Thesis (M. Eng.(Mechanical Engineering))--University of Pretoria, 2004. / Includes bibliographical references.

Thesis (M.S.)--Florida State University, 2005. / Advisor: Dr. Anke Meyer Baese, Florida State University, College of Engineering, Dept. of Electrical and Computer Engineering. Title and description from dissertation home page (viewed June 7, 2005). Document formatted into pages; contains ix, 39 pages. Includes bibliographical references.

Made available in DSpace on 2014-06-11T19:30:32Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-03-20Bitstream added on 2014-06-13T19:19:27Z : No. of bitstreams: 1 lucks_mb_dr_ilha.pdf: 2462450 bytes, checksum: 86757d12f991c55cad8d80bcd63f9b61 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Neste trabalho, apresenta-se o desenvolvimento de redes de base radial em tecnologia CMOS. Para tanto, dois circuitos unidimensionais, denominados RBF1 e RBF2, são propostos. Sua funcionalidade é demonstrada por meio de simulações SPICE e também pela sua implementação prática com a utilização de conjuntos de MOSFETs presentes em circuitos integrados comerciais. Demonstra-se também o desenvolvimento dos circuitos para o caso multidimensional, com o uso de simulações SPICE e a implementação de um circuito RBF1 bidimensional. Além disso, são apresentadas versões dos circuitos RBF1 e RBF2 para tecnologia BiCMOS. Os circuitos propostos são utilizados no projeto de redes de base radial bidimensionais em processo CMOS AMS 0.35 μm. No intuito de testar sua funcionalidade, as redes foram simuladas para algumas aplicações, apresentando bons resultados. A questão da quantização no armazenamento dos parâmetros das redes de base radial e da sua influência na aproximação de funções também é tratada na tese. Foram realizadas várias simulações com diferentes níveis de quantização para algumas tarefas de aproximação de funções. Os resultados obtidos mostram que, mesmo com uma quantização severa, as redes apresentam a capacidade de aproximação de funções, porém de maneira limitada, ou seja, o erro obtido aumenta para um número menor de níveis de quantização. A quantização dos parâmetros diminui o tamanho da memória e a complexidade necessária para armazenar os parâmetros das redes, permitindo a implementação de circuitos compactos e adequados para aplicações de baixo consumo de potência. / In this work, we present the development of radial basis function circuits in CMOS technology. Two one-dimensional circuits, namely RBF1 and RBF2, are proposed for radial basis function realization, and their functionality is demonstrated by SPICE simulations and by their implementation with commercial MOSFET array integrated circuits. Multidimensional capability is demonstrated by the implementation of a bidimensional RBF1 circuit and by SPICE simulation results. In addition, BiCMOS versions are also presented for RBF1 and RBF2. The proposed cells are used in the design of bidimensional radial basis function neural networks in AMS 0.35μm CMOS process. In order to test their functionality, the networks were simulated for some applications with good results achieved. The issue of parameter quantization and its influence on the network function approximation capability is also dealt with in this dissertation. We carried out several simulations with different levels of quantization. The results obtained show that the network presents a capability of learning functions, even with a severe parameter quantization. As expected, the error increases for less bits of quantization. Nevertheless, the parameter quantization decreases the memory size and complexity necessary for network parameter storage, allowing the implementation of compact circuits and being adequate for low power applications.

abstract: Divergence-free vector field interpolants properties are explored on uniform and scattered nodes, and also their application to fluid flow problems. These interpolants may be applied to physical problems that require the approximant to have zero divergence, such as the velocity field in the incompressible Navier-Stokes equations and the magnetic and electric fields in the Maxwell's equations. In addition, the methods studied here are meshfree, and are suitable for problems defined on complex domains, where mesh generation is computationally expensive or inaccurate, or for problems where the data is only available at scattered locations. The contributions of this work include a detailed comparison between standard and divergence-free radial basis approximations, a study of the Lebesgue constants for divergence-free approximations and their dependence on node placement, and an investigation of the flat limit of divergence-free interpolants. Finally, numerical solvers for the incompressible Navier-Stokes equations in primitive variables are implemented using discretizations based on traditional and divergence-free kernels. The numerical results are compared to reference solutions obtained with a spectral method. / Dissertation/Thesis / Doctoral Dissertation Applied Mathematics 2016

