A aprendizagem incremental requer que o mecanismo de aprendizagem seja baseado no acúmulo dinâmico da informação extraída das experiências realizadas. A aprendizagem de máquina usando adaptatividade considera a integração de técnicas de aprendizagem de máquina simbólicas com técnicas adaptativas para a solução de problemas de aprendizagem. A palavra adaptatividade sugere a capacidade de modificação do conjunto de regras aprendidas em resposta a eventos que podem ocorrer durante o processo de aprendizagem, ou então autoajustes no conjunto de parâmetros. Os dispositivos adaptativos que possuem a capacidade de reter em suas regras informações extraídas de suas entradas podem acumular informações, para que sejam utilizadas quando forem necessárias. As estratégias de interesse para a incorporação da adaptatividade incluem a utilização de métodos e técnicas de aprendizagem de máquina, em particular as que implementam aprendizado supervisionado e tomada de decisão. O objetivo deste trabalho é explorar a utilização de técnicas adaptativas no processo de aprendizado por máquina, tanto de forma exclusiva como em conjunto com outras técnicas de aprendizagem. Para atingir este objetivo, propõe-se aqui a utilização de dispositivos adaptativos para representar o conhecimento adquirido através da aprendizagem incremental. Além disso, é feito um estudo de caso que combina aprendizagem de máquina com técnicas adaptativas para implementar um esquema de aprendizagem autônoma de estratégias, com o objetivo de vencer uma particular instância do jogo que é apresentado. A aprendizagem de um jogo exige a tomada de decisão, que é um processo complexo e dinâmico. Com a finalidade de fornecer um substrato geral para a criação, manipulação e análise de regras em problemas de tomada de decisão, utilizando tabelas de decisão adaptativas, a ferramenta de software Adapt-DT foi implementada. Um exemplo ilustrativo utilizando tabelas de decisão adaptativa como meio para a representação de conhecimento é apresentado, para exercitar a utilização da ferramenta. Isto permite concluir que os dispositivos adaptativos podem ser utilizados para representar o conhecimento adequadamente, com vantagens sobre outros métodos tradicionais. / Incremental learning requires a learning mechanism based on the information extracted from dynamically accumulated experiments. Adaptivity-oriented machine-learning combines adaptive techniques with symbolic ones for solving machine-learning problems. The term adaptivity means the ability of a learning process to change its own set of rules in response to events occurred during the learning process, or, equivalently, self-tuning the set of parameters. The adaptive devices with withhold information ability inside their rules, extracted from input from their own set of rules, can accumulate information to be used whenever they are necessary. The strategies of interest to adopt adaptivity include the use of machine learning techniques and methods, particularly the ones that implement supervised learning and decision-making. This work purposes to investigate the application of adaptive techniques in machine learning process, either exclusively and in cooperation with other techniques. In order to achieve this target, the use of adaptive devices to represent the knowledge gathered through incremental learning is proposed. Additionally, a case study that combines both machine learning and adaptive techniques to implement a scheme of autonomous learning strategies is also performed with the goal of winning an instance of the simple game. Decision-making is required to learning how to play a game, which is a complex and dynamic process. So as to provide a general framework for the creation, manipulation and analysis of rules in decision-making problems using adaptive decision tables, the Adapt-DT tool was implemented. An illustrative example using adaptive decision tables as a means to represent knowledge is introduced to the tool evaluation. This supports the conclusion that adaptive devices can be used to adequately represent the knowledge, with advantages over other traditional methods.

