The present work discusses the application of neural networks for the accurate prediction of aerodynamic coefficients of airfoil and wing-body configurations. Meta-models based on neural-network are able to handle non-linear problems with a large amount of variables. In this highlight, an efficient methodology employing neural networks for predicting aerodynamic coefficients of generic aircraft was developed. Basic aerodynamic coefficients are modeled depending on angle of attack, number of Mach, Reynolds number, and the lift coefficient of the configuration. A database is provided for the neural network, which is initially trained to learn an overall non-linear model dependent on a large number of variables. A new set of data, which can be relatively sparse, is then supplied to the network to produce a new model consistent with the previous model and the new data. The new model is able to accurately estimate in the sparse test data points and thus the obtaining of a result for a generic configuration is relatively an easy and quick task. Because of this, the methodology is highly suited to be incorporated into a multi-disciplinary design and optimization framework, which make extensively use of aerodynamic calculation for using in other applications, to evaluate performance and loads, besides other core tasks. A Multilayer Perceptrons (MLP) network was designed and employed for predicting drag polar curves of generic airfoils for a given Mach and Reynolds number variation. Airfoil geometry is modeled by polynomial functions described by twelve variables.

Classificação automática de modulação digital de sinais de comunicações é um importante problema de processamento de sinais no campo das comunicações. É um passo intermediário entre a interceptação do sinal e a recuperação da informação, no qual um classificador identifica automaticamente o tipo de modulação do sinal recebido para posterior demodulação e demais tarefas. A técnica de reconhecimento de padrões pode ser utilizada neste problema de classificação. Neste caso, na classificação é necessária a seleção e extração de características relevantes do sinal recebido. Neste trabalho, foram utilizados três tipos de características relevantes: espectrais, estatísticas e uma combinação dos dois tipos. Dois classificadores foram desenvolvidos nesta pesquisa: o primeiro, baseado em Redes Neurais Artificiais, utilizando o Perceptron Multicamadas (MLP); e o segundo, baseado em Máquinas de Vetores de Suporte (SVM). Estes dois classificadores foram usados para classificar as seguintes modulações digitais: Chaveadas em Amplitude (ASK2, ASK4), Chaveadas em Freqüência (FSK2, FSK4, FSK8), e Chaveadas em Fase (PSK2, PSK4, PSK8). Foi verificado, por meio de simulações em MATLAB 7, que o classificador com a abordagem SVM, utilizando uma combinação de características relevantes espectrais e estatísticas, obteve excelente resultados nos testes.

Made available in DSpace on 2016-12-12T20:22:52Z (GMT). No. of bitstreams: 1 RAFAEL ALCESTE BERRI.pdf: 28428368 bytes, checksum: 667b9facc9809bfd5e0847e15279b0e6 (MD5) Previous issue date: 2014-02-21 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / In this work, three proposals of systems have been developed using a frontal camera to monitor the driver and enabling to identificate if a cell phone is being used while driving the vehicle. It is estimated that 80% of crashes and 65% of near collisions involved drivers who were inattentive in traffic for three seconds before the event. Five videos in real environment were generated to test the systems. The pattern recognition system (RP) uses adaptive skin segmentation, feature extraction, and machine learning to detect cell phone usage on each frame. The cell phone detection happens when, in periods of 3 seconds, 60% (threshold) of frames or more are identified as a cell phone use, individually. The average accuracy on videos achieved was 87.25% with Multilayer Perceptron (MLP), Gaussian activation function, and two neurons of the intermediate layer. The movement detection system (DM) uses optical flow, filtering the most relevant movements of the scene, and three successive frames for detecting the movements to take the phone to the ear and take it off. The DM proposal was not demonstrated as being an effective solution for detecting cell phone use, reaching an accuracy of 52.86%. The third solution is a hybrid system. It uses the RP system for classification and the DM for choosing the RP parameters. The parameters chosen for RP are the threshold and the classification system. The definition of these two parameters occurs at the end of each period, based on movement detected by the DM. Experimentally it was established that, when the movement induces to use cell phone, it is proper to use the threshold of 60%, and the classifier as MLP/Gaussian with seven neurons of the intermediate layer; otherwise, it is used threshold 85%, and MLP/Gaussian with two neurons of the intermediate layer for classification. The hybrid solution is the most robust system with average accuracy of 91.68% in real environment. / Neste trabalho, são desenvolvidas três propostas de sistemas que permitem identificar o uso de celular, durante o ato de dirigir um veículo, utilizando imagens capturadas de uma câmera posicionada em frente ao motorista. Estima-se que 80% das colisões e 65% das quase colisões envolveram motoristas que não estavam prestando a devida atenção ao trânsito por três segundos antes do evento. Cinco vídeos em ambiente real foram gerados com o intuito de testar os sistemas. A proposta de reconhecimento de padrões (RP) emprega segmentação de pele adaptativa, extração de características e aprendizado de máquina (classificador) na detecção do celular em cada quadro processado. A detecção do uso do celular ocorre quando, em períodos de 3 segundos, ao menos em 60% dos quadros (corte) são identificados com celular. A acurácia média nos vídeos alcançou 87, 25% ao utilizar Perceptron Multi-camadas (MLP) com função de ativação gaussiana e dois neurônios na camada intermediária como classificador. A proposta de detecção de movimento (DM) utiliza o fluxo ótico, filtragem dos movimentos mais relevantes da cena e três quadros consecutivos para detectar os momentos de levar o celular ao ouvido e o retirá-lo. A aplicação do DM, como solução para detectar o uso do celular, não se demostrou eficaz atingindo uma acurácia de 52, 86%. A terceira proposta, uma solução híbrida, utiliza o sistema RP como classificador e o de DM como seu parametrizador. Os parâmetros escolhidos para o sistema de RP são o corte e o sistema classificador. A definição desses dois parâmetros ocorre ao final de cada período, baseada na movimentação detectada pela DM. Com experimentações definiu-se que, caso a movimentação induza ao uso do celular, é adequado o uso do corte de 60% e o classificador MLP/Gaussiana com sete neurônios na camada intermediária, caso contrário, utiliza-se o corte de 85% e classificador MLP/Gaussiana com dois neurônios na mesma camada. A versão híbrida é a solução desenvolvida mais robusta, atingindo a melhor acurácia média de 91, 68% em ambiente real.