Orientador: Nobuo Oki / Banca: Carlos Roberto Minussi / Banca: Suely Cunha Amaro Mantovani / Banca: Alberto Martins Jorge / Banca: Marcelo Arturo Jara Perez / Resumo: Neste trabalho, apresenta-se o desenvolvimento de redes de base radial em tecnologia CMOS. Para tanto, dois circuitos unidimensionais, denominados RBF1 e RBF2, são propostos. Sua funcionalidade é demonstrada por meio de simulações SPICE e também pela sua implementação prática com a utilização de conjuntos de MOSFETs presentes em circuitos integrados comerciais. Demonstra-se também o desenvolvimento dos circuitos para o caso multidimensional, com o uso de simulações SPICE e a implementação de um circuito RBF1 bidimensional. Além disso, são apresentadas versões dos circuitos RBF1 e RBF2 para tecnologia BiCMOS. Os circuitos propostos são utilizados no projeto de redes de base radial bidimensionais em processo CMOS AMS 0.35 μm. No intuito de testar sua funcionalidade, as redes foram simuladas para algumas aplicações, apresentando bons resultados. A questão da quantização no armazenamento dos parâmetros das redes de base radial e da sua influência na aproximação de funções também é tratada na tese. Foram realizadas várias simulações com diferentes níveis de quantização para algumas tarefas de aproximação de funções. Os resultados obtidos mostram que, mesmo com uma quantização severa, as redes apresentam a capacidade de aproximação de funções, porém de maneira limitada, ou seja, o erro obtido aumenta para um número menor de níveis de quantização. A quantização dos parâmetros diminui o tamanho da memória e a complexidade necessária para armazenar os parâmetros das redes, permitindo a implementação de circuitos compactos e adequados para aplicações de baixo consumo de potência. / Abstract: In this work, we present the development of radial basis function circuits in CMOS technology. Two one-dimensional circuits, namely RBF1 and RBF2, are proposed for radial basis function realization, and their functionality is demonstrated by SPICE simulations and by their implementation with commercial MOSFET array integrated circuits. Multidimensional capability is demonstrated by the implementation of a bidimensional RBF1 circuit and by SPICE simulation results. In addition, BiCMOS versions are also presented for RBF1 and RBF2. The proposed cells are used in the design of bidimensional radial basis function neural networks in AMS 0.35μm CMOS process. In order to test their functionality, the networks were simulated for some applications with good results achieved. The issue of parameter quantization and its influence on the network function approximation capability is also dealt with in this dissertation. We carried out several simulations with different levels of quantization. The results obtained show that the network presents a capability of learning functions, even with a severe parameter quantization. As expected, the error increases for less bits of quantization. Nevertheless, the parameter quantization decreases the memory size and complexity necessary for network parameter storage, allowing the implementation of compact circuits and being adequate for low power applications. / Doutor

Orientador: Leo Pini Magalhães / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-09T21:26:28Z (GMT). No. of bitstreams: 1 Schroeder_GreyceNogueira_M.pdf: 4292885 bytes, checksum: 37f5409f283c62fcb20cf1456b55943f (MD5) Previous issue date: 2007 / Resumo: O morphing de imagens é uma transformação que mapeia uma imagem em outra, alterando tanto a sua forma quanto as suas intensidades. Esta transformação possui diversas aplicações em imagens médicas e especialmente na indústria de entretenimento. Este trabalho objetiva, através do uso de morphing, apresentar um protótipo para a simulação de envelhecimento de faces frontais, utilizando um método chamado Funções de Base Radial (RBF) juntamente com um modelo quantitativo para expressar o processo de envelhecimento no rosto humano. O protótipo trabalha com imagens de pessoas a partir de 20 anos e realiza o envelhecimento até no máximo 70 anos. Além disso, o trabalho apresenta uma revisão bibliográfica sobre as principais técnicas de morphing e sobre o que já foi realizado sobre simulações computacionais de envelhecimento facial por imagens / Abstract: Image morphing is a transformation that maps one image into another, altering both its shape and intensities. These types of transformation have a wide range of applications in medical imaging and, specially, in entertainment industry. This work attempts to present a prototype for aging simulation on frontal face images, using a method of morphing called Radial Basis Functions (RBF) together with a quantitative model for expressing human aging. The prototype works with images from people with 20 years old up and performs the aging up to 70 years. Moreover, the work presents a bibliographical revision on the main techniques of morphing and on the state of the art on computational simulations of image face aging / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica

Made available in DSpace on 2014-06-12T15:52:45Z (GMT). No. of bitstreams: 2 arquivo4692_1.pdf: 1118830 bytes, checksum: 96894dd8a22373c59d67d3b286b6c902 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2003 / Um dos principais obstáculos para o uso em larga escala das Redes Neurais é a dificuldade de definir valores para seus parâmetros ajustáveis. Este trabalho discute como as Redes Neurais de Funções Base Radial (ou simplesmente Redes RBF) podem ter seus parâmetros ajustáveis definidos por algoritmos genéticos (AGs). Para atingir este objetivo, primeiramente é apresentado uma visão abrangente dos problemas envolvidos e as diferentes abordagens utilizadas para otimizar geneticamente as Redes RBF. É também proposto um algoritmo genético para Redes RBF com codificação genética não redundante baseada em métodos de clusterização. Em seguida, este trabalho aborda o problema de encontrar os parâmetros ajustáveis de um algoritmo de aprendizagem via AGs. Este problema é também conhecido como o problema de seleção de modelos. Algumas técnicas de seleção de modelos (e.g., validação cruzada e bootstrap) são usadas como funções objetivo do AG. O AG é modificado para adaptar-se a este problema por meio de heurísticas tais como narvalha de Occam e growing entre outras. Algumas modificações exploram características do AG, como por exemplo, a abilidade para resolver problemas de otimização multiobjetiva e manipular funções objetivo com ruído. Experimentos usando um problema benchmark são realizados e os resultados alcançados, usando o AG proposto, são comparados com aqueles alcançados por outras abordagens. As técnicas propostas são genéricas e podem também ser aplicadas a um largo conjunto de algoritmos de aprendizagem

