O oxicorte produz superfícies que variam entre um padrão semelhante à usinagem até outro em que o corte é praticamente sem qualidade. Além das condições de equipamentos e habilidade de operadores, estas possibilidades são conseqüências da correta seleção de parâmetros e variáveis de trabalho. O processo baseia-se numa reação química fortemente exotérmica, que gera parte de calor necessário para sua ocorrência juntamente com o restante do calor proveniente da chama do maçarico. A proporção entre estes valores é fortemente dependente, entre outros fatores, da espessura do material utilizado. Este trabalho mostra como calcular a quantidade de energia gerada no oxicorte, com duas metodologias de diferentes autores, estuda de que maneira fatores como a variação da concentração do oxigênio e a temperatura inicial das chapas cortadas podem variar o balanço térmico e simula, com a utilização de Redes Neurais Artificiais, alguns dos dados necessários para a realização destes cálculos. Para isto foram cortadas chapas de aço carbono ASTM A36 de 12,7 a 50,8 mm, com diferentes concentrações de O2 (99,5% e 99,95%) e diferentes temperaturas de pré-aquecimento das chapas (30 e 230±30ºC). As superfícies cortadas foram caracterizadas, os óxidos produzidos identificados e os resultados foram correlacionados com o uso de tratamento matemático e técnicas de inteligência artificial. Para a realização do trabalho alguns aspectos não existentes em literatura foram superados como o desenvolvimento de uma metodologia para a caracterização dos óxidos de Fe por meio de difração de raios X com o método de Rietveld, a utilização de redes neurais artificiais para estimativa de resultados no processo oxicorte e a comparação entre diferentes redes neurais artificiais, que são também aspectos inéditos apresentados nos sete artigos técnicos publicados no decorrer deste trabalho. Os resultados apresentam: uma metodologia para a análise da eficiência energética do processo, o desenvolvimento de técnicas que, com o emprego de inteligência artificial simulam o comportamento de aspectos do processo, o que por fim possibilita a simulação da análise de sua eficiência energética. / Oxygen cutting process produces surfaces that vary from a machine cut finishing to one of virtually no quality at all. Besides equipment conditions and operators\' skills, these possibilities result from the correct selection of work parameters and variables. The process is based on a highly exothermic chemical reaction that generates part of the heat needed for its occurrence, along with the rest of heat resultant from the flame of the blowpipe. The ratio between these values depends highly on the thickness of the material used. This work shows how to calculate the amount of energy generated in the cutting process. Based on two methodologies of different authors, this research studies how factors such as the change in the oxygen concentration and the pre heating temperature of plates can vary the heat balance and simulates, with the use of Artificial Neural Networks, some of the data needed to perform these calculations. ASTM A36 carbon steel plates, from 12.7 to 50.8 mm thick, with different oxygen concentration (99,5% e 99,95%) and preheating temperatures (30 and 230 ±30ºC) were cut. The cut surfaces and the produced oxides were characterized and the results were correlated with the use of mathematical treatment and artificial intelligence techniques. In order to carry out this work some previously inexistent aspects in literature have been developed, such as a Fe oxides characterization methodology with X-ray diffraction and Rietveld method; the use of artificial neural networks to simulate the results in the oxygen cutting process and the comparison between different artificial neural networks, which are unpublished aspects of this work that can be seen in seven technical papers published while this work was in progress. Results show: a methodology for the analysis of the energy efficiency of the process; the development of techniques that, together with artificial intelligence, simulate the results of aspects of the process; which finally allows the simulation analysis of the energy efficiency of the process.

