[pt] Este trabalho apresenta a utilização de lógica fuzzy e de redes neurais no desenvolvimento de um controlador de semáforos - o FUNNCON. O trabalho realizado consiste em quatro etapas principais: estudo dos fundamentos de engenharia de tráfego; definição de uma metodologia para a avaliação de cruzamentos sinalizados; definição do modelo do controlador proposto; e implementação com dados reais em um estudo de caso.O estudo sobre os fundamentos de engenharia de tráfego aborda a definição de termos,os parâmetros utilizados na descrição dos fluxos de tráfego, os tipos de cruzamentos e seus semáforos, os sistemas de controle de tráfego mais utilizados e as diversas medidas de desempenho.Para se efetuar a análise dos resultados do FUNNCON, é definida uma metodologia para a avaliação de controladores. Apresenta-se, também, uma investigação sobre simuladores de tráfego existentes, de modo a permitir a escolha do mais adequado para o presente estudo. A definição do modelo do FUNNCON compreende uma descrição geral dos diversos módulos que o compõem. Em seguida, cada um destes módulos é estudado separadamente: o uso de redes neurais para a predição de tráfego futuro; a elaboração de um banco de cenários ótimos através de um otimizador; e a criação de regras fuzzy a partir deste banco.No estudo de caso, o FUNNCON é implementado com dados reais fornecidos pela CET-Rio em um cruzamento do Rio de Janeiro e comparado com o controlador existente.É constatado que redes neurais são capazes de fornecer bons resultados na predição do tráfego futuro. Também pode ser observado que as regras fuzzy criadas a partir do banco de cenários ótimos proporcionam um controle efetivo do tráfego no cruzamento estudado. Uma comparação entre o desempenho do FUNNCON e o do sistema atualmente em operação é amplamente favorável ao primeiro. / [en] This work presents the use of fuzzy logic and neural networks in the development of a traffic signal controller - FUNNCON. The work consists of four main sections: study of traffic engineering fundamentals; definition of a methodology for evaluation of traffic controls; definition of the proposed controller model; and implementation on a case study using real data.The study of traffic engineering fundamentals considers definitions of terms,parameters used for traffic flow description, types of intersections and their traffic signals,commonly used traffic control systems and performance measures.In order to analyse the results provided by FUNNCON, a methodology for the evaluation of controllers is defined. The existing traffic simulators are investigated, in order to select the best one for the present study.The definition of the FUNNCON model includes a brief description of its modules.Thereafter each module is studied separately: the use of neural networks for future traffic prediction; the setup of a best scenario database using an optimizer; and the extraction of fuzzy rules from this database.In the case study, FUNNCON is implemented with real data supplied by CET-Rio from an intersection in Rio de Janeiro; its performance is compared with that of the existing controller.It can be observed that neural networks can present good results in the prediction of future traffic and that the fuzzy rules created from the best scenario database lead to an effective traffic control at the considered intersection. When compared with the system in operation, FUNNCON reveals itself much superior.

[pt] O atual trabalho teve como objetivo o desenvolvimento de um método multiresíduo e aplicação em testemunhos sedimentares para uma análise geocronológica da contaminação da Baía de Sepetiba por quatro classes de contaminantes orgânicos: (i) hidrocarbonetos policíclicos aromáticos (HPAs), (ii) bifenilos policlorados (PCBs); (iii) éteres difenílicos polibromados (PBDEs) e (iv) pesticidas organoclorados (OCPs). Além dos analitos contemplados no método desenvolvido, foram analisados outros parâmetros (HPAs alquilados, Biomarcadores de petróleo, Hidrocarbonetos Alifáticos, Carbono Orgânico Total e Nitrogênio Total) para que fosse possível uma análise mais aprofundada das fontes e da origem da MO e de compostos associados ao petróleo. Os testemunhos sedimentares foram coletados entre julho e outubro de 2016 e foram datados pela análise da atividade do decaimento de 210Pb e validado usando perfis de Zn e Cd. O método desenvolvido é baseado na extração ultrassônica com uma mistura de diclorometano:metanol (9:1 v/v) e cromatografia gasosa acoplada com análise de espectrometria de massa em tandem (GC-MS/MS) no modo de monitoramento de reações múltiplas (MRM). Um total de 89 compostos, dentre HPAs, PCBs, OCPs e PBDEs, foram identificados usando dois padrões de íon produto/precursor para cada