• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 178
  • 11
  • 2
  • Tagged with
  • 193
  • 193
  • 111
  • 80
  • 45
  • 43
  • 34
  • 34
  • 32
  • 23
  • 23
  • 21
  • 20
  • 19
  • 18
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
91

[pt] APLICAÇÃO DE TÉCNICAS DE REDES NEURAIS PARA A MELHORIA DA MODELAGEM DA TURBULÊNCIA, UTILIZANDO DADOS EXPERIMENTAIS / [en] APPLICATION OF NEURAL NETWORK TECHNIQUES TO ENHANCE TURBULENCE MODELING USING EXPERIMENTAL DATA

LEONARDO SOARES FERNANDES 12 March 2024 (has links)
[pt] Apesar dos recentes avanços tecnológicos e do surgimento de computadores extremamente rápidos, a simulação numérica direta de escoamentos turbulentos ainda é proibitivamente cara para a maioria das aplicações de engenharia e até mesmo para algumas aplicações de pesquisa. As simulações utilizadas são, no geral, baseadas em grandezas médias e altamente dependentes de modelos de turbulência. Apesar de amplamente utilizados, tais modelos não conseguem prever adequadamente o escoamento médio em muitas aplicações, como o escoamento em um duto quadrado. Com o reflorescimento do Aprendizado de Máquina nos últimos anos, muita atenção está sendo dada ao uso de tais técnicas para substituir os modelos tradicionais de turbulência. Este trabalho estudou o uso de Redes Neurais como alternativa para aprimorar a simulação de escoamentos turbulentos. Para isso, a técnica PIV-Estereoscópico foi aplicada ao escoamento em um duto quadrado para obter dados experimentais de estatísticas do escoamento e campos médios de velocidade de 10 casos com diferentes números de Reynolds. Um total de 10 metodologias foram avaliadas para entender quais grandezas devem ser previstas por um algoritmo de aprendizado de máquina para obter simulações aprimoradas. A partir das metodologias selecionadas, excelentes resultados foram obtidos com uma Rede Neural treinada a partir dos dados experimentais para prever o termo perpendicular do Tensor de Reynolds e a viscosidade turbulenta. As simulações turbulentas auxiliadas pela Rede Neural retornaram campos de velocidade com menos de 4 por cento de erro, em comparação os dados medidos. / [en] Although the technological advances that led to the development of fast computers, the direct numerical simulation of turbulent flows is still prohibitively expensive to most engineering and even some research applications. The CFD simulations used worldwide are, therefore, based on averaged quantities and heavily dependent on mathematical turbulence models. Despite widely used, such models fail to proper predict the averaged flow in many practical situations, such as the simple flow in a square duct. With the re-blossoming of machine learning methods in the past years, much attention is being given to the use of such techniques as a replacement to the traditional turbulence models. The present work evaluated the use of Neural Networks as an alternative to enhance the simulation of turbulent flows. To this end, the Stereoscopic-PIV technique was used to obtain well-converged flow statistics and velocity fields for the flow in a square duct for 10 values of Reynolds number. A total of 10 methodologies were evaluated in a data-driven approach to understand what quantities should be predicted by a Machine Learning technique that would result in enhanced simulations. From the selected methodologies, accurate results could be obtained with a Neural Network trained from the experimental data to predict the nonlinear part of the Reynolds Stress Tensor and the turbulent eddy viscosity. The turbulent simulations assisted by the Neural Network returned velocity fields with less than 4 percent in error, in comparison with those previously measured.
92

[pt] DESENVOLVIMENTO E VALIDAÇÃO DE UM SISTEMA DE AQUISIÇÃO DE DADOS DE BAIXO CUSTO PARA PREVISÃO DE CURTÍSSIMO PRAZO DA POTÊNCIA FOTOVOLTAICA / [en] DEVELOPMENT AND VALIDATION OF A LOW-COST DATA ACQUISITION SYSTEM FOR VERY SHORT-TERM PHOTOVOLTAIC POWER FORECASTING

