nÃo hà / Esta dissertaÃÃo apresenta os resultados de um sistema de auxÃlio ao diagnÃstico mÃdico implementado atravÃs de classificadores estatÃsticos e neurais. O Sistema Inteligente para DiagnÃstico de Patologias da Coluna Vertebral (SINPATCO) à composto por trÃs subsistemas, a saber: interface grÃfica, classificaÃÃo de patologias e extraÃÃo de conhecimento. O mÃdulo de interface grÃfica permite uma interaÃÃo amigÃvel com o especialista mÃdico. O mÃdulo de classificaÃÃo automÃtica de patologias à implementado por diferentes algoritmos, tais como discriminantes linear e quadrÃtico, Naive Bayes, K-Vizinhos mais PrÃximos (KNN), rede MLP, rede SOM e rede GRNN. O mÃdulo de extra ÃÃo de conhecimento à responsÃvel pela extraÃÃo de regras proposicionais a partir dos classificadores treinados, a fim de elucidar para o mÃdico ortopedista como o classificador chega ao diagnÃstico final. Em particular, o mÃdulo de classificaÃÃo de patologias da plataforma SINPATCO utiliza atributos biomecÃnicos recentemente propostos para efetuar a categorizaÃÃo de um paciente em trÃs classes: pacientes normais, pacientes com espondilolistese e pacientes com hÃrnia de disco. Os diversos classificadores supracitados sÃo comparados com relaÃÃo à taxa de acerto, nÃmero de falsos positivos, nÃmero de falsos negativos e sensibilidade a amostras discrepantes (outliers). As contribuiÃÃes deste trabalho sÃo variadas, indo desde do fato de ser provavelmente o primeiro a usar um conjunto recente de atributos biomecÃnicos para projeto de classificadores na Ãrea de medicina ortopÃdica, passando pelo estudo comparativo do desempenho de vÃrios classificadores, atà a extraÃÃo de regras a partir dos classificadores com melhor desempenho para explicar o diagnÃstico obtido ao mÃdico, para posterior avaliaÃÃo. Atà onde se tem conhecimento, a combinaÃÃo destas trÃs contribuiÃÃes torna o sistema SINPATCO inovador na Ãrea de ortopedia mÃdica, servindo de auxÃlio na atividade de diagnÃstico e facilitando o trabalho dos profissionais dessa Ãrea. AlÃm servir como ferramenta de auxÃlio ao diagnÃstico do mÃdico especializado em ortopedia, o sistema SINPATCO pode ser usado por clÃnicos nÃo-especialistas em ortopedia, a fim de minimizar a carÃncia de ortopedistas em regiÃes remotas, agilizando o atendimento e o encaminhamento do paciente para centros mais desenvolvidos. / This dissertation presents the results obtained from a computer-aided medical diagnostic system implemented through statistical and neural pattern classifiers. The Intelligent System for Diagnosis of Pathologies of the Vertebral Column (SINPATCO) has a modular architecture and is composed of three subsystems, namely: graphical interface, classification of pathology, and knowledge extraction. The graphical interface module allows a friendly man-machine interaction with the physician. The pathology classification module is implemented through difierent algorithms, such as linear and quadratic discriminants, Naive Bayes classifier, K Nearest Neighbors (KNN) classifier, Multilayer Perceptron (MLP) network, Self-Organizing Map (SOM) network, ang Generalized Regression network (GRNN). The knowledge extraction module is responsible for rule extraction from trained neural network based classifiers, in order to elucidate the neural-based diagnostic to the orthopedist. In particular, the pathology classification module of the SINPATCO platform uses recently proposed biomechanical attributes to categorize a patient into one out of three classes: normal subjects, subjects with spondilolistesis, and subjects with disk hernia. All the aforementioned classifiers are evaluated with respect their pathology recognition rate, number of false positive cases, number of false negative cases and sensitivity to outliers. The contribution of this work is manifold. Starting from the fact that it is probably the first to use (within the orthopaedic medicine) a recently proposed set of biomechanical measurements for the design of classifiers, this work also evaluates several pattern classifiers in the diagnosis of patologies of the vertebral column, and allows knowledge extraction from the trained classifiers in order to elucidate the obtained diagnostic to the physician. To the best of our knowledge, the combination of these three contributions makes the SINPATCO platform an innovative computer-aid tool for the orthopedist, facilitating the work of these professionals. Despite the fact that the SINPATCO platform can serve as a computer-aided diagnostic tool in the orthopedic medicine, it can also be used by non-expert clinicians, in order to minimize the lack of orthopedists in remote regions, speeding up the treatment and the transferring of patients to more developed centers.