Made available in DSpace on 2016-08-17T14:52:36Z (GMT). No. of bitstreams: 1 Jose da Assuncao Gomes Mendes.pdf: 1427998 bytes, checksum: 6d9df0350d0b7acb752ecadbcfc1825d (MD5) Previous issue date: 2007-12-19 / The performance of speech recognition systems is commonly degraded by either speech-related disabilities or by real-world factors such as the environment s noise level and reverberation. In this research, we propose a subvocal speech recognition system based on electromyography (EMG signal) for subvocal acquisition, Independent Component Analysis (ICA) for feature extraction and Neural Networks MLP for classification. We have evaluated the system s performance using a subvocal vowel phonemes database. According to the results, the methodology proposed obtained a success rate of 93.99%. / O desempenho dos sistemas de reconhecimento da fala é comumente degradado por incapacidades relacionadas com a fala ou por através de fatores do mundo real tais como nível de ruído do ambiente e reverberação. Nesta pesquisa, nós propomos um sistema de reconhecimento subvocal da fala. Este sistema é baseado em Eletromiografia de superfície (sinal EMG) para aquisição de dados subvocais, Análise de Componentes Independentes (ICA) para extração das características e Rede Neural MLP para classificação. Nós avaliamos o desempenho do sistema usando um banco de dados dos fonemas das vogais subvocais. De acordo com os resultados obtidos, a metodologia proposta obteve uma taxa de sucesso de 93,99%.

Submitted by Rosa Assis (rosa_assis@yahoo.com.br) on 2017-05-12T15:24:19Z No. of bitstreams: 2 BRIAN LEE MAYER.....pdf: 4001679 bytes, checksum: aa944d055424e19342adcc174b7fc397 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Paola Damato (repositorio@mackenzie.br) on 2017-05-23T13:31:33Z (GMT) No. of bitstreams: 2 BRIAN LEE MAYER.....pdf: 4001679 bytes, checksum: aa944d055424e19342adcc174b7fc397 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2017-05-23T13:31:34Z (GMT). No. of bitstreams: 2 BRIAN LEE MAYER.....pdf: 4001679 bytes, checksum: aa944d055424e19342adcc174b7fc397 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2016-07-27 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Here, the occurrence of synchronism in coupled Newman-Watts graphs is studied, as a model of neural network. The inspiration for this study comes from the visual system of mammals. The whole network is formed by four coupled graphs, which represent the lateral geniculate nuclei and the visual cortices of the cerebral hemispheres. The hemispheres communicate due to a coupling between the graphs representing the visual cortices. This coupling makes the role of the corpus callosum. The state transition of the neurons occurs in discrete time and it follows a set of deterministic rules. From periodic stimuli coming from the retina, the neuronal activity is numerically computed. The goal is to determine how the values of the parameters related to the network topology affect the synchronization between the hemispheres. / Aqui, estuda-se a ocorrência de sincronismo em grafos de Newman-Watts acoplados, como um modelo de rede neural. A inspiração para esse estudo vem do sistema visual de mamíferos. A rede completa é formada por quatro grafos acoplados, que representam os núcleos geniculados laterais e os córtices visuais dos hemisférios cerebrais. Os hemisférios se comunicam por meio de um acoplamento entre os grafos que representam os córtices visuais. Esse acoplamento faz o papel do corpo caloso. A transição de estados dos neurônios ocorre em tempo discreto e obedece a um conjunto de regras deterministas. A partir de estímulos periódicos vindos da retina, a atividade neuronal é calculada numericamente. O objetivo é determinar como os valores dos parâmetros relacionados à topologia da rede afetam o sincronismo entre os hemisférios.