GUILHERME FONSECA BASSOUS 08 May 2020 (has links)
[pt] Dado o recente aumento da adoção de fontes renováveis de energia, é essencial reavaliar os sistemas tradicionais de energia. A intermitência pode causar diversos problemas ligados à qualidade e eficiência energética. O objetivo desta dissertação de mestrado é desenvolver uma ferramenta capaz de subsidiar modelos de previsão solar para aplicações visando a melhoria da operação em tempo real. O atual paradigma de previsão solar sub-horária consiste em usar imagens celestiais para prever a cobertura nebulosa para curtos horizontes temporais. Visando desenvolver um modelo mais exato, é necessária a utilização de componentes determinísticos, como a temperatura e o ângulo de incidência dos raios solares, em conjunto com a modelagem dos efeitos estocásticos das nuvens. Visto que o objetivo da previsão sub-minuto é permitir que se lide com variações de alta frequência, os dados devem possuir informação condizente com estas frequências. Por esse motivo foi feita a coleta de dados por exclusão. O sistema captura dados a cada 1 s e, quando detecta uma mudança suficientemente grande na potência do painel, salva essa informação, 10 s para trás até 4 s à frente da perturbação detectada. Os dados, depois de pré-processados, foram usados para treinar uma rede neural para determinar a relevância dos dados. Com cuidadosa seleção de atributos e arquitetura de rede, o modelo apresentou boa regressão com R2 maior que 0.93 para ambas variáveis testadas com horizonte de 60 s à frente. Concluindo, portanto, que os dados obtidos são relevantes para previsões de até 60 s à frente. / [en] The rising adoption of renewable energy sources means we must turn our eyes to limitations in traditional energy systems. Intermittency, if left unaddressed, may lead to several power quality and energy efficiency issues. The objective of this work is to develop a working tool to support PV energy forecast models for real-time operation applications. The current paradigm of intra-hour solar power forecasting is to use image-based approaches to predict the state of cloud composition for short time-horizons. For a more accurate model, it is also necessary to use deterministic components such as temperature and angle of incidence on the panels in addition to the stochastic effect of clouds. Since the objective of intra-minute forecasting is to address high-frequency intermittency, data must provide information on and surrounding these events. For that purpose, acquisition by exception was chosen as the guiding principle. The system performs power measurements at 1 Hz frequency and whenever it detects variations over a certain threshold, it saves the data 10 s before and 4 s after the detection point. After post-processing, this data was fed into a multilayer perceptron neural network to determine its relevance to the forecasting problem. With a thorough selection of attributes and network structures, the results show very low error with a normalized good fitting with R2 greater than 0.93 for both input variables tested with a time horizon of 60 s. In conclusion, the data provided by the acquisition system yielded relevant information for forecasts up to 60 s ahead.
93

[pt] MODELAMENTO DO CONSUMO DE CAL NO PROCESSO DE DESSULFURAÇÃO DE GASES DE COMBUSTÃO DE UMA COQUERIA DO TIPO HEAT RECOVERY USANDO REDES NEURAIS ARTIFICIAIS / [en] MODELING LIME CONSUMPTION OF A DESULFURIZATION PROCESS FROM GASES OF A HEAT RECOVERY COKE PRODUCTION PLANT USING NEURAL NETWORK DEVELOPMENT