CoordenaÃÃo de AperfeiÃoamento de Pessoal de NÃvel Superior / The present work is a study of a methodology that seeks to be more economical and efficient compared to traditional methods, the design of three phase distribution transformers. To this end, we use a tool of Computational Intelligence, based on previous calculations made in the traditional way by manufacturing industries and books that address this matter. It is evident here, another way to design the active part of the transformer, the dimension of the core and coil, for this, used Genetic Algorithms (GA) which will assist in the calculation and selection of parameters, providing the best choice of design of the transformer, minimizing, on average, 5% in the cost and losses in 2.5% as input parameters the following standard. With changes in the fitness function of GA, one can simply adapt to new requirements and standards. As a result of using the genetic algorithm can find a design solution that is more efficient than that used by the manufacturers. The losses calculated values meet established by NBR-5440. / O presente trabalho faz um estudo de uma metodologia que busca ser mais econÃmica e eficiente, em comparaÃÃo com mÃtodos tradicionais, no projeto de transformadores de distribuiÃÃo trifÃsico. Para tal, utiliza-se uma ferramenta de InteligÃncia Computacional, tendo como base cÃlculos anteriores feitos de forma tradicional por indÃstrias fabricantes e livros que tratam desse assunto. Evidencia-se, aqui, mais uma maneira de projetar a parte ativa do transformador, ou seja, o dimensionamento do nÃcleo e bobinas; para isso, utiliza-se Algoritmos GenÃticos (GA), que irÃo auxiliar no cÃlculo e escolha dos parÃmetros, proporcionando a melhor escolha do projeto do transformador, minimizando, em mÃdia, o custo em 5 % e as perdas em 2,5 %, conforme parÃmetros de entrada seguindo a norma. Com modificaÃÃes na funÃÃo de fitness do GA, pode-se adequar de maneira simples a novas exigÃncias e normas. Como consequÃncia da utilizaÃÃo do Algoritmo GenÃtico pode-se encontrar uma soluÃÃo de projeto que à mais eficiente do que a utilizada pelos fabricantes. As perdas calculadas atendem valores estabelecidos pela norma NBR-5440.

CoordenaÃÃo de AperfeiÃoamento de Pessoal de NÃvel Superior / This work aims to characterize the current stage of Irrigated Perimeters Federal government with a view to self-management process and present alternative of allocating water distribution in secondary irrigation canals. The research was divided into two themes. The first addressed the development of a methodology for evaluating the performance of Irrigated Perimeters from the creation of a statistical model Multivariate discriminant and an Artificial Neural Network using the performance indicators of irrigated public areas of the National Department of Works Against Drought (Dnocs) and Development Company of the SÃo Francisco and ParnaÃba (Codevasf) as a way to evaluate the prospect of self-management of the same. The second dealt with the optimization of water use, a case study at the Experimental Farm Curu Valley, belonging to the Federal University of CearÃ, in the area adjacent to the irrigated Curu Pentecost were accomplished. Based on information provided by the National Department of Works Against Drought (Dnocs) and Development Company of the SÃo Francisco and ParnaÃba (Codevasf), the key performance indicators relating to Self-Management of Irrigated Perimeters were evaluated. The Multivariate and discriminant analysis (AMD) technique Artificial Neural Networks (ANN) were used to separate the standards relating to the performance of Irrigated Perimeters linear character or not. RNA yielded the automatic identification of the pattern that belongs to each perimeter over time. Based on the results obtained in the multivariate discriminant analysis, we observed the Generation Revenue per Hectare (HRM) as the most important indicator in discriminatory process between Irrigated Perimeters regarding self-management. The perimeters with the best performance in relation to self-management were: Nilo Coelho, CuraÃà I Pirapora and ManiÃoba. Regarding the operationalization of water use, we used a mathematical model of linear programming to determine the most rational way to release water for irrigated areas. The allocation defined by mathematical