No description available.

Made available in DSpace on 2014-12-17T14:55:47Z (GMT). No. of bitstreams: 1 AdersonJSR_DISSERT.pdf: 1340267 bytes, checksum: 7e5d7b1cac94782e60f91d869bb998c3 (MD5) Previous issue date: 2010-02-19 / This work presents a diagnosis faults system (rotor, stator, and contamination) of three-phase induction motor through equivalent circuit parameters and using techniques patterns recognition. The technology fault diagnostics in engines are evolving and becoming increasingly important in the field of electrical machinery. The neural networks have the ability to classify non-linear relationships between signals through the patterns identification of signals related. It is carried out induction motor?s simulations through the program Matlab R & Simulink R , and produced some faults from modifications in the equivalent circuit parameters. A system is implemented with multiples classifying neural network two neural networks to receive these results and, after well-trained, to accomplish the identification of fault?s pattern / Este trabalho apresenta um sistema de diagn?stico de falhas (rotor, estator e contamina??o) do motor de indu??o trif?sico atrav?s dos par?metros do circuito equivalente e utilizando t?cnicas de reconhecimento de padr?es. A tecnologia de detec??o de falhas em motores est? evoluindo e tornando cada vez mais importante na ?rea de m?quinas el?tricas. As redes neurais possuem a habilidade de classificar rela??es n?o lineares entre sinais atrav?s da identifica??o de padr?es dos sinais relacionados. S?o realizados simula??es do motor de indu??o atrav?s do programa Matlab R & Simulink R e produzido alguns tipos de falhas no conjunto a partir de modifica??es nos par?metros do circuito equivalente. ? implementado um sistema com m?ltiplos classificadores neurais para receber estes resultados e, ap?s o treinamento, realizar a identifica??o dos padr?es de falhas

The number of plants at risk of extinction has increased gradually. With the purpose of reducing the risk is necessary identify the species for planning protection methods. The biodiversity of species existing in the plant kingdom make the use of traditional models of recognition and taxonomy a process very complex and slow. The identification of a plant can be performed observing his features, such as: fruits, seeds, flowers, roots, leaves and stems. But the simplest feature used are the leaves.This paper presents a hybrid system for identifying plant based on leaf image. This system is composed by Genetic Algorithm (GA) and Artificial Neural Network (ANN). The role played by the GA is to perform a preselection of plants forming a group that the answer of an unknown leaf is more probable and the purpose of ANN, trained by backpropagation algorithm, is to classify the unknown leaf performing the search only in the group calculated by the AG. Several tests were conducted and the results obtained demonstrate that the hybrid system achieved a recognition rate of 93,2%. / O número de plantas com risco de extinção tem aumentado gradativamente. Com a finalidade de diminuir esse risco, faz-se necessário planejar métodos de proteção e identificação das espécies. A grande biodiversidade de plantas existentes no reino vegetal torna os modelos tradicionais de identificação e de taxonomia uma função muito complexa e lenta. A identificação de uma planta pode ser realizada observando várias características, tais com: frutos, sementes, ores, raízes, folhas e caule. A característica mais simples de ser utilizada nessa identificação são as folhas. Este trabalho apresenta um sistema híbrido e automático de identificação de plantas por meio de suas folhas. Esse sistema é composto por Algoritmos Genéticos (AG) e pela Rede Neural Artificial (RNA). O objetivo do AG é realizar uma pré-seleção de plantas formando um grupo de folhas desconhecidas que seriam a resposta mais provável, enquanto que a finalidade da RNA, treinada pelo algoritmo backpropagation, é classificar a folha considerando apenas o grupo calculado pelo AG. Vários testes foram realizados e os resultados obtidos mostram que o sistema híbrido atingiu uma taxa de reconhecimento de 93,2 %. / Mestre em Ciências

