SOUZA, L. G. M. Modelos lineares locais para identificação de sistemas dinâmicos usando redes neurais competitivas. 2012. 138 f. Tese (Doutorado em Engenharia de Teleinformática) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2012. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2012-04-11T19:03:35Z No. of bitstreams: 1 2012_tese_lgmsouza.pdf: 4806820 bytes, checksum: 0c0cdad9e64203a1d6f81577c868485e (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2012-04-11T19:05:16Z (GMT) No. of bitstreams: 1 2012_tese_lgmsouza.pdf: 4806820 bytes, checksum: 0c0cdad9e64203a1d6f81577c868485e (MD5) / Made available in DSpace on 2012-04-11T19:05:16Z (GMT). No. of bitstreams: 1 2012_tese_lgmsouza.pdf: 4806820 bytes, checksum: 0c0cdad9e64203a1d6f81577c868485e (MD5) Previous issue date: 2012-02 / In this thesis the problem of nonlinear system identifi cation is approached from the viewpoint of local models. The input space is partitioned into smaller operational regions with lower complexity models (usually linear) built for each one. This type of model is an alternative to global models, for which the system dynamics is identifi ed using a single structure (usually nonlinear ones) that covers the whole input space. The aim of this thesis is to design of local linear models whose input space is partitioned by means of vector quantization algorithms, special those based on competitive learning neural networks. For this purpose, three novel local linear modeling methods based on the SOM (self-organizing map) are introduced and evaluated on the identi fication of the inverse model of four dynamical systems commonly used in the literature for performance benchmarking. The proposed models are also compared with global models based on the MLP (multilayer perceptron) and ELM (extreme learning machines), as well as with alternative local linear models, such as the Takagi-Sugeno fuzzy model and the LLM(local linear mapping) neural model. A comprehensive study is carried out to compare the performances of all the aforementioned models according to three evaluation criteria, namely: (i) normalized mean squared error, (ii) residual analysis, and (iii) Kolmogorov-Smirnov test. Of particular interest to this thesis is the evaluation of the robustness of the proposed local models with respect to the vector quantization algorithm used to train the model. The obtained results indicates that the performance of the proposed local models are superior to those achieved by the MLP-based global models and equivalent to those achieved by ELM-based global models. / Nesta tese aborda-se o problema de identi ficação de sistemas dinâmicos sobre a ótica dos modelos locais, em que o espaço de entrada é particionado em regiões de operação menores sobre as quais são construídos modelos de menor complexidade (em geral, lineares). Este tipo de modelo é uma alternativa aos chamados modelos globais em que a dinâmica do sistema é identifi cada usando-se uma única estrutura (em geral, não-linear) que cobre todo o espaço de entrada. Assim, o tema alvo desta tese é o projeto de modelos lineares locais cujo espaço de entrada é particionado por meio do uso de algoritmos de quantização vetorial, principalmente aqueles baseados em redes neurais competitivas. Para este fi m, são propostos três novos modelos lineares locais baseados na rede SOM (self-organizing map), que são avaliados na tarefa de identifi cação do modelo inverso de quatro sistemas dinâmicos comumente usados na literatura em benchmarks de desempenhos. Os modelos propostos são também comparados com modelos globais baseados nas redes MLP (multilayer perceptron) e ELM (extreme learning machines), bem como com outros modelos lineares locais, tais como o modelo fuzzy Takagi-Sugeno e o modelo neural LLM (local linear mapping). Um amplo estudo é realizado visando comparar os desempenhos de todos os modelos supracitados segundo três critérios de avaliação, a saber: (i) erro médio quadrático normalizado, (ii) análise dos resíduos, e (iii) teste estatístico de Kolmogorov-Smirnov. De particular interesse para esta tese, é a avaliação da robustez dos modelos locais propostos com relação ao algoritmo de quantização vetorial usado no treinamento do modelo. Os resultados obtidos indicam que os desempenhos dos modelos locais propostos são superiores aos dos modelos globais baseados na rede MLP e equivalentes aos modelos globais baseados na rede ELM.