Dissertação (mestrado) - Pontifícia Universidade Católica do Paraná, Curitiba, 2010 / Bibliografia: f. 110-122 / A enfermagem necessita definir uma linguagem para padronizar o registro da assistência prestada ao paciente, para tanto emprega os sistemas classificatórios. A Classificação Internacional para a Prática de Enfermagem (CIPE®), que se encontra na versão 2.0 / Nursing needs to define a language to standardize the care records provided to patients by using classification systems. The International Classification for Nursing Practice (ICNP®), which is in version 2.0, and the contribution of the Brazilian vocabula

Dissertação (mestrado) - Pontifícia Universidade Católica do Paraná, Curitiba, 2007 / Bibliografia: f. 71-78 / As inovações tecnológicas introduzidas pelo avanço nos sistemas microeletrônicos e as comunicações sem-fio proporcionaram às redes de sensores sem-fio (RSSF) uma ampla variedade de aplicações comerciais e militares. Essas RSSF possuem de dezenas à milhare / The technological innovations introduced by the progress in the micro-electronics systems and the wireless communications provided the Wireless Sensor Networks (WSN), a wide variety of commercial and military applications. Those WSN possess of dozens to

Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2017-03-24T14:07:49Z No. of bitstreams: 1 texto completo.pdf: 1619684 bytes, checksum: 206897a913ca0364f7293eba083fbfc4 (MD5) / Made available in DSpace on 2017-03-24T14:07:49Z (GMT). No. of bitstreams: 1 texto completo.pdf: 1619684 bytes, checksum: 206897a913ca0364f7293eba083fbfc4 (MD5) Previous issue date: 2017-03-02 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A problemática em relação a esse fato é a possível surperexploração de poucas espécies que compõem a maior parte da intensidade de corte, quando os planos de manejo florestal não estimam a recuperação da floresta ao longo do tempo. Assim, as decisões sobre a intensidade e o ciclo de corte adequado não apresentam fundamentos baseados na dinâmica florestal. Isso poderia ser contornado por meio do emprego de modelos de crescimento e produção apropriados para a prognose dos estoques futuros, utilizando a dinâmica florestal como base na parametrização. Esses modelos também podem ser usados para avaliar a dinâmica florestal e perturbações naturais. Por tanto, novas técnicas de modelagem em florestas tropicais são necessárias para garantir a sustentabilidade dessa atividade. Nesse cenário, o objetivo foi modelar uma floresta colhida seletivamente, há mais de 30 anos, utilizando Redes Neurais Artificiais (RNA), para subsidiar decisões silviculturais sobre o manejo florestal na Amazônia. Para atender a esse objetivo, a tese foi dividida em quatro artigos. Em todas as modelagens foram utilizados os dados do campo experimental localizado na Floresta Nacional do Tapajós, à altura do Km 67 (55° 00’ W, 2° 45’ S) da Rodovia BR- 163, Cuiabá-Santarém, no município de Belterra, estado do Pará, Brasil. Predomina na área o bioma Amazônia e a tipologia Floresta Ombrófila Densa de terra firme. Em 1979, foi realizada a colheita seletiva com intensidade de 72,5 m 3 ha -1 , em uma área de 64 ha. Em 1981, foram instaladas aleatoriamente e inventariadas 36 parcelas permanentes (50 m x 50 m). Nove medições sucessivas foram realizadas na área, em 1982, 1983, 1985, 1987, 1992, 1997, 2007, 2010 e 2012. Para avaliar a modelagem foram utilizadas as estatísticas de correlação (ryŷ ), raiz quadrada do erro quadrático médio (RQEQM) e o coeficiente Kappa (usado para avaliar a saída categórica de mortalidade e sobrevivência). Também foi analisada a dispersão dos erros percentuais (Erro %). No primeiro artigo o objetivo foi estimar o recrutamento após a colheita de madeira, empregando redes neurais artificiais. A modelagem do recrutamento com RNA seguiu a tendência dos dados observados ao longo dos 31 anos, sendo obtido com a melhor rede um RQEQM de 35,6%e ryŷ de 0,89. No segundo artigo o objetivo foi modelar o crescimento das árvores individuais em uma floresta manejada na Amazônia, utilizando redes neurais artificiais. Todas as RNA, com índice de competição semi-independentes da distância e sem índice, apresentaram correlação acima de 99% e RQEQM menor que 11%. A modelagem do crescimento com RNA pode ser usada com precisão para auxiliar no manejo de florestas tropicais por seguir a tendência dos dados observados. No terceiro artigo o objetivo foi estimar a sobrevivência e a mortalidade de árvores individuais em floresta colhida seletivamente, utilizando redes neurais artificiais. O coeficiente Kappa geral ficou abaixo de 8% em todas as RNA (classificação “pobre”), mas todas as redes ficaram acima de 55% na classificação da sobrevivência (classificação “boa”). A RNA estimou com maior precisão a sobrevivência individual de árvores, mas isso não ocorreu com a mortalidade, que é um evento mais raro que a sobrevivência. No quarto artigo o objetivo