Este trabalho apresenta o desenvolvimento de um instrumento de apoio à gestão territorial, denominado Banco de Dados Geográficos – BDG, constituído de uma base de dados georreferenciadas, de um sistema de gerenciamento de banco de dados, de um sistema de informação geográfica – SIG e de um simulador de redes neurais artificiais – SRNA. O roteiro metodológico adotado permitiu a transposição do Detalhamento da Metodologia para Execução do Zoneamento Ecológico-Econômico pelos Estados da Amazônia Legal para um modelo conceitual materializado no BDG, que serviu de suporte para a criação de uma base de dados geográficos, na qual utilizou-se os conceitos de geo-campos e geo-objetos para modelagem das entidades geográficas definidas. Através deste ambiente computacional foram realizados procedimentos de correção e refinamento dos dados do meio físico e sócio-econômicos, de interpretação de imagens de satélite e análises e combinações dos dados, que permitiram definir unidades básicas de informação do território, a partir das quais foram geradas as sínteses referentes à potencialidade social e econômica, à sustentabilidade do ambiente, aos subsídios para ordenação do território, incluindo orientações à gestão do território na área de estudo localizada no sudoeste do estado de Rondônia. Sobre os dados do meio físico, foram utilizadas duas técnicas de análise geográfica: álgebra de mapas e rede neural artificial, que produziram cenários relativos à vulnerabilidade natural à erosão. A análise das matrizes de erros obtidas da tabulação cruzada entre os cenários, revelou uma boa exatidão global (acima de 90%) entre os cenários obtidos através da modelagem via álgebra de mapas e via rede neural artificial e, uma exatidão global regular (em torno de 60%), quando foram comparados os cenários obtidos via álgebra de mapas e via rede neural artificial com o cenário obtido através de procedimentos manuais. / This work presents the development of a tool to support the land management called Geographical Data Base (GDB) formed by a georrefered data base, a data base management system (DBMS), a geographic information system (GIS) and an artificial neural net simulator (ANNS). The methodological approach allowed the conceptual modelling of the methodology of the ZEE (Ecological-Economic Zoning) institutional program within GDB, using both field and object concepts, in which the geographic entities were modelled. Using this computacional framework both natural and socio-economic data were corrected and improved, and also procedures of satellite image interpretation using image processing techniques, of analysis and data manipulation using GIS tools, were accomplished. These procedures allowed to define basic units of mapping and to get the following synthesis for the study area located in State of Rondonia: social potenciality, environmental vulnerability, environmental sustentability, land management maps, and guidelines about land management. With the abiotic and biotic data, two different geographical inference methods were used to produce the environmental vulnerability map: a) the common Map Algebra approach and b) an Artificial Neural Network approach – as a technique to deal with the non-linearities involved in inferencial processes. Error matrices were computed from cross tabulation among different scenaries obtained from those inference methods. A good global accuracy (over 90%) was obtained when ANN and Map Algebra scenaries were compared. Medium global accuracies (around 60%) were obtained when ANN and Map Algebra were compared with scenaries obtained by manual procedures.

O presente trabalho de pesquisa enfoca a problemática da previsão de demandas com vistas à operação dos sistemas de abastecimento de água em tempo real, utilizando-se dados de consumo horários de água das cidades de São Carlos e Araraquara, SP, para que se identifique o modelo que produza os melhores ajustes. Foram estudadas as redes neurais artificiais Perceptron de Múltiplas Camadas (RNAs MLP), a Rede Neural Dinâmica (DAN2) e duas RNAs híbridas, sendo que estas últimas consistem em associar previsão por séries de Fourier com a RNA MLP e a DAN2, sendo denominadas respectivamente RNA-H e DAN2-H. As entradas fornecidas para os modelos de previsão foram escolhidas com base na revisão bibliográfica e por meio de análise de correlação, considerando os dados de consumo e as variáveis meteorológicas, tais como temperatura, umidade relativa do ar e ocorrência de chuva. Os melhores modelos de previsão utilizaram a DAN2, a qual se mostrou de manuseio mais fácil em relação às redes neurais de múltiplas camadas, pois dispensa o processo de tentativas e erros para se determinar a melhor arquitetura para os dados fornecidos ao modelo. Os melhores modelos de previsão para a próxima hora produziram um erro médio absoluto de 2,25 L/s (DAN2-H) para um subssetor de Araraquara, representado cerca de 8% do consumo médio, e 2,3 L/s (DAN2) para um setor de São Carlos, equivalente a 4% do consumo médio. / The present work focuses the problem of water demand forecasting for real time operation of WSS. The