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2014 / Made available in DSpace on 2015-02-05T20:15:44Z (GMT). No. of bitstreams: 1 330263.pdf: 3453482 bytes, checksum: 1f832a793b3be455cd4f324d500d206f (MD5) Previous issue date: 2014 / O presente estudo propõe a viabilidade da utilização de Mapas Auto-organizáveis de Kohonen (MAK) para o processo de detecção e classificação de eventos epileptiformes (EE) para o apoio ao diagnóstico de epilepsia, para tanto optou-se pelo desenvolvimento de um protótipo de sistema automatizado, utilizando técnicas de Inteligência Artificial baseado em MAK. O sistema protótipo proposto chamado de Sistema Classificador Kohonen para Eventos Epileptiformes (SCKEE) foi desenvolvido com o objetivo de obter um software protótipo com capacidade de realizar o processamento dos sinais de forma eficiente e classificar automaticamente EE em sinais de eletroencefalografia de longa duração. O SCKEE é composto por dois módulos (treinamento e teste), nos quais são utilizados uma camada de entrada com 512 neurônios e uma camada de saída com 3 possibilidades de tamanhos (100, 225 e 400 neurônios), e quatro funções de ativação de vizinhança (Discreta, Gaussiana, "Chapéu Mexicano" e "Chapéu Francês"), o qual seu funcionamento segue da seguinte forma, primeiramente, no módulo de treinamento é realizada a separação das classes de padrões apresentado ao sistema, gerando o conjunto de pesos treinados, no módulo de teste é utilizado o conjunto de pesos treinados para a classificação dos padrões a serem testados. A avalição dos dados de classificação gerados pelo SCKEE foi realizada com base nos índices de desempenho obtidos através da análise dos resultados gerados por este. Concluiu-se que a função de ativação de vizinhança "Chapéu Mexicano", no tamanho de rede de 225 neurônios, obteve os melhores resultados para os índices de desempenho avaliados: Sensibilidade de 100%, Especificidade de 91%, Seletividade Positiva e Seletividade Negativa de 90% e 100%, respectivamente e Eficiência de 95%. Com a utilização de MAK com apenas uma rede neural artificial na camada de saída, foi possível a separação e classificação dos EE com resultados promissores, no qual pode-se atribuir os excelentes resultados alcançados, ao desenvolvimento de um software exclusivo para a classificação dos EE em sinais de EEG, o que pode confirmar a viabilidade da utilização do MAK para apoio ao diagnóstico.<br> / Abstract: This study proposes the feasibility of using of Self-Organized Map (SOM) for process of detection and classification of epileptiform events (EE) to support the diagnosis of epilepsy, and opted for the development of a prototype automated system using artificial intelligence techniques based on SOM. The proposed prototype system called Kohonen Classifier System for Events Epileptiform (KCSEE) was development with the goal obtaining a prototype software capable of performing signal processing quickly and automatically classify EE in signals of electroencephalogram (EEG) of long-term. The KCSEE consists of two modules (training and test), in which are used an input layer with 512 neurons and an output layer with 3 sizes different (100, 225 and 400 neurons) and four neighborhood activation functions (Discrete, Gaussian, "Mexican Hat" and "French Hat"), which its operation is given as follows, first, in the training module is made the separation of the classes of patterns presented to the system, generating a set of trained weights, in the test module is used the set of trained weights for classification of the patterns that will be tested. The evaluation of date of classification obtained by KCSEE was performed based on the performance indices obtained by analyzing of the results generated from this. Was concluded that the "Mexican Hat" neighborhood activation function, with network size of 225 neurons, obtained the best results for performance indices evaluated: Sensitivity 100%, Specificity 91%, Positive Selectivity and Negative Selectivity 90% and 100%, respectively, and Efficiency 95%. Using SOM with only an artificial neural network in the output layer, was possible the separation and classification of EE with promising results, which can attribute the good results to the development of an exclusive software for classification of EE in signals of EEG, which can confirm the feasibility of using SOM to support the diagnosis.