Made available in DSpace on 2014-06-11T19:22:31Z (GMT). No. of bitstreams: 0 Previous issue date: 2011-12-02Bitstream added on 2014-06-13T19:48:52Z : No. of bitstreams: 1 freitas_lps_me_ilha.pdf: 463364 bytes, checksum: 35c3a3450e5ec638595c65e3a7508c09 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Neste trabalho descreve-se o desenvolvimento de duas redes neurais que identificam e classificam dados da distribuição do peso corporal na região plantar de pessoas normais e hemiplégicas. Esses dados são experimentais e foram obtidos através da utilização de uma plataforma de força contendo 48 sensores. As arquiteturas utilizadas para esta aplicação foram as redes neurais MLP (Multilayer Perceptron) com o algoritmo retropropagação (backpropagation), e ARTMAP Nebulosa. A escolha de tais arquiteturas se deve ao treinamento (supervisionado) o qual associa de forma direta a distribuição de força plantar com os respectivos pacientes (normais e hemiplégicos). Ambas as arquiteturas, MLP e ARTMAP Nebulosa, conseguiram fazer a discriminação entre quase todas as pessoas normais e hemiplégicos. A rede neural ARTMAP Nebulosa possui a vantagem de efetuar a classificação de forma rápida e eficiente. Esta aplicação é importante nas áreas de Podologia, Posturologia e Podoposturologia, pois propicia ao profissional de saúde uma nova metodologia de diagnóstico / This work describes the development of two neural networks that identify and classify data distribution of plantar body weight of normal or hemiplegic individuals. The architectures used for this application were, respectively, MLP neural networks (Multilayer Perceptron) with backpropagation algorithm, and Fuzzy ARTMAP. The choice of such architectures was due to the training (supervised training) which directly associates the distribution of plantar force with the patients (normal or hemiplegic). The input data used for training and diagnosis of the neural networks were obtained from a force plate, with 48 sensors, containing measurements of the weight distribution on the plantar region (right and left) of normal or hemiplegic patients. Both architectures, MLP and Fuzzy ARTMAP, were able to discriminate almost all normal and hemiplegic patients. The Fuzzy ARTMAP neural network was more efficient than MLP neural network in the classification of the patients. This application is important in areas of Podiatry, Posturology and Podoposturology because it can help the health care professionals

Orientador: Marcelo Carvalho Minhoto Teixeira / Banca: Aparecido Augusto de Carvalho / Banca: Márcio Roberto Covacic / Resumo: Neste trabalho descreve-se o desenvolvimento de duas redes neurais que identificam e classificam dados da distribuição do peso corporal na região plantar de pessoas normais e hemiplégicas. Esses dados são experimentais e foram obtidos através da utilização de uma plataforma de força contendo 48 sensores. As arquiteturas utilizadas para esta aplicação foram as redes neurais MLP (Multilayer Perceptron) com o algoritmo retropropagação (backpropagation), e ARTMAP Nebulosa. A escolha de tais arquiteturas se deve ao treinamento (supervisionado) o qual associa de forma direta a distribuição de força plantar com os respectivos pacientes (normais e hemiplégicos). Ambas as arquiteturas, MLP e ARTMAP Nebulosa, conseguiram fazer a discriminação entre quase todas as pessoas normais e hemiplégicos. A rede neural ARTMAP Nebulosa possui a vantagem de efetuar a classificação de forma rápida e eficiente. Esta aplicação é importante nas áreas de Podologia, Posturologia e Podoposturologia, pois propicia ao profissional de saúde uma nova metodologia de diagnóstico / Abstract: This work describes the development of two neural networks that identify and classify data distribution of plantar body weight of normal or hemiplegic individuals. The architectures used for this application were, respectively, MLP neural networks (Multilayer Perceptron) with backpropagation algorithm, and Fuzzy ARTMAP. The choice of such architectures was due to the training (supervised training) which directly associates the distribution of plantar force with the patients (normal or hemiplegic). The input data used for training and diagnosis of the neural networks were obtained from a force plate, with 48 sensors, containing measurements of the weight distribution on the plantar region (right and left) of normal or hemiplegic patients. Both architectures, MLP and Fuzzy ARTMAP, were able to discriminate almost all normal and hemiplegic patients. The Fuzzy ARTMAP neural network was more efficient than MLP neural network in the classification of the patients. This application is important in areas of Podiatry, Posturology and Podoposturology because it can help the health care professionals / Mestre

