Made available in DSpace on 2015-05-14T12:36:38Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 4150986 bytes, checksum: 67f3a9455b63f5424ab2c9a531cf5090 (MD5) Previous issue date: 2012-05-24 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Several Governments and countries have shown great interest in defining public policies to reduce spending on health services. In this way, several researchers have sought to develop solutions that reduce such costs. Among these solutions are the remote monitoring systems of the State of health of critical patients, those suffering from heart disease, chronic diseases or elderly who need continuous care. These systems allow the identification of risk situations and the adoption of preventive procedures, reducing health spending. In addition, they allow an improvement in quality and lifetime of your users. Several approaches to the construction of these systems. Generally, they are divided into two main groups: the home care and the furniture. The approach used in this paper advocates the use of mobile monitoring systems can be more efficient, since the health monitoring will be carried out regardless of locale or patient drive. The work presented here makes use of pervasive devices for monitoring of the health status of patients with cardiovascular diseases, which are the biggest cause of death in the world. In this sense, this dissertation contributes with an application for use in mobile phones that act as an intelligent agent to the preventive monitoring of cardiovascular diseases, using a rules-based intelligence engine. This application, which has received the name of MonitorPrevIntel, based on the continuous reading of five physiological signals, detect abnormal situations of danger for the health of your server, and emits alarm procedures. To detect anomalous situations the application uses a mechanism fully embedded intelligence on the mobile phone, with custom knowledge base for each user. The alarms emitted by the system warn the user about the detection of abnormal situations and advise, via SMS messages, or trigger, via phone call, a medical center about this situation. The MonitorPrevIntel operation is controlled by your intelligence mechanism, based on the State of health of the user, allowing the same run autonomously, independently of the user activation. / Vários governos e países têm demonstrado bastante interesse em definir políticas públicas para reduzir os gastos com os serviços de saúde. Dessa maneira, diversos pesquisadores têm procurado desenvolver soluções que reduzam tais custos. Entre essas soluções, estão os sistemas de monitoramento remoto do estado de saúde de pacientes críticos, aqueles que sofrem de doenças cardíacas, doenças crônicas ou idosos que precisam de atendimento contínuo. Esses sistemas permitem a identificação de situações de risco e a adoção de procedimentos preventivos, o que reduz os gastos com saúde. Além disso, eles permitem uma melhoria na qualidade e no tempo de vida de seus usuários. Várias são as abordagens para construção desses sistemas. De maneira geral, elas se dividem em dois grandes grupos: os home care e os móveis. A abordagem utilizada nesse trabalho defende a utilização de sistemas de monitoramento móveis pode ser mais eficiente, uma vez que o acompanhamento da saúde será realizado independentemente da localidade ou da movimentação do paciente. O trabalho aqui apresentado faz uso de dispositivos pervasivos para monitoramento do estado de saúde de pacientes com doenças cardiovasculares, que são a maior causa de morte no mundo. Nesse sentido, esta dissertação contribui com um aplicativo para uso em telefones móveis que atue como um agente inteligente personalizado para o monitoramento preventivo de doenças cardiovasculares, utilizando um mecanismo de inteligência baseado em regras de produção. Esse aplicativo, que recebeu o nome de MonitorPrevIntel, com base na leitura contínua de cinco sinais fisiológicos, detecta situações anormais, de perigo para a saúde de seu usuário, e emite procedimentos de alarme. Para detectar as situações anômalas o aplicativo utiliza um mecanismo de inteligência totalmente embutido no telefone celular, com base de conhecimento personalizada para cada usuário. Os alarmes emitidos pelo sistema avisam ao usuário sobre a detecção de situações anormais de saúde e avisam, através de mensagens SMS, ou acionam, através de chamada telefônica, uma central médica sobre essa situação. O funcionamento do MonitorPrevIntel é controlado por seu mecanismo de inteligência, com base no estado de saúde do usuário, permitindo que o mesmo execute de maneira autônoma, independentemente da ativação pelo usuário.