analito. O limite de detecção do método (MDL; 0,001 – 0,055 ng g-1) e limite de quantificação do método (MQL; 0,002 – 0,184 ng g-1) estão abaixo dos níveis de poluição aceitáveis adotados pelas diretrizes internacionais de qualidade de sedimentos. O método, que foi publicado na revista Analytical and Bioanalytical Chemstry em maio de 2022, mostrou-se seletivo, sensível, preciso e linear, com a vantagem de reduzir o tempo de manuseio da amostra e a quantidade utilizada de materiais como solvente e adsorventes. A fim de analisar de forma mais aprofundada as fontes e origens dos HPAs nos testemunhos analisados, foi aplicado uma análise de dados baseada na Lógica Fuzzy, mais especificamente pelo algoritmo Fuzzy C-Means (FCM). Para que tivéssemos um melhor embasamento teórico da aplicação dessa ferramenta, um artigo foi publicado na revista Ocean and Coastal Research em fevereiro de 2022, com base na reavaliação estatística dos dados de dois trabalhos sobre contaminação do sedimento de baías costeiras por HPAs. Resultados obtido por meio de ferramentas de avaliação tradicionais foram comparadas com aqueles obtidos por FCM, que apresentaram maior detalhamento qualitativo. Embora a Lógica Fuzzy não produza interpretações quantitativas, sua aplicação gera dados adequados para que se evite uma inferência enviesada de fontes de contaminação de HPAs. A aplicação do método na análise dos testemunhos sedimentares foi bem-sucedida e a maioria das camadas apresentou valores de OCPs e PBDEs abaixo do MQL. Os valores de PCBs variaram de <MQL a 1,47 ng g-1 (média de 0,24 ± 0,38 ng g-1) em T18 e de 0,35 a 6,24 ng g-1 (média de 1,82 ± 1,37 ng g-1) em T26. Os HPAs variaram de 67,97 a 404,61 ng g-1 (média de 192,38 ± 98,48 ng g-1) em T18 e de 154,59 a 685,47 ng g-1 (média de 382,55 ± 168,45 ng g-1) em T26. / [en] The present work aimed at developing a multiresidue method and application in sedimentary testimonies for a geochronological analysis of the contamination of Sepetiba Bay by four classes of organic contaminants: (i) polycyclic aromatic hydrocarbons (PAHs), (ii) polychlorinated biphenyls (PCBs); (iii) polybrominated diphenyl ethers (PBDEs) and (iv) organochlorinated pesticides (OCPs). In addition to the analytes contemplated in the method developed, other parameters were analyzed (alkylated PAHs, petroleum biomarkers, aliphatic hydrocarbons, total organic carbon and total nitrogen) to allow a more in-depth analysis of the sources and origin of organic matter and compounds associated with petroleum. Sediment cores were collected between July and October 2016 by Gonçalvez et al. (2020) and were dated by analysis of 210Pb decay activity and validated using Zn and Cd profiles. The developed method is based on ultrasonic extraction with a mixture of dichloromethane:methanol (9:1 v/v) and gas chromatography coupled with tandem mass spectrometry analysis (GC-MS/MS) in multiple reaction monitoring (MRM) mode. A total of 89 compounds, among PAHs, PCBs, OCPs, and PBDEs, were identified using two product/precursor ion standards for each analyte. The method detection limit (MDL; 0.001 - 0.055 ng g-1) and method quantification limit (MQL; 0.002 - 0.184 ng g-1) are below acceptable pollution levels adopted by international sediment quality guidelines. The method, which was published in the journal Analytical and Bioanalytical Chemstry in May 2022, was shown to be selective, sensitive, accurate, and linear, with the advantage of reducing sample handling time and the amount used of materials such as solvent and adsorbents.In order to further analyze the sources and origins of PAHs in the analyzed core samples, we applied a data analysis based on Fuzzy Logic, more specifically the Fuzzy C-Means (FCM) algorithm. In order to have a better theoretical basis for the application of this tool, an article was published in the journal Ocean and Coastal Research in February 2022, based on the statistical re-evaluation of data from two studies on sediment contamination of coastal bays by PAHs. Results obtained through traditional assessment tools were compared with those obtained by FCM, which showed greater qualitative detail. Although Fuzzy Logic does not produce quantitative interpretations, its application generates adequate data to avoid biased inference of PAH contamination sources. The application of the method in the analysis of the sediment cores was successful and most layers showed OCPs and PBDEs values below the MQL. PCBs values ranged from <MQL to 1.47 ng g-1 (mean 0.24 ± 0.38 ng g-1) in T18 and from 0.35 to 6.24 ng g-1 (mean 1.82 ± 1.37 ng g-1) in T26. PAHs ranged from 67.97 to 404.61 ng g-1 (mean 192.38 ± 98.48 ng g-1) at T18 and from 154.59 to 685.47 ng g-1 (mean 382.55 ± 168.45 ng g-1) at T26.