foi empregar autômatos celulares com regra de evolução em redes neurais artificiais, para projetar a distribuição diamétrica. Todas as RNA apresentaram a correlação acima de 99% e RQEQM abaixo de 17%. A projeção em todos os períodos analisados não apresentou diferença estatística a 5% de significância em relação à observada, demonstrando que a projeção seguiu a tendência da dinâmica da distribuição diamétrica. A modelagem utilizando redes neurais artificiais para prognosticar o recrutamento, o crescimento, a sobrevivência e a distribuição diamétrica de floresta tropical colhida seletivamente seguiu a tendência dos dados observados, com elevada precisão no recrutamento, no crescimento individual de árvores, na sobrevivência e na distribuição diamétrica, e pode ser utilizada para subsidiar as decisões silviculturais no manejo florestal sustentável na Amazônia. / Forest management practiced in the Amazon rain forest does not consider the modeling of tropical forests as a technical and economic support in silvicultural decisions. The problem in this regard is the possible overexploitation of few species that compose a greater part of the cut intensity, when sustainable forest management plans do not estimate the forest recovery over time. Thus, decisions on intensity and the appropriate cutting cycle do not present grounds based on forest dynamics. This could be overcome by using suitable models that predict future inventories using forest dynamics as the basis for parameterization. Such models can also be used not only for modeling, for the purpose of forest harvesting, but for assessing forest dynamics and natural disturbances. Therefore, new modeling techniques in tropical forests are necessary to guarantee the sustainability of this activity. In this scenario, the thesis aims to model a forest selectively harvested over 30 years using Artificial Neural Networks (ANN) to support silvicultural decisions on forest management in the Amazon rain forest. To meet this goal, the thesis was divided into four article. In all the modelings were used the experimental field data located in Floresta Nacional do Tapajós (Tapajós National Forest), at Km 67 (55° 00’ W, 2° 45’ S) of the road Rodovia BR-163, Cuiabá-Santarém, in the municipality of Belterra, state of Pará, Brazil. The Amazon biome and the typology Dense Ombrophilous Forest of solid ground predominate in the area. In 1979 a selective harvest was carried out, with an intensity of 72.5 m3 ha-1 in an area of 64 ha. In 1981, 36 (50 m x 50 m) permanent plots were installed at random and inventoried. Nine successive measurements were carried out in the area in 1982, 1983, 1985, 1987, 1992, 1997, 2007, 2010, and 2012. To evaluate the modeling were used the correlation statistics (ryŷ), root-mean-square error (RMSE), model efficiency coeficiente (EM), and the Kappa coefficient (used to evaluate the categorical output of mortality and survival). Also analyzed was the dispersion of percentage errors (Error %). The first article aimed to estimate the recruitment after the harvest of wood using an Artificial Neural Network model. The modeling of recruitment with ANN followed the trend of the data observed over the 31 years, obtaining with the best ANN RMSD of 35.6% and of 0.89. The objective of the second article was to modelthe growth of individual trees in a forest managed in the Amazon using Artificial Neural Networks. All ANN with a semi-distance-independent competition index and without index presented a correlation above 99% and RMSD lower than 11%. ANN growth modeling can be efficiently used to aid in the management of tropical forests by following the trend of data observed and presenting high accuracy. The third article aimed to estimate the survival and mortality of individual trees in a selectively harvested forest using Artificial Neural Networks. The overall Kappa coefficient was below 8% for all ANNs (ranked “poor”) but all ANNs were above 55% in the survival classification (ranked “good”). ANN estimates the individual survival of trees more accurately but this does not occur with mortality, which is a rarer event than survival. The article chapter aimed to use cellular automata with evolution rule in Artificial Neural Networks to design diametric distribution. All ANN showed a correlation above 99% and RMSD below 17%. The projection in all the periods analyzed did not show statistical difference at 5% of significance in relation to the one observed, demonstrating that the projection followed the trend of the diametric distribution dynamics. Modeling using Artificial Neural Networks to predict recruitment, growth, survival, and diameter distribution of selectively harvested tropical forest followed the trend of data observed, with high precision in individual tree growth and diameter distribution, and can be used to support silvicultural decisions in sustainable forest management in the Amazon rain forest.