Made available in DSpace on 2014-12-17T14:08:57Z (GMT). No. of bitstreams: 1 RobertoEPB_DISSERT.pdf: 1009635 bytes, checksum: 353b50f5c3e1f13817d981d7d7a2bb6d (MD5) Previous issue date: 2014-08-19 / The petroleum production pipeline networks are inherently complex, usually decentralized systems. Strict operational constraints are applied in order to prevent serious problems like environmental disasters or production losses. This paper describes an intelligent system to support decisions in the operation of these networks, proposing a staggering for the pumps of transfer stations that compose them. The intelligent system is formed by blocks which interconnect to process the information and generate the suggestions to the operator. The main block of the system uses fuzzy logic to provide a control based on rules, which incorporate knowledge from experts. Tests performed in the simulation environment provided good results, indicating the applicability of the system in a real oil production environment. The use of the stagger proposed by the system allows a prioritization of the transfer in the network and a flow programming / As redes de escoamento da produ??o de petr?leo s?o sistemas comumente descentralizados, inerentemente complexos. Restri??es operacionais r?gidas s?o aplicadas para evitar problemas graves, como desastres ambientais ou perdas de produ??o. Este trabalho descreve um sistema inteligente para auxiliar as decis?es na opera??o dessas malhas, propondo um escalonamento das bombas das esta??es de transfer?ncia que a comp?em. O sistema inteligente ? formado por blocos, que se interligam para processar a informa??o e gerar as sugest?es para o operador. O bloco principal do sistema utiliza a l?gica fuzzy para prover um controle baseado em regras, que incorporam o conhecimento de especialistas. Os testes realizados em ambiente de simula??o obtiveram bons resultados, indicando a aplicabilidade do sistema em um ambiente real de produ??o de petr?leo. O uso do escalonamento proposto pelo sistema permite uma prioriza??o da transfer?ncia na rede e uma programa??o do escoamento

Made available in DSpace on 2014-06-11T19:29:39Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-08-02Bitstream added on 2014-06-13T18:39:28Z : No. of bitstreams: 1 caldasjunior_crd_me_sjrp.pdf: 669834 bytes, checksum: bb1a2044c8a20046b364cf6e0b7141cb (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / 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 / 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

Orientador: Paulo Roberto de Aguiar / Banca: Eraldo Janinone da Silva / Banca: José Alfredo Covolan Ulson / Resumo: O monitoramento de processos de fabricação pro usinagem tem se mostrado de extrema importância nas empresas que buscam um nível de excelência em qualidade, auxiliando na melhor alocação de recursos e redução de desperdícios oriundos de peças com problemas de qualidade. Abordagens multisensoriais têm sido empregadas no monitoramento desses processos com o objetivo de utilizar os sinais no treinamento de sistemas de inteligência artificial na tarefa de indicar desvios nas ferramentas ou no produto sendo fabricado. Neste trabalho, três sistemas de inteligência artificial foram utilizados com o o objetivo de prover estimativas para o diâmetro de furos obtidos por processo de furação de precisão. Uma rede neural artificial perceptron de múltiplas camadas (RNA MLP), um sistema de inerferência adaptável neuro-fuzzy (ANFIS) e uma rede neural artificial com função de base radial (RBF) foram treinados com os dados obtidos com os sensores para estimar os diâmetros dos furos para cada material de corpo-de-prova. A definição da melhor configuração para cada sistema de inteligência artificial foi obtida através de algoritmos desenvolvidos para verificar a influência dos sinais e dos parâmetros particulares de cada sistema sobre o resultado final da estimativa. Os resultados obtidos indicam que a RNA MLP apresenta maior robutez perante a variação nos dados apresentados. O sistema ANFIS e a rede RFB mostraram que seu resultado varia acentuadamente quando há variações nos dados apresentados no treinamento, requerendo que estes sistemas sejam treinados sempre com o conjunto de dados apresentados na mesma ordem. A análise de influência dos sinais mostrou que, embora a abordagem multisensorial apresente bons resultados na rede MLP, o mesmo não se repetiu para os demais sistemas... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The supervision of manufacturing process by machining has been extremely important in companies which aim an excellence level in quality, helping on best assets allocation and waste reduction originated from pieces with quality problems. Multi-sensory approaches have been employed in the supervision of these processes aiming the use of signals in the training of artificial intelligence systems in order to indicate deviations in tools or in product being manufactured. Turning, grinding, milling and drilling have benn the target of the application of these supervision intelligence systems. In this work these artificial intelligence systems were applied in order to provide estimations for the diameters of the holes obtained by precision drilling process. A Multilayer Perceptron Neural Network (ANN MLP), and adaptive neuro-fuzzy inference system (ANFIS) and an artificial neural network with radial basis function (RBF) were trained with the data obtained from the sensors to estimate the hole diameters for each material of the test pieces. The definition of the best configuration for each artificial intelligence system was obtained through algorithms developed to verify the signals influence and particular parameters of each system concerning the final estimation result. The tests results were analyzed under three criteria: the absolute and medium errors, the system capacity of obtaining correct results for each estimation - classifying them as approved or rejected - and the error analysis regarding the necessary tolerance classes to maintain process within the limits of precision mechanics. The results obtained indicate that the ANN MLP presents higher robustness before variation in the data presented. The ANFIS system and RFB network have shown that their result vary sharply when there are data variations presented in training... (Complete abstract click electronic access below) / Mestre