modeling proved adequate for the needs of established cultures, showing the most rational use of water. / Este trabalho tem como objetivo caracterizar o estÃgio atual dos PerÃmetros Irrigados PÃblicos Federais com vistas ao processo de autogestÃo e apresentar alternativa de alocar a distribuiÃÃo de Ãgua em canais secundÃrios de irrigaÃÃo. A pesquisa foi dividida em dois temas. O primeiro abordou o desenvolvimento de uma metodologia de avaliaÃÃo de desempenho de PerÃmetros Irrigados a partir da criaÃÃo de um modelo estatÃstico Discriminante Multivariado e de uma Rede Neural Artificial utilizando os indicadores de desempenho dos perÃmetros pÃblicos irrigados do Departamento Nacional de Obras Contra as Secas (Dnocs) e da Companhia de Desenvolvimento do Vale do SÃo Francisco e ParnaÃba (Codevasf), como forma de avaliar a perspectiva da autogestÃo dos mesmos. O segundo tratou da otimizaÃÃo do uso da Ãgua, tendo sido realizado um estudo de caso na Fazenda Experimental Vale do Curu, pertencente à Universidade Federal do CearÃ, em Ãrea contÃgua ao PerÃmetro Irrigado Curu Pentecoste. Com base nas informaÃÃes disponibilizadas pelo Departamento Nacional de Obras Contra as Secas (Dnocs) e a Companhia de Desenvolvimento do Vale do SÃo Francisco e ParnaÃba (Codevasf), foram avaliados os principais indicadores de desempenho relativos à AutogestÃo dos PerÃmetros Irrigados. A AnÃlise Multivariada Discriminante (AMD) e a tÃcnica de Redes Neurais Artificiais (RNA) foram utilizadas para separar os padrÃes referentes ao desempenho dos PerÃmetros Irrigados de carÃter linear ou nÃo. A RNA proporcionou a identificaÃÃo automÃtica do padrÃo a que pertence cada perÃmetro no decorrer do tempo. Com base nos resultados obtidos na AnÃlise Multivariada Discriminante, observou-se o indicador GeraÃÃo de Receita por Hectare (GRH) como mais importante no processo discriminatÃrio entre os PerÃmetros Irrigados quanto à AutogestÃo. Os PerÃmetros com os melhores desempenhos em relaÃÃo à AutogestÃo foram: Nilo Coelho, CuraÃà I, Pirapora e ManiÃoba. Com relaÃÃo à operacionalizaÃÃo do uso da Ãgua, utilizou-se um modelo matemÃtico de programaÃÃo linear para determinar a forma mais racional de liberar Ãgua para as Ãreas irrigadas. A alocaÃÃo definida pela modelagem matemÃtica mostrou-se adequada para as necessidades das culturas estabelecidas, mostrando a utilizaÃÃo mais racional da Ãgua.

A tomada de decisÃo à um processo cognitivo que conduz à seleÃÃo de um plano de escolha dentre vÃrios. Este pode ser concebido atravÃs do juÃzo de um ou vÃrios indivÃduos, os quais serÃo definidos como agentes. O trabalho em questÃo terà como cerne ambientes onde grupo de indivÃduos atuam simultaneamente influenciando uns aos outros, ou seja, iremos trabalhar com sistemas multiagentes. Dentre a classe de problemas envolvidos pela tomada de decisÃo, destacam-se os Problemas de DecisÃo MulticritÃrio. Estes sÃo uma variaÃÃo dos Problemas de DecisÃo usuais onde a correta tomada de decisÃo se processa atravÃs da apreciaÃÃo de vÃrios critÃrios, os quais sÃo utilizados para descrever o objeto/fato a ser decidido. Para que seja possÃvel a tomada de decisÃo, se faz necessÃrio uma estratÃgia que analise o problema em questÃo, de modo a determinar as alternativas sobre as quais o tomador de decisÃo deverà escolher, avalie cada critÃrio que compÃe a alternativa, diante dos possÃveis valores que estes podem assumir, para, assim, realizar a tomada de decisÃo. Dentre as diversas estratÃgias utilizadas para resolver este tipo de problemas, destacam-se aquelas que usam a LÃgica MatemÃtica como tÃcnica de modelagem e soluÃÃo. Amplamente estudada por pesquisadores vinculados à InteligÃncia Artificial, a LÃgica MatemÃtica utiliza-se de conceitos especÃficos de sua sintaxe e semÃntica para modelar ambientes complexos e estabelecer por mÃtodos especÃficos a tomada de decisÃo. Dentre as abordagens relevantes vinculadas à LÃgica MatemÃtica, destacam-s aquelas que empregam a LÃgica de Primeira Ordem. Inspirado nas LÃgica de PreferÃncias clÃssicas, este trabalho propÃe a LÃgica de Primeira Ordem para problemas de DecisÃo com AgregaÃÃo de PreferÃncias FODPA. Esta à capaz de modelar e resolver Problemas de DecisÃo MulticritÃrio em ambientes multiagentes atravÃs de tÃcnicas relacionadas Ãs LÃgicas com AgregaÃÃo de PreferÃncias e à LÃgica de Primeira Ordem. / Decision