Submitted by Reginaldo Soares de Freitas (reginaldo.freitas@ufv.br) on 2017-05-23T18:22:36Z No. of bitstreams: 1 texto completo.pdf: 1390987 bytes, checksum: 9247b85525fc9a1cd272d7aaf202feeb (MD5) / Made available in DSpace on 2017-05-23T18:22:36Z (GMT). No. of bitstreams: 1 texto completo.pdf: 1390987 bytes, checksum: 9247b85525fc9a1cd272d7aaf202feeb (MD5) Previous issue date: 2016-12-02 / O conhecimento da radiação solar é de vital importância para caracterizar o clima de uma região. A radiação solar está diretamente ligada aos fenômenos meteorológicos e aos componentes atmosféricos no planeta. Nos últimos anos as redes meteorológicas brasileiras têm introduzido numerosas estações automáticas que permitem monitorar a irradiação solar global em escalas horárias. Historicamente a medição de dados climáticos em larga escala dava suporte às atividades ligadas a aviação e agricultura. Seu uso em aplicações na área de arquitetura ou engenharia passou a receber atenção apenas nos últimos 40 anos. Com o desenvolvimento exponencial da tecnologia, a utilização de ferramentas baseadas em simulação computacional tem tomado espaço nas mais diversas áreas. A necessidade de se ter um bom modelo matemático que possa descrever adequadamente, um processo constitui-se sempre em um desafio, uma vez que o desempenho dos sistemas de controle baseados em modelos irá depender significativamente da precisão alcançada pelo modelo matemático. No projeto de sistemas de controle baseados em modelos preditivos, deve ser possível capturar o comportamento dinâmico do processo ou sistema em condições realísticas e, ainda, buscar encontrar o modelo o mais simples possível visando otimizar os recursos computacionais. No presente trabalho as variáveis de interesse foram as composições de radiação, dada sua importância tanto para agricultura quanto para geração de energia fotovoltaica e solar térmica. Para a simulação, os dados horários de todos os anos foram agrupados em um único arquivo. Deste modo, utilizou-se metade dos dados para criação dos modelos e metade para validação. Durante as simulações, a Radiação Global Horizontal foi definida como entrada e as demais como saída. Vale ressaltar que para cada variável foi realizada uma nova simulação. A utilização da modelagem linear (ARX e ARMAX) para predição de dados de radiação solar mostrou-se eficiente para as composições: Extraterrestre Normal (Erro Quadrático Médio = 2,51%), lnfravermelha (Erro Quadrático Médio 1,40%) e Extraterrestre Horizontal (Erro Quadrático Médio = 7,15%). Na modelagem não-linear (redes neurais), a radiação foi utilizada como entrada e a temperatura como saída da rede. Em termos de intervalos, e mais simples criar pequenos intervalos para uma variável com menor ordem de grandeza, como é o caso da temperatura, uma vez que demanda um volume menor de dados de entrada e saída para classificação. As redes multi/ayer perceptron (MLP) foram aplicadas desempenhando a tarefa de classificação de padrões. Criaram-se duas camadas de rede feed-fon/vard. A primeira camada utilizou a função de transferência tangente hiperbólica e, a segunda camada utilizou a função de transferência linear. A simulação que gerou menor grau de acerto, 74,48%, foi a que utilizou a radiação global horizontal como entrada e 3 neurônios na camada escondida. A que apresentou maior taxa de acerto, 90,32 %, foi a que utilizou radiação infravermelha horizontal como entrada e 2 neurônios na camada escondida. Por fim, pôde-se concluir que a modelagem linear mostrou-se mais eficiente que a não-linear na predição