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia e Gestão do Conhecimento, Florianópolis, 2014 / Made available in DSpace on 2015-05-26T04:02:24Z (GMT). No. of bitstreams: 1 333232.pdf: 16102775 bytes, checksum: 38666f4b424131fa5bd42c93ad111e33 (MD5) Previous issue date: 2014 / Este trabalho buscou alternativas viáveis para identificar e classificar Objetos de Ensino e Aprendizagem com relação ao ao nível de atenção que pode ser esperado deles. A Atenção desempenha um papel importante no processo de ensino e aprendizagem e identificar objetos que potencializem a atenção dos alunos é relevante no contexto do ensino suportado por tecnologias. Sendo assim, o objetivo desta pesquisa é elaborar um método de avaliação de objetos de ensino e aprendizagem com base nos níveis de Atenção do aluno. O método utilizado consistiu em obter a atividade cerebral de alunos por meio de eletroencefalografia relacionando-a com a Atenção durante a utilização de objetos de ensino e aprendizagem. Com base nestas medições foram calculados valores definidos como "pontuação de atenção" que são diretamente proporcionais a atenção do sujeito testado. De posse da pontuação de Atenção esta foi relacionada com as características do objeto, gerando um artefato do qual espera-se a capacidade de extrapolação da pontuação de Atenção para outros objetos semelhantes. Duas tecnologias foram utilizados para a construção do artefato: Redes Neurais Artificiais (Redes de Kohonen) e Classificadores Estatísticos(See5) destas o melhor resultado foi obtido com o uso das redes de Kohonen que se mostraram capazes de classificar objetos com metadados semelhantes indicando níveis próximos de atenção. Os resultados obtidos indicaram a necessidade de um conjunto mais especifico de características que o conjunto de metadados disponível. Desta forma, neste trabalho foi proposto, e definido, um conjunto metadados baseados em características de design, usabilidade e arquitetura de informação. De posse deste conjunto, novos testes, mais abrangentes, foram executados e os resultados obtidos demonstram que os metadados propostos tem uma relação mais próxima com as características relevantes à atenção. Este resultado vai de encontro a hipótese tratada neste trabalho: "Existe um conjunto de dados capaz de descrever um objeto de ensino e aprendizagem e com base neste conjunto é possível inferir, de forma objetiva, um nível de atenção". Mostrando que o conjunto de metadados proposto, apesar de não ser otimizado, representa o objetos de ensino e aprendizagem de forma mais eficiente, no que tange o nível de atenção ao esperado, que o conjunto previamente utilizado.<br> / Abstract: This work aims to identify a viable alternative for Learning Object's classification, according to the level of attention that can be expected of these objects. Attention plays a major role in learning process andidentify objects that enhance the attention of students is relevant in this context. Sendo assim, o objetivo desta pesquisa é elaborar um método de avaliação de objeto de ensino e aprendizagem com base nos níveis de Atenção do aluno e, relacionar estes valores as características do objeto avaliado. Therefore, the objective of this research is develop a method to evaluating Learning Objects based on the levels of student's attention and correlate these values with object's characteristics. The method employed consists in obtaining the student's brain activity through electroencephalography relating it to the attention while using Learning Objects. Based on these measurements are calculated values defined as "Attention Score". That values are directly proportional to the attention of the tested subject. The Attention Score can be correlated to the characteristics of the object, generating an artefact, which, hopefully, will be able to interpolate Attention Scores for other similar objects. Two technologies were used for the construction of the artefact: Artificial Neural Networks (Kohonen Network) and statistical classifiers (See5) with these, the best result was obtained using the Kohonen Networks who proved able to classify objects with similar metadata with related attention levels. The results indicate the need for a more specific set of characteristics that the available set of metadata. Thus, this work is proposed, and defineda metadata set based in design features, usability and information architecture. In possession of this set, new tests, more comprehensive, were performed. The results demonstrate that the proposed metadata has a closer relationship with characteristics relevant to attention. This result meets the hypothesis addressed in this study: "There are a data set that can describe a Learning Object, and based on this set,we can, in a objective way, infer a expected attention level." Showing that the proposed Learning Object's metadata set are more efficiently, regarding the expected attention level, in comparison with the set previously used.

