Resumo: As redes neurais artificiais têm sido aplicadas com sucesso em diversos problemas de análise exploratória de dados multivariados relacionados à ecologia. Todavia, poucos são os trabalhos utilizando a rede de Kohonen (mapas auto-organizáveis) para classificação de padrões de dados ecológicos. A dificuldade encontra-se na obtenção de um conjunto adequado de dados para o treinamento e validação da rede. Para o desenvolvimento deste trabalho foram utilizados dados obtidos no projeto "Estudos ictiológicos na área de influência do AHE Corumbá" pelo Núcleo de Pesquisas em Limnologia, Ictiologia e Aqüicultura (Nupélia), Universidade Estadual de Maringá (UEM) em convênio com FURNAS Centrais Elétricas S.A. Este trabalho utiliza a rede de Kohonen como uma metodologia para a classificação das espécies de peixes em categorias tróficas do reservatório de Corumbá - GO, de acordo com a dieta, envolvendo duas fases distintas: fase rio (anterior ao represamento), com a classificação de 1845 estômagos de 33 espécies de peixes, e a fase reservatório (posterior ao represamento), com a classificação de 5492 estômagos de 36 espécies de peixes. As classificações foram obtidas nas duas fases distintamente, resultando em ambas, em uma separação de dois grandes grupos: o dos generalistas e o dos especialistas. Os peixes especialistas foram divididos em quatro grupos: insetívoros, herbívoros, piscívoros e detritívoros. Os insetívoros apresentaram um grande número de espécies, sendo necessário modelar uma nova rede, visando a separação desta categoria, em quatro sub-grupos. A rede de Kohonen mostrou-se uma ferramenta robusta para a classificação dos dados, apresentando resultados rápidos, com uma clara visualização dos agrupamentos, facilitando sobremaneira a interpretação dos resultados.

Dissertação (mestrado) - Pontifícia Universidade Católica do Paraná, Curitiba, 2012 / Bibliografia: p. 57-59 / om o crescimento das bases de dados e a necessidade de extrair informação destas, muitos algoritmos foram propostos. Em aplicações onde há a coleta de informações em tempo real ou com grande frequência, pode ocorrer a geração de um fluxo de dados. Como ex / Researchers have proposed many algorithms to mine information on databases. In applications where information must be mined in real time or in applications where data is generated in a high frequency, a data stream may occur. Examples include sensor netwo

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2013-07-16T01:10:18Z (GMT). No. of bitstreams: 1 213664.pdf: 7712834 bytes, checksum: 25d510ac154de316d39ba9f2c1e83262 (MD5) / O presente trabalho está relacionado ao desenvolvimento de técnicas computacionais para auxílio no diagnóstico de epilepsia. O sistema proposto é baseado em uma classe de redes neurais artificiais com aprendizado não-supervisionado, os Mapas Auto-Organizáveis de Kohonen (MAK) e tem por finalidade detectar automaticamente eventos epileptogênicos (espícula e ondas agudas) em sinais de EEG. Utiliza quatro redes neurais, treinadas separadamente, cada uma responsável por identificar um tipo específico de padrão do EEG, quais sejam: paroxismos epileptogênicos, atividade de fundo normal, piscadas e ruídos muscular ou de eletrodo. O conjunto de sinais para teste e treinamento foi retirado de nove registros, com duração total de 12 horas, obtido de sete pacientes comprovadamente epilépticos. Os padrões utilizados para treinamento e testes do sistema têm duração de um segundo e não sofreram pré-processamento. O sistema foi capaz de detectar espículas e ondas agudas com aproximadamente 82% de especificidade, 58,0% de sensibilidade e valores preditivo positivo e preditivo negativo de 65,4% e 76,7%, respectivamente. O resultado é aceitável, se comparado ao índice de concordância entre dois especialistas (em torno 50%). O desempenho médio do sistema desenvolvido com as redes MAK é equivalente ao desempenho de um sistema similar baseado em redes feedforward com a vantagem, no primeiro caso, de além do treinamento ser não-supervisionado não necessita de um vetor alvo.

