Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2017-02-21T14:53:51Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) main_abntex.pdf: 4558296 bytes, checksum: 6f077e7cc7e54787fdfdb3b25b18eabb (MD5) / Made available in DSpace on 2017-02-21T14:53:51Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) main_abntex.pdf: 4558296 bytes, checksum: 6f077e7cc7e54787fdfdb3b25b18eabb (MD5) Previous issue date: 2016-09-26 / A previsão de séries temporais é uma tarefa importante no campo da aprendizado de máquina, possuindo diversas aplicações em mercado de ações, hidrologia, meteorologia, entre outros. A análise da dependência existente nas observações adjacentes da série é necessária para que seja possível prever valores futuros com alguma precisão. Modelos dinâmicos são utilizados para realizar mapeamentos de uma série temporal, se aproximando do mecanismo gerador da série e sendo capazes de realizar previsões. No entanto, o mecanismo gerador de uma série temporal pode produzir padrões lineares e não-lineares que precisam ser devidamente mapeados. Modelos lineares como o auto-regressivo integrado de média móvel (ARIMA) são capazes de mapear padrões lineares, porém não são indicados quando existem padrões não-lineares na série. Já os modelos não-lineares como as redes neurais artificais (RNA) mapeiam padrões não-lineares, mas podem apresentar desempenho reduzido na presença de padrões lineares em relação aos modelos lineares. Fatores como a definição do número de elementos de entrada da RNA, número de amostras de treinamento podem afetar o desempenho. Abordagens híbridas presentes na literatura realizam o mapeamento dos padrões lineares e não-lineares simultaneamente ou aplicando duas ou mais fases nas previsões. Seguindo a suposição de que os modelos são bem ajustados, a diferença entre o valor previsto e a série real demonstra um comportamento de ruído branco, ou seja, considera-se que a diferença entre os valores (resíduo) é composta por choques aleatórios não correlacionados. Na abordagem de duas ou mais fases, o resíduo gerado pelo modelo aplicado na primeira fase é utilizado pelo segundo modelo. O problema do ajuste pode ser decorrente dos parâmetros mal ajustados e também da série temporal devido à possível necessidade de transformações. Tais abordagens geram previsões mais precisas quando comparadas às técnicas tradicionais. Nesta tese, são explorados sistemas evolucionários para a otimização de parâmetros de técnicas lineares e não-lineares visando o mapeamento dos padrões da série temporal. A abordagem proposta utiliza um preprocessamento automático através de um filtro de suavização exponencial para extrair uma série com distribuição normal. A diferença da série temporal e a série filtrada é mapeada por um sistema composto por um método auto-regressivo (AR) e máquina de vetor de suporte para regressão (SVR). Variações do algoritmo de otimização por enxame de partículas (PSO) e algoritmos genéticos são aplicados na otimização dos hiper-parâmetros do sistema. A previsão final é realizada através da soma das previsões de cada série. Para fins de avaliação do método proposto, experimentos foram realizados com bases de problemas reais utilizando métodos da literatura. Os resultados demonstram que o método obteve previsões precisas na maioria dos casos testados. O filtro de suavização exponencial utilizado supõe que a série possua nível constante (sem tendência). Séries que possuem tendências lineares foram devidamente tratadas, no entanto tendências exponenciais ou polinomiais apresentaram desempenho reduzido. O método proposto possui potencial para melhorias, aplicando métodos que realizem o mapeamento automático de tendências como a suavização exponencial dupla. Nesta tese o método aditivo foi utilizado para combinação de previsões, no entanto em algumas séries o modelo multiplicativo pode ser mais adequado, produzindo previsões mais precisas. / Time series forecasting is an important task in the field of machine learning and has many applications in stock market, hydrology, weather and so on. The analysis of the dependence between adjacent observations in the series is necessary in order to achieve better forecasts. Dynamic models are used to perform mappings in the time series by approximating to thedata generating process and being able to perform predictions. However, the data generating process of a time series may produce both linear and nonlinear patterns that need to be mapped. Linear models such as the autoregressive integrated moving average (ARIMA) are able to map linear patterns, although not indicated when nonlinear patterns are present in the series. Nonlinear models such as the artificial neural networks (ANNs) perform nonlinear mappings but demonstrate reduced performance in the presence of linear patterns in comparison to linear models. Hybrid approaches in the literature perform mappings of linear and nonlinear patterns simultaneously or applying two or more phases.Supposing that the models are adjusted to the data, the difference between the predicted value and the data presents a White noise behavior, thus it is considered that the difference of values (residual) is composed by uncorrelated random shocks. In two-phase approaches the residual produced by the linear model in the first phase is used in the nonlinear model. Also the parameters of the models have an important influence on their performance. Such approaches produce more accurate predictions when compared with traditional methods. In this thesis, we explore evolutionary system in the context of optimization of parameters for both linear and nonlinear methods, taking into consideration the patterns in a time series. In the proposed approach, an exponential smoothing filter is used to decompose a series with normal distribution which is applied to an ARIMA model and the residual series is applied to a system composed by an autoregressive (AR) and a support vector regression methods (SVR). Variations of particle swarm optimization (PSO) algorithm and genetic algorithm (GA) are employed in the optimization of hyper-parameters of the system. Experiments were conducted using data sets from real world problems comparing with methods in the literature. The results indicate that the method achieved accurate predictions in most cases. The exponential smoothing filter assumes that the given series has no trend patterns. Series with linear trend were detrended, however in series with exponential or polynomial trends the proposed method achieved reduced performance. The proposed method has potential to improvements by using methods that perform an automatic mapping of trend patterns (double exponential smoothing). In this work, the additive model is adopted, however in some series a multiplicative model could achieve better forecasts.