de dados de radiação solar abordados neste trabalho. Sua implementação e mais simples sob ponto de vista computacional e foi suficientemente eficiente para a geração de um banco de dados compatível com o que se desejava, apresentando erros aceitáveis e descrevendo o sistema de forma compatível com o real. / The knowledge of solar radiation is of vital importance to characterize the climate of a region. Solar radiation is directly linked to weather phenomena and atmospheric components on the planet. In recent years Brazilian meteorological networks have introduced numerous automatic stations that allow monitoring of global solar irradiation at hourly scales. Historically large-scale climate data measurement supported aviation and agricultural activities. lts use in applications in the field of architecture or engineering received attention only in the last 40 years. With the exponential development of technology, the use of tools based on computer simulation has taken space in several areas. The need to have a good mathematical model that can adequately describe a process is always a challenge, since the performance of model-based control systems will depend significantly on the accuracy achieved by the mathematical model. In the design of control systems based on predictive model, it should be possible to capture the dynamic behavior of the process or system under realistic conditions and also to find the simplest possible model to optimize computational resources. In the present work the variables of interest were the compositions of radiation, given their importance for both agriculture and for photovoltaic and solar thermal generation. For the simulation, the hourly data of all the years were grouped into a single file. In this way, half of the data was used to create the models and half for validation. During the simulations, Horizontal Global Radiation was defined as input and the others as output. It should be noted that for each variable a new simulation was performed. The use of linear modeling (ARX and ARMAX) to predict solar radiation data was efficient for the compositions: Normal Extraterrestrial (Root-mean-square deviation = 2.51%), Infrared (Root-mean- square deviation = 1.40%) and Horizontal Extraterrestrial = 7.15%). In the nonlinear modeling (neural networks), the radiation was used as input and the temperature as output of the network. In terms of intervals, it is simpler to create small intervals for a variable with a smaller order of magnitude, as is the case of temperature, since it requires a smaller volume of input and output data for classification. The multilayer perceptron (MLP) networks were applied performing the task of pattern classification. Two feed-fon/vard network layers were created. The first layer used the hyperbolic tangent transfer function, and the second layer used the linear transfer function. The simulation that generated the lowest degree of accuracy, 74.48%, was the one that used horizontal global radiation as input and 3 neurons in the hidden layer. The one that presented the highest hit rate, 90.32%, and 2 neurons in the hidden layer was the one that used horizontal infrared radiation as input. Finally, it was concluded that the linear modeling was more efficient than the non-linear model in the prediction of solar radiation data. Its implementation is simpler from a computational point of view and was efficient enough to generate a database compatible with what was wanted, presenting acceptable errors and describing the system in a way compatible with the original.

Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2017-08-31T16:16:41Z No. of bitstreams: 1 texto completo.pdf: 1406443 bytes, checksum: a010ae0497ca5c1152907bf7a36e2663 (MD5) / Made available in DSpace on 2017-08-31T16:16:41Z (GMT). No. of bitstreams: 1 texto completo.pdf: 1406443 bytes, checksum: a010ae0497ca5c1152907bf7a36e2663 (MD5) Previous issue date: 2017-03-03 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / A seleção de clones de cana-de-açúcar, baseada apenas no fenótipo, é uma tarefa complexa para o melhorista. Os clones selecionados devem apresentar comportamento satisfatório para diferentes caracteres de produção e de qualidade da matéria prima. Para buscar solucionar esse problema, existem diferentes metodologias para auxiliar a seleção para multicaracterísticas. Os métodos fornecem informações de quais clones conseguem combinar, da melhor maneira, os caracteres de interesse agronômico. Como exemplo, tem-se os diferentes índices de seleção, amplamente utilizados no melhoramento animal e vegetal. Contudo não há informações na literatura referentes à utilização de um controlador fuzzy como índice de seleção. A introdução geral dessa tese foi elaborada de maneira a apresentar ao leitor uma breve introdução a respeito do melhoramento genético da cana-de-açúcar, dos diferentes índices de seleção utilizados na área, assim como, fornecer ao leitor informações sobre a lógica fuzzy e o seu potencial para auxiliar nas atividades de seleção genética. Os dois capítulos avaliaram uma população constituída por 220 clones, oriundos de cruzamentos entre diferentes espécies do Genêro Saccharum. No primeiro capítulo foram testados diferentes índices de seleção já consolidados na literatura e amplamente utilizados por diferentes programas de melhoramento genético. Posteriormente, a população foi submetida a uma nova metodologia de seleção clonal, através de um controlador fuzzy, programado para classificar os clones em três ideótipos: os convencionais, com elevado teor de açúcar e biomassa; os de cogeração de energia elétrica, com maior teor de fibra e biomassa; e os multipropósito, com desempenho satisfatório para teores de fibra, sacarose e biomassa. Com base nos resultados obtidos na primeira metodologia de avaliação, foi possível observar que o índice de seleção de Mulamba e Mock, sem pesos econômicos estimados, Mulamba e Mock com pesos econômicos baseados nas herdabilidades e o índice de Pesek e Baker com os ganhos desejados baseados nos desvios padrão genético mostraram-se eficientes na seleção de clones de cana-de-açúcar com rendimento de fibra, conteúdo de sacarose e toneladas de colmos por hectare satisfatório. O desempenho do controlador fuzzy mostrou-se eficiente na seleção de clones para as diferentes finalidades ou ideótipos: cultivo convencional, cogeração de energia e multipropósito. / The selection of sugarcane clones, based only on the phenotype, is a complex task for the breeder. The selected clones must show good behavior for different production characteristics and raw material quality. In order to solve this problem, there are different methodologies to assist the selection for multi-characteristics, the methods provide information on which the clones can combine, the best way, the characters of agronomic interest, for example, the different selection indices, widely used In animal and vegetable breeding, however, there is no information about the literature regarding the use of a fuzzy controller as a selection index. The general introduction of this thesis was elaborated in such a way as to present to the reader a brief introduction on the genetic improvement of sugarcane, the different selection indexes used in the area, as well as to provide the reader with information about fuzzy logic and Its potential to assist in genetic selection activities. The two chapters evaluated a population consisting of 220 clones, generate from crosses between different species of the Saccharum complex. In the first chapter we tested different selection indexes already consolidated in the literature and widely used by different breeding programs. electricity. Based on the results obtained in the first evaluation methodology, it was possible to observe that the selection index of Mulamba and Mock, without estimated economic weights, Mulamba and Mock with economic weights based on heritabilities and the Pesek and Baker index with the desired earnings based In the genetic standard deviations were efficient in the selection of sugarcane clones with good fiber yield, sucrose content and tons of high per hectare. The performance of the fuzzy controller proved to be efficient in the selection of clones for different purposes or ideotypes: conventional cultivation, energy cogeneration and multipurpose.