study was conducted using hourly consumption data from water distribution system from the cities of São Carlos, Araraquara, SP, to identify the model that fits better. It were studied the artificial neural network Multilayer Perceptron (ANN MLP), the Dynamic Neural Network (DAN2) and two hybrid ANN. The hybrid ANN is an association of the water demand prevision by series of Fourier with the ANN MLP and DAN2, which were called respectively ANN-H and DAN2-H. The inputs provided to the forecasting models were chosen based on literature review and correlation analysis, considering consumption data and meteorological variables, such as temperature, air relative humidity and rain occurrence. The best forecasting models were based on DAN2, which showed easy handling compared to other neural network with multiple layers, because it dispenses the trial and error procedure to find the best architecture for a given data. The best forecasting model for the next hour produced an absolute medium error of 2.25 L/s (DAN2-H) for a subsector from Araraquara, representing about 8% of the average consumption, and 2.30 L/s (DAN2) for a sector from São Carlos, which correspond to 4% of its average consumption.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-07-03T15:40:35Z No. of bitstreams: 1 mateushufnagelmaranhadefaria.pdf: 6274588 bytes, checksum: 833ec4ebff2e364becfe0d733ccfd174 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-08-08T13:06:18Z (GMT) No. of bitstreams: 1 mateushufnagelmaranhadefaria.pdf: 6274588 bytes, checksum: 833ec4ebff2e364becfe0d733ccfd174 (MD5) / Made available in DSpace on 2017-08-08T13:06:19Z (GMT). No. of bitstreams: 1 mateushufnagelmaranhadefaria.pdf: 6274588 bytes, checksum: 833ec4ebff2e364becfe0d733ccfd174 (MD5) Previous issue date: 2017-03-09 / Este trabalho tem como objetivo a implementação de um sistema de estimação de energia, adequado às condições de alta luminosidade do maior e mais potente colisionador de partículas já construído, o LHC. Agendadas em seu programa de atualização, estas condições aumentam a probabilidade de colisões próton-próton dentro de seus detectores, como o ATLAS. A resposta do calorímetro hadrônico do detector ATLAS, Tilecal, necessita de um tempo de sete cruzamentos de feixe de partículas para gerar um pulso de amplitude proporcional à energia depositada. Neste sentido, aumentar a probabilidade de ocorrência das colisões também intensifica a presença do empilhamento de sinais. Este efeito faz com que o erro aumente na estimativa da amplitude dos sinais gerados na eletrônica de leitura do Tilecal neste ambiente. A interpretação do calorímetro como um canal de comunicação de característica dispersiva faz-se necessária para a recuperação do impulso de entrada, removendo-se, assim, o efeito de empilhamento e proporcionando uma medida direta da deposição de energia em cada cruzamento de feixe. A utilização de técnicas lineares para este propósito mostraram-se eficientes quando comparadas ao método atualmente implementado no sistema de trigger. No entanto, não-linearidades intrínsecas ao canal não podem ser modeladas por estas técnicas. Assim sendo, neste trabalho é proposto um equalizador de canal não-linear baseado em redes neurais artificiais. Através de treinamentos exaustivos, os principais parâmetros que compõem a arquitetura de uma rede neural feedforward foram determinados com o propósito de aliar alta performance e baixa complexidade da rede. O estimador neural mostrou-se robusto em ambientes com alta ocorrência de empilhamento de sinais, além de atender aos requisitos de implementação em hardware dedicado, no qual foi utilizado uma FPGA. Apesar da implementação de funções de ativação não-lineares em hardware com boa precisão consumir bastante recurso computacional, esta limitação foi contornada com a utilização de uma look-up table altamente compacta. Portanto, a rede neural foi quantizada em ponto fixo, visando reduzir ao máximo o número de elementos lógicos utilizados, sem comprometer sua capacidade ao compará-la com a rede implementada em software. / This work aims to implement an energy estimation system, which is adequate to the high luminosity conditions of the most powerful collider ever built, the LHC. Scheduled in its update program, these conditions increase the probability of proton-to-proton collisions within its detectors, like ATLAS. The response from the hadronic calorimeter of the ATLAS detector, Tilecal, needs time corresponding to seven crossing particle beams to generate pulse amplitude proportional to the deposited energy. In this sense, increasing the likelihood of collision occurrence also intensifies the signal pile-up. This effect increases the amplitude estimation error of the signals, generated in the readout electronics of Tilecal in this environment. The interpretation of the calorimeter as a communication channel of dispersive character is necessary for the recovery of the input impulse, removing, this way, the pile-up effect and providing a direct measure of the energy deposition in each bunch-crossing. The utilization of linear techniques for this