Identificar e localizar faltas em alimentadores de distribuição representa um passo importante para a melhoria da qualidade de energia, pois proporciona impactos diretos sobre o tempo de inspeção. Na verdade, a duração da inspeção implica consideravelmente no intervalo em que os consumidores estão sem energia elétrica, quando ocorre uma interrupção não programada. O objetivo deste trabalho é fornecer um sistema de detecção automática de curtos-circuitos, permitindo aos profissionais das companhias de distribuição acompanhar e monitorar de maneira on-line a ocorrência de possíveis faltas e transitórios eletromagnéticos observados na rede primária de distribuição. A abordagem de detecção utiliza um sistema híbrido que combina ferramentas inteligentes e convencionais para identificar e localizar faltas em redes primárias. Os resultados que foram compilados demonstram grande potencialidade de aplicação da proposta em sistemas de distribuição. / Efficient faults identification and location in power distribution lines constitute an important step for power quality improvement, since they provide direct impacts on the inspection time. In fact, the duration of inspection implies directly in the time interval where consumers are without power, considering here the occurrence of a non-programmed interruption. The objective of this work is to provide an automated fault detection system, allowing to the power companies engineers to online track and monitor the possible occurrence of faults and electromagnetic transients observed in the primary network for the distribution circuits. The detection approach uses a hybrid system, which combines a set of intelligent and conventional tools to identify and locate faults in the primary networks. Validation results show great application potential in distribution systems.

Driving a vehicle involves a series of events, which are related to and evolve with the mental state (such as sleepiness, mental load, and stress) of the driv- er. These states are also identified as causal factors of critical situations that can lead to road accidents and vehicle crashes. These driver impairments need to be detected and predicted in order to reduce critical situations and road accidents. In the past years, physiological signals have become conven- tional measures in driver impairment research. Physiological signals have been applied in various studies to identify different levels of mental load, sleepiness, and stress during driving. This licentiate thesis work has investigated several artificial intelligence algorithms for developing an intelligent system to monitor driver mental state using physiological signals. The research aims to measure sleepiness and mental load using Electroencephalography (EEG). EEG signals, if pro- cessed correctly and efficiently, have potential to facilitate advanced moni- toring of sleepiness, mental load, fatigue, stress etc. However, EEG signals can be contaminated with unwanted signals, i.e., artifacts. These artifacts can lead to serious misinterpretation. Therefore, this work investigates EEG arti- fact handling methods and propose an automated approach for EEG artifact handling. Furthermore, this research has also investigated how several other physiological parameters (Heart Rate (HR) and Heart Rate Variability (HRV) from the Electrocardiogram (ECG), Respiration Rate, Finger Tem- perature (FT), and Skin Conductance (SC)) to quantify drivers’ stress. Dif- ferent signal processing methods have been investigated to extract features from these physiological signals. These features have been extracted in the time domain, in the frequency domain as well as in the joint time-frequency domain using wavelet analysis. Furthermore, data level signal fusion has been proposed using Multivariate Multiscale Entropy (MMSE) analysis by combining five physiological sensor signals. Primarily Case-Based Reason- ing (CBR) has been applied for drivers’ mental state classification, but other Artificial intelligence (AI) techniques such as Fuzzy Logic, Support Vector Machine (SVM) and Artificial Neural Network (ANN) have been investigat- ed as well. For drivers’ stress classification, using the CBR and MMSE approach, the system has achieved 83.33% classification accuracy compared to a human expert. Moreover, three classification algorithms i.e., CBR, an ANN, and a SVM were compared to classify drivers’ stress. The results show that CBR has achieved 80% and 86% accuracy to classify stress using finger tempera- ture and heart rate variability respectively, while ANN and SVM reached an accuracy of less than 80%. / Vehicle Driver Monitoring

