Esta tese aborda ainda, como enfoque principal, a aplica??o de uma t?cnica alternativa de otimiza??o eletromagn?tica (EM) para an?lise e s?ntese de FSSs com motivos fractais. Em exemplos de aplica??o desta t?cnica, elementos pr?-fractais de Vicsek e Sierpinski s?o usados no projeto ?timo das estruturas de FSS. Baseada em ferramentas de intelig?ncia computacional, a t?cnica proposta supera o alto custo computacional proveniente das an?lises param?tricas de onda completa. Para este fim, s?o desenvolvidos modelos r?pidos e precisos de rede neural do tipo perceptron de m?ltiplas camadas (MLP) utilizando diferentes par?metros como vari?veis de entrada do projeto. Estes modelos de rede neural t?m como objetivo calcular a fun??o custo nas itera??es dos algoritmos de busca populacional. O algoritmo gen?tico cont?nuo (GA), a otimiza??o por enxame de part?culas (PSO), e o algoritmo das abelhas (BA), s?o usados para a otimiza??o das FSSs com valores espec?ficos de frequ?ncia de resson?ncia e largura de banda. O desempenho destes algoritmos ? comparado em termos do custo computacional e da 13 converg?ncia num?rica. Resultados consistentes podem ser verificados atrav?s da excelente concord?ncia obtida entre simula??es e medi??es referentes aos prot?tipos de FSS constru?dos com uma dada itera??o fractal

Somente no ano de 2011 foram adquiridos mais de 1.000TB de novos registros digitais de imagem advindos de Sensoriamento Remoto orbital. Tal gama de registros, que possui uma progressão geométrica crescente, é adicionada, anualmente, a incrível e extraordinária massa de dados de imagens orbitais já existentes da superfície da Terra (adquiridos desde a década de 70 do século passado). Esta quantidade maciça de registros, onde a grande maioria sequer foi processada, requer ferramentas computacionais que permitam o reconhecimento automático de padrões de imagem desejados, de modo a permitir a extração dos objetos geográficos e de alvos de interesse, de forma mais rápida e concisa. A proposta de tal reconhecimento ser realizado automaticamente por meio da integração de técnicas de Análise Espectral e de Inteligência Computacional com base no Conhecimento adquirido por especialista em imagem foi implementada na forma de um integrador com base nas técnicas de Redes Neurais Computacionais (ou Artificiais) (através do Mapa de Características Auto- Organizáveis de Kohonen SOFM) e de Lógica Difusa ou Fuzzy (através de Mamdani). Estas foram aplicadas às assinaturas espectrais de cada padrão de interesse, formadas pelos níveis de quantização ou níveis de cinza do respectivo padrão em cada uma das bandas espectrais, de forma que a classificação dos padrões irá depender, de forma indissociável, da correlação das assinaturas espectrais nas seis bandas do sensor, tal qual o trabalho dos especialistas em imagens. Foram utilizadas as bandas 1 a 5 e 7 do satélite LANDSAT-5 para a determinação de cinco classes/alvos de interesse da cobertura e ocupação terrestre em três recortes da área-teste, situados no Estado do Rio de Janeiro (Guaratiba, Mangaratiba e Magé) nesta integração, com confrontação dos resultados obtidos com aqueles derivados da interpretação da especialista em imagens, a qual foi corroborada através de verificação da verdade terrestre. Houve também a comparação dos resultados obtidos no integrador com dois sistemas computacionais comerciais (IDRISI Taiga e ENVI 4.8), no que tange a qualidade da classificação (índice Kappa) e tempo de resposta. O integrador, com classificações híbridas (supervisionadas e não supervisionadas) em sua implementação, provou ser eficaz no reconhecimento automático (não supervisionado) de padrões multiespectrais e no aprendizado destes padrões, pois para cada uma das entradas dos recortes da área-teste, menor foi o aprendizado necessário para sua classificação alcançar um acerto médio final de 87%, frente às classificações da especialista em imagem. A sua eficácia também foi comprovada frente aos sistemas computacionais testados, com índice Kappa médio de 0,86. / Only in 2011 were acquired over 1.000TB of new digital image registers arising from orbital remote sensing. This range of data, which has a geometric progression increasing, is added annually to an extraordinary and incredible mass of data from existing satellite images of Earth's surface (acquired since the 70s of last century). This massive amount of raw data requires computational tools which allow the automatic recognition of image patterns desired to allow the extraction of geographical objects and targets of interest more quickly and concisely. The proposal for such recognition to be performed automatically through Spectral Analysis and Computational Intelligence integration, based on knowledge acquired by image experts, was implemented as an integrator based on Computational Neural Networks (via Kohonens Self-Organizing Feature Maps - SOM) and Fuzzy Logic (through Mamdani) techniques. These techniques were applied to the spectral signatures pattern formed by the quantization levels or gray levels of the corresponding pattern in each spectral band of each pattern of interest, so that the pattern classification will depend, in an inseparable manner, of the spectral signatures correlation of the six bands of the sensor, like the work of image experts. Bands 1 to 5 and 7 of the Landsat-5 satellite were used for the determination of five classes / targets of interest in cover and land occupation, in three test areas located in the State of Rio de Janeiro (Guaratiba, Mangaratiba and Magé) in this integration with comparison of results with those derived from the interpretation of the imaging expert, which was corroborated by checking the ground truth. There was also a results comparison obtained with two commercial computer systems (IDRISI Taiga and ENVI 4.8) with the integrator, regarding the quality of classification (Kappa) and response time. The integrator, with hybrid classifications (supervised and unsupervised) in its implementation, proved to be effective in multispectral automatic (unsupervised) pattern recognition and in learning of these patterns, because as the input of a new test area occurs, the lower became the process of learning, which achieve a final average accuracy o f 87%, compared to the experts classifications. Its efficacy was also demonstrated compared to systems tested, with average Kappa of 0.86.