purpose have shown to be efficient when compared to the method currently being employed in the trigger system. However, non-linearities intrinsic to the channel cannot be modulated through these techniques. Therefore, it is proposed in this work a non-linear channel equalizer based on artificial neural networks. Through exhaustive training, the main parameters that compose the architecture of a feedforward neural network have been determined with the purpose of allying high performance with low network complexity. The neural estimator has shown to be robust in environments with high amounts of signal pile-up, as well as meeting the requirements for implementation of dedicated hardware, in which an FPGA was used. In spite of the implementation of non-linear activation functions in optimal precision hardware requiring high computational resources, this limitation was circumvented by utilizing a highly compact look-up table. Therefore, the neural network was quantified at a fixed point, aiming to reduce as much as possible the number of logical elements used without compromising its capacity to compare it with the network implemented in software.

Submitted by Almir Azevedo (barbio1313@gmail.com) on 2018-06-07T17:17:44Z No. of bitstreams: 1 dissertacao mestrado ien 2018 Kelcio Jose Gomes.pdf: 23521797 bytes, checksum: 9f86dd75bf1d595f5e579d31365eb4a4 (MD5) / Made available in DSpace on 2018-06-07T17:17:44Z (GMT). No. of bitstreams: 1 dissertacao mestrado ien 2018 Kelcio Jose Gomes.pdf: 23521797 bytes, checksum: 9f86dd75bf1d595f5e579d31365eb4a4 (MD5) Previous issue date: 2018-04 / Este trabalho apresenta um aplicativo móvel de previsão de doses para casos de emergências em Centrais Nucleares com liberação de material nuclear. O objetivo consiste em prover um suporte extra para a tomada de decisões de equipes de campo quando a os sistemas de informações da planta estiverem indisponíveis. Contudo, a previsão de doses devido a dispersão de radionuclídeos na atmosfera requer a execução de modelos físicos altamente complexos e computacionalmente intensos. Para que essas previsões sejam possíveis de serem feitas usando recursos computacionais limitados como, por exemplo, telefone celular é proposto neste trabalho o uso de Redes Neurais Artificiais (RNA) previamente treinadas (modo off-line) com dados obtidos por simulações precisas utilizando-se do Sistema de Dispersão Atmosférica. Para isso, foram consideradas situações típicas para cada acidente postulado, bem como uma ampla gama de condições meteorológicas. Como passo inicial, foram investigadas diversas arquiteturas de RNA para avaliar a capacidade de previsão de dose em cenários hipotéticos nas vizinhanças da Central Nuclear Brasileira da CNAAA, em Angra dos Reis, Rio de Janeiro. Como resultado, obteve-se um ótima generalização e um coeficiente de correlação de 0,99 para um conjunto de dados de avaliação (padrões não usados em treinamento). Diante disso, as RNAs selecionadas foram codificadas na Linguagem de Programação Java para serem executadas em um aplicativo da plataforma Android destinado a traçar a distribuição da dose espacial no mapa da região em questão. Neste trabalho, descreve-se a arquitetura geral do sistema proposto, resultados numéricos e comparações entre as arquiteturas investidas de RNA são discutidas. Além disso, o desempenho e limitações da execução numa plataforma de celular móvel são avaliados e possíveis melhorias e trabalhos futuros são apontados. / This work presents the approach of a mobile dose prediction system for NPP emergencies with nuclear material release. The objective is to provide extra support to field teams decisions when plant information systems are not available. However, predicting doses due to atmospheric dispersion of radionuclide generally requires execution of complex and computationally intensive physical models. In order to allow such predictions to be made by using limited computational resources such as mobile phones, it is proposed the use of artificial neural networks (ANN) previously trained (offline) with data generated by precise simulations using the NPP atmospheric dispersion system. Typical situations for each postulated accident and respective source terms, as well as a wide range of meteorological conditions have been considered. As a first step, several ANN architectures have been investigated in order to evaluate their ability for dose prediction in hypothetical scenarios in the vicinity of CNAAA Brazilian NPP, in Angra dos Reis, Brazil. As a result, good generalization and a correlation coefficient of 0.99 was achieved for a validation data set (untrained patterns). Then, selected ANNs have been coded in Java programming language to run as an Android application aimed to plot the spatial dose distribution into a map. In this work, the general architecture of the proposed system is described; numerical results and comparisons between investigated ANN architectures are discussed; performance and limitations of running the Application into a commercial mobile phone are evaluated and possible improvements and future works are pointed.