Submitted by Daniella Sodre (daniella.sodre@ufpe.br) on 2015-03-09T14:05:33Z No. of bitstreams: 2 Dissertacao_Ubiracy Junior_Final_Catalogacao.pdf: 3667709 bytes, checksum: 28e3552ccb62e878c13d1884a50c925d (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-09T14:05:33Z (GMT). No. of bitstreams: 2 Dissertacao_Ubiracy Junior_Final_Catalogacao.pdf: 3667709 bytes, checksum: 28e3552ccb62e878c13d1884a50c925d (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013-11-28 / O Mapeador de Teses e Dissertações da UFPE (MTD-UFPE) é um sistema que objetiva a recuperação de informações na Biblioteca Digital de Teses e Dissertações da UFPE e que consiste de uma interface de navegação e pesquisa utilizando mapa de documentos. Um mapa de documentos é construído com o uso de mapas auto-organizáveis (SOM). SOM é um tipo de rede neural que usa a técnica de aprendizado competitivo e tem grande potencial no agrupamento de documentos de textos similares. No sistema MTD-UFPE, o treinamento do mapa de documentos era realizado externamente, precisando-se passar os arquivos que representam os vetores documentos para treinamento através do MATLAB, tornando-se uma atividade custosa. Assim, este trabalho tem o objetivo de incorporar ao sistema MTD-UFPE um processo automático de treinamento do mapa de documentos e também implementar um método de marcação no mapa que identifique as regiões que contém os documentos resultantes das pesquisas. De maneira complementar, visa-se modelar a estrutura do sistema após a automação do processo de treinamento. Visando esta automação no processo de treinamento integrou-se ao MTD-UFPE a ferramenta de código livre, Java SOMToolbox, desenvolvida pelo Instituto de Tecnologia de Software e Sistemas Interativos da Universidade de Vienna e que permite o treinamento de mapas auto-organizáveis. Foi possível obter mapas com os documentos de treinamento agrupados de acordo com a semelhança contextual e constatou-se que o Java SOMToolbox apresenta vários recursos visuais para análise dos agrupamentos. A funcionalidade de marcação das regiões no mapa que englobam os documentos das pesquisas trouxe como benefício a agilidade na navegação no sentido de localizar facilmente os documentos desejados e os correlacionados.

Submitted by Daniella Sodre (daniella.sodre@ufpe.br) on 2015-03-09T14:29:36Z No. of bitstreams: 2 Dissertação Anderson Andrade.pdf: 3071313 bytes, checksum: 07908bf89eea7f7f09b78f5f6f3c1ed9 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-09T14:29:36Z (GMT). No. of bitstreams: 2 Dissertação Anderson Andrade.pdf: 3071313 bytes, checksum: 07908bf89eea7f7f09b78f5f6f3c1ed9 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013-04-12 / O aumento na complexidade do ambiente de negócios e o acirramento da competição implicam a necessidade de informações para tomada de decisão em um espaço de tempo cada vez menor. Por outro lado, sistemas de informação mais abrangentes e complexos geram cada vez mais dados, tornando inviável a atividade de auditoria não assistida por métodos computacionais. As técnicas de inteligência artificial, particularmente aprendizagem de máquina, estão entre as mais apropriadas para lidar com esse tipo de problema. Dentre as técnicas de aprendizagem de máquina, as redes neurais artificiais vêm desempenhando um papel comprovadamente eficaz como ferramenta de apoio a atividade de auditoria. Diante desse cenário e alinhado ao estado da arte no uso da tecnologia da informação na atividade de auditoria, essa dissertação propõe a construção de um framework para detecção de anomalias em bases de dados baseado na rede neural artificial Mapas auto-organizáveis - Self-Organizing Maps (SOM). Utilizando as propriedades de mapeamento da Rede SOM, o framework consiste em: (i) demonstrar que dados visualmente distantes da área de influência da rede SOM são anomalias, e (ii) estabelecer um critério, baseado em intervalo de percentil, para classificação dos dados como possíveis anomalias independentemente da região do mapa SOM em que se encontrem. Ademais, este trabalho usa a análise de trajetória SOM na função de classificador de anomalia, a fim de comparar o limiar fixo baseado na vizinhança do neurônio com o limiar baseado em intervalo de percentil. O framework proposto foi aplicado em uma base de dados real de folha de pagamento. Os resultados apresentados na dissertação mostraram que o framework conseguiu obter bons resultados neste problema.