FREDERICO MADUREIRA MATOS ALMEIDA 26 February 2021 (has links)
[pt] A produção de coque metalúrgico em plantas do tipo heat recovery convertem todo o calor gerado da combustão de gases destilados durante a coqueificação em vapor e eletricidade, portanto eliminando a necessidade de processamento de sub-produtos químicos e rejeitos perigosos. Os gases, após a etapa de inertização no interior dos fornos, são direcionados à planta de dessulfuração denominada flue gas dessulfurization que utiliza lama de cal para abatimento de compostos SOx (SO2 e SO3) e filtros de mangas para remoção do resíduo gerado, cinzas de cal, precedente ao descarte para a atmosfera. Em virtude do alto custo da cal torna-se importante modelar o processo e avaliar quais são as principais variáveis que impactam no re-sultado, logo permitindo atuação no processo para torna-lo mais competitivo e am-bientalmente sustentável. A proposta deste trabalho foi elaborar um modelo matemático usando redes neurais artificiais para determinar as principais variáveis que impactam o consumo específico de cal no processo. A literatura existente revela que os principais parâmetros que impactam a eficiência de remoção de enxofre, logo a redução de consumo específico de cal, são temperatura de aproximação e relação Ca/S no processo. Este estudo indicou que o consumo está relacionado, principal-mente, aos parâmetros de temperatura dos gases na entrada e saída do SDA, além de concentração de oxigênio na chaminé principal e densidade da lama de cal utilizada de acordo com a análise de sensibilidade de rede neural feedfoward backpropagation com arquitetura MLP 14-19-2 e função de transferência tangente hiperbólica na ca-mada intermediária e logística na camada de saída. A avaliação reforçou o efeito do aumento da temperatura de saída dos gases no consumo específico de cal conforme literatura e adicionou parâmetros relevantes: temperatura de entrada dos gases, con-centração de O2(g) na chaminé e densidade da lama. / [en] The production of metallurgical coke in heat recovery coke production plants converts all heat generated from the combustion of distilled gases during coking pro-duction to steam and electricity, thus eliminating the need of processing hazardous by-products chemical substances. The gases, after inertization inside the ovens, are directed to the desulphurization plant called flue gas desulphurization (FGD) which uses lime slurry to remove SOx compounds (SO2 and SO3) and bag filters to remove the generated residue, lime ash. Due to the high cost of lime, it is important to model the process and evaluate which are the main variables that affects its result, thus allowing action in the process to make it more competitive and environmentally sus-tainable. The purpose of this work was to develop a mathematical model using arti-ficial neural networks to determine the main variables that affect lime consumption in the desulphurization process. Literature reveals that the main parameters that in-fluence sulfur removal efficiency, thus reducing specific lime consumption, are ap-proach to adiabatic saturation temperature and Ca/S ratio in the process. This study indicated that consumption is mainly related to the inlet and outlet SDA gas temper-atures, oxygen concentration in stack and lime slurry density according to the feed-foward backpropagation neural network sensitivity analysis. MLP 14-19-2 and hy-perbolic tangent transfer function in the intermediate layer and logistics in the output layer. Thus, the evaluation reinforced the effect of the increase of the gas outlet tem-perature on the specific lime consumption according to the literature, but also added new parameters: gas inlet temperature, O2 (g) concentration in the outlet of stack and lime slurry density.
94

Identificação de faces humanas através de PCA-LDA e redes neurais SOM / Identification of human faces based on PCA - LDA and SOM neural networks

Santos, Anderson Rodrigo dos 29 September 2005 (has links)
O uso de dados biométricos da face para verificação automática de identidade é um dos maiores desafios em sistemas de controle de acesso seguro. O processo é extremamente complexo e influenciado por muitos fatores relacionados à forma, posição, iluminação, rotação, translação, disfarce e oclusão de características faciais. Hoje existem muitas técnicas para se reconhecer uma face. Esse trabalho apresenta uma investigação buscando identificar uma face no banco de dados ORL com diferentes grupos de treinamento. É proposto um algoritmo para o reconhecimento de faces baseado na técnica de subespaço LDA (PCA + LDA) utilizando uma rede neural SOM para representar cada classe (face) na etapa de classificação/identificação. Aplicando o método do subespaço LDA busca-se extrair as características mais importantes na identificação das faces previamente conhecidas e presentes no banco de dados, criando um espaço dimensional menor e discriminante com relação ao espaço original. As redes SOM são responsáveis pela memorização das características de cada classe. O algoritmo oferece maior desempenho (taxas de reconhecimento entre 97% e 98%) com relação às adversidades e fontes de erros que prejudicam os métodos de reconhecimento de faces tradicionais. / The use of biometric technique for automatic personal identification is one of the biggest challenges in the security field. The process is complex because it is influenced by many factors related to the form, position, illumination, rotation, translation, disguise and occlusion of face characteristics. Now a days, there are many face recognition techniques. This work presents a methodology for searching a face in the ORL database with some different training sets. The algorithm for face recognition was based on sub-space LDA (PCA + LDA) technique using a SOM neural net to represent each class (face) in the stage of classification/identification. By applying the sub-space LDA method, we extract the most important characteristics in the identification of previously known faces that belong to the database, creating a reduced and more discriminated dimensional space than the original space. The SOM nets are responsible for the memorization of each class characteristic. The algorithm offers great performance (recognition rates between 97% and 98%) considering the adversities and sources of errors inherent to the traditional methods of face recognition.
95