Orientador: Luiz Carlos Pereira da Silva / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-18T12:45:34Z (GMT). No. of bitstreams: 1 Niro_Glauco_M.pdf: 13465948 bytes, checksum: 504eb63346ec29f71bef99cd507174e1 (MD5) Previous issue date: 2011 / Resumo: Os sistemas elétricos vêm sendo alvo de estudos que buscam torná-los mais inteligentes e seguros. Um novo paradigma surge com o conceito das redes inteligentes (smart grids), as quais incluem como uma das suas características principais a integração de equipamentos dos consumidores de forma ativa à operação do sistema elétrico. Um exemplo é o gerenciamento da demanda no horário de pico, aliviando a carga e aumentando a segurança do sistema, com o objetivo de obter benefícios para o sistema elétrico e também para os consumidores. Para que isso seja possível, são necessários alguns requisitos e avanços tecnológicos: existência de um portal de comunicação para interface entre o consumidor e seus aparelhos e a concessionária; equipamentos que permitam tal gerenciamento sem prejudicar e interferir na rotina dos consumidores; e mecanismos de compensação financeira para incentivar a participação dos consumidores. Nesta dissertação se propõe um estudo sobre um aparelho que apresenta potencial para esse tipo de gerenciamento, o refrigerador doméstico. Devido a sua inércia térmica e isolamento o refrigerador pode ser ligado e desligado durante algum tempo sem prejuízos para sua função principal. Os objetivos deste trabalho são: desenvolver um modelo adequado para a simulação computacional de um grupo de refrigeradores; implementar esquemas de gerenciamento que visem a redução de consumo no horário de pico; bem como analisar o efeito que estes procedimentos acarretariam em uma rede de distribuição de energia elétrica, levando em conta a redução do consumo no período de pico, a redução de perdas e a melhoria do perfil de tensão / Abstract: The electrical systems have been exposed to new researches and developments with the main objectives of a smarter and safer operation and planning. A new paradigm arises with the concept of smart grids, which include as one of its main characteristics the integration of consumer's appliances in the system operation in a more active way. An example is the demand-side management at peak time, relieving the load and increasing system security, in order to obtain benefits to the electrical system and also to consumers. In order to make this possible, some requirements and technological advances are necessary: the existence of a communication interface between the consumers and their appliances and the utility; smart appliances that allow such management without any damage or interference on the routine of the consumer; compensation mechanisms to encourage consumer participation. In this dissertation it is proposed a study about a device that has potential to this kind of management, the household refrigerator. Due to its thermal inertia and isolation, the refrigerator can be turned on and off for some time without degradation of its primary function. The objectives of this work are: development of an adequate model for the computational simulation of a group of refrigerators; implementation of management schemes to reduce the consumption at peak time; analysis of the impacts of such procedures to a distribution grid, taking into consideration the reduction of the consumption at the peak hours, reduction of losses and improvement on voltage profile / Mestrado / Energia Eletrica / Mestre em Engenharia Elétrica