Sistemas de suporte a decisão são utilizados em cenários com incertezas. Uma decisão normalmente é auxiliada por resultados obtidos com ações passadas em problemas semelhantes. Quando um sistema de suporte a decisão incorpora conhecimento específico de uma área, estes recebem o nome de sistemas especialistas. Tal conhecimento especifico é utilizado para inferência juntamente com as informações de entrada a respeito do problema. O objetivo deste trabalho é a avaliação e modelagem de sistemas de auxílio a decisão, foram analisadas duas abordagens para um mesmo problema alvo, sendo uma de gerenciamento do problema e outra de detecção do problema. A abordagem de gerenciamento utiliza redes Bayesianas para modelagem, tanto do conhecimento específico quanto para a inferência. As variáveis utilizadas, as relações de dependência e as probabilidades condicionais entre as variáveis foram extraídas da literatura. A abordagem de detecção do problema utilizou imagens para extração de características seguida de um algoritmo de agrupamento para comparação com a classificação de um especialista. Uma das áreas de aplicação de sistemas especialistas é na área clínica, podendo auxiliar tanto na detecção, diagnóstico e tratamento de doenças. A cárie dental é um problema generalizado que afeta a maioria das pessoas, tanto em países ricos, como em países pobres. Existem poucos sistemas para auxílio no processo de diagnóstico da cárie, sendo a maior parte dos sistemas existentes determinísticos, focando apenas na detecção da lesão. O sistema de gerenciamento da cárie desenvolvido foi apresentado a dois profissionais da odontologia, a opinião deles mostra que está abordagem é promissora e aplicável em campos como a educação e a atenção básica a saúde. Além da apresentação aos profissionais, foram utilizados casos bem estabelecidos da literatura para analisar as sugestões fornecidas pela Rede, e o resultado foi coerente com o cenário real de tomada de decisão. A metodologia de detecção da cárie resultou em um alto valor de acurácia, 96.88%, mostrando que tal metodologia é promissora em comparação com outros trabalhos da área. Além da contribuição para a área de informática odontológica, os resultados mostram que a extração da estrutura e das probabilidades condicionais da rede a partir da literatura é uma metodologia que pode ser utilizada em outras áreas com cenário similar ao do diagnóstico da cárie. Nos próximos passos do projeto alguns pontos referentes a modelagem de sistemas e redes Bayesianas serão analisados, como escalabilidade e testes de validação, tanto quantitativamente como qualitativamente, isto inclui o desenvolvimento de métodos computacionalmente efetivos para a geração de casos aleatórios utilizando o Método de Monte Carlo / Decision support systems are used in uncertainty scenarios; normally a decision is choose using similar problems actions results. Decision support systems could incorporate specific knowledge; such systems are called expert systems. The specific knowledge is used for inference about the problem scenario. This work objective is the evaluation and modeling of decision support systems, we analyzed two distinct approaches for the same problem, one for detection, another for management. The management approach uses Bayesian networks for modeling the specific knowledge and the inference engine. The variables choice, the dependences relationship and the conditional probabilities were extracted from the scientific literature. The detection approach used images and feature extraction to perform a clustering and compare the output labels with a specialist classification. One application of expert systems is clinical, supporting diseases detection, diagnosis and treatment. Dental caries is a generalized problem that affects major part of the population, few systems exists for support the caries diagnostic process, the major part is deterministic, focusing only the detection problem. The caries management system developed here was shown to two odontology professionals, and they opinion encourage such approach to be applied in fields like odontology education and basic health. Beyond this, we used well-established cases to analyze the network output suggestions, the result obtained was coherent with the real decision making scenario. The caries detection approach resulted in a high accuracy, 96.88%, showing that methodology is promising. Besides the contribution for dental informatics field, the results obtained here shows that the extraction of the network structure from the literature could be used in problems similar with caries diagnoses. The project next steps are to analyze some points of systems modeling and Bayesian networks, like scalability and validation tests, both quantitative and qualitative, and including the development of computational effectives methods for the use of Monte Carlo methodology