Identificação de faces humanas através de PCA-LDA e redes neurais SOM / Identification of human faces based on PCA - LDA and SOM neural networks

Anderson Rodrigo dos Santos 29 September 2005 (has links)
O uso de dados biométricos da face para verificação automática de identidade é um dos maiores desafios em sistemas de controle de acesso seguro. O processo é extremamente complexo e influenciado por muitos fatores relacionados à forma, posição, iluminação, rotação, translação, disfarce e oclusão de características faciais. Hoje existem muitas técnicas para se reconhecer uma face. Esse trabalho apresenta uma investigação buscando identificar uma face no banco de dados ORL com diferentes grupos de treinamento. É proposto um algoritmo para o reconhecimento de faces baseado na técnica de subespaço LDA (PCA + LDA) utilizando uma rede neural SOM para representar cada classe (face) na etapa de classificação/identificação. Aplicando o método do subespaço LDA busca-se extrair as características mais importantes na identificação das faces previamente conhecidas e presentes no banco de dados, criando um espaço dimensional menor e discriminante com relação ao espaço original. As redes SOM são responsáveis pela memorização das características de cada classe. O algoritmo oferece maior desempenho (taxas de reconhecimento entre 97% e 98%) com relação às adversidades e fontes de erros que prejudicam os métodos de reconhecimento de faces tradicionais. / The use of biometric technique for automatic personal identification is one of the biggest challenges in the security field. The process is complex because it is influenced by many factors related to the form, position, illumination, rotation, translation, disguise and occlusion of face characteristics. Now a days, there are many face recognition techniques. This work presents a methodology for searching a face in the ORL database with some different training sets. The algorithm for face recognition was based on sub-space LDA (PCA + LDA) technique using a SOM neural net to represent each class (face) in the stage of classification/identification. By applying the sub-space LDA method, we extract the most important characteristics in the identification of previously known faces that belong to the database, creating a reduced and more discriminated dimensional space than the original space. The SOM nets are responsible for the memorization of each class characteristic. The algorithm offers great performance (recognition rates between 97% and 98%) considering the adversities and sources of errors inherent to the traditional methods of face recognition.
96

Recognition and Tracking of Vehicles in Highways using Deep Learning / Reconhecimento e Rastreamento de Veículos em Rodovias usando Deep Learning

Cala, Ludwin Lope 08 March 2019 (has links)
Unmanned aerial vehicles (UAV) have become increasingly popular and their ability to analyze images collected in real time has drawn the attention of researchers regarding their use in several tasks, as surveillance of environments, persecution, collection of images, among others. This dissertation proposes a vehicle tracking system through which UAVs can recognize a vehicle and monitor it in highways. The system is based on a combination of bio-inspired machine learning algorithms VOCUS2, CNN and LSTM and was tested with real images collected by an aerial robot. The results show it is simpler and outperformed other complex algorithms, in terms of precision. / Veículos aéreos não tripulados têm se tornado cada vez mais populares e sua capacidade de analisar imagens coletadas em tempo real tem chamado a atenção de pesquisadores quanto ao seu uso em diversas tarefas, como vigilância de ambientes, perseguição, coleta de imagens, entre outros. Esta dissertação propõe um sistema de rastreamento de veículos através do qual os UAV podem reconhecer um veículo e monitorá-lo em rodovias. O sistema é baseado em uma combinação de algoritmos de aprendizado de máquina bio-inspirados VOCUS2, CNN e LSTM e foi testado com imagens reais coletadas por um robô aéreo. Os resultados mostram que é mais simples e superou outros algoritmos complexos, em termos de precisão.
97