[pt] Assegurar a qualidade de uma avaliação é um grande desafio para os avaliadores. A avaliação de um processo avaliativo denomina-se meta-avaliação. No Brasil já existe uma grande preocupação com a qualidade da avaliação, contudo o conceito de meta-avaliação ainda é uma novidade. Os profissionais discutem quais são os critérios de excelência que uma verdadeira avaliação deve atender tendo como base os padrões definidos pelo Joint Committee on Standards for Educational Evaluation (1994), que estão agrupados em quatro grandes categorias: utilidade, viabilidade, ética e precisão. Este trabalho propõe uma nova metodologia para meta-avaliação utilizando os conceitos de conjuntos fuzzy e da lógica fuzzy. A metodologia é composta por um instrumental de coleta de dados (lista de checagem para meta-avaliação de programas/projetos) e por um sistema de inferência fuzzy hierárquico para o tratamento de dados referentes à metaavaliação de programas/projetos. As principais vantagens de um sistema desse tipo são: (i) a possibilidade de trabalhar com regras lingüísticas; (ii) a utilização de ferramentas adequadas para trabalhar com a imprecisão intrínseca que existe em problemas complexos, como é o caso de processos de meta- avaliação; (iii) a incorporação de conhecimento subjetivo (de especialistas); (iv) a adaptabilidade do processo de inferência a situações específicas. A metodologia ora proposta utiliza um sistema hierárquico composto por trinta e seis bases de regras organizadas em três níveis: padrão (nível 1), categoria (nível 2), e meta-avaliação (nível 3). As principais características da metodologia desenvolvida são: (i) o instrumento de coleta de dados, que permite respostas intermediárias; (ii) a capacidade de adaptação do sistema de inferência fuzzy a necessidades específicas; (iii) a transparência obtida pela utilização de regras lingüísticas, o que facilita a discussão e o entendimento de todo o processo. Acredita-se que esta metodologia facilitará os processos de meta-avaliação. Este estudo pretende ser uma contribuição para a área da avaliação e para a prática da meta-avaliação. / [en] Assuring the quality of an evaluation is a great challenge to evaluators. The evaluation of an evaluative process is called meta- evaluation. In Brazil there is a great concern about evaluation quality, although the concept of metaevaluation is new. Evaluation professionals are still discussing the criteria of excellence that a true evaluation should attend. The standards defined by the Joint Committee on Standards for Educational Evaluation (1994) that are presented in terms of utility, feasibility, ethics and accuracy, enlighten on that discussion. This study presents a new methodology for meta-evaluation that makes use of fuzzy sets and fuzzy logic concepts. The methodology is composed of an instrument for data collection (checklist for the meta-evaluation of programs/projects) and of a hierarchical fuzzy inference system for treatment of data related to the metaevaluation of projects and programs. The main advantages of using such a system are: (i) the possibility of working with linguistic rules; (ii) the use of tools that deal with the intrinsic imprecision of complex problems, as is the case of metaevaluation; (iii) the incorporation of subjective knowledge (of specialists); (iv) the adaptability of the inference process to specific situations. This new methodology makes use of a system composed of 36 rule bases organized in three levels: standard (level 1), category (level 2), and meta- evaluation (level 3). The main features of the proposed methodology are: (i) the data collection instrument, that allows intermediate answers; (ii) the fuzzy system's capability of adaptation to specific needs; (iii) the transparency provided by the use of linguistic rules, which favours understanding and discussion of the whole process. It is believed that this methodology will make the meta-evaluation process easier. This study intends to be a contribution to evaluation as a subject and to meta- evaluation practice.