making is a cognitive procedure that lead to selection of a plan of choice among several. This can be designed through the judgment of one or more individuals, who are defined as agents. The work in question will have as core environments where several individuals act simultaneously, that is, we will work with multi-agent systems. Among the problems involved by the decision making processes, stand out the Multicriteria Decision Problems. These are a variation of the usual Decision Problems where the correct decision-making processes through the assessment of various criteria, which are used to describe the object / fact to be decided. To be able the correct decision making, a strategy is necessery to analyze the problem, determine the alternatives on which the decision maker must choose, evaluate each criterion that compose an alternative towards the possible values that each criterion can assume, thus, take the decision. Among the several strategies used to solve such problems, stand out those that use the Mathematical Logic as modeling and solution techniques. Extensively studied by researchers in Artificial Intelligence, the Mathematical Logic uses specific concepts of its syntax and semantics to model complex environments and establish decision-making. Inspired by the Classical Preferences Logics, this work aims to propose the First Order Logic for Decison problems with Preference Aggregation {FODPA}. This is able to model and solve Multicriteria Decisiom Problems in multi-agent environments by techniques related to Preferences Logics and the First Order Logic.

Conselho Nacional de Desenvolvimento CientÃfico e TecnolÃgico / In order to manage adequately natural resources inside a fragile environment, just like Caatinga, one should know its properties and spatial distribution. This work proposes an approach to classify LANDSAT-5 satellite images. These images, corresponding to a semiarid environment located in Iguatu country, Ceara, Brazil, were classified aiming at detecting the Caatinga biome by two type of classifiers based on machinery learning: Multi Layer Perceptron (MLP) and Support Vector Machine (SVM). The static classifier of Maximum Likelihood was also used as comparison to the other two methods. Agriculture, water, anthropical, herbaceous shrub Caatinga (CHA) and dense high Caatinga (CAD) are the five classes defined for classifying. MLP method tests were carried out changing neurons quantity in the intermediate layer. SVM method tests were carried out changing σ, from Gauss function, and penalization parameter (C). Performance of the tests was analyzed by Global Accuracy, Specific Accuracy and Kappa coefficient. The last one calculated by confusion matrix, which has been generated by comparison of classification data and ground control points GPS georreferenced (true points). MLP method presented best performance for tests in which 12 neurons have been attributed to the intermediate layer resulting in Global Accuracy and Kappa values of 82.14% and 0.76, respectively. On the other hand, SVM method presented best performance for tests carried out with C=1000 and σ=2, resulting in Global Accuracy and Kappa values of 86.03% and 0.77, respectively. The Maximum Likelihood classifier presented 81.2% of its pixels correctly classified (Global Accuracy) and K coefficient value of 0.73. The values of Specific Accuracy, which makes it possible to analyze the performance of each individual class, were above 70% in each class. A total 576 km2 area was classified. Between the two types of Caatinga biome considered, herbaceous shrub Caatinga (CHA) comes to be the most common. Therefore, taking into account experimental results, it is possible to conclude that both SVM and MLP methods, which are based on machine learning, show satisfactory performance for classifying Caatinga biome. / O manejo adequado dos recursos naturais em ambientes frÃgeis, como o da Caatinga, requer o conhecimento de suas propriedades e distribuiÃÃo espacial. Desta forma, o presente trabalho propÃe uma abordagem para a classificaÃÃo de imagens do satÃlite LANDSAT-5, correspondente a uma regiÃo semiÃrida localizada no municÃpio de Iguatu no Estado do CearÃ, objetivando detectar o bioma da Caatinga por meio de dois tipos de classificadores baseados em aprendizado de mÃquina: o mÃtodo baseado em Perceptrons de