Automação de diagnóstico para ensaios nao destrutivos magnéticos. / Automation of diagnostic for non-destrutive magnetic tests.

Castillo Pereda, Ana Isabel 05 August 2010 (has links)
Este trabalho apresenta um método para o reconhecimento e a detecção automática dos diferentes valores ou graus de deformação plástica em Ensaios Não Destrutivos empregando o Ruído Magnético de Barkhausen. O método é baseado no uso de uma Rede Neural Probabilística que permite o diagnóstico automático dos diferentes valores de deformação plástica, conteúdo de carbono, estas medidas são procedentes das medições das amostras de placas de aço AISI 1006, 1050 e 1070, esta base de dados foi feita pelo grupo de pesquisadores do Laboratório de Dinâmica e Instrumentação LADIN da Escola Politécnica da USP, departamento da Mecânica. Os excelentes resultados da rede neural probabilística de detectar automaticamente os valores de deformação mostram a efetividade do desempenho da rede neural probabilística que tem um desempenho superior aos métodos não destrutivos tradicionais e que realmente esta nova tecnologia é uma excelente solução para o diagnóstico. / This work presents a method for automatic detection and recognition of different levels or degrees of plastic deformation in Non-Destructive Testing using the Magnetic Barkhausen Noise. The method is based on using a Probabilistic Neural Network that allows the automatic diagnosis of the different values of plastic deformation and carbon content. The measurements corresponds to samples of steel plates AISI 1006, 1050 and 1070, this database was made by the group of researchers from the Laboratory of Dynamics and Instrumentation LADIN the Polytechnic School of USP, Department of Mechanical Engineering. The results show the effectiveness of the probabilistic neural network to automatically detect plastic deformation levels as well as carbon content level. This method has a superior performance in comparison to traditional nondestructive methods.
98

Investigação de modelos comportamentais de ratos por meio de algoritmos genéticos / Investigation of rat\'s behavioral models by genetic algorithms

Costa, Ariadne de Andrade 12 November 2015 (has links)
O labirinto em cruz elevado é um dos aparatos experimentais mais utilizados em avaliações neurobiológicas de ansiedade e defesa de ratos e camundongos. Estudamos aqui o uso de redes neurais artificiais otimizadas por algoritmos genéticos para investigar o comportamento de ratos nesse labirinto. Ao contrário dos demais modelos já propostos, a construção da trajetória do agente virtual independe de dados experimentais conhecidos a priori. Mostramos que, ao utilizar um agente desenvolvido a partir da otimização de uma função de avaliação inspirada no conflito de medo e ansiedade, o modelo pode simular inclusive o efeito causado pela introdução de drogas ansiolíticas e ansiogênicas em ratos (clordiazepóxido 5 mg/kg e semicarbazida 20, 40 e 80 mg/kg). Os resultados das simulações do agente virtual estão de acordo com dados experimentais, revelando que a exploração de braços abertos é reduzida em relação a dos braços fechados, especialmente sob inserção de drogas ansiogênicas, que intensificam o medo do animal. Drogas ansiolíticas, ao contrário, estimulam a exploração. Para finalizar, foi realizada uma investigação aprofundada das trajetórias e redes neurais artificiais dos melhores ratos controle virtuais (que simulam ratos sem efeito de drogas). Conforme sugerem os resultados, a função de avaliação proposta pode conter as características mais relevantes envolvidas no comportamento do rato no labirinto em cruz elevado. / The elevated plus-maze is one of the most used experimental apparatus for neurobiological evaluations of anxiety and defense of rats and mice. We investigate here the use of artificial neural networks otimized by genetic algorithms to nvestigate the behavior of rats in this maze. Unlike other proposed models, the development of the virtual agent\'s trajectory is independent of prior known experimental data. We show that, when using a agent developed from the optimization of a function inspired by the anxiety and fear conflict, the model can even simulate the effect caused by the introduction of anxiolytic and axiogenic drugs in rats (chlordiazepoxide 5 mg/kg and semicarbazide 20, 40 and 80 mg/kg). The results of simulations of the virtual agent agree with experimental data, in which the exploration of open arms is reduced compared to the exploration of enclosed arms, especially under effects of anxiogenic drugs, which enhance the animal fear. Anxiolytic drugs, on the other hand, stimulate exploration. Finally, a detailed investigation of trajectories and artificial neural networks of the best virtual control rats (that simulate rats without drugs) was performed. As the results suggest, the proposed fitness function may contain the most relevant features involved in the behavior of rats in the elevated plus-maze.
99