Submitted by Geyciane Santos (geyciane_thamires@hotmail.com) on 2015-12-02T21:18:51Z No. of bitstreams: 1 Dissertação - Mafran Martins Ferreira Júnior.pdf: 2373705 bytes, checksum: ffd481c7fb68c5e26d7888b9d927dd89 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-12-03T19:00:48Z (GMT) No. of bitstreams: 1 Dissertação - Mafran Martins Ferreira Júnior.pdf: 2373705 bytes, checksum: ffd481c7fb68c5e26d7888b9d927dd89 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-12-03T19:14:41Z (GMT) No. of bitstreams: 1 Dissertação - Mafran Martins Ferreira Júnior.pdf: 2373705 bytes, checksum: ffd481c7fb68c5e26d7888b9d927dd89 (MD5) / Made available in DSpace on 2015-12-03T19:14:41Z (GMT). No. of bitstreams: 1 Dissertação - Mafran Martins Ferreira Júnior.pdf: 2373705 bytes, checksum: ffd481c7fb68c5e26d7888b9d927dd89 (MD5) Previous issue date: 2015-07-31 / Não informada / The amazon biome has a range of natural resources with high economic value, which can be exploited in a sustainable way to generate jobs and income. Among these resources, we can spotlight the tucuman, native fruit from the Amazonian region used in cooking, crafts and sold by local producers. The tucuman palm tree presents many varieties within the same specie, each one differs from the other in its morphology, population, origin, among other factors. Scientifically, the tucuman taxonomic classification refers to its species. There isn’t yet a manual or an automatic way of classifying varieties of Astrocaryum aculeatum G. Mey., also known as Amazonian tucuman. The indication of the variety to which a fruit unit belongs is performed empirically and may be confused when there are fruits with a large difference in their characteristics. In this scenario, this study aimed to generate and evaluate computer models able to classify and get into groups four varieties of tucuman found in the Itacoatiara-AM region. The secondary objective of this study was to indicate which of the varieties have the best economic potential regarding to the harvested fruit characteristics. To generate the models, three machine learning techniques were used: Decision Trees and Artificial Neural Networks in the classification task, and to the grouping task the K-Means technique was applied, using Euclidean and Manhattan distance measurements. The results obtained based on the data set show that the models generated with machine learning techniques presented satisfactory indexes for predicting of varieties' classes of tucuman. / O bioma amazônico possui uma gama de recursos naturais com alto valor econômico, os quais podem ser explorados de maneira sustentável para gerar emprego e renda. Dentre esses recursos destaca-se o tucumã, fruta nativa da região utilizada na culinária, no artesanato e comercializada pelos produtores locais. A palmeira do tucumã apresenta ampla variedade dentro de uma mesma espécie, cada uma diferenciando-se quanto à sua morfologia, população, procedência, entre outros fatores. Cientificamente, a classificação taxonômica do tucumã é referente às suas espécies, ainda não existe nenhuma forma manual ou automática de classificar variedades da espécie Astrocaryum aculeatum G. Mey., também conhecida como tucumã do Amazonas. A indicação da variedade a qual uma unidade do fruto pertence é realizada de forma empírica, podendo ser confusa perante o aparecimento de frutos com grande diferença em suas características. Nesse cenário, esta pesquisa objetivou gerar e avaliar modelos computacionais capazes de classificar e agrupar quatro variedades de tucumã, encontradas na região do município de Itacoatiara-AM. O estudo teve como objetivo secundário indicar qual das variedades possui melhor potencial econômico quanto às características do fruto já colhido. Para gerar os modelos foram utilizadas três técnicas de Aprendizado de Máquina: Árvores de Decisão e Redes Neurais Artificiais na tarefa de classificação, e na tarefa de agrupamento a técnica K-Médias, usando as medidas de distância Euclidiana e de Manhattan. Os resultados obtidos com base no conjunto de dados mostram que os modelos gerados com as técnicas de aprendizado de máquina apresentaram índices satisfatórios para a predição de classes de variedades de tucumã.