Submitted by Nathalya Silva (nathyjf033@gmail.com) on 2017-06-28T18:55:55Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_MachineLearningAlgorithms.pdf: 3261735 bytes, checksum: edd45c083a8d5a25f71b3a1604948f22 (MD5) / Approved for entry into archive by Irvana Coutinho (irvana@ufpa.br) on 2017-08-14T12:21:58Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_MachineLearningAlgorithms.pdf: 3261735 bytes, checksum: edd45c083a8d5a25f71b3a1604948f22 (MD5) / Made available in DSpace on 2017-08-14T12:21:58Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_MachineLearningAlgorithms.pdf: 3261735 bytes, checksum: edd45c083a8d5a25f71b3a1604948f22 (MD5) Previous issue date: 2017-01-31 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Estruturas de engenharia têm desempenhado um papel importante para o desenvolvimento das sociedades no decorrer dos anos. A adequada gerência e manutenção de tais estruturas requer abordagens automatizadas para o monitoramento de integridade estrutural (SHM) no intuito de analisar a real condição dessas estruturas. Infelizmente, variações normais na dinâmica estrutural, causadas por efeitos operacionais e ambientais, podem ocultar a existência de um dano. Em SHM, normalização de dados é frequentemente referido como o processo de filtragem dos efeitos normais com objetivo de permitir uma avaliação adequada da integridade estrutural. Neste contexto, as abordagens baseadas em análise de componentes principais e agrupamento de dados têm sido empregadas com sucesso na modelagem dessas condições variadas, ainda que efeitos normais severos imponham alto grau de dificuldade para a detecção de danos. Contudo, essas abordagens tradicionais possuem limitações sérias quanto ao seu emprego em campanhas reais de monitoramento, principalmente devido as restrições existentes quanto a distribuição dos dados e a definição de parâmetros, bem como os diversos problemas relacionados a normalização dos efeitos normais. Este trabalho objetiva aplicar redes neurais de aprendizado profundo e propor um novo método de agrupamento aglomerativo para a normalização de dados e detecção de danos com o objetivo de superar as limitações impostas pelos métodos tradicionais. No contexto das redes neurais profundas, o emprego de novos métodos de treinamento permite alcançar modelos com maior poder de generalização. Em contrapartida, o novo algoritmo de agrupamento não requer qualquer parâmetro de entrada e não realiza asserções quanto a distribuição dos dados, permitindo um amplo dominínio de aplicações. A superioridade das abordagens propostas sobre as disponíveis na literatura é atestada utilizando conjuntos de dados oriundos de dois sistemas de monitoramento instalados em duas pontes distintas: a ponte Z-24 e a ponte Tamar. Ambas as técnicas revelaram um melhor desempenho de normalização dos dados e classificação do que os métodos tradicionais, em termos de falsas-positivas e falsas-negativas indicações de dano, o que sugere a aplicabilidade dos métodos em cenários reais de monitoramento de integridade estrutural. / Engineering structures have played an important role into societies across the years. A suitable management of such structures requires automated structural health monitoring (SHM) approaches to derive the actual condition of the system. Unfortunately, normal variations in structure dynamics, caused by operational and environmental conditions, can mask the existence of damage. In SHM, data normalization is referred as the process of filtering normal effects to provide a proper evaluation of structural health condition. In this context, the approaches based on principal component analysis and clustering have been successfully employed to model the normal condition, even when severe effects of varying factors impose difficulties to the damage detection. However, these traditional approaches imposes serious limitations to deployment in real-world monitoring campaigns, mainly due to the constraints related to data distribution and model parameters, as well as data normalization problems. This work aims to apply deep neural networks and propose a novel agglomerative cluster-based approach for data normalization and damage detection in an effort to overcome the limitations imposed by traditional methods. Regarding deep networks, the employment of new training algorithms provide models with high generalization capabilities, able to learn, at same time, linear and nonlinear influences. On the other hand, the novel cluster-based approach does not require any input parameter, as well as none data distribution assumptions are made, allowing its enforcement on a wide range of applications. The superiority of the proposed approaches over state-of-the-art ones is attested on standard data sets from monitoring systems installed on two bridges: the Z-24 Bridge and the Tamar Bridge. Both techniques revealed to have better data normalization and classification performance than the alternative ones in terms of false-positive and false-negative indications of damage, suggesting their applicability for real-world structural health monitoring scenarios.