Previsão de cargas não residenciais mistas por redes neurais ARTMAP Fuzzy /

Alves, Marleide Ferreira. January 2019 (has links)
Orientador: Anna Diva Plasencia Lotufo / Resumo: Os sistemas de energia elétrica estão passando por transformações. Aos poucos, técnicas de sistemas de informação estão sendo incorporadas aos sistemas atuais de energia. Basicamente este é o conceito de smart grid. Esta incorporação visa aumentar a eficiência dos sistemas de energia elétrica, pois os diversos agentes envolvidos em todo o sistema terão à disposição informações mais completas, precisas e de forma praticamente instantânea. Como consequência, haverá um aumento significativo de dados disponíveis para serem empregados de variadas formas. Um exemplo do uso de dados é a previsão de demanda de energia elétrica. De uma forma geral, previsões servem como suporte para suprir demandas, estimar custos ou justificar investimentos futuros. No campo de previsão de demanda de cargas elétricas existem diversos modelos na literatura, a grande maioria se concentra em níveis mais agregados, que atendem a grandes consumidores em que o fornecimento de energia é feito, por exemplo, por uma subestação. Uma smart grid também coloca à disposição as informações de consumo de energia em níveis cada vez menos agregados, como uma residência ou um prédio comercial. Realizar previsões neste nível é um desafio, pois essas demandas são muito influenciadas pelo comportamento humano. Diferentemente dos níveis mais agregados, modelos de previsão para níveis menos agregados, ou desagregados, ainda são poucos. O objetivo deste trabalho é fazer a previsão de cargas elétricas não residenciais mistas ... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Electrical power systems are in transformation nowadays. Gradually, information system technology are being introduced to the energy systems. Basically, this is the concept of smart grid. This new concept aims to improve the efficiency of the energy systems, once the evolved agents will provide complete and precise information instantaneously. This way, a significant increase in data will be available to be employed in several forms. One example in using these data is electric energy demand forecasting. In general, predictions are support to provide electric load demand, estimate costs or justify future investments. Concerning electric load demand, there are several models in the literature, and the majority is concentrated in aggregated levels, attending large consumers, where, for example, the energy supply is provided by a substation. Considering the smart grid, there are consumption information in less aggregated levels as for example residences or commercial buildings. Therefore, realizing predictions in these levels (less aggregated) is a challenge, once the demand is influenced by the human behavior. The models for predicting loads in aggregated levels are common, in the contrary of less aggregated that are few. This work aims to predict short term mixed nonresidential electric loads using data from a Brazilian University. Firstly, Fuzzy ARTMAP Neural Network is chosen to execute the predictions, and afterwards a hybrid methodology containing Fuzzy ARTMAP and Square Mi... (Complete abstract click electronic access below) / Doutor
100