Made available in DSpace on 2014-12-17T14:56:21Z (GMT). No. of bitstreams: 1 DaniloLS.pdf: 2499617 bytes, checksum: 328b5ce6d56f5a92a61ad220565411c7 (MD5) Previous issue date: 2006-07-24 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / Oil spill on the sea, accidental or not, generates enormous negative consequences for the affected area. The damages are ambient and economic, mainly with the proximity of these spots of preservation areas and/or coastal zones. The development of automatic techniques for identification of oil spots on the sea surface, captured through Radar images, assist in a complete monitoring of the oceans and seas. However spots of different origins can be visualized in this type of imaging, which is a very difficult task. The system proposed in this work, based on techniques of digital image processing and artificial neural network, has the objective to identify the analyzed spot and to discern between oil and other generating phenomena of spot. Tests in functional blocks that compose the proposed system allow the implementation of different algorithms, as well as its detailed and prompt analysis. The algorithms of digital image processing (speckle filtering and gradient), as well as classifier algorithms (Multilayer Perceptron, Radial Basis Function, Support Vector Machine and Committe Machine) are presented and commented.The final performance of the system, with different kind of classifiers, is presented by ROC curve. The true positive rates are considered agreed with the literature about oil slick detection through SAR images presents / Derramamentos de ?leo sobre o mar, mesmo que acidentais, geram enormes conseq??ncias negativas para a ?rea afetada. Os preju?zos s?o ambientais e econ?micos, principalmente com a proximidade dessas manchas de ?reas de preserva??o e/ou zonas costeiras. O desenvolvimento de t?cnicas autom?ticas para a identifica??o de manchas de ?leo sobre a superf?cie marinha, capturadas atrav?s de imagens de Radar, auxiliam num completo monitoramento dos oceanos e mares. Contudo, manchas de diferentes origens podem ser visualizadas nesse tipo de produ??o de imagem, tornando o monitoramento dif?cil. O sistema proposto neste trabalho, baseado em t?cnicas de processamento digital de imagens e redes neurais artificiais, tem o objetivo de identificar a mancha analisada e discernir entre ?leo e os demais fen?menos geradores de mancha. Testes nos blocos funcionais que comp?em o sistema proposto permitem a implementa??o de diferentes algoritmos, assim como sua an?lise detalhada e pontual. Os algoritmos que tratam do processamento digital de imagem (filtragem do ru?do speckle e gradiente), assim como o de classifica??o (Perceptron de M?ltiplas Camadas, rede de fun??o de Base Radial, M?quina de Vetor de Suporte e M?quina de comit?) s?o apresentados e comentados.O desempenho final do sistema, com diferentes tipos de classificadores, ? apresentado atrav?s da curva ROC. As taxas de acertos s?o consideradas condizentes com o que a literatura de detec??o de manchas de ?leo na superf?cie oce?nica atrav?s de imagens de SAR apresenta