Made available in DSpace on 2014-06-12T23:14:39Z (GMT). No. of bitstreams: 2 arquivo8666_1.pdf: 1181209 bytes, checksum: a7240ded231e53369931eabf0ffebcfe (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / A escassez de informações precisas sobre a irradiação solar, disponível em uma determinada localidade, é um dos fatores limitativos do desenvolvimento de áreas como agropecuária, meteorologia, engenharia florestal, recursos hídricos e particularmente para a área da energia solar. No Brasil, Tiba et al (2001), fizeram um levantamento das informações solarimétricas terrestres existentes, constatando a grande escassez dessas informações (principalmente na escala diária) para a maioria das localidades brasileiras, provavelmente explicada tanto pelos altos custos dos equipamentos utilizados na obtenção desses dados como também pela grande extensão territorial. Para superar este problema, dentre as principais propostas sugeridas pelo trabalho pode-se destacar a geração de séries temporais sintéticas da irradiação solar diária, que reproduzam as principais características estatísticas das séries históricas, viabilizando a simulação e a avaliação de desempenho dos sistemas solares submetidos a regime de longo prazo. Os trabalhos desenvolvidos recentemente por dezenas de pesquisadores, em nível mundial, sugerem a obtenção das séries sintéticas a partir da utilização de duas metodologias conceitualmente distintas: os modelos baseados nos conceitos da cadeia de Markov e os modelos fundamentados na metodologia das redes neurais artificiais. Neste estudo, foram avaliados os desempenhos de dois modelos para geração de séries sintéticas da irradiação solar global diária: o primeiro, proposto por Graham et al (1988), que é um modelo estocástico baseado nos conceitos da cadeia de Markov e fundamentado na metodologia ARMA, e o segundo modelo fundamentado na metodologia das redes neurais artificiais (RNA). O modelo de Graham foi testado para seis localidades brasileiras situadas em regiões tropicais, com latitudes variando desde 1º 27 S até 30º 01 S e longitude variando numa faixa de 38º 31 W a 60º 39 W. Com relação ao modelo das redes neurais artificiais, foi feita a interpolação temporal para quatro localidades brasileiras de grandes diferenças meteorológicas e a interpolação espacial para sete localidades do Sertão de Pernambuco. Assim, além de comprovar a viabilidade do modelo de Graham para reproduzir as principais características estatísticas do processo estocástico gerador das séries experimentais da transmitância atmosférica ( Kt ) nas localidades brasileiras, o estudo demonstrou a eficiência do uso das redes neurais artificiais para geração de séries sintéticas diárias da irradiação solar

[pt] Esta tese apresenta uma nova classe de modelos não lineares inspirada no modelo ARN, apresentado por Mellem, 1997. Os modelos definidos nesta classe são aditivos com coeficientes variáveis modelados por redes neurais e, tanto a média quanto a variância condicionais, são modeladas explicitamente. Neste trabalho podem ser identificadas quatro partes principais: um estudo sobre os modelos mais comuns encontrados na literatura de séries temporais; um estudo sobre redes neurais, focalizando a rede backpropagation; a definição do modelo proposto e os métodos utilizados na estimação dos parâmetros e o estudo de casos. Modelos aditivos têm sido escolha preferencial na modelagem não linear: paramétrica ou não paramétrica, de média ou de variância condicional. Além disso, tanto a idéia de modelos de coeficientes variáveis quanto a de modelos híbridos. que reúnem paradigmas diferentes, não é novidade. Por esta razão, foi traçado um panorama dos modelos não lineares mais encontrados na literatura de séries temporais, focalizando-se naqueles que tinham relacionamento mais estreito com a classe de modelos proposta neste trabalho. No estudo sobre redes neurais, além da apresentação de seus conceitos básicos, analisou- se a rede backpropagation, ponto de partida para a modelagem