[pt] A previsão de séries temporais está presente em diversas áreas como os setores elétrico, financeiro, a economia e o industrial. Em todas essas áreas, as previsões são fundamentais para a tomada de decisões no curto, médio e longo prazo. Certamente, as técnicas estatísticas são as mais utilizadas em problemas de previsão de séries, principalmente por apresentarem um maior grau de interpretabilidade, garantido pelos modelos matemáticos gerados. No entanto, técnicas de inteligência computacional têm sido cada vez mais aplicadas em previsão de séries temporais no meio acadêmico, com destaque para as Redes Neurais Artificiais (RNA) e os Sistemas de Inferência Fuzzy (FIS). Muitos são os casos de sucesso de aplicação de RNAs, porém os sistemas desenvolvidos são do tipo caixa preta, inviabilizando uma melhor compreensão do modelo final de previsão. Já os FIS são interpretáveis, entretanto sua aplicação é comprometida pela dependência de criação de regras por especialistas e pela dificuldade em ajustar os diversos parâmetros como o número e formato de conjuntos e o tamanho da janela. Além disso, a falta de pessoas com o conhecimento necessário para o desenvolvimento e utilização de modelos baseados nessas técnicas também contribui para que estejam pouco presentes na rotina de planejamento e tomada de decisão na maioria das organizações. Este trabalho tem como objetivo desenvolver uma ferramenta computacional capaz de realizar previsões de séries temporais, baseada na teoria de Sistemas de Inferência Fuzzy, em conjunto com a otimização de parâmetros por Algoritmos Genéticos, oferecendo uma interface gráfica intuitiva e amigável. / [en] The time series forecasting is present in several areas such as electrical, financial, economy and industry. In all these areas, the forecasts are critical to decision making in the short, medium and long term. Certainly, statistical techniques are most often used in time series forecasting problems, mainly because of a greater degree of interpretability, guaranteed by the mathematical models generated. However, computational intelligence techniques have been increasingly applied in time series forecasting in academic research, with emphasis on Artificial Neural Networks (ANN) and Fuzzy Inference Systems (FIS). There are many cases of successful application of ANNs, but the systems developed are black box, not allowing a better understanding of the final prediction. On the other hand the FIS are interpretable, but its application is compromised by reliance on rule-making by experts and by the difficulty in adjusting the various parameters as the number and shape of fuzzy sets and the window size. Moreover, the lack of people with the knowledge necessary for the development and use of models based on these techniques also restricts their application in the routine planning and decision making in most organizations. This work aims to develop a computational tool able to make forecasts of time series, based on the theory of Fuzzy Inference Systems, in conjunction with the optimization of parameters by Genetic Algorithms, providing an intuitive and friendly graphical user interface.

[pt] A avaliação e seleção de tecnologias de geração de energia elétrica a partir de fontes renováveis visa melhorar a eficiência nas decisões de expansão dos sistemas elétricos em geral, elencando tecnologias mais adequadas em função de seus impactos ambientais, sociais, econômicos, técnicos e políticos. Os processos decisórios referentes à escolha de tecnologias de geração de energia caracterizam-se por subjetividade, incerteza e ambiguidade. Os métodos multicritério de apoio à decisão, combinados com a lógica dos conjuntos fuzzy constituem uma alternativa adequada para a modelagem de avaliação e seleção de tecnologias em ambientes sob incerteza. O objetivo principal desta dissertação é propor um modelo de avaliação e seleção de tecnologias para geração de energia elétrica a partir de fontes renováveis, com o auxílio de métodos multicritério fuzzy de apoio à decisão. A pesquisa pode ser considerada aplicada, descritiva e metodológica. Quanto aos meios de investigação, a metodologia compreende pesquisa bibliográfica e documental; pesquisa experimental, com a aplicação de métodos multicritério fuzzy de apoio à decisão para hierarquização de alternativas tecnológicas de energia elétrica a partir de fontes renováveis; e desenvolvimento de um estudo empírico no Estado do Rio de Janeiro. Destacam-se como resultados a seleção de tecnologias mais adequadas em função de seus impactos ambientais, sociais, econômicos, técnicos e políticos e a demonstração da aplicabilidade do modelo proposto. No caso do Estado