Submitted by Nayara Passos (nayara.passos@ufpe.br) on 2015-03-12T12:37:26Z No. of bitstreams: 2 TESE Hansenclever de França Bassani.pdf: 9567180 bytes, checksum: 8eb27b4c1a42cecddb5a47330b207277 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Approved for entry into archive by Daniella Sodre (daniella.sodre@ufpe.br) on 2015-03-13T13:13:33Z (GMT) No. of bitstreams: 2 TESE Hansenclever de França Bassani.pdf: 9567180 bytes, checksum: 8eb27b4c1a42cecddb5a47330b207277 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-13T13:13:33Z (GMT). No. of bitstreams: 2 TESE Hansenclever de França Bassani.pdf: 9567180 bytes, checksum: 8eb27b4c1a42cecddb5a47330b207277 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2014 / CNPq / A produção e utilização de linguagem natural é uma das mais marcantes habilidades humanas. Ela permite trocar ideias, conhecimento e emoções de maneira eficaz. Desvendar os mecanismos que tornam seres humanos capazes de lidar com linguagem, pode trazer avanços em inúmeras áreas do conhecimento, possibilitando ainda aplicações práticas que melhorem a interação humano-computador. Porém, apesar dos esforços da comunidade científica, a maneira como os seres humanos processam linguagem ainda é pouco compreendida. A abordagem proposta pela robótica desenvolvimentista sugere que a linguagem natural pode ser aprendida por agentes incorporados através de suas interações com o ambiente e com seus instrutores. Estas interações poderiam proporcionar ao agente a possibilidade de aprender continuamente sobre a linguagem, associando estímulos do ambiente com palavras. Esta Tese apresenta uma arquitetura modular de aquisição de linguagem natural por agentes incorporados. No centro desta arquitetura encontra-se um conjunto de módulos neurais com aprendizagem não-supervisionada, que realiza funções essenciais para a aquisição de linguagem natural, tais como a aprendizagem de conceitos, contextos, palavras e das associações entre esses elementos. Estes módulos foram propostos consolidando evidências de três áreas do conhecimento e validados através da reprodução de padrões de aprendizagem reportados em três importantes estudos realizados com pessoas. O modelo proposto pode ser aplicado na proposição e teste de novas hipóteses e paradigmas experimentais, contribuindo para compreensão dos mecanismos envolvidos na aprendizagem, e pode servir como base para o desenvolvimento de agentes incorporados que aprendem linguagem natural.

Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2016-01-18T12:53:32Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertação_Pedro Gonçalves.pdf: 8565820 bytes, checksum: f14c8d37ea1f5daef226a8a6f131bada (MD5) / Made available in DSpace on 2016-01-18T12:53:32Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertação_Pedro Gonçalves.pdf: 8565820 bytes, checksum: f14c8d37ea1f5daef226a8a6f131bada (MD5) Previous issue date: 2015-09-01 / Punir infrações de trânsito, controlar tráfego em rodovias, controlar o acesso a áreas restritas, entre outras, são ações tomadas para melhorar o trânsito nas grandes cidades. Para realizar tais ações é necessário, portanto, identificar o veículo automotivo, utilizando, para isso, sua placa de licenciamento. Entretanto, com o aumento de automóveis nas vias urbanas, essa tarefa tornou-se muito difícil de ser realizada de uma forma eficiente por apenas agentes de trânsito, pois existe uma grande quantidade de dados a serem analisados e reportados aos órgãos competentes. Soma-se a isso, o fato de fatores emocionais, cansaços físico e mental, inerentes aos seres humanos, atrapalharem a eficácia da tarefa executada. Por isso, ferramentas que realizam o reconhecimento ótico de caracteres, Opitcal Character Recognition (OCR), vem sendo cada vez mais empregadas para realizar a identificação automática de caracteres existentes nas placas dos automóveis. Este trabalho visa descrever um sistema para identificação de veículos automotivos através de imagens estáticas, apresentando técnicas pesquisadas e estudadas em cada etapa do processo de identificação. As etapas que são apresentadas e detalhadas incluem: a identificação da placa, segmentação dos caracteres presentes na placa e o reconhecimento dos caracteres isolados. Técnicas envolvendo processamento digital de imagem como detectores de bordas, operações morfológicas, análise de componentes conectados e limiarização serão explicitadas. Redes neurais artificias são propostas para realizar o reconhecimento do caractere isolado, tais como Self-Organizing Maps (SOM) e Kernel Self-Organizing Map (KSOM), e serão pormenorizadas. Para avaliar o desempenho das técnicas empregadas nesse projeto, imagens presentes na base de dados MediaLab LPR Database foram utilizadas. Métricas como Recall, Precision e F-Score foram empregadas na avaliação de performance dos diferentes algoritmos estudados e implementados para realizar a detecção da placa, ajudando na escolha do extrator da placa do sistema final. No estágio de segmentação da placa e do reconhecimento dos caracteres isolados, a taxa de acerto foi utilizada para avaliar os algoritmos propostos. Para um grupo de 276 imagens pertencentes a uma base pública, as etapas de detecção, segmentação e reconhecimento alcançaram desempenhos semelhantes aos vigentes na literatura ANAGNOSTOPOULOS et al. (2006) e propiciaram, aproximadamente, uma taxa de acerto global do sistema OCR proposto de 85%. / Punish traffic infractions, traffic control on highways, control access to restricted areas, among others, are actions taken to improve traffic in major cities. In order to take these actions is therefore necessary to identify the motor vehicle using it licensing plate. However, with the increase of the number of cars on urban roads, this task has become very difficult to be performed effectively only by traffic agents because there is a lot of data to be analyzed and reported to the competent agencies. In addition, the fact that emotional factors, physical and mental tiredness, that inherent features to humans, hider effectiveness of task begin performed. Therefore, tools that perform optical character recognition (OCR) are begin increasingly used for automating the identification of characters on licensing plate of the vehicles. This research describes a system for identification of automotive vehicles through still images showing algorithms researched in the literature on each step of the identification process. The stages are presented and detailed include: plate identification, segmentation of the characters existing in plate and the recognition of single characters. Techniques involving digital image processing like edge detectors, morphological operations, connected component analysis and thresholding are explained. Artificial neural networks are submitted to achieve the recognition of single character, such as Self-Organizing Maps (SOM) and Kernel Self-Organizing Map (KSOM), are detailed. In order to evaluate the performance of the techniques used in this project, images from mainly the MediaLab LPR Database were used. The metrics employed to analyze the performance of algorithms implemented to detect a region of plate on image are Recall, Precision and F-Score. This metrics helped to choose the better algorithms for extraction plate on image. In the segmentation stage of the plate and the recognition of single characters, the hit rate was used to evaluate the proposed algorithms. For group of 276 images belonging a public database, the stages of detection, segmentation and recognition reached similar performance with previous approaches (ANAGNOSTOPOULOS et al., 2006), leading the proposed OCR system to 85% of hit rate.