Made available in DSpace on 2014-06-12T15:59:44Z (GMT). No. of bitstreams: 2 arquivo5531_1.pdf: 3047008 bytes, checksum: c2b4208f3cd81a0c9379a0179bd76b03 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2006 / Em uma grande variedade de aplicações existe a necessidade de modelos digitais de objetos reais, como máquinas, produtos comerciais, esculturas, órgãos humanos, entre outros. O processo de criação desses modelos a partir de dados do objeto real que ele representa é chamado de Reconstrução. Neste trabalho é proposto um novo método de reconstrução de superficies que consiste na combinação de duas redes neurais para gerar uma representação em malha de triângulos da forma de um objeto a partir de um conjunto de pontos de sua superfície. O sistema de reconstrução recebe como entrada um conjunto de imagens de secções transversais de um objeto real ou um objeto sintético. A partir dessas entradas são adquiridos os pontos que são fornecidos à Rede Neural para a reconstrução da forma do objeto. Inicialmente o processo de Reconstrução de um modo geral será apresentado juntamente com algumas das soluções atualmente disponíveis. Em seguida é apresentado o sistema de Reconstrução desenvolvido, particularmente o novo método proposto para reconstrução de superfícies. Por fim são apresentados os experimentos realizados, os resultados alcançados, e discutidos os aspectos favoráveis e desfavoráveis do algoritmo proposto para Reconstrução de Superfície, bem como as possibilidades futuras de melhorias para o sistema

A demanda por energia no mundo moderno é crescente, em particular nos países em desenvolvimento. Dentre as fontes de energia atualmente disponíveis a opção nuclear tem merecido destaque pelas suas qualidades de não afetar o meio ambiente por meio de emissões de gases de efeito estufa e nem demandar grandes áreas. Porém, a sociedade tem requerido melhoria da segurança dos novos reatores e as empresas de energia necessitam maior disponibilidade das centrais. O projeto do IRIS, um reator nuclear integral a água pressurizada, vem atender a esses requisitos. Um sistema de identificação e classificação de transientes ajudaria a melhorar a segurança e a aumentar a disponibilidade do IRIS, melhorando sua competitividade. Como contribuição para o desenvolvimento de um sistema como esse foi desenvolvido e estudado o Sistema de Identificação e Classificação de Transientes SICT com capacidade de monitorar a operação da central e disponibilizar informações sobre seu estado operacional. O SICT foi desenvolvido usando a técnica de redes neuronais, mais especificamente os Mapas Auto-Organizáveis (Self-Organizing Maps - SOM). Para o treinamento do SICT foram usados resultados de simulação do IRIS com o código RELAP5. Para comprovar a metodologia de usar resultados de simulações, cujos valores têm características diferentes daqueles medidos, foi feito uma aplicação do SICT para uma instalação experimental, o Circuito Térmico NO 1 CT1. A partir de experimentos termo-hidráulicos no CT1 e de simulações deste com o RELAP5, pôde-se verificar a validade dessa metodologia. Tem-se disponível para estudos futuros uma nodalização do CT1 validada, uma nodalização do IRIS testada para vários transientes, normais e anormais, e um banco de dados de resultados de simulação do IRIS. Está também disponível, em um CD em anexo a esta tese, os arquivos fontes do aplicativo desenvolvido, SICT, e de alguns programas auxiliares, os dados dos experimentos realizados no CT1 e dados de entrada e resultados de simulações do CT1 com o RELAP5. / The demand for energy in the modern world is growing, particularly in the developing countries. The nuclear option has been deserving prominence for their qualities of not impacting the environment through emissions of greenhouse gases and nor to demand great areas. However society requests improvement in the safety of new reactors and the utilities request larger availability of the power plants. The IRIS project of an integral nuclear pressurized water reactor proposes to fulfill those requirements. A system for identification and classification of transients would help to improve the safety and to increase the availability of the IRIS increasing its competitiveness. In order to contribute to the development of such a system it was developed in this work a System for Identification and Classification of Transients SICT - capable of monitoring the operation of the reactor and of providing information on its operational state. SICT was developed using the technique of neural networks, more specifically the Self-Organizing Maps. Results of IRIS simulations with RELAP5 code were used to train the neural network of SICT. To demonstrate the correctness of the methodology of using simulation results, whose