do Rio de Janeiro, a tecnologia que se mostrou mais adequada, dado potencial de fontes renováveis, foi a solar fotovoltaica. / [en] Assessment and selection of renewable energy generation technologies addresses to improve efficiency in electrical system expansion decisions, by selecting technologies that are more appropriate considering some criteria, like environmental, social, economic, technical and political. The decision-making processes regarding the choice of energy generation technologies are characterized by subjectivity, uncertainty and ambiguity. Multicriteria decision support method, combined with fuzzy logic, is an adequate alternative for measuring and evaluating the performance of technologies in environment under uncertainty. The main aim of this dissertation is to propose a model for selection the performance of technologies for electric power generation from renewable sources, with the support of multicriteria fuzzy decision-making methods. The research can be considered applied, descriptive and methodological. As for means of investigation, the methodology comprises bibliographical and documentary research; Experimental research, with the application of multicriteria fuzzy decision-making methods for hierarchization of technologies for electric power generation alternatives from renewable sources; and development of an empirical study in the State of Rio de Janeiro. The results highlight the selection of the most appropriate technologies according to their environmental, social, economic, technical and political impacts and the demonstration of the applicability of the proposed model. In the case of the State of Rio de Janeiro, the most appropriate technology, given the potential of renewable sources, was solar photovoltaic.

[pt] Esta dissertação investiga os efeitos do racionamento de energia elétrica ocorrido no período entre junho de 2001 a fevereiro de 2002, nas previsões de energia das principais concessionárias brasileiras. Para tal, estudamos o desempenho de modelos lineares e não-lineares. Dentre os modelos lineares, analisamos os modelos ARIMA (p,d,q) de Box & Jenkins e os modelos de amortecimento exponencial de Holt & Winters. Dentre os modelos não-lineares, são abordadas técnicas de inteligência artificial tais como Redes Neurais e Lógica Fuzzy. Visto que o racionamento levou a previsões ineficientes, propomos alternativas para reduzir seu impacto. Por último, investigamos os impactos causados pela crise energética nas previsões doze passos à frente de carga elétrica provenientes de vinte e oito concessionárias. A base de dados é composta pelos valores observados e as previsões fornecidas pelo PREVCAR, um dos sistemas de previsão da cadeia oficial de programas do setor elétrico brasileiro. Por meio de um procedimento de Análise de Agrupamento utilizando Redes Neurais Artificiais do tipo SOM (Self Organizing Map) de Kohonen são estabelecidos os grupos de concessionárias que possuem os mesmos comportamentos diante do racionamento. Como resultado final, foram estimados fatores de redução das previsões causados pelo racionamento, que servem como base de cálculo para reduções nas previsões futuras em períodos de crise de abastecimento. / [en] This dissertation aims at an exploratory study of impacts caused by the 2001 energy crisis on the current forecasts produced on a monthly basis for main distributing utilities. For that we show an accuracy study of the performance of the linear and non-linear models. It has been used, within the linear models class, the modeling approach of Box-Jenkins and exponential smoothing of Holt- Winters. Within the non-linear ones, it was chosen those based on artificial intelligence techniques, such as Fuzzy Logic and Artificial Neural Network. Due to the lack of accuracy of the models to cope with the discontinuities provoked by the crisis on the forecasts, some alternative tools to reduce the impact on the forecast errors are proposed. Finally, the impacts caused by the crisis on multiple steps ahead forecasts have also been investigated. It was taken the monthly forecasts produced by PREVCAR (one of official Brazilian load forecasting system), as well as the observed values covering the same period, to create the crisis response indices series for each one of the twenty and eight utilities included in the analysis. It was also used the well-known neural network based algorithm SOM (Self Organizing Maps) to classify the utilities into homogeneous groups, according to their response to the energy crisis. As a final result, for each group, it was estimated the reduction factors that can be used as a prior information in future energy supply crisis.