MÃltiplas Camadas-MLP (do inglÃs Multi Layer Perceptron) e o mÃtodo MÃquinas de Vetores de Suporte-SVM (do inglÃs Support Vector Machine). O classificador estatÃstico da mÃxima verossimilhanÃa, por ser amplamente utilizado na literatura, tambÃm foi aplicado à Ãrea em estudo para que o desempenho dos mÃtodos propostos fosse comparado aos destes. Cinco classes foram definidas para a classificaÃÃo, a saber: agricultura, antropizada, Ãgua, caatinga herbÃcea arbustiva (CHA) e caatinga arbÃrea densa (CAD). Para o mÃtodo MLP, foram realizados testes variando a quantidade de neurÃnios na camada intermediÃria. Jà os testes para o mÃtodo SVM consistiram em variar o parÃmetro σ da funÃÃo gaussiana e o parÃmetro de penalizaÃÃo (C). A eficiÃncia dos mÃtodos foi analisada por meio dos coeficientes de ExatidÃo Global, ExatidÃo EspecÃfica e de Kappa calculados por meio dos dados da matriz de confusÃo. Esta, por sua vez, foi gerada para cada mÃtodo a partir da comparaÃÃo entre a classificaÃÃo e os pontos georreferenciados com aparelho GPS (correspondentes à verdade terrestre). O mÃtodo MLP apresentou melhor desempenho para o teste em que 12 neurÃnios foram atribuÃdos à camada intermediÃria, com valores de ExatidÃo Global e de Kappa de 82,14% e 0,76, respectivamente. Jà o mÃtodo SVM apresentou melhor performance para o teste com C=1000 e σ=2 no qual se obteve valores de 86,03% e 0,77 para os coeficientes de ExatidÃo Global e Kappa, respectivamente. O valor de ExatidÃo Global para o classificador estatÃstico da mÃxima verossimilhanÃa permitiu concluir que 81,2% dos pixels foram classificados corretamente e o coeficiente de Kappa para este mÃtodo foi de 0,73. Os valores dos coeficientes de ExatidÃo EspecÃfica, que proporcionam analisar o desempenho dos mÃtodos em cada classe, foram superiores a 70%. A Ãrea total classificada foi de 576 km2 e, dentre as duas classes consideradas para o bioma Caatinga, a predominante à a do tipo caatinga herbÃcea arbustiva (CHA). Assim, por meio dos resultados experimentais obtidos, pode-se afirmar que os mÃtodos SVM e MLP, baseados em aprendizado de mÃquina, apresentaram desempenho satisfatÃrio para a classificaÃÃo do bioma Caatinga.

nÃo hà / Esta tese investiga a atividade de inteligÃncia na PolÃcia Militar do CearÃ. A inteligÃncia policial compreende a coleta e a gestÃo de informaÃÃes que deverÃo ser resultar em conhecimento relevante para a tomada de decisÃo dos comandantes. Para tanto, os PMs que atuam nessa Ãrea precisam desenvolver uma sÃrie de habilidades cognitivas e interpessoais, alÃm de constituir uma rede de informantes baseada fundamentalmente no sigilo e na confianÃa, dois conceitos eminentemente sociolÃgicos. Ao contrÃrio dos PMs que atuam no policiamento ostensivo, os agentes do ServiÃo Reservado - um dos nomes pelos quais essa atividade à conhecida - nÃo trajam farda e possuem maior autonomia de aÃÃo. Por causa disso, eles atuam numa tÃnue linha moral, permeada por ilegalismos diversos. Na presente pesquisa, busco compreender a atuaÃÃo desses policiais e como a inteligÃncia policial se insere no funcionamento do sistema de justiÃa criminal a partir de uma estratÃgia teÃrico-metodolÃgica que se fundamenta nos relatos e nas percepÃÃes que os agentes de inteligÃncia possuem acerca da atividade que desempenham. / This thesis investigates the intelligence activity in the Military Police of CearÃ. The police intelligence involves the collection and management of information that should be result in relevant knowledge for decision making of the commanders. Therefore, the PMs working in this area need to develop a range of cognitive and interpersonal skills as well as building a network of informants fundamentally based on secrecy and trust, two eminently sociological concepts. Unlike PMs operating in ostensible policing, the agents of the Reserved Service - one of the names by which this activity is known â donât wear uniforms and have greater autonomy of action. Because of this, they act in a thin moral line permeated by various illegalisms. In the present research, I seek to understand the performance of these policemen and how the police intelligence integrates the functioning of the criminal justice system from a theoretical and methodological strategy that is based on the reports and perceptions that intelligence agents have about their own activity.