As aplicações desenvolvidas com a linguagem JavaScript, vêm aumentando a cada dia, não somente aquelas na web (client-side), como também as aplicações executadas no servidor (server-side) e em dispositivos móveis (mobile). Neste contexto, a existência de ferramentas para identicação de defeitos e code smells é fundamental, para auxiliar desenvolvedores durante a evoluçãp destas aplicações. A maioria dessas ferramentas utiliza uma lista de defeitos predenidos que são descobertos a partir da observação das melhores práticas de programação e a intuição do desenvolvedor. Para melhorar essas ferramentas, a descoberta automática de defeitos e code smells é importante, pois permite identicar quais ocorrem realmente na prática e de forma frequente. Uma ferramenta que implementa uma estratégia semiautomática para descobrir padrões de defeitos através de agrupamentos das mudanças realizadas no decorrer do desenvolvimento do projeto é a ferramenta BugAID. O objetivo deste trabalho é contribuir nessa ferramenta estendendo-a com melhorias na abordagem da extração de características, as quais são usadas pelos algoritmos de clusterização. O módulo estendido encarregado da extração de características é chamado de BugAIDExtract+ +. Além disso, neste trabalho é realizada uma avaliação de vários algoritmos de clusterização na descoberta dos padrõs de defeitos em software JavaScript / Applications developed with JavaScript language are increasing every day, not only for client-side, but also for server-side and for mobile devices. In this context, the existence of tools to identify faults is fundamental in order to assist developers during the evolution of their applications. Most of these tools use a list of predened faults that are discovered from the observation of the programming best practices and developer intuition. To improve these tools, the automatic discovery of faults and code smells is important because it allows to identify which ones actually occur in practice and frequently. A tool that implements a semiautomatic strategy for discovering bug patterns by grouping the changes made during the project development is the BugAID. The objective of this work is to contribute to the BugAID tool, extending this tool with improvements in the extraction of characteristics to be used by the clustering algorithm. The extended module that extracts the characteristics is called BE+. Additionally, an evaluation of the clustering algorithms used for discovering fault patterns in JavaScript software is performed

Este trabalho tem a finalidade de analisar algumas técnicas de processamento do sinal mioelétrico, de forma a possibilitar uma posterior implementação de um circuito, que reconheça este sinal e apresente como saída um sinal de controle a ser utilizado em sistemas de reabilitação. Foram simuladas e avaliadas três técnicas de filtragem para o sinal mioelétrico, a fim de atenuar a interferência dos principais ruídos que corrompem este sinal. As técnicas avaliadas foram: filtragem digital clássica; cancelamento de ruído adaptativo e reconstrução do sinal por meio das componentes obtidas pela transformada wavelet. Também foi implementado e analisado um sistema simplificado de reconhecimento dos padrões para este sinal, realizado por meio de uma rede neural artificial, em que foi aplicado em sua entrada o próprio sinal mioelétrico e não suas características obtidas por processamentos matemáticos. Diante dos resultados obtidos os canceladores de ruído adaptativos apresentaram melhores resultados com relação às outras técnicas de filtragem. Apesar de não ter sido adequada para a filtragem, a transformada wavelet mostrou-se uma poderosa ferramenta de análise de sinais, em virtude da sua característica multiresolução. A técnica utilizada para reconhecer os padrões do sinal mostrou bons resultados com os sinais analisados. / This work has the purpose to analyze some techniques for myoelectric signal processing, towards a subsequent implementation of a circuit which can recognize this signal and present as output a control signal to be used in rehabilitation systems. Simulation and evaluation of three filtering techniques for the myoelectric signal were done in order to attenuate the main interferences of noises which corrupt this signal. The evaluated techniques were: classic digital filtering; adaptive noise cancelling and the signal reconstruction through the obtained components by the wavelet transform. A simplified system of pattern recognition for this signal also was implemented and analyzed, accomplished through an artificial neural network. The myoelectric signal itself was applied to the input instead of its characteristics obtained by mathematical processing. According to the results obtained the adaptive noise cancelling presented better results in comparison to the other filtering techniques. Despite not being adequate for filtering, the wavelet transform proved to be a powerful tool for signal analysis, by virtue of its multiresolution characteristics. The technique used to recognize the signal patterns has shown good results with the analyzed signals.