[pt] A enorme massa de dados que é gerada pelas diversas empresas diariamente pode conter informações importantes que não são fáceis de serem extraídas. Com isso advém a necessidade de analisá-los automaticamente, de forma adequada, extraindo informação útil que pode agregar algum tipo de conhecimento. Uma das formas de se analisar os dados automaticamente é através da análise de agrupamentos. Ela procura encontrar grupos de dados semelhantes entre si. As técnicas de análise de agrupamentos revelam como os dados estão estruturados e resultam em um melhor entendimento sobre o negócio. Existe ainda hoje uma escassez de ferramentas para esse fim. Em um problema real de agrupamento de dados convém analisar os dados através da utilização de diferentes métodos, a fim de buscar aquele que melhor se adapte ao problema. Porém, as ferramentas existentes hoje em dia não são integradas, onde cada ferramenta possui um subconjunto dos métodos existentes de agrupamento. Dessa forma o usuário fica limitado à utilização de uma ferramenta específica ou é obrigado a conhecer diversas ferramentas diferentes, de forma a melhor analisar os dados de sua empresa. Esta dissertação apresenta uma revisão detalhada de todo o processo de análise de agrupamentos e o desenvolvimento de um aplicativo que visa não apenas a atender as deficiências presentes na maioria das ferramentas com esse fim, mas também a auxiliar, de forma mais completa, todo o processo de análise dos grupos. O aplicativo desenvolvido é de fácil utilização e permite que a ele sejam incorporados outros métodos eventualmente desenvolvidos pelo usuário. O aplicativo foi avaliado em três estudos de casos, os quais visam demonstrar a facilidade de uso do aplicativo, assim como avaliar as vantagens do uso de métodos de natureza fuzzy em uma base de dados real. / [en] The enormous data mass that is daily generated by several companies can contain critical information that might not be easily retrieved, considering that the amount of data is generally huge and/or the target information might be spread through different data bases. Taking that into consideration, it might be necessary to properly analyze the data in an automatic way, so useful and valuable information can be extracted. One way of automatically analyzing data is through cluster analysis. This type of analysis searches for related similar data. These clusters settle a data structure model and with proper analysis can reveal important information. The techniques used in cluster analysis disclose how data is structured and allow a better knowledge of the business. Still today there is a lack of tools for this purpose. On a real situation with a data cluster problem it is wise to analyze the data through different methods, so we can find the one that better fits the problem. However, today the existing tools are not integrated, and each tool has a subgroup of existing cluster methods. This way the user stays limited to use only one specific tool or is forced to be aware of a number of different tools, so he would be able to better analyze the company data. This study presents a detailed review of the whole group analysis process and develops an application that not only suggests how to cover the currently lack of tools for this purpose, but also to help the complete cluster analysis process in a more extended way. The application developed is user friendly and allows other methods developed by users to be incorporated. The application has been evaluated into three case studies with the purpose of demonstrating its user friendly, as well as evaluating the advantages of using fuzzy methods on a true data base.

[pt] Esta dìssertação investiga o emprego e o desempenho da Inteligência Computacional em Machine Learning. De modo particular, pesquisou-se a aplicação dos mecanismos e estruturas na biologia e natureza, presentes nas técnica inteligentes (Redes Neurais, Algoritmos Genéticos e Lógica Nebulosa) na construção de algoritmos que codificam mecanismos indutivos em Machine Learning. O trabalho foi desenvolvido em 4 etapas principais: um estudo bibliográfico da área de Machine Learning e modelagem e desenvolvimento de três sistemas demonstrativos da aplicação de Inteligência Computacional em Machine Learning: Redes Neurais TD(gama) no aprendizado do jogo de Gamão, Algoritmos Genéticos na evolução do controle de um robô autônomo, e Lógica Nebulosa para controle de robôs. O estudo bibliográfico envolveu a busca, tendo como principal veículo inicial a Internet, de literatura referente às áreas de Machine Learning e de Inteligência Computacional. Foram pesquisados livros especializados da área, e também artigos técnicos envolvendo os temas abordados nesta dissertação. Este levantamento bibliográfico resultou no resumo dos principais projetos na área de Machine Learning, apresentado no capítulo 2. A modelagem de um sistema de aprendizado do jogo de gamão por Redes Neurais envolveu o estudo e implementação de um método de Reinforcement Learning denominado TD(gama), que opera através do princípio de tentativa e erro, recompensado ações que trazem um bom resultado. O jogo de Gamão foi escolhido pelo seu vastíssimo número de prováveis situações a serem encontradas durante o jogo, consequência do fator estocástico (dados) inerente ao jogo, tornando uma abordagem tradicional muito difícil e até mesmo ineficiente. A evolução do controle de robôs por Algoritmos Genéticos, é inspirada na evolução de um padrão de