nÃo hà / Na primeira parte deste trabalho, empregamos uma rede neural artificial (RNA) treinada com algoritmo back-propagation para inferir a volatilidade dos gases liquefeitos de petrÃleo (GLP) produzidos em uma torre de fracionamento de lÃquido de gÃs natural (LGN). Os resultados obtidos indicam que a RNA fornece melhores respostas do que um simulador desenvolvido com base fenomenolÃgica que se encontra em fase de implementaÃÃo na planta em estudo. Na segunda parte da dissertaÃÃo, o nosso objetivo primordial à demonstrar que os fluxogramas de processos de refinarias de petrÃleo podem estar intrinsecamente associados à topologias de redes complexas, que sÃo scale-free, exibem efeitos de mundo pequeno e possuem organizaÃÃo hierÃrquica. A emergÃncia dessas propriedades em redes artificiais à explicada como uma consequÃncia dos princÃpios usados no design de projeto dos processos, os quais incluem regras heurÃsticas e tÃcnicas algorÃtmicas. Esperamos que esses resultados sejam tambÃm vÃlidos para plantas quÃmicas de diferentes tipos e capacidades. / In the first part of this work we apply an artificial neural network (ANN) trained with a back-propagation algorithm to predict the volatility of liquefied petroleum gases (LPG) produced from a fractionation tower of natural gas liquid (NGL). Our analysis indicate that the ANN scheme provides better results than a simulator developed based phenomenological which is currently being implemented in the plant under study. In the second part, our primary objective is to demonstrate that flowsheets of oil refineries can be intrinsically associated to complex network topologies, which are scale-free, display small-word effect and have hierarchical organization. The emergence of these properties artificial networks is explained as a consequence of the design principles used in the processâ design, which include heuristics rules and algorithmic techniques. We expect these results to be also valid for chemical plants of different types and capacities.

CoordenaÃÃo de AperfeÃoamento de Pessoal de NÃvel Superior / Esta dissertaÃÃo visa a detecÃÃo de falhas incipientes por curto-circuito entre espiras de um motor de induÃÃo trifÃsico do tipo gaiola de esquilo acionado por conversor de frequÃncia com modulaÃÃo por largura de pulso do tipo senoidal. Para detectar este tipo de falha, uma bancada de testes à utilizada para impor diferentes condiÃÃes de operaÃÃo ao motor, e cada amostra do conjunto de dados foi extraÃda das correntes de linha do conversor de frequÃncia supracitado. Para extraÃÃo de caracterÃsticas, a anÃlise da assinatura de corrente do motor foi utilizada. Para solucionar este problema, a detecÃÃo desta falha à tratada como um problema de classificaÃÃo, por isso, diferentes algoritmos supervisionados de aprendizado de mÃquina sÃo utilizados: MÃnimos Quadrados OrdinÃrios, Redes Perceptron Simples, Redes Perceptron Multicamadas, MÃquina de Aprendizado Extremo, MÃquina de Vetor de Suporte, MÃquina de Vetor de Suporte por MÃnimos Quadrados, MÃquina de Aprendizado MÃnimo, e Classificadores Gaussianos. Juntamente com a tÃcnica de opÃÃo de rejeiÃÃo, estes classificadores sÃo testados e os resultados destes sÃo comparados entre si e com outros trabalhos que fizeram uso mesmo banco de dados. Taxas de acerto mÃximo de 100% com os classificadores MÃquina de Vetor de Suporte e MÃquina de Vetor de Suporte por MÃnimos Quadrados sugerem que, em um futuro prÃximo, um sistema embarcado pode ser desenvolvido com estes algoritmos. / This dissertation aims at the detection of short-circuit incipient fault condition in a threephase squirrel-cage induction motor fed by a sinusoidal PWM inverter. In order to detect this fault, a test bench is used to impose different operation conditions to an induction motor, and each sample of the data set is taken from the line currents of the PWM inverter aforementioned. For feature extraction, the Motor Current Signature Analysis is used. The detection of this fault is treated as a classification problem, therefore different supervised algorithms of machine learning are used so as to solve it: Ordinary Least Squares, Singlelayer Perceptron, Multi-layer Perceptron, Extreme Learning Machine, Support-Vector Machine, Least-Squares Support-Vector Machine, the Minimal Learning Machine, and Gaussian Classifiers. Together with Reject Option technique, these classifiers are tested and the results are compared with other works that use the same data set. Maximum accuracy rates of 100% with Support-Vector Machine and Least-Squares Support-Vector Machine classifiers suggest that, in near future, an embedded system can be developed with these algorithms.