values have characteristics different from the measured ones, it was made a version of SICT for an experimental installation, the Thermal Circuit #1 - CT1. Experiments were run in this test facility and simulations of its operation were done with RELAP5. This CT1 version of SICT was then checked against the simulation and experimental data validating the methodology. As a result of the activities to develop SICT, it is now available for futures studies: the developed application, SICT, a database of experiments in CT1, a validated nodalização of CT1, a database of results of CT1 simulations, a nodalização of the IRIS tested for several normal and abnormal transients and a database with the results of IRIS simulations. Attached to this thesis is a CD with the source files of the application and of some auxiliary programs, the data from the experiments carried out in CT1 and the input data and simulation results of CT1 with RELAP5

Este trabalho descreve o estudo e testes de um sistema capaz de identificar e classificar os transientes, ou estados transitórios, de sistemas termo-hidráulicos, utilizando a técnica de redes neurais artificiais do tipo mapas de características auto-organizáveis, com o objetivo de sua implantação nas novas gerações de reatores nucleares. A técnica desenvolvida neste trabalho consiste no uso de múltiplas redes para fazer a classificação e identificação dos estados transitórios, sendo cada uma especialista em um respectivo transitório do sistema, que competem entre si por meio do erro de quantização, que é uma medida gerada por estas redes neurais. Esta técnica se mostrou eficiente, apresentando características muito promissoras no que diz respeito ao desenvolvimento de novas funcionalidades em futuros projetos. Uma dessas características consiste no potencial de que a rede, além de responder qual estado transitório está em curso, também pode oferecer informações adicionais sobre esse transitório. / This work describes the study and test of a system capable to identify and classify transients in thermo-hydraulic systems, using a neural network technique of the self-organizing maps (SOM) type, with the objective of implanting it on the new generations of nuclear reactors. The technique developed in this work consists on the use of multiple networks to do the classification and identification of the transient states, being each network a specialist at one respective transient of the system, that compete with each other using the quantization error, that is a measure given by this type of neural network. This technique showed very promising characteristics that allow the development of new functionalities in future projects. One of these characteristics consists on the potential of each network, besides responding what transient is in course, could give additional information about that transient.

Este trabalho descreve o estudo e testes de um sistema capaz de identificar e classificar os transientes, ou estados transitórios, de sistemas termo-hidráulicos, utilizando a técnica de redes neurais artificiais do tipo mapas de características auto-organizáveis, com o objetivo de sua implantação nas novas gerações de reatores nucleares. A técnica desenvolvida neste trabalho consiste no uso de múltiplas redes para fazer a classificação e identificação dos estados transitórios, sendo cada uma especialista em um respectivo transitório do sistema, que competem entre si por meio do erro de quantização, que é uma medida gerada por estas redes neurais. Esta técnica se mostrou eficiente, apresentando características muito promissoras no que diz respeito ao desenvolvimento de novas funcionalidades em futuros projetos. Uma dessas características consiste no potencial de que a rede, além de responder qual estado transitório está em curso, também pode oferecer informações adicionais sobre esse transitório. / This work describes the study and test of a system capable to identify and classify transients in thermo-hydraulic systems, using a neural network technique of the self-organizing maps (SOM) type, with the objective of implanting it on the new generations of nuclear reactors. The technique developed in this work consists on the use of multiple networks to do the classification and identification of the transient states, being each network a specialist at one respective transient of the system, that compete with each other using the quantization error, that is a measure given by this type of neural network. This technique showed very promising characteristics that allow the development of new functionalities in future projects. One of these characteristics consists on the potential of each network, besides responding what transient is in course, could give additional information about that transient.