comportamento exemplificada no capítulo 2 pelo dilema dos prisioneiros. Através da codificação em um cromossoma das variáveis que descrevem o ambiente onde o robô está inserido, foi possível evoluir um padrão de atuação diante da situação presente a cada instante, de forma a atingir um objetivo especificado de forma ótima, ou sub-ótima. O controle de robôs por Lógica Nebulosa demonstra o potencial desta técnica para problemas de controle, codificando através de regras imprecisas que assemelham-se à forma humana de armazenar e transmitir conhecimento, o comportamento que o robô deve ter frente a cada situação encontrada em seu ambiente. Os resultados apresentados demonstram o potencial de utilização das técnicas da Inteligência Computacional, inspiradas na biologia e na natureza, na área de Machine Learning, mostrando através dos exemplos implementados a capacidade de aquisição de conhecimento por experiência, através de mecanismos indutivos, ao invés de codificar explicitamente soluções específicas para os problemas apresentados. / [en] This work investigates the application and performance of the Computational intelligence technics in the field of Machine Learning. In particular, was investigated the application of intelligent systems (Neural Networks, genetic Algorithms and fuzzy Logic) in the development of algorithms that codify inductive mechanisms in Machine Learning. This work was developed in two main steps: a research of Machine Learning bibliography, and the development of three intelligent systems: neural Networks applied to the game of backgammon, Genetic Algorithms in the evolution of an autonomous robot control system, and fuzzy Logic applied to robot control. The bibliography research involved looking for technical literature about Machine Learning and Computational Intelligence. Were used in this research books specialized in the area, and technical papers about the themes treated in this dissertation. The modeling of the backgammon learning algorithm, based on Neural Networks, was implemented using a reinforcement learning method known as TD(l), which operate by the principle of trial and error, giving a reward for actions that brings a good result. The game of backgammon was chosen because of its huge number of possible situations that can be faced during the game, due to estocastic factor (dice) attached to the game, making a traditional approach very difficult, if not even inefficient. The evolution of the autonomous robot control system using Genetic Algorithms is inspired in the evolution of a behavior pattern of behavior to deal with the faced at each moment, in order to achieve a goal in an optimal or sub-optimal way. The robot control system using Fuzzy Logic demonstrates the potential of this technic to control problems, codifying through fuzzy rules, which are similar to the human way to in its environment. The results presented demonstrate the potential of the Computational Intelligence technics, inspired in biology and nature, in the field of Machine Learning, showing through the examples implemented the knowledge acquisition capacity by experience, using inductive mechanisms instead of programming specific solutions for the problems presented

[pt] O presente trabalho apresenta a modelagem de conhecimento multitemporal para a classificação automática de cobertura do solo para imagens de satélite. O procedimento de classificação agrega os conhecimentos espectral e multitemporal utilizando conjuntos nebulosos e suas pertinências de classe como informação prévia. O método se baseia no conceito de Redes de Markov Nebulosas, um sistema com um conjunto de estados que a cada instante de tempo troca o estado corrente de acordo com possibilidades associadas a cada um. No caso deste trabalho cada estado representa uma classe, e as possibilidades são estimadas automaticamente a partir de dados históricos de uma mesma região geográfica, empregando algoritmos genéticos. A avaliação experimental utilizou um conjunto de imagens Landsat-5 da cidade do Rio de Janeiro, obtidas em cinco datas separadas por aproximadamente quatro anos. Os resultados indicaram que o uso do conhecimento multitemporal, conforme modelado pelo método proposto traz um significante aumento da eficiência de classificação em comparação à classificação puramente espectral, além de flexibilizar o procedimento de classificação no que diz respeito aos dados necessários para o treinamento do modelo. / [en] This work presents a multitemporal knowledge model for automatic classification of remotely sensed images. The model combines multitemporal and spectral knowledge within a fuzzy framework. This method is based on Fuzzy Markov Chains, a system having a set of states that, at each time, change the current state according to the fuzzy possibilities associated to each one. In this work each state represents one class, and the possibilities are automatically estimated based on historical data by using genetic algorithms. The experimental evaluation was carried through for a set of Landsat-5 TM images of the Rio de Janeiro State, Brazil, acquired at five dates separated by approximately four years. Results indicate that the use of multitemporal knowledge as modeled by the proposed method brings an expressive improvement in efficiency to the classification, when compared to the pure spectral classifier. Besides it, adds flexibility to the classification procedure, concerning to necessary data used for model training.