Neste trabalho demonstramos que padrões e aleatoriedade estão intimamente relacionados, ao contrário do que intuitivamente é considerado como campos opostos. Esta abordagem visa dois propósitos: por um lado, obter vantagens das propriedades caóticas para medir pseudo-aleatoriedade, e por outro lado, extrair padrões de diagramas espaço-tempo como método de reconhecimento de padrões. Este trabalho centrou-se em dois métodos relacionados com sistemas complexos, como sistemas dinâmicos de tempo discreto, redes complexas, autômatos celulares (AC) e suas combinações. O primeiro método foi explorar as propriedades das profundezas do caos como fonte de pseudo-aleatoriedade a partir de sistemas dinâmicos caóticos, como o mapa logístico e o mapa da tenda. Observamos que os padrões desaparecem e a pseudo-aleatoriedade é aumentada pela remoção de k dígitos à direita da vírgula dos pontos de uma órbita original de um mapa caótico. Portanto, foi encontrada uma fonte caótica interessante para obter geradores de números de pseudo-aleatórios (PRNGs) parametrizada por k. Um segundo método foi proposto com base na incorporação de autômatos celulares na topologia de rede, também chamada de rede-autômato, visando caracterizar as redes a partir da dinâmica espaço-temporal intrínseca dessas redes. Quatro problemas de grande demanda foram explorados, tais como (i) identificar redes sociais online; (ii) identificar organismos de diferentes domínios da vida através de suas redes metabólicas; (iii) classificar padrões de distribuição de estômatos variando de acordo com diferentes condições ambientais; e (iv) o problema de identificação de autoria. Finalmente, essa mesma abordagem foi utilizada para analisar as sequências de números pseudo-aleatórios gerados pelo padrão ouro do k-mapa logístico no contexto do reconhecimento de padrões. A abordagem proposta permitiu explorar padrões e pseudoaleatoriedade extraídos de uma miríade de sistemas com resultados bem-sucedidos em termos de acerto e boa pseudo-aleatoriedade. Além disso, este trabalho trouxe consigo progressos significativos em aplicações de reconhecimento de padrões do mundo real de um amplo ramo de campos como criptografia, criptoanálise, biologia e ciência dos dados. / In this work, we demonstrate that patterns and randomness are close related, contrary to what intuitively is considered as opposite fields. We aimed for a pattern recognition approach that aims for two purposes: (i) to take advantages from the chaotic properties as a source of pseudo-randomness in order to measure pseudo-randomness and (ii) to extract patterns from spatio-temporal diagrams obtained from complex systems models as a pattern recognition method. This work has focused on different complex systems such as discrete dynamical systems, complex networks, cellular automata (CA), and their combinations. The first method was to explore the chaotic properties in a deep-zoom manner as a source of pseudo-randomness from chaotic dynamical systems such as the logistic map and the tent map. We observed that the patterns vanish and therefore pseudo-randomness is increased by removing k right digits from the original orbit sequences. Therefore, we found an interesting chaotic source to obtain pseudo-randomness number generators (PRNGs). A second method was proposed based on the embedding of cellular automata (CA) over a network topology, also called network automata, aiming to characterize networks from the intrinsic spatio-temporal dynamics of these networks. Various on-demand problems were explored such as (i) identifying online social networks; (ii) identifying organisms from distinct domains of life through their metabolic networks; (iii) classifying stomata distribution patterns varying according to different environmental conditions; and (iv) the authorship identification problem. Finally, this same approach was used to analyze the sequences of pseudo-random numbers generated by the gold standard k-logistic map in the context of pattern recognition. So far, the proposed pattern recognition approach based on non-linear systems allowed us to explored patterns and pseudo-randomness extracted from a myriad of systems with successful results in terms of accuracy and good pseudorandomness. The proposed method has made significant progress in real-world pattern recognition applications from a wide branch of fields such as Cryptography, Cryptanalysis, Biology and Data Science.