Neste trabalho é apresentado um instrumento para auxílio à tomada de decisão em processos que envolvem avaliações da resistência do solo à penetração de raízes. Seu desenvolvimento fundamenta-se na concepção de uma nova ferramenta instrumental avançada, que viabiliza em tempo quase real informações para análise da variabilidade espacial da resistência do solo à penetração de raízes, tanto para área como para perfil, devido aos processos de compactação natural ou artificial do solo. Ensaios para a medida da resistência do solo à penetração de raízes podem ser realizados tanto em ambiente laboratorial como diretamente em campo agrícola. Para o desenvolvimento utilizou-se o enfoque da instrumentação inteligente, bem como uma microsonda (ângulo de cone de 30º, diâmetro de base de 1,6 mm e comprimento total de 30 mm) sensoriada por célula de carga. Resultados mostram que medidas de resistência do solo à penetração de raízes podem ser realizadas até um limite de (49,03 +/- 0,07) Kgf com resolução de 1,57 Kgf. Adicionalmente, a versatilidade do sistema é verificada para a coleta de dados e interpretação da resistência do solo à penetração de raízes, uma vez que podem ser apresentados na forma de tabelas, gráficos unidimensionais, mapas bidimensionais e mapas tridimensionais. Desta maneira, o sistema possibilita ao usuário uma rápida interpretação sobre o estado de agregação do solo em áreas de cultivo agrícolas. / This work is presented an instrument for decision-making in agricultural processes based on the measurements and mapping of soil resistance to the root penetration. Its development was based on a new and advance instrumentation tool, which enables in almost real-time to acquire the necessary information for spatial variability analysis of the resistance to root of plants penetration in soils, due to, either, natural or artificial compaction soil processes, i.e., not only for an area of soil but also to soil profile. The system allows soil resistance essays for both laboratory and agricultural field. Moreover, intelligent instrumentation concept was focused in the development, as well as a microprobe (30º for the spire angle, 1,6 mm for the base diameter, and 30 mm of total length), sensored by strain-gage transducers. Results have shown that measurements of soil resistance to root of plant penetration are allowed up to the limit of (49,03 +/- 0,07) Kgf, with 1,57 Kgf of resolution. Additionally, the suitability of the system is verified for soil resistance data collection and its interpretation to root plant penetration, since they can be presented in format of tables, one-dimensional graphics, two-dimensional maps and three-dimensional maps. Therefore, this system allows to the users a fast interpretation of soil aggregation state in agricultural areas.

Orientadores: Fernando Antonio Campos Gomide, Rosangela Ballini / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-12T14:32:10Z (GMT). No. of bitstreams: 1 Lima_EltonMariode_M.pdf: 1259231 bytes, checksum: 7a910e84bfb43d6c13b2deb8b6f511c2 (MD5) Previous issue date: 2008 / Resumo: Este trabalho propõe um modelo fuzzy funcional evolutivo que utiliza uma aplicação do aprendizado participativo para a construção de uma base de regras. O aprendizado participativo é um modelo de aprendizado baseado na noção de compatibilidade para a atualização do conhecimento do sistema. O aprendizado participativo pode ser traduzido em um algoritmo de agrupamento não supervisionado conhecido como agrupamento participativo. O algoritmo intitulado Aprendizado Participativo Evolutivo é proposto para construir um modelo fuzzy funcional evolutivo no qual as regras são obtidas a partir de um algoritmo de agrupamento não supervisionado. O algoritmo utiliza uma versão do agrupamento participativo para a determinação de uma base de regras correspondente ao modelo funcional do tipo Takagi-Sugeno evolutivo. A partir de uma noção generalizada, o modelo proposto é aplicado em problemas de previsão de séries temporais e os resultados são obtidos para a conhecida série Box-Jenkis, além da previsão de uma série de carga horária de energia elétrica. Os resultados são comparados com o modelo Takagi-Sugeno evolutivo que utiliza a noção de função potencial para agrupar os dados dinâmicamente e com duas abordagens baseadas em redes neurais. Os resultados mostram que o modelo proposto é eficiente e parcimonioso, abrindo potencial para aplicações e estudos futuros. / Abstract: This work introduces an approach to develop evolving fuzzy rule-based models using participatory learning. Participatory learning assumes that learning and beliefs about a system depend on what the learning mechanism knows about the system itself. Participatory learning naturally augments clustering and yields an e_ective unsupervised fuzzy clustering algorithms for on-line, real time domains and applications. Clustering is an essential step to construct evolving fuzzy models and plays a key role in modeling performance and model quality. A least squares recursive approach to estimate the consequent parameters of the fuzzy rules for on-line modeling is emphasized. Experiments with the classic Box-Jenkins benchmark are conducted to compare the performance of the evolving participatory learning with the evolving fuzzy system modeling approach and alternative fuzzy modeling and neural methods. The experiments show the e_ciency of evolving participatory learning to handle the benchmark problem. The evolving participatory learning method is also used to forecast the average hourly load of an electric generation plant and compared against the evolving fuzzy system modeling using actual data. The results confirm the potential of the evolving fuzzy participatory method to solve real world modeling problems. / Mestrado / Automação Industrial / Mestre em Engenharia Elétrica