Orientador: Wilson Castro Ferreira Junior / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica / Made available in DSpace on 2018-08-16T08:15:58Z (GMT). No. of bitstreams: 1 Vilamiu_RaphaelGustavod'Almeida_D.pdf: 17502226 bytes, checksum: af859cc18d3a4c5a74c324d3e6c0865a (MD5) Previous issue date: 2010 / Resumo: Nesta tese, desenvolvemos uma técnica para gerar grafos à partir de conjuntos de séries temporais considerando a correlação entre estas e uma extensão do Método de Decomposição Empírica (EMD) para grafos (GEMD). Tal trabalho se justifica pelo fato de que uma grande gama de sinais formados por conjuntos de séries temporais não possuem uma localização bem definida em nenhum espaço n-dimensional. Desta forma, as relações entre as séries temporais só são satisfatoriamente representadas com o uso de grafos. Contudo, o desenvolvimento do GEMD é dependente do uso de algum método de interpolação em grafos. Tais métodos são escassos e não produzem propriedades satisfatórias para o uso no GEMD. Para esta finalidade, estendemos a interpolação por Funções de Base Radial (RBF) em Grafos (GRBF), onde a norma euclidiana no cálculo da matriz de interpolação por RBF é substituída pela norma induzida pelo grafo. Testes numéricos sugerem que a extensão possui boas propriedades de convergência e uma técnica é desenvolvida para garantir a existência e unicidade da solução. Finalmente, aplicamos o GEMD em um conjunto de dados de incidência de Dengue Hemorrágica na Tailândia. Os modos intrínsecos encontrados desta forma não apresentam nenhuma onda viajante emanando de nenhuma das províncias, contrastando com o resultado utilizando o EMD original [5]. Além disso, os períodos médios dos modos intrínsecos de [5] são claramente distintos dos encontrados pela decomposição por GEMD / Abstract: In this thesis, we developed a technique to generate a graph from a set of temporal series, which are then decomposed trough an extension of the Empirical Mode Decomposition (EMD) on Graphs (GEMD) created by us. This procedure is justified by the fact that a huge amount of signals cannot be properly localized on an n-dimensional space which can only be properly represented by a graph. The development of the GEMD is dependent on some graph interpolation method. Such methods are scarce in the literature and do not have the necessary properties to accomplish the GEMD decomposition. For this goal, we extend the Radial Basis Functions (RBF) interpolation to graphs (GRBF), where the euclidean norm used in the calculation of the RBF interpolation matrix is substituted by a graph induced norm. Numerical tests suggests that GRBF have good convergence properties and we present a technique which guarantees the existence and uniqueness of the solution. We finally apply the GEMD decomposition to a data set of Dengue Hemorrhagic Fever incidence in Thailand. The intrinsic modes found in this way do not show any traveling wave emanating from any of the provinces, contrasting with the results found using the original EMD [5]. Moreover, the mean period for the intrinsic modes in [5] are clearly diverse of those found by GEMD decomposition / Doutorado / Doutor em Matemática Aplicada

In this paper the obstacle description with Radial Basis Functions for contact problems in three dimensional elasticity will be done. A short Introduction of the idea of Radial Basis Functions will be followed by the usage of Radial Basis Functions for approximation of isosurfaces. Then these isosurfaces are used for the obstacle-description in three dimensional elasticity contact problems. In the last part some computational examples will be shown.

This report evaluates possibilities to combine volumetric ultrasound (us) data together with the recent work published on advanced skin rendering techniques. We focus mainly on how to filter us data and localize surfaces within us data. We also evaluate recent skin rendering techniques in order to have a good understanding of what is needed from the us for rendering realistic skin. us data is acquired using sonography and have a low signal-to-noise ratio by nature, this makes it harder to extract surfaces compared to other medical data acquisition methods such as ct and mr. This report present an algorithm which implements a variational classification technique to emphasize surfaces within us and using a rbf network to fit an implicit function to these surfaces. Using this approach presented we have successfully extract smooth meshes from the noisy us data.