O milho é uma cultura anual importante para diferentes setores da economia mundial. Sua produção é principalmente utilizada para consumo humano e animal, além de indústrias química e de biocombustíveis. Com o aumento da demanda mundial, há a necessidade de aumento da produtividade com diminuição de custos, tanto econômicos como ambientais. Isso leva a investimentos para maior tecnificação do cultivo, seleção de diferentes cultivares e busca por maior eficiência nutricional. Nesse contexto insere-se este doutorado, o qual propõe metodologia para diagnóstico nutricional precoce em culturas de milho. Para tanto, objetiva-se melhorar um sistema de classificação nutricional por imagem de folhas, analisar a invariância deste diagnóstico a diferentes híbridos de milho e identificar características que permitam uma análise em estágio precoce do ciclo de crescimento. Além disso, os estudos são realizados sobre experimentos de cultivos em ambiente controlado e em ambiente comercial. A análise das imagens é realizada pela extração de características de textura e, consequentemente, resulta no desenvolvimento de metodologias inovadoras nesta área. Especificamente, são propostas duas metodologias na área de descritores fractais e usando transformação local jet. Os resultados da diagnose nutricional demonstram como é promissora a pesquisa, uma vez que obtém-se 98% de acerto na classificação de níveis nutricionais de nitrogênio ou potássio em etapa chave para correção nutricional em um mesmo ciclo da cultura. Outra abordagem proposta, ainda promove a identificação e visualização de sintomas em estágio em que esses sintomas são considerados ocultos, comprovando a eficácia do reconhecimento de padrões de textura. / The maize is an important annual crop for different sectors of the world economy. Its production is mainly used for human and animal consumption as well as chemical and biofuels industry. Because of the increase in world demand, there is the need for increased productivity with lower costs, both economic and ecological. This leads to greater investments in technification of cultivation, selection of different cultivars and research to improve nutritional efficiency. In this context, this PhD research proposes a methodology for early nutritional diagnosis in maize crops. Therefore, it is aimed to improve a nutritional classification system for image of leaves, analysis the invariance of this diagnostic at different maize hybrids and identifying features to provide an analysis at an early stage of the growth cycle. Furthermore, studies are conducted on crops under controlled environment and in a commercial environment. The image analysis is performed by texture feature extracting and, consequently, results in innovative methodologies in this area. Specifically, two methods are proposed in the area of fractal descriptors and using local jet transformation. The results of nutritional diagnosis demonstrate how research is promising, due to the 98% success rate in the classification of nutritional levels of nitrogen or potassium, in a key stage for nutritional correction in the same crop cycle. Another proposed approach promotes the symptoms identification and visualization in a stage where these symptoms are considered hidden, proving the effectiveness of the pattern recognition based on texture features.

Este trabalho apresenta os resultados obtidos com o desenvolvimento de um sistema robusto como uma alternativa de reconhecimento da qualidade de vapor de álcool combustível e do poder calorífico do gás combustível GLP em um nariz eletrônico. Foram implementadas duas metodologias experimentais para a extração de atributos dos padrões de vapor de álcool combustível e de gás GLP. Na primeira abordagem de tratamento dos dados, foram usados um Sistema de Inferência Fuzzy (FIS), e dois algoritmos de treinamento de Redes Neurais Artificiais (RNA) para reconhecer padrões de vapor de álcool combustível: a Backpropagation e Learning Vector Quantization. A segunda abordagem para o tratamento dos dados foi desenvolver um sistema reconhecedor do poder calorífico do gás GLP robusto à perda aleatória de um dos sensores. Foram usados três sistemas. No primeiro foi implementada uma RNA para reconhecer todos os dados que simulavam a falha de um sensor aleatório. O resultado desse sistema foi de 97% de acertos. O segundo implementou sete RNA’s treinadas com subconjuntos dos dados de entrada, tais que seis RNA’s foram treinadas com um sensor diferente com falha; e a sétima RNA foi treinada com dados dos sensores sem falhas. O resultado desse sistema foi de 99% de acertos. O terceiro implementou uma Máquina de Comitê Estática Ensemble constituída de dez RNA’s em paralelo para resolver o problema. O resultado foi de 97% de acertos. As RNA’s tiveram melhores respostas que os FIS. Foram sugeridas algumas formas de implementação em hardware do sistema reconhecedor em sistemas pré-fabricados com DSP’s e micro-controladores. / This work shows the results of a robust system development as an alternative to recognize the quality of an alcohol fuel vapor sample and Liquid Petrol Gas (LPG) heat power in an electric nose. Two experimental methodologies were implemented to extract the features of alcohol fuel vapor and LPG gas patterns. The first approach to process the data used an Fuzzy Inference System (FIS) and two training algorithms of Artificial Neural Networks (ANN) to recognize alcohol fuel vapor patterns: Backpropagation and Learning Vector Quantization. The second approach consists of process data to develop an LPG heat power recognizing system robust to one-random-sensor-loss. Three systems were used. The first implemented an ANN to recognize all data that simulated the failure of a random sensor. This system had 97% of right responses. The second implemented seven ANN’s trained with input data subsets, such that six ANN’s were trained with a different failure sensor, and the seventh ANN was trained with data of all sensors without failure. This system had 99% of right responses. The third implemented an Ensemble Static Learning Machine containing ten parallel RNA’s to solve the problem. The result were 97% of right responses. RNA’s had better results than FIS. Some ways of hardware implementation of the recognizing system were suggested in DSP and micro-controllers pre-built systems.