dos coeficientes variáveis. Esta escolha deveu- se à constatação da predominância e constância no uso desta rede, ou de suas variantes, nos estudos e aplicações em séries temporais. Demonstrou-se que os modelos propostos são aproximadores universais e podem ser utilizados para modelar a variância condicional de uma série temporal. Foram desenvolvidos algoritmos, a partir dos métodos de mínimos quadrados e de máxima verossimilhança, para a estimação dos pesos, através da adaptação do algoritmo de backpropagation à esta nova classe de modelos. Embora tenham sido sugeridos outros algoritmos de otimização, este mostrou-se suficientemente apropriado para os casos testados neste trabalho. O estudo de casos foi dividido em duas partes: testes com séries sintéticas e testes com séries reais. Estas últimas, normalmente, utilizadas como benchmarking por analistas de séries temporais não lineares. Para auxiliar na identificação das variáveis do modelo, foram utilizadas regressões de lag não paramétricas. Os resultados obtidos foram comparados com outras modelagens e foram superiores ou, no mínimo, equivalentes. Além disso, é mostrado que o modelo híbrido proposto engloba vários destes outros modelos. / [en] A class of nonlinear additive varyng coefficient models is introduced in this thesis, inspired by ARN model, presented by Mellem, 1997. the coefficients are explicitly modelled. This work is divided in four major parts: a study of most common models in the time series literature; a study of neural networks, focused in backpropagation network; the presentation of the proposed models and the methods used for parameter estimation: and the case studies. Additive models has been the preferencial choice in nonlinear modelling: idea of varyng coefficient and of hybrid models, aren`t news. Hence, the models in the time series literature were analysed, assentialy those closely related with the class of models proposed in this work. Sinse the predominance and constancy in the use of backpropagation network, or its variants, in time series studies and applications, was confirmed by this work, this network was analyzed with more details. This work demonstrated that the proposed models are universal aproximators and could model explicity conditional variance. Moreover, gradient calculus and algorithms for the weight estimation were developed based on the main estimation methods: least mean squares and maximum likelihood. Even though other gradient calculus and otimization algorithms have been sugested, this one was sufficiently adequate for the studied cases. The case studies were divided in two parts: tests with synthetic series and for the nonlinear time series analysts. The obtained results were compared with other models and were superior or, at least, equivalent. Also, these results confirmed that the proposed hybrid model encompass several of the others models

[pt] Esta dissertação investiga a utilização de Redes Neurais Artificiais (RNAs) na previsão de séries temporais, em particular de séries financeiras, consideradas uma classe especial de séries temporais, caracteristicamente ruídos e sem periodicidade aparente. O trabalho envolve quatro partes principais: um estudo sobre redes neurais artificiais e séries temporais; a modelagem das RNAs para previsão de séries temporais; o desenvolvimento de um ambiente de simulação; e o estudo de caso. No estudo sobre Redes Neurais Artificiais e séries temporais fez-se um levantamento preliminar das aplicações de RNAs na previsão de séries. Constatou-se a predominância do uso do algoritmos de retropropagação do erro para o treinamento das redes, bem como dos modelos estatísticos de regressão, de médias móveis e de alisamento exponencial nas comparações com os resultados da rede. Na modelagem das RNAs de retropropagação do erro considerou-se três fatores determinantes no desempenho da rede: convergência, generalização e escalabilidade. Para o controle destes fatores usou-se mecanismos como; escolha da função de ativação