Estudo da caracterização de nódulos em mamogramas através de uma configuração de rede neural artificial / Study of breast masses characterization in mammograms by an artificial neural network configuration

Kinoshita, Sérgio Koodi 27 October 1998 (has links)
Este trabalho apresenta um estudo de classificação de nódulos em mamograma digitalizados através de um classificador de rede neural artificial (RNA). O algoritmo de treinamento de \"backpropagation\" foi utilizado para ajustar os pesos da RNA. O objetivo principal deste trabalho foi determinar um método para analisar e selecionar a melhor configuração de atributos e topologia da RNA para classificar lesões mamárias do tipo nódulo. Foram escolhidas 118 imagens de regiões de interesse (ROI), sendo 68 benignas e 50 malignas de duas bases de imagens: uma do Hospital das Clínicas de Ribeirão Preto, da Universidade de São Paulo, e outra do MIAS-UK (Mammographic Image Analysis Society). O processo completo envolveu quatro etapas: detecção, extração e seleção de atributos, e classificação. Na etapa de detecção, as imagens foram submetidas ao processo combinado das técnicas segmentação de thresholding, morfologia matemática e crescimento de região. Foram extraídos 14 atributos de textura e 14 atributos de forma. Para selecionar os atributos mais discriminantes, foi utilizado o método de Jeffries-Matusita. Foram selecionados três grupos de atributos de forma, três de atributos de textura e três de atributos combinados. Análise pela curva ROC foram dirigidas para avaliar o desempenho do classificador de rede neural artificial (RNA). Os melhores resultados obtidos foram: para o grupo de atributos de forma com 5 unidades escondidas, a área dentro da curva ROC foi de 0.99, taxa de acerto de 98,21%, taxa de especificidade de 98,37% e taxa de sensibilidade de 98.00%; para o grupo de atributos de textura com 4 unidades escondidas, a área dentro da curva foi de 0.98, taxa de acerto de 97,08%, taxa de especificidade de 98,53% e taxa de sensibilidade de 95.11%; para o grupo de atributos combinados de textura e forma com 3 unidades escondidas, a área dentro da curva foi de 0.99, taxa de acerto de 98,21%, taxa de especificidade de 100.00% e taxa de sensibilidade de 95.78%. / This work presents a study of masses classification in digitized mammograms by means of artificial neural network (ANN). The backpropagation training algorithm was used to adjust the weights of ANN. The aim of this work was to determine a methodology to analyze and selection of the best feature subset and ANN topology to classify masses lesions. A total of 118 regions of interest images were chosen (68 benign and 50 malignant lesions) from two image databases: one from \"Hospital das Clínicas de Ribeirão Preto\", at the University of São Paulo, and other from Mammographic lmage Analysis Society (MIAS-UK). The whole process involved four steps: segmentation, feature extraction, selection, and classification. In the first step, the images were submitted to a combined process of thresholding, mathematical morphology, and region growing techniques. In the second step, fourteen texture features and fourteen shape features were extracted. The Jeffries-Matusita method was used to select the best features. The results of this stage were the selection of three shape feature sets, three texture feature sets, and three combined feature sets. The Receiver Operating Characteristic (ROC) analysis were conducted to evaluated the ANN classifier performance. The best result obtained for shape feature set was obtained using a ANN with 5 hidden units, the area under ROC curve was of 0.99, classification rate of 98.21%, specificity rate of 98.37% and sensitivity rate of 98.00%. For texture feature set, the best result was using a ANN with 4 hidden units, the area under ROC curve was of 0.98, classification rate of 97.08%, specificity rate of 98.53% and sensitivity rate of 95.11%. Finally, for the combined feature set (texture and shape) the best result obtained was using a ANN with 3 hidden units, the area under ROC curve was of 0.99, classification rate of 98.21%, specificity rate of 100.00% and sensitivity rate of 95.78%.

Page generated in 0.0592 seconds