ALMEIDA FILHO, M. P. Casamento de padrões e operadores morfológicos adaptativos. 2016. 125 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2016. / Submitted by Hohana Sanders (hohanasanders@hotmail.com) on 2016-06-28T16:29:00Z No. of bitstreams: 1 2016_dis_mpalmeidafilho.pdf: 3932596 bytes, checksum: 608da6fa1bcbe8c565ffb05cd1e8e1b9 (MD5) / Approved for entry into archive by Marlene Sousa (mmarlene@ufc.br) on 2016-07-12T14:55:18Z (GMT) No. of bitstreams: 1 2016_dis_mpalmeidafilho.pdf: 3932596 bytes, checksum: 608da6fa1bcbe8c565ffb05cd1e8e1b9 (MD5) / Made available in DSpace on 2016-07-12T14:55:18Z (GMT). No. of bitstreams: 1 2016_dis_mpalmeidafilho.pdf: 3932596 bytes, checksum: 608da6fa1bcbe8c565ffb05cd1e8e1b9 (MD5) Previous issue date: 2016-02-26 / 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. / A morfologia matemática é uma abordagem utilizada em problemas de processamento e análise de imagens em que são realizadas transformações de um objeto (imagem) por padrões de formas pré-definidas. Tais transformações são efetuadas por operadores morfológicos, sendo a erosão e a dilatação os operadores morfológicos elementares. Neste trabalho é apresentado um mecanismo de aprendizagem destinado à geração automática de templates, a serem utilizados em operadores morfológicos de casamento inexato de padrões (em que o casamento não precisa ser perfeito). Esse modelo de operador é aqui denominado de Operador Morfológico Adaptativo de Casamento de Padrões (OMACP), e combina o formalismo da morfologia matemática através de ELUTs (Elementary Look-Up Tables) com técnicas de aprendizagem de máquina. Os operadores morfológicos para casamento de padrões via ELUTs já descritos na literatura permitem o casamento inexato de padrões, ou detecção com folga, em imagens digitais através da definição de um intervalo em torno de um padrão de referência. Esse intervalo aplicado em todos os pixels do padrão de referência possui um valor constante e sua escolha depende de parâmetros cujo ajuste normalmente é realizado tendo como base resultados empíricos, além de ser fortemente sensível a idiossincrasia do usuário. Este trabalho propõe um mecanismo, baseado em parâmetros estatísticos, que automatiza a escolha desse intervalo. Além de não considerá-lo mais um valor constante para todos os pixels do padrão de referência. Tal mecanismo reduz assim a interferência de um usuário na definição dos parâmetros do operador morfológico. Para comprovar a eficácia obtida com a inclusão tanto das técnicas de aprendizagem quanto do mecanismo de escolha do intervalo em torno do padrão de referência, foram realizados experimentos comparativos entre o OMACP proposto (com a inclusão das novas funcionalidades) com os operadores já descritos na literatura sem essas alterações.

Submitted by Reginaldo Soares de Freitas (reginaldo.freitas@ufv.br) on 2015-12-02T14:33:09Z No. of bitstreams: 1 texto completo.pdf: 869288 bytes, checksum: 1ec9e1ebef3bae322c6fce4583cbe976 (MD5) / Made available in DSpace on 2015-12-02T14:33:09Z (GMT). No. of bitstreams: 1 texto completo.pdf: 869288 bytes, checksum: 1ec9e1ebef3bae322c6fce4583cbe976 (MD5) Previous issue date: 2014-03-27 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Redes neurais artificiais (RNA) são modelos computacionais inspirados no sistema nervoso de seres vivos, capazes de aprender a partir de exemplos e empregá-lo na solução de problemas tais como predição não linear, reconhecimento de padrões e diversas outras aplicações. Neste trabalho utilizamos uma RNA para predizer o valor da área abaixo da curva de progresso da doença (AACPD) para o patossistema tomate x requeima. A AACPD é uma medida de ampla utilização na epidemiologia de doenças policíclicas, especialmente em estudos que inferem a respeito da resistência quantitativa dos genótipos. Contudo, para a obtenção do valor final desta área são necessárias, neste patossistema, uma série de seis avaliações ao longo do tempo. O objetivo deste trabalho é propor a utilização das RNAs para a obtenção da AACPD no patossistema tomate x requeima, utilizando um número reduzido de avaliações de severidade. Para tanto, foram considerados quatro experimentos independentes, totalizando 1836 plantas infectadas com o patógeno Phytophthora infestans e avaliadas a cada três dias em um total de seis oportunidades, sendo procedido o cálculo da AACPD por método convencional. A RNA criada permitiu predizer AACPD com correlação de 0,97 e 0,84 quando comparado com os métodos convencionais, utilizando-se de um número 50% e 67% menor de avaliações por genótipo respectivamente. Ao se utilizar a RNA gerada por um experimento para predizer a AACPD para os demais experimentos ocorreu correlação média de 0,94, com duas avaliações, e 0,96, com três avaliações, entre os valores preditos pela RNA e os observados com seis