dos neurônios - sigmóide ou tangente hiperbólica; escolha da função erro - MSE (Mean Square Error) ou MAD (Mean Absolutd Deviation); e escolha dos parâmetros de controle do gradiente descendente e do temapo de treinamento - taxa de aprendizado e termo de momento. Por fim, definiu-se a arquitetura da rede em função da técnica utilizada para a identificação de regularidades na série (windowing) e da otimização dos fatores indicadores de desempenho da rede. O ambiente de simulação foi desenvolvido em linguagem C e contém 3.600 linhas de códigos divididas em três módulos principais: interface com o usuário, simulação e funções secundárias. O módulo de interface com o usuário é responsável pela configuração e parametrização da rede, como também pela visualização gráfica dos resultados; módulo de simulação executa as fases de treinamento e testes das RNAs; o módulo de funções secundárias cuida do pré/pós-processamento dos dados, da manipulação de arquivos e dos cálculos dos métodos de avaliação empregados. No estudo de caso, as RNAs foram modeladas para fazer previsões da série do preço do ouro no mercado internacional. Foram feitas previsões univariadas single e multi-step e previsões multivariadas utilizando taxas de câmbio de moedas estrangeiras. Os métodos utilizandos para a avaliação do desempenho da rede foram: coeficiente U de Theil, MSE (Mean Square Error), NRMSE (Normalized Root Mean Square Error), POCID (Percentage Of Change In Direction), scattergram e comparação gráfica. Os resultados obtidos, além de avaliados com os métodos acima, foram comparados com o modelo de Box-Jenkins e comprovaram a superioridade das RNAs no tratamento de dados não-lineares e altamente ruidosos. / [en] This dissertation investigates the use of Artificial Neural Nerworks (ANNs) in time series forecastig, especially financial time series, which are typically noisy and with no apparent periodicity. The dissertation covers four major parts: the study of Artificial Neural Networks and time series; the desing of ANNs applied to time series forecasting; the development of a simulation enironment; and a case study. The first part of this dissertation involved the study of Artficial Neural Netwrks and time series theory, resulting in an overview of ANNs utilization in time series forecasting. This overview confirmed the predominance of Backpropagations as the training algorithm, as well as the employment of statistical models, such as regression and moving average, for the Neural Network evaluation. In the design of ANNS, three performance measures were considered: covergence, generalization and scalability. To control these parameters, the following methods were applied: choice of activation function - sigmoid or hiperbolic tangent; choice of cost function - MSE (Mean Square Error) or MAD (Mean Absolute Deviation); choise of parameteres for controlling the gradiente descendent and learning times - the learning rate and momentum term; and network architecture. The simulation environment was developed in C language, with 3,600 lines of code distributed in three main modules: the user interface, the simulaton and the support functions modules. The user interface module is responsaible for the network configuration and for the graphical visualization. The simulation module performs the training and testing of ANNs. The support functions module takes care of the pre and pos processin, the files management and the metrics calculation. The case study concerned with the designing of an ANN to forescast the gold price in the international market. Two kinds of prediction were used: univariate - single and multi-step, and multivariate. The metrics used to evaluate the ANN performance were: U of Theil`s coeficient, MSE (Mean Square Error), NRMSE (Normalized Mean Saquare Error), POCID (Percentage Of Cnage In Direction), scattergram and graphical comparison. The results were also comapred with the Box-Jenkins model, confirming the superiority of ANN in handling non-linear and noisy data.