Made available in DSpace on 2014-08-13T14:50:31Z (GMT). No. of bitstreams: 0 Previous issue date: 2010-07-15Bitstream added on 2014-08-13T18:01:19Z : No. of bitstreams: 1 santos_gl_me_ilha.pdf: 4835852 bytes, checksum: 8f5c7964f7834bad1240378b2d45737b (MD5) / As técnicas de termografia vêm atualmente ganhando espaço como técnicas de manutenção preditiva, principalmente, por seu caráter não invasivo (ferramenta de não contato) que possibilita o monitoramento do aquecimento de máquinas e equipamentos em operação ou mesmo energizados. A utilização de câmeras termográficas hoje é uma realidade em vários setores industriais para monitoramento e detecção de falhas com base na temperatura. Entretanto, a utilização de câmaras termográficas na manutenção não deve se restringir apenas à avaliação da temperatura, uma vez que as imagens termográficas são sinais que apresentam padrões complexos que podem captar as diferentes características e condição de operação do equipamento. Outras informações além da temperatura poderiam ser observadas para uma avaliação mais consistente do estado de operação do equipamento. Este trabalho discute a utilização da técnica da estatística multivariada, Análise de Componentes Principais (ACP) para o processamento e análise de um conjunto de imagens termográficas. Essa proposta visa à identificação de padrões associados às variações térmicas das imagens, bem como, a interpretação desses dados em termos da sua variabilidade espacial/temporal para aplicação na manutenção preditiva com base na termografia. Num primeiro momento a técnica foi aplicada para a avaliação de um conjunto de dados (imagens térmicas) obtidos a partir da simulação do aquecimento de um dado componente (chave elétrica), cujo objetivo foi testar e verificar a validade da proposta e do programa desenvolvido. Posteriormente a técnica foi aplicada para o acompanhamento e avaliação do aquecimento de componentes de um modelo simplificado de um painel de telefonia, formado por blocos de alumínio fixados em uma placa de acrílico. A análise no modo espacial e no modo temporal do conjunto de ... (Resumo completo, clicar acesso eletrônico abaixo) / Thermography techniques are currently gaining ground as predictive maintenance techniques, mainly due to its non-invasive character (non-contact tool) that allows the monitoring of heating condition of machines and equipment also in operation and even energized. The use of thermographic cameras is now a reality in many industrial and electrical sectors for monitoring and fault detection based on temperature. However, the use of thermal imagers in the maintenance should not be restricted to only the evaluation of temperature, since the thermographic images are signs that show complex patterns and they can capture the different characteristics of the actual condition of the monitored equipment. Information other than temperature could be observed for a more consistent evaluation of its state of operation. This paper discusses the propose of use of the multivariate analysis technique, Principal Component Analysis (PCA) for the processing and analysis of a series of thermographic images in order to identify patterns associated with temperature variations of the images, as well as, the interpretation of these data in terms of their spatial/temporal variability. Initially the technique was used to the analysis of data (thermal images) obtained from the simulation of heating conditions of a component (electric switch) aiming at to test and verify the validity of the proposal and program development. Later the technique was applied to the monitoring and evaluation of the heating condition of components of a simplified model of a telephone panel, formed by aluminum blocks fixed in a plate of acrylic. The analysis in the spatial and temporal mode of the set of thermograms obtained for different heating conditions of the blocks, it showed that it is possible to verify and establish correlations between the Principal Components and the thermal profile of the system