A demanda por energia no mundo moderno é crescente, em particular nos países em desenvolvimento. Dentre as fontes de energia atualmente disponíveis a opção nuclear tem merecido destaque pelas suas qualidades de não afetar o meio ambiente por meio de emissões de gases de efeito estufa e nem demandar grandes áreas. Porém, a sociedade tem requerido melhoria da segurança dos novos reatores e as empresas de energia necessitam maior disponibilidade das centrais. O projeto do IRIS, um reator nuclear integral a água pressurizada, vem atender a esses requisitos. Um sistema de identificação e classificação de transientes ajudaria a melhorar a segurança e a aumentar a disponibilidade do IRIS, melhorando sua competitividade. Como contribuição para o desenvolvimento de um sistema como esse foi desenvolvido e estudado o Sistema de Identificação e Classificação de Transientes SICT com capacidade de monitorar a operação da central e disponibilizar informações sobre seu estado operacional. O SICT foi desenvolvido usando a técnica de redes neuronais, mais especificamente os Mapas Auto-Organizáveis (Self-Organizing Maps - SOM). Para o treinamento do SICT foram usados resultados de simulação do IRIS com o código RELAP5. Para comprovar a metodologia de usar resultados de simulações, cujos valores têm características diferentes daqueles medidos, foi feito uma aplicação do SICT para uma instalação experimental, o Circuito Térmico NO 1 CT1. A partir de experimentos termo-hidráulicos no CT1 e de simulações deste com o RELAP5, pôde-se verificar a validade dessa metodologia. Tem-se disponível para estudos futuros uma nodalização do CT1 validada, uma nodalização do IRIS testada para vários transientes, normais e anormais, e um banco de dados de resultados de simulação do IRIS. Está também disponível, em um CD em anexo a esta tese, os arquivos fontes do aplicativo desenvolvido, SICT, e de alguns programas auxiliares, os dados dos experimentos realizados no CT1 e dados de entrada e resultados de simulações do CT1 com o RELAP5. / The demand for energy in the modern world is growing, particularly in the developing countries. The nuclear option has been deserving prominence for their qualities of not impacting the environment through emissions of greenhouse gases and nor to demand great areas. However society requests improvement in the safety of new reactors and the utilities request larger availability of the power plants. The IRIS project of an integral nuclear pressurized water reactor proposes to fulfill those requirements. A system for identification and classification of transients would help to improve the safety and to increase the availability of the IRIS increasing its competitiveness. In order to contribute to the development of such a system it was developed in this work a System for Identification and Classification of Transients SICT - capable of monitoring the operation of the reactor and of providing information on its operational state. SICT was developed using the technique of neural networks, more specifically the Self-Organizing Maps. Results of IRIS simulations with RELAP5 code were used to train the neural network of SICT. To demonstrate the correctness of the methodology of using simulation results, whose values have characteristics different from the measured ones, it was made a version of SICT for an experimental installation, the Thermal Circuit #1 - CT1. Experiments were run in this test facility and simulations of its operation were done with RELAP5. This CT1 version of SICT was then checked against the simulation and experimental data validating the methodology. As a result of the activities to develop SICT, it is now available for futures studies: the developed application, SICT, a database of experiments in CT1, a validated nodalização of CT1, a database of results of CT1 simulations, a nodalização of the IRIS tested for several normal and abnormal transients and a database with the results of IRIS simulations. Attached to this thesis is a CD with the source files of the application and of some auxiliary programs, the data from the experiments carried out in CT1 and the input data and simulation results of CT1 with RELAP5

A tática aérea de progressão em território inimigo usando navegação a baixa altura visa proteger a aeronave incursora dos radares inimigos, através do bloqueio natural oferecido pela geografia do terreno. Para diminuir os riscos de detecção, é fundamental um adequado planejamento deste tipo de missão, que requer informações como as posições de radares e os dados de elevação na região da navegação. Com essas informações, a construção do mapa de intervisibilidade constitui uma ferramenta essencial para um bom planejamento da trajetória. Por outro lado, do ponto de vista da defesa aérea, a construção de mapas de intervisibilidade permite posicionar os radares de forma que tenham maior visibilidade da região a ser protegida, diminuindo o risco de sofrer um ataque aéreo. Assim, para evitar o cálculo de intervisibilidade de todos os pontos, é importante investigar como reconstruir mapas de intervisibilidade a partir de informação incompleta. As alternativas escolhidas para apoiar o estudo foram a construção de modelos de predição com redes neurais artificiais e de modelos aditivos generalizados. Os dois modelos foram definidos a partir de um estudo sistemático, baseado nos princípios de projeto e análise de experimentos. Para a construção do algoritmo de cálculo exato foram utilizadas idéias contidas nos algoritmos Xdraw e Radial LoS Scanning, juntamente com o algoritmo de Bresenham para determinação das linhas de visada.