Conselho Nacional de Desenvolvimento CientÃfico e TecnolÃgico / A morfologia matemÃtica à uma abordagem utilizada em problemas de processamento e anÃlise de imagens em que sÃo realizadas transformaÃÃes de um objeto (imagem) por padrÃes de formas prÃ-definidas. Tais transformaÃÃes sÃo efetuadas por operadores morfolÃgicos, sendo a erosÃo e a dilataÃÃo os operadores morfolÃgicos elementares. Neste trabalho à apresentado um mecanismo de aprendizagem destinado à geraÃÃo automÃtica de templates, a serem utilizados em operadores morfolÃgicos de casamento inexato de padrÃes (em que o casamento nÃo precisa ser perfeito). Esse modelo de operador à aqui denominado de Operador MorfolÃgico Adaptativo de Casamento de PadrÃes (OMACP), e combina o formalismo da morfologia matemÃtica atravÃs de ELUTs (Elementary Look-Up Tables) com tÃcnicas de aprendizagem de mÃquina. Os operadores morfolÃgicos para casamento de padrÃes via ELUTs jà descritos na literatura permitem o casamento inexato de padrÃes, ou detecÃÃo com folga, em imagens digitais atravÃs da definiÃÃo de um intervalo em torno de um padrÃo de referÃncia. Esse intervalo aplicado em todos os pixels do padrÃo de referÃncia possui um valor constante e sua escolha depende de parÃmetros cujo ajuste normalmente à realizado tendo como base resultados empÃricos, alÃm de ser fortemente sensÃvel a idiossincrasia do usuÃrio. Este trabalho propÃe um mecanismo, baseado em parÃmetros estatÃsticos, que automatiza a escolha desse intervalo. AlÃm de nÃo considerÃ-lo mais um valor constante para todos os pixels do padrÃo de referÃncia. Tal mecanismo reduz assim a interferÃncia de um usuÃrio na definiÃÃo dos parÃmetros do operador morfolÃgico. Para comprovar a eficÃcia obtida com a inclusÃo tanto das tÃcnicas de aprendizagem quanto do mecanismo de escolha do intervalo em torno do padrÃo de referÃncia, foram realizados experimentos comparativos entre o OMACP proposto (com a inclusÃo das novas funcionalidades) com os operadores jà descritos na literatura sem essas alteraÃÃes. / Mathematical morphology is an approach applied in processing and image analysis problems that performs transformations in an object (image) by patterns of predefined forms. Such transformations are called morphological operators, with erosion and dilation being the elementary morphological operators. This work presents a machine learning mechanism applied for the automatic generation of templates, to be used by inexact template matching morphological operators. This model of operator is called Template Matching Adaptive Morphological Operator (OMACP), and combines the formalism of mathematical morphology through ELUTs (Elementary Look-Up Tables) with machine learning techniques. The ELUTs based template matching morphological operators already described in the literature allow inexact pattern recognition in digital images by defining a range around a reference pattern. This range has a constant value that is applied to all pixels of reference patterns, and its choice depends on parameters whose adjustments is usually performed based on empirical results, besides being highly sensitive to user idiosyncrasies. This work also proposes a mechanism, based on statistical parameters, which automates the choice of these range. Besides not consider it a constant value for all pixels of reference pattern. Such mechanism reduces the interference of a user to define the parameters of the morphological operator. To prove the effectiveness achieved with the inclusion of learning techniques and the choices mechanism of the range around the pattern reference, were performed comparative experiments between the proposed OMACP (with the inclusion of new features) with operators already studied without these features.