avaliações. Apresentamos neste trabalho um novo paradigma para a utilização da informação da AACPD em experimentos de tomateiro confrontado com P. infestans. Este novo paradigma proposto pode ser adaptado para diferentes patossistemas. / Artificial neural networks (ANN) are computational models, inspired in the nervous system of living organisms, that is able to learn from examples and uses it to solve problems such as non-linear prediction, pattern recognition, and many other applications. In this work we use an ANN to predict the value of the area under the disease progress curve (AUDPC) for pathosystem tomato x late blight. The AUDPC is a widely used measure in the epidemiology of polycyclic diseases, especially in studies about quantitative resistance of genotypes. However, to obtain the final value of this area is required, in this pathossystem, a series of six evaluations along time. The objective of this paper is to propose a new use of ANN, based on the principles of learning, for to obtain the AUDPC in pathosystem tomato x late blight, using a reduced number of disease severity evaluations. We considered four independent experiments, a total of 1836 infected plants with the pathogen Phytophthora infestans and assessed every three days for six times, and proceeded to calculate the AUDPC by conventional methods. The ANN created possible to predict the AUDPC with a correlation coefficient of 0.97 and 0.84 compared with conventional methods, using a number 50% and 67% less ratings for genotypes respectively. Using ANN generated by an experiment to predict the AUDPC for the other experiments there was an average correlation of 0.94, with two ratings, and 0.96, with three evaluations, between the value predicted from ANN and value observed with six evaluations. We present in this work a new paradigm for obtaining AUDPC in tomato experiments inoculated with P. infestans. This proposed new paradigm can be adapted to different pathosystems.

Submitted by Reginaldo Soares de Freitas (reginaldo.freitas@ufv.br) on 2016-04-26T17:01:30Z No. of bitstreams: 1 texto completo.pdf: 6402016 bytes, checksum: 2ad43c5bb42a77cb19379857a960b47d (MD5) / Made available in DSpace on 2016-04-26T17:01:30Z (GMT). No. of bitstreams: 1 texto completo.pdf: 6402016 bytes, checksum: 2ad43c5bb42a77cb19379857a960b47d (MD5) Previous issue date: 2015-12-08 / Fundação de Amparo à Pesquisa do Estado de Minas Gerais / O Problema do Caixeiro Viajante Preto e Branco (PCV-PB) é uma generalização do Problema do Caixeiro Viajante (PCV), definido sobre um grafo onde os vértices são classificados como pretos ou brancos. Assim como o clássico PCV, o objetivo do PCV-PB é encontrar um ciclo hamiltoniano de custo mínimo, entretanto, duas restrições adicionais são consideradas. Enquanto que a restrição de cardinalidade restringe o número de vértices brancos entre dois vértices pretos consecutivos, a restrição de comprimento restringe a distância máxima entre os mesmos. Apli- cações do PCV-PB podem ser observadas no escalonamento de aeronaves e em configurações de redes de telecomunicações. A proposta deste estudo é analisar diferentes estratégias heurísticas aplicadas para o PCV-PB. Heurísticas construtivas da literatura foram aperfeiçoadas e uma nova estratégia para a construção da solução foi apresentada. Neste contexto foi utilizado métodos como Lin kernighan e Inserção Específica de Brancos. Além disso, foram propostas abordagens heurísticas baseadas nas metaheurísticas GRASP, VND, ILS e SA. Diversos experimentos computacionais foram realizados para comparar a eficácia das abordagens. Os resultados garantem a aplicabilidade dos algoritmos propostos para o problema. / The Black and White Traveling Salesman Problem (TSP-BW) is a generalization of the Travelling Salesman Problem (TSP), set on a graph where the vertices are classified as black or white. As in the classical PCV, a solution of the TSP-BW is a Hamiltonian cycle of minimal cost. However, two additional constraints are considered. While the cardinality constraint limits the number of white vertices between two consecutive black vertices, the length constraint restricts the maximum distance therebetween. Applications of TSP-BW can be observed in aircraft scheduling and telecommunications network settings. The purpose of this study is to analyze different heuristic strategies applied to TSP-BW. Literature constructive heuristics have been improved and a new strategy for building the solution was presented. In this context it used methods such as Lin Kernighan and Inserção Específica de Brancos. Also, it has been proposed heuristic approaches based on metaheuristics GRASP, VND, ILS and SA. Several computational experiments were performed to compare effectiveness of approa- ches. The results ensure the applicability of the proposed algorithms to the problem.

Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2016-09-09T16:23:31Z No. of bitstreams: 1 texto completo.pdf: 700752 bytes, checksum: d8590a35a9faff6d372adf439ca649d6 (MD5) / Made available in DSpace on 2016-09-09T16:23:31Z (GMT). No. of bitstreams: 1 texto completo.pdf: 700752 bytes, checksum: d8590a35a9faff6d372adf439ca649d6 (MD5) Previous issue date: 2016-02-25 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Nesta dissertação apresentamos métodos gulosos para a seleção de um subconjunto de funções heurísticas de um grande conjunto de possibilidades com o objetivo de reduzir o tempo de execução de algoritmos de busca. Trabalhos anteriores mostraram que a busca pode ser mais rápido se vários bancos de dados padrão menores são usados em vez de um grande banco de dados padrão. Nossos métodos são capazes de selecionar boas heurísticas de um grande conjunto de funções heurísticas para guiar uma A*. Implementamos nosso método em Fast Downward e mostrou empiricamente que produz heurísticas que superam o estado-da-arte de outros planejadores na Competição Internacional de Planejamento. / In this dissertation we present greedy methods for selecting a subset of heuristic functions from a large pool of possibilities with the objective of reducing the running time of search algorithms. Previous works showed that search can be faster if several smaller pattern databases are used instead of one large pattern database. Our methods are able to select good heuristics from a large set of heuristic functions to guide A* search. We implemented our method in Fast Downward and showed empirically that it produces heuristics which outperform the state-of-the-art planners in the International Planning Competition benchmarks. / Autor sem Lattes.

Neste trabalho será descrita uma arquitetura de agente robótico autônomo projetada para ser capaz de criar uma representação de estado do ambiente e de realizar o aprendizado de tarefas simples em cima desta representação. A rede GTSOM (BASTOS, 2007) foi selecionada como método para classificação de estados. Sua tarefa é transformar os dados multidimensionais e contínuos lidos dos sensores em uma representação discreta, permitindo o uso de aprendizado por reforço convencional. Algumas modificações no algoritmo da rede foram necessárias para que pudesse ser aplicada neste contexto. Juntamente com esta rede, foi utilizado um mapa de grade que permite associar as experiências sensoriais com sua localização espacial. Enquanto a rede GTSOM é o ponto central de um sistema de classificação de estados, o algoritmo Q-Learning de aprendizado por reforço foi utilizado para a realização da tarefa. Utilizando a representação compacta de estado criada pela rede auto-organizável, o agente aprende as ações que devem ser executadas em cada ponto, para atingimento de seus objetivos. O modelo foi testado com um experimento que consiste em encontrar um objeto em um labirinto. Os resultados obtidos nos testes mostraram que o modelo consegue segmentar adequadamente o espaço de estados, e realiza o aprendizado da tarefa. O agente consegue aprender a evitar colisões e memorizar a localização do alvo, podendo chegar até ele independentemente de sua posição inicial. Além disso, é capaz de expandir sua representação sempre que se depara com situações não conhecidas, ao mesmo tempo que gradualmente remove da memória estados associados a experiências que não se repetem. / This work describes an architecture for an autonomous robotic agent that is capable of creating a state representation of its environment and learning how to execute simple tasks using this representation. The GTSOM Neural Network was chosen as the method for state clustering. It is used to transform the multidimensional and continuous state signal into a discrete representation, allowing the use of conventional reinforcement learning techniques. Some modifications on the algorithm were necessary so that it could be used in this project. This network is used together with a grid map algorithm that allows the model to associate the sensor readings with the places where they ocurred. While the GTSOM network is the main component of a state clustering system, the Q-Learning reinforcement learning method was chosen for the task execution. Using the compact state representation created by the self-organizing network, the agent learns which actions to execute at each state in order to achieve its objectives. The model was tested in an experiment that consists in finding the path in a maze. The results show that it can divide the state space in an useful way, and is capable of executing the task. It learns to avoid collisions and remembers the location of the target, even when the robot’s initial position is changed. Furthermore, the representation is expanded when the agent faces an unknown situation, and at the same time, states associated with old experiences are forgotten.