Tradicionalmente, a tabela periódica convenientemente apresenta elementos químicos em linhas, chamadas períodos e em colunas, chamadas grupos ou famílias. Em um trabalho anterior, alguns de nós, com base exclusivamente nas informações disponíveis na época de Mendeleev, têm usado redes neurais artificiais e mapas auto-organizaveis para gerar um arranjo bidimensional dos elementos químicos. Agora, nesta investigação, temos tentado determinar quais propriedades dos elementos favorecem a formação dos períodos e quais favorecem a formação de famílias. Aqui, nós projetamos um modelo baseado no problema do caixeiro viajante. As propriedades físico-químicas dos elementos representaram as coordenadas das cidades percorridas pelo caixeiro viajante. Assim, através da determinação do melhor caminho, encontramos que elementos químicos são mais semelhantes de acordo com um conjunto de propriedades pré-selecionadas. Os testes foram realizados em 3 grupos distintos de propriedades. No ensaio 1, as propriedades seleccionadas foram: peso atômico, temperatura de fusão, temperatura de ebulição, densidade; no Teste 2, as propriedades selecionadas foram: peso atômico, temperatura de fusão, temperatura de ebulição, energia de ionização; e no teste 3, as propriedades selecionadas foram densidade, temperatura de fusão, temperatura de ebulição, energia de ionização. A análise detalhada mostrou que o peso atômico favorece a formação dos períodos e a substituição do peso atômico pela densidade beneficiou a formação de grupos. A sequência deste trabalho consiste em uma classificação de aminoácidos. Para isso, fizemos uso de redes de Kohonen (mapas auto-organizáveis) e analisamos os agrupamentos formados no mapa. Dessa forma obtivemos um mapa bidimensional onde aminoácidos com características similares ficaram próximos uns dos outros. Dentre as propriedades utilizadas para treinamento, destacamos o softness químico local. Ao todo foram feitos cinco testes com dados de entrada diferente. O primeiro teste foi realizado com as seguintes propriedades: softness da cadeia lateral, softness do radical, softness molecular, fator de empilhamento e espectros na faixa de 0-50, 50-100 e 100-150; no segundo teste fizemos uso de: softness da cadeia lateral, softness do radical, softness molecular, fator de empilhamento e potencial de hidratação; no terceiro teste os dados de entrada foram: softness da cadeia lateral, softness do radical, softness molecular, volume e potencial de hidratação; no quarto teste utilizamos: softness da cadeia lateral, softness do radical, softness molecular e potencial de hidratação; no último teste os dados de entrada foram apenas: softness da cadeia lateral, softness do radical e softness molecular. Nos testes realizados muitos grupos foram identificados, tais como: pequenos, carregados, carregados positivamente, alifáticos e aromáticos. Por fim, notamos que, como citado por Zhou e Parr, softness, de fato, se mostrou um bom indicador de aromaticidade.