Conselho Nacional de Desenvolvimento CientÃfico e TecnolÃgico / A irrigaÃÃo à uma das prÃticas culturais que mais influencia o aumento da produÃÃo. No entanto, para o sucesso desta prÃtica necessita-se determinar o tempo certo da aplicaÃÃo de Ãgua para evitar desperdÃcios. Com isso, o emprego de sensores de umidade, como os sensores capacitivos, para nÃveis reais de umidade do solo aliados a redes neurais artificiais (RNAs) que calculam tempo de irrigaÃÃo, podem ser uma aquisiÃÃo promissora para a automaÃÃo de sistemas de irrigaÃÃo. Desta forma, objetivou-se com o presente trabalho desenvolver uma RNA que estime o tempo de irrigaÃÃo e comparando-o com o tempo estimado pelo mÃtodo do balanÃo volumÃtrico para a cultura da melancia. Foram utilizadas RNAs do tipo perceptron de mÃltiplas camadas. Para o treinamento foram usados dados de manejos em Ãrea do PERÃMETRO IRRIGADO BAIXO ACARAà no estado do Cearà onde a umidade do solo à determinada por sensores capacitivos desenvolvidos pela Universidade Federal do Cearà (UFC). Foram testadas redes para as fases da cultura. A primeira fase determinada entre 0 e 30 dias apÃs a semeadura (DAS) e a segunda fase sendo de 31 à 60 DAS. Foram testadas redes com 2 e 4 entradas; com 5, 10 e 20 neurÃnios na camada intermediÃria (NCI) e 1.000, 5.000 e 10.000 iteraÃÃes. ApÃs os treinamentos, as redes neurais artificiais foram testadas em campo para a sua validaÃÃo, comparando as suas respostas em relaÃÃo ao mÃtodo do balanÃo hÃdrico volumÃtrico (BHV) para a segunda fase da cultura. Avaliando as redes com 2 e 4 entradas, observou-se que as redes de 4 entradas obtiveram menor erro quadrÃtico mÃdio, convergindo mais rapidamente para valores prÃximos a zero, quando comparadas Ãs redes de 2 entradas. Quanto ao NCI, nÃo houve mudanÃas entre as redes, dispensando a necessidade de programar redes maiores que 5 NCI para essa aplicaÃÃo. Para o nÃmero de Ãpocas de treinamento, a que obteve o melhor ajuste aos valores foram as redes com 10.000 iteraÃÃes para a primeira fase da cultura e 5.000 iteraÃÃes para a segunda fase da cultura. Com a etapa de campo pode-se constatar que nÃo houve diferenÃa estatÃstica entre os dois manejos adotados. Assim, a rede neural artificial mostrou-se eficiente para o manejo da irrigaÃÃo, mesmo tendo no experimento valores inÃditos ao treinamento. Neste trabalho pode-se concluir que a RNA de melhores respostas para a primeira fase da cultura apresentou a MLP 4-5-1 com 10.000 Ãpocas de treinamento e taxa de aprendizagem de 0,9 e para a segunda fase, MLP 4-5-1, com 10.000 Ãpocas de treinamento e taxa de aprendizagem de 0,9. Conclui-se tambÃm, com a etapa de campo, que a rede foi bem sucedida em calcular o tempo de irrigaÃÃo. / Irrigation is an agricultural practice that leads to high crop production, however the success of this practice depends largely on correct computation of the timing of the application to avoid excessive or deficit application. Thus, the use of moisture sensors, such as capacitive sensors for determining soil moisture combined with artificial neural networks (ANNs) to calculate irrigation time can be a promising tool for automation of irrigation systems. The objective of this work was to develop an ANN that estimate the irrigation time and to contrast the results with the management based on a volume balance method on a watermelon field. Multilayer perceptron types of ANNs were tested. For ANNs training, data obtained in previous harvest were used. The watermelon field was located in Baixo Acaraà Irrigation District in Cearà State â Brazil, where soil moisture was determined using capacitive sensors developed at the Universidade Federal do Cearà (UFC). Networks were tested for two growing stages. The first stage spanning from 0 to the 30th day after seeding (DAS) and the second stage from the 31st to 60th DAS at harvesting. Networks were tested with 2 and 4 inputs, with 5, 10 and 20 neurons in the intermediate layer (NIL) and 1,000, 5,000 and 10,000 epochs. Upon training, the artificial neural networks were field-tested for validation by comparing their responses to the volumetric water balance method (VWBM) for the second stage an succeeding crop cycle. It was found that networks with four entries presented the largest mean square error, converging rapidly to values close to zero, compared the networks with two entries. For the NIL, it was not found significant difference in the mean square error between all 3 tested architectures, therefore it was not necessary to test networks larger than 5 NIL for this application. For the number of training epochs, the one with the best fit values were networks with 10,000 epochs for the first stage of the crop cycle, and 5,000 epochs for the second stage of the crop cycle. It was found no statistical difference in watermelon yield between the two irrigation timing strategies tested (ANN and VWBM). Therefore the artificial neural network was efficient in irrigation management in the field even though the network was presented to some values not occurring during the training process. Thus, one can conclude that the ANN for best performance was a 4-5-1 with learning rate 0.9, and 10000 and 5000 training epochs, respectively in the first and second crop stage. In addition, it was found that the network successfully scheduled the irrigation during the validation process.