[pt] Este trabalho apresenta procedimentos de modelagem e controle neuro-fuzzy de sistemas dinâmicos. Neste contexto, é proposta e avaliada a utilização simultânea da abordagem neuro-fuzzy em todo o sistema de malha fechada controlador-planta.Na modelagem da planta, o espaço de entrada do sistema dinâmico é inicialmente dividido em um número de regiões de operação fuzzy onde modelos de ordem reduzida (ARMAX) representam o comportamento do sistema dinâmico. A saída completa do sistema - modelo global - é obtida através da conjunção das saídas dos modelos locais usando uma rede neuro-fuzzy.No controle da planta, é proposto um novo controlador neuro-fuzzy chamado Controlador Neuro-fuzzy de Coeficientes Variáveis (CNFCV), que tem como objetivos melhorar a robustez do sistema de controle a perturbações e a geração automática da variável manipulada, que é uma dificuldade normalmente encontrada em controladores neurais ou neuro-fuzzy. Esse controlador é originado dos modelos de redes neurais de Mellem (1997) e Velloso (1999), e utiliza redes neuro-fuzzy para a geração dos coeficientes variáveis de um modelo ARMA da variável manipulada. Apesar de juntar modelos de séries temporais com a abordagem neuro-fuzzy, o CNFCV tem como função não a previsão, mas sim o controle de uma planta ou processo.Para avaliar o desempenho do CNFCV são utilizados, como meios de comparação,controladores neuro- fuzzy conhecidos - FALCON-H Fuzzy Adaptive Learning Control Network with Hybrid Learning e NEFCON Neuro-Fuzzy Controller - e o tradicional controlador PID Proporcional- Integral-Derivativo.As plantas utilizadas são uma planta linear Bobinador, uma planta linearizada Pêndulo Invertido e uma planta não linear %CO2. A escolha de tais plantas deve-se ao fato de serem utilizadas e modeladas em aplicações práticas e em trabalhos acadêmicos. Os resultados obtidos com o CNFCV são analisados e comparados aos proporcionados pelas outras estruturas.Ao final são apresentadas conclusões e sugestões para trabalhos futuros. / [en] In this work procedures for neuro-fuzzy modelling and control of dynamic systems are reviewed and a new structure is proposed. In this, modelling and closed-loop control are performed simultaneously by using a neuro-fuzzy approach. In the modelling stage the input space of a dynamic system (plant) is initially divided into a number of fuzzy operating regions within which reduced order models are able to represent the system. The complete system model output - the global model - is obtained through the conjunction of the outputs of the local models. A new structure, called Neuro-Fuzzy Controller with Variable Coefficients (NFCVC) is proposed and evaluated. Its main objectives are to improve the system s robustness and to provide automatic generation of the manipulated variable in order to overcome a difficulty of neural and neuro-fuzzy controllers in general. The NFCVC is originated from models proposed by Mellem (1997) and Velloso (1999) and makes use of neuro-fuzzy networks to generate variable coefficients of an ARMA model. Despite combining times series models with a neuro-fuzzy approach, the main function of NFCVC is to perform the control of the plant.In order to evaluate the performance of NFCVC two well-known neuro-fuzzy controllers - FALCON-H (Fuzzy Adaptive Learning Control Network with Hybrid Learning) and the NEFCON (Neuro-Fuzzy Controller) - as well as the traditional PID controller are used as means of comparison.A linear plant (Rotor Winder), a linearized plant (Inverted Pendulum) and a nonlinear plant (%CO2) are used in the experiments. These plants are well-known and generally used in practical applications and/or academic works. The results for the NFCVC are analyzed and compared to those obtained with the others structures. Finally, conclusions and suggestions for future work are presented.