Made available in DSpace on 2014-12-17T14:55:18Z (GMT). No. of bitstreams: 1 MarceloRS_TESE.pdf: 2113878 bytes, checksum: 1cc62a66f14cc48f2e97f986a4dbbb8d (MD5) Previous issue date: 2014-01-27 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / This thesis describes design methodologies for frequency selective surfaces (FSSs) composed of periodic arrays of pre-fractals metallic patches on single-layer dielectrics (FR4, RT/duroid). Shapes presented by Sierpinski island and T fractal geometries are exploited to the simple design of efficient band-stop spatial filters with applications in the range of microwaves. Initial results are discussed in terms of the electromagnetic effect resulting from the variation of parameters such as, fractal iteration number (or fractal level), fractal iteration factor, and periodicity of FSS, depending on the used pre-fractal element (Sierpinski island or T fractal). The transmission properties of these proposed periodic arrays are investigated through simulations performed by Ansoft DesignerTM and Ansoft HFSSTM commercial softwares that run full-wave methods. To validate the employed methodology, FSS prototypes are selected for fabrication and measurement. The obtained results point to interesting features for FSS spatial filters: compactness, with high values of frequency compression factor; as well as stable frequency responses at oblique incidence of plane waves. This thesis also approaches, as it main focus, the application of an alternative electromagnetic (EM) optimization technique for analysis and synthesis of FSSs with fractal motifs. In application examples of this technique, Vicsek and Sierpinski pre-fractal elements are used in the optimal design of FSS structures. Based on computational intelligence tools, the proposed technique overcomes the high computational cost associated to the full-wave parametric analyzes. To this end, fast and accurate multilayer perceptron (MLP) neural network models are developed using different parameters as design input variables. These neural network models aim to calculate the cost function in the iterations of population-based search algorithms. Continuous genetic algorithm (GA), particle swarm optimization (PSO), and bees algorithm (BA) are used for FSSs optimization with specific resonant frequency and bandwidth. The performance of these algorithms is compared in terms of computational cost and numerical convergence. Consistent results can be verified by the excellent agreement obtained between simulations and measurements related to FSS prototypes built with a given fractal iteration / Esta tese descreve metodologias de projeto para superf?cies seletivas de frequ?ncia (FSSs) compostas por arranjos peri?dicos de patches met?licos pr?-fractais impressos em camadas diel?tricas simples (FR4, RT/duroid). As formas apresentadas pelas geometrias correspondentes ? ilha de Sierpinski e ao fractal T s?o exploradas para o projeto simples de filtros espaciais rejeita-faixa eficientes com aplica??es na faixa de micro-ondas. Resultados iniciais s?o discutidos em termos do efeito eletromagn?tico decorrente da varia??o de par?metros como, n?mero de itera??es fractais (ou n?vel do fractal), fator de itera??o fractal, e periodicidade da FSS, dependendo do elemento pr?-fractal utilizado (ilha de Sierpinski ou fractal T). As propriedades de transmiss?o destes arranjos peri?dicos propostos s?o investigadas atrav?s de simula??es realizadas pelos programas comerciais Ansoft DesignerTM e Ansoft HFSSTM, que executam m?todos de onda completa. Para validar a metodologia empregada, prot?tipos de FSS s?o selecionados para fabrica??o e medi??o. Os resultados obtidos apontam caracter?sticas interessantes para filtros espaciais de FSS, tais como: estrutura compacta, com maiores fatores de compress?o de frequ?ncia; al?m de respostas est?veis em frequ?ncia com rela??o ? incid?ncia obl?qua de ondas planas. Esta tese aborda ainda, como enfoque principal, a aplica??o de uma t?cnica alternativa de otimiza??o eletromagn?tica (EM) para an?lise e s?ntese de FSSs com motivos fractais. Em exemplos de aplica??o desta t?cnica, elementos pr?-fractais de Vicsek e Sierpinski s?o usados no projeto ?timo das estruturas de FSS. Baseada em ferramentas de intelig?ncia computacional, a t?cnica proposta supera o alto custo computacional proveniente das an?lises param?tricas de onda completa. Para este fim, s?o desenvolvidos modelos r?pidos e precisos de rede neural do tipo perceptron de m?ltiplas camadas (MLP) utilizando diferentes par?metros como vari?veis de entrada do projeto. Estes modelos de rede neural t?m como objetivo calcular a fun??o custo nas itera??es dos algoritmos de busca populacional. O algoritmo gen?tico cont?nuo (GA), a otimiza??o por enxame de part?culas (PSO), e o algoritmo das abelhas (BA), s?o usados para a otimiza??o das FSSs com valores espec?ficos de frequ?ncia de resson?ncia e largura de banda. O desempenho destes algoritmos ? comparado em termos do custo computacional e da 13 converg?ncia num?rica. Resultados consistentes podem ser verificados atrav?s da excelente concord?ncia obtida entre simula??es e medi??es referentes aos prot?tipos de FSS constru?dos com uma dada itera??o fractal