Made available in DSpace on 2016-12-23T14:33:42Z (GMT). No. of bitstreams: 1 Dissertacao de Alexandre Bertolani Oliveira.pdf: 2765651 bytes, checksum: d31c448c5c2d094b1f5f76cb6c10e190 (MD5) Previous issue date: 2010-02-12 / We investigate strategies to define prediction models for a quality parameter of an industrial process. We estimate this variable using computational intelligence and in special regression methods. The main contribution of this paper is the comparative analysis of heuristic training models to create the prediction system. We propose two main paradigms to obtain the system, machine learning and hybrid artificial neural networks. The resulting system is a prototype for the intelligent supervision of a real-time production process. Statistical tools are used to compare the performance of the regression based predictor and the neuro-fuzzy based predictor, considering the degree of adaptation of the system to the problem and its generalization ability / Neste trabalho são investigadas estratégias para a elaboração de Modelos de Predição que possam ser utilizados no monitoramento de uma variável de qualidade pertencente a um determinado Processo Produtivo Industrial. Neste cenário, a variável de qualidade é estimada por meio de técnicas da Inteligência Computacional e empiricamente avaliada na resolução de problemas de regressão. A principal contribuição desta monografia é a análise comparativa de Técnicas da Inteligência Computacional associadas às estratégias heurísticas de treinamento para a construção dos Modelos de Predição. São propostas duas linhas de pesquisa investigadas a partir de uma pesquisa empírica dos dados, e analisados a partir de dois grandes ramos da Inteligência Computacional Aprendizagem de Máquina e Redes Neurais Híbridas. Os Modelos de Predição desenvolvidos são protótipos conceituais para potencial implementação de Sistemas Inteligentes em tempo real de uma planta industrial. O método de construção dos Modelos de Predição por técnicas de Regressão é comparado com o método de construção do Modelo de Predição por redes Neuro-Fuzzy e analisados por critérios estabelecidos a partir de ferramentas estatísticas que levam em consideração os níveis de adequação e generalização dos mesmos. Ao final, são apresentados resultados dos métodos implementados sobre a mesma base de dados bem como os pertinentes trabalhos futuros

Indiana University-Purdue University Indianapolis (IUPUI) / The objective of this thesis is to compare automated methods for performing analysis of flow cytometry data. Flow cytometry is an important and efficient tool for analyzing the characteristics of cells. It is used in several fields, including immunology, pathology, marine biology, and molecular biology. Flow cytometry measures light scatter from cells and fluorescent emission from dyes which are attached to cells. There are two main tasks that must be performed. The first is the adjustment of measured fluorescence from the cells to correct for the overlap of the spectra of the fluorescent markers used to characterize a cell’s chemical characteristics. The second is to use the amount of markers present in each cell to identify its phenotype. Several methods are compared to perform these tasks. The Unconstrained Least Squares, Orthogonal Subspace Projection, Fully Constrained Least Squares and Fully Constrained One Norm methods are used to perform compensation and compared. The fully constrained least squares method of compensation gives the overall best results in terms of accuracy and running time. Spectral Clustering, Gaussian Mixture Modeling, Naive Bayes classification, Support Vector Machine and Expectation Maximization using a gaussian mixture model are used to classify cells based on the amounts of dyes present in each cell. The generative models created by the Naive Bayes and Gaussian mixture modeling methods performed classification of cells most accurately. These supervised methods may be the most useful when online classification is necessary, such as in cell sorting applications of flow cytometers. Unsupervised methods may be used to completely replace manual analysis when no training data is given. Expectation Maximization combined with a cluster merging post-processing step gives the best results of the unsupervised methods considered.