Recent advances in technology have increased awareness of the necessity for automated systems in people’s everyday lives. Artificial systems are more frequently being introduced into environments previously thought to be too perilous for humans to operate in. Some robots can be used to extract potentially hazardous materials from sites inaccessible to humans, while others are being developed to aid humans with laborious tasks. A crucial aspect of all artificial systems is the manner in which they interact with their immediate surroundings. Developing such a deceivingly simply aspect has proven to be significantly challenging, as it not only entails the methods through which the system perceives its environment, but also its ability to perform critical tasks. These undertakings often involve the coordination of numerous subsystems, each performing its own complex duty. To complicate matters further, it is nowadays becoming increasingly important for these artificial systems to be able to perform their tasks in real-time. The task of object recognition is typically described as the process of retrieving the object in a database that is most similar to an unknown, or query, object. Pose estimation, on the other hand, involves estimating the position and orientation of an object in three-dimensional space, as seen from an observer’s viewpoint. These two tasks are regarded as vital to many computer vision techniques and and regularly serve as input to more complex perception algorithms. An approach is presented which regards the object recognition and pose estimation procedures as mutually dependent. The core idea is that dissimilar objects might appear similar when observed from certain viewpoints. A feature-based conceptualisation, which makes use of a database, is implemented and used to perform simultaneous object recognition and pose estimation. The design incorporates data compression techniques, originally suggested by the image-processing community, to facilitate fast processing of large databases. System performance is quantified primarily on object recognition, pose estimation and execution time characteristics. These aspects are investigated under ideal conditions by exploiting three-dimensional models of relevant objects. The performance of the system is also analysed for practical scenarios by acquiring input data from a structured light implementation, which resembles that obtained from many commercial range scanners. Practical experiments indicate that the system was capable of performing simultaneous object recognition and pose estimation in approximately 230 ms once a novel object has been sensed. An average object recognition accuracy of approximately 73% was achieved. The pose estimation results were reasonable but prompted further research. The results are comparable to what has been achieved using other suggested approaches such as Viewpoint Feature Histograms and Spin Images. / Dissertation (MEng)--University of Pretoria, 2013. / gm2014 / Electrical, Electronic and Computer Engineering / unrestricted

No description available.

In this thesis, research efforts are dedicated towards the development of practical adaptable techniques to be used in Smart Homes and Buildings, with the aim to improve energy management and conservation, while enhancing the learning capabilities of Programmable Communicating Thermostats (PCT) – “transforming” them into smart adaptable devices, i.e., “Smart Thermostats”. An Adaptable Hybrid Intelligent System utilizing Wireless Sensor Network (WSN) and Artificial Intelligence (AI) techniques is presented, based on which, a novel Adaptive Learning System (ALS) model utilizing WSN, a rule-based system and Adaptive Resonance Theory (ART) concepts is proposed. The main goal of the ALS is to adapt to the occupant’s pattern and/or schedule changes by providing comfort, while not ignoring the energy conservation aspect. The proposed ALS analytical model is a technique which enables PCTs to learn and adapt to user input pattern changes and/or other parameters of interest. A new algorithm for finding the global maximum in a predefined interval within a two dimensional space is proposed. The proposed algorithm is a synergy of reward/punish concepts from the reinforcement learning (RL) and agent-based technique, for use in small-scale embedded systems with limited memory and/or processing power, such as the wireless sensor/actuator nodes. An application is implemented to observe the algorithm at work and to demonstrate its main features. It was observed that the “RL and Agent-based Search”, versus the “RL only” technique, yielded better performance results with respect to the number of iterations and function evaluations needed to find the global maximum. Furthermore, a “House Simulator” is developed as a tool to simulate house heating/cooling systems and to assist in the practical implementation of the ALS model under different scenarios. The main building blocks of the simulator are the “House Simulator”, the “Smart Thermostat”, and a placeholder for the “Adaptive Learning Models”. As a result, a novel adaptive learning algorithm, “Observe, Learn and Adapt” (OLA) is proposed and demonstrated, reflecting the main features of the ALS model. Its evaluation is achieved with the aid of the “House Simulator”. OLA, with the use of sensors and the application of the ALS model learning technique, captures the essence of an actual PCT reflecting a smart and adaptable device. The experimental performance results indicate adaptability and potential energy savings of the single in comparison to the zone controlled scenarios with the OLA capabilities being enabled.