Uma tendência crescente entre os pesquisadores da Robótica Móvel é a elaboração de sistemas robóticos descentralizados denominados enxames de robôs, nos quais a ação conjunta de cada agente leva à execução de tarefas de maneira mais robusta que quando realizada por um único robô. Um acréscimo adicional à robustez é conveniente em tais sistemas para que eles sejam de maior confiabilidade no mundo real. Neste trabalho, uma rede neural hierárquica desenvolvida para o aprendizado em tempo real inicialmente elaborada para o aprendizado de navegação de um único robô será estendida para controlar um enxame de robôs. O sistema realiza um balanceamento da influência de comportamentos implementados previamente em um robô de acordo com conhecimentos obtidos através da interação do mesmo com o ambiente. Cada robô possui sua própria rede neural, adquirindo seu conhecimento tanto independentemente quanto com o compartilhamento de informações com outros robôs. Espera-se que o uso de tal arquitetura permita uma adaptação mais rápida dos robôs ao ambiente, permitindo uma mudança em tempo real de seus parâmetros de acordo com as peculiaridades do ambiente no qual os robôs estão inseridos. A tarefa de escolta de um robô pelos demais é adotada para a avaliação de desempenho do modelo de rede neural proposto. Dois comportamentos são ponderados pela rede neural hierárquica: o de manutenção de uma distância preestabelecida a um agente e um outro de cobertura de área baseado em Diagramas Centroidais de Voronoi. Os testes foram feitos nos ambientes Player/Stage e indicam que a rede neural hierárquica torna os robôs capazes não apenas de aprender à medida que interagem com ambiente como de utilizar este conhecimento em tempo real para realizar a escolta de forma bem sucedida / A growing trend among Mobile Robotics researchers is developing robot swarms, in which a decentralized robot team solves tasks by combining simple behaviors. It is convenient to have mechanisms to increase a robot systems robustness. In this work, a neural network inspired in behavioral analysis is used to make robots from a swarm to learn how to act propoerly. This network combines two innate behaviors and, according to its experience, learns with the robots mistakes how to make this combination. Each robot has access to its own independent neural network, and can share its knowledge with neighboring robots. It is expected that such architecture learns by itself when to stimulate or supress each behaviors influence as it interacts with the environment. The task chosen to evaluate the proposed system is the escorting of a mobile agent. Two behaviors are balanced to achieve an escorting behavior: maintenance of a minimum distance between a robot and the escort target and an area coverage method based on Centroidal Voronoi Tessellations. Tests were meade using the Player/Stage simulator, and they show that the robots not only are capable of adapting themselves but also are able to use the stored knowledge to improve their effectiveness in doing the desired task

The output of our work is complete proposal of the building wiring, the photovoltaic power plant proposal and technical report. In the first part we find the theoretical information concerning the proposal of the house wiring, explanations of basic terms and principles of technical documentation. We can find also an overview of known intelligent systems and a brief description. In the second part we describe itself proposal of concrete building, step by step. We can find a description of a created program to control building. The third part is focused on theoretical information about photovoltaics. Here we explain the basic principle, the limits of technology, materials and the panel structure. In the fourth part we proceeded to the actual plant proposal. Here we find the principle and a block diagram of system and description of the components of the plant, evaluation of production and energy consumption. Drawings of the technical documentation wiring as a photovoltaic power plant, distributor scheme and its layout can be found in the technical report, in Attachment.

No description available.

No description available.

In order for intelligent systems to be a viable and utilized tool, a user must be able to understand how the system comes to a decision. Without understanding how the system arrived at an answer, a user will be less likely to trust its decision. One way to increase a user's understanding of how the system functions is by employing explanations to account for the output produced. There have been attempts to explain intelligent systems over the past three decades. However, each attempt has had shortcomings that separated the logic used to produce the output and that used to produce the explanation. By using the representational paradigm of Contextual Graphs, it is proposed that explanations can be produced to overcome these shortcomings. Two different temporal forms of explanations are proposed, a pre-explanation and a post-explanation. The pre-explanation is intended to help the user understand the decision making process. The post-explanation is intended to help the user understand how the system arrived at a final decision. Both explanations are intended to help the user gain a greater understanding of the logic used to compute the system's output, and thereby enhance the system's credibility and utility. A prototype system is constructed to be used as a decision support tool in a National Science Foundation research program. The researcher has spent the last year at the NSF collecting the knowledge implemented in the prototype system.

No description available.