Made available in DSpace on 2016-12-12T20:22:54Z (GMT). No. of bitstreams: 1 Juliana P Detroz.pdf: 11151863 bytes, checksum: f8e2db7d1e13c674adf28e9484a35d9d (MD5) Previous issue date: 2016-02-26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / With the emerging hydric crisis, water shortage has been a great global concern. Water supply companies have been increasingly looking for solutions to reduce water wastage and many efforts have been made aiming to promote a better management of this resource. Fraud detection is one of these actions, as the irregular violations are usually held precariously, thus, causing leaks. Hidden and apparent leakage is a major cause of the high water loss rates. In this context, the use of technology in order to automate the identification of potential frauds can be an important support tool to avoid water waste. In this sense, this research aims to apply pattern recognition techniques in the implementation of an automated detection of suspected irregularities cases in water meters, through image analysis. We considered as a potential fraud when there is evidences of violations and seals absences. The proposed computer vision system is composed by three steps: the detection of the water meter location, obtained by OPF classifier and HOG descriptor, detecting the seals through morphological image processing and segmentation methods; and the classification of frauds, in which the condition of the water meter seals is assessed. We validated the proposed framework using a dataset containing images of water meter inspections. The water meter detection solution (HOG+OPF) achieved an average accuracy of 89.03%, showing superior results than SVM (linear and RBF). A comparative analysis of 12 feature descriptors (color and texture) was performed on the classification of the seals condition step. The results of these methods were evaluated individually and also combined, reaching average accuracy up to 81.29%. We concluded that the use of a computer vision system is a promising strategy and has potential to benefit and support the analysis of fraud detection. / Em tempos de racionamento dos recursos hídricos, o desperdício de água tem sido um tema de relevância mundial. Os vazamentos ocultos e aparentes são uma das principais causas dos elevados índices de perdas de água tratada. Esforços são despendidos pelas companhias de saneamento a fim de reduzir as perdas, sendo o combate às fraudes uma destas ações. Neste contexto, o uso da tecnologia para automatizar a identificação de fraude mostra-se uma importante ferramenta de apoio no combate ao desperdício. Esta pesquisa tem como objetivo aplicar técnicas de reconhecimento de padrões na detecção automatizada de casos suspeitos de irregularidades em hidrômetros. No escopo deste trabalho foram consideradas suspeitas de fraude as violações e ausências de lacres. A abordagem proposta visa, através de um sistema de visão computacional, auxiliar no combate a fraudes em hidrômetros e, consequentemente, evitar o desperdício de água associado a estas. Para isto, a execução do sistema proposto é dividida em três etapas: detecção do hidrômetro, fazendo uso do classificador OPF e descritor HOG; a detecção da área estimada dos lacres, obtida pela aplicação de métodos de processamento morfológico e segmentação; e a classificação das fraudes a partir da condição dos lacres do hidrômetro. A validação foi executada utilizando-se um conjunto de imagens de fiscalizações. Na primeira etapa, a solução utilizando o classificador OPF alcançou taxa de acerto média de 89, 03%, sendo superior a resultados dos métodos SVM linear e RBF. Para a classificação da condição dos lacres, realizou-se uma análise comparativa de 12 descritores de imagem, de cor e textura, sendo avaliados os resultados individuais e combinados, atingindo taxas de acerto média de até 81, 29%. Com isto, pode-se concluir que o uso de um sistema especialista de visão computacional para o problema de detecção de fraudes é uma estratégia promissora e com potencial para beneficiar a análise e o suporte à tomada de decisões.