Made available in DSpace on 2014-06-12T15:50:51Z (GMT). No. of bitstreams: 2 arquivo1990_1.pdf: 7818220 bytes, checksum: 429a01f4c97958df3a607ea6fa5c8fc8 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Este trabalho apresenta um novo modelo de Rede Neural Artificial de Topologia Dinâmica chamado State Trajectory Generator (STRAGEN) capaz de gerar trajetórias de estados a partir do mapeamento do espaço de estados de um sistema. O modelo permite a utilização de diferentes critérios para a composição de uma trajetória ótima de acordo com o domínio de interesse, ou diferentes características do mesmo domínio. A representação do mapa de estados feita pelo STRAGEN preserva informações heterogêneas que descrevem a configuração do sistema, evitando assim a deformação de suas propriedades. O modelo é apresentado nas abordagens off-line e on-line. O STRAGEN off-line trabalha em três fases: treinamento, poda e geração de trajetórias; enquanto que a abordagem on-line trabalha em duas fases: treinamento e geração de trajetórias. Simulações e resultados para os domínios de robótica (com um manipulador bidimensional e tridimensional, uma mão antropomórfica operando no espaço) e a análise de progressões harmônicas musicais são consideradas ao final como exemplos de domínios distintos

Made available in DSpace on 2014-06-12T15:56:32Z (GMT). No. of bitstreams: 2 arquivo2952_1.pdf: 2916037 bytes, checksum: 4c0ccce80d7e4bc503fb235119194f20 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / Faculdade de Amparo à Ciência e Tecnologia do Estado de Pernambuco / Este trabalho esta situado na área de controle e gerenciamento de locomoção de robôs com membros e apresenta um novo modelo de rede neural, o STRAGIC (Gerador de Trajetórias de Estados com Inter-Conexões), bem como outros modelos de redes neurais aplicadas a este domínio do conhecimento. O STRAGIC foi projetado a partir do STRAGEN, um mapa auto-organizável de topologia variável. O STRAGIC controla a locomoção do robô por meio de uma trajetória de estados que descreve a postura do robô em intervalos regulares de tempo. Alguns ambientes de teste foram elaborados para verificar a capacidade do STRAGIC em: controlar o robô com um determinado modo de locomoção; controlar o robô a partir de dados ruidosos; controlar o robô a partir de uma base de dados com estados de diferentes trajetórias; gerenciar a transição entre modos de locomoção; e por fim extrair trajetórias de estados a partir da locomoção de um animal real. Além disso, faz um estudo de dois parâmetros importantes do STRAGEN

Made available in DSpace on 2014-06-12T15:59:48Z (GMT). No. of bitstreams: 2 arquivo5591_1.pdf: 1590353 bytes, checksum: 797ebf6670d6408c7051ea1631a937a4 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2007 / Nos últimos anos, têm-se registrado um crescente interesse e popularização de imagens digitais, através de dispositivos tais como câmeras digitais, celulares, webcam ou filmadoras digitais. Com a grande quantidade de informação visual disponível, cresce a dificuldade do usuário em recuperar essas informações de forma precisa e eficiente. Atualmente, existem inúmeros mecanismos de busca baseados em descrições textuais ou keywords. No entanto, existem grandes dificuldades nessa abordagem, (i ) o trabalho manual requerido para notação das imagens e (ii ) a subjetividade para essa notação. Devido a essas e outras dificuldades, os mecanismos de busca baseado em keywords geram uma grande quantidade de respostas não relevantes. Nesse contexto, grandes esforços têm sido feito na área de recuperação de imagens baseados em conteúdo, de forma a tornar esse tipo de conteúdo mais acessível aos seus usuários. A proposta geral para a dissertação é desenvolver uma nova estratégia de recuperação de imagens baseada na forma, utilizando o descritor de forma Curvature Scale Space (CSS) e Mapas Auto-Organizáveis (SOM) para descrever, classificar, indexar e recuperar imagens. Essa nova abordagem possibilita a realização de consultas por similaridade levando em consideração a semelhança entre o contorno fechado dos objetos pesquisados. As características dos objetos são representados através de uma imagem multi-escalar CSS e pr´e-processados, constituindo em dados que serão usados como treinamento da rede SOM. Nesse estudo, avaliamos a acurácia e o tempo de busca através de uma base benchmark denominada Core Experiment (CE-1B). Utilizamos variações dessa base para analisar o desempenho sobre transformações geométricas de escala, rotação e translação. Os resultados obtidos mostram que a combinação do descritor CSS e SOM representa uma estratégia promissora para recuperação de imagens, com uma alta performance de tempo