Resumo: Em geral, estruturas espaciais e manipuladores robóticos leves têm uma característica similar e inerente que é a flexibilidade. Esta característica torna a dinâmica do sistema muito mais complexa e com maiores dificuldades para a análise de estabilidade e controle. Então, braços robóticos bastantes leves, com velocidade elevada e potencia limitada devem considerar o controle de vibração causada pela flexibilidade. Por este motivo, uma estratégia de controle é desejada não somente para o controle do modo rígido mas também que seja capaz de controlar os modos de vibração do braço robótico flexível. Também, redes neurais artificiais (RNA) são identificadas como uma subespecialidade de inteligência artificial. Constituem atualmente uma teoria para o estudo de fenômenos complexos e representam uma nova ferramenta na tecnologia de processamento de informação, por possuírem características como processamento paralelo, capacidade de aprendizagem, mapeamento não-linear e capacidade de generalização. Assim, neste estudo utilizam-se RNA na identificação e controle do braço robótico com elos flexíveis. Esta tese apresenta a modelagem dinâmica de braços robóticos com elos flexíveis, 1D no plano horizontal e 2D no plano vertical com ação da gravidade, respectivamente. Modelos dinâmicos reduzidos são obtidos pelo formalismo de Newton-Euler, e utiliza-se o método dos elementos finitos (MEF) na discretização dos deslocamentos elásticos baseado na teoria elementar da viga. Além disso, duas estratégias de controle têm sido desenvolvidas com a finalidade de eliminar as vibrações devido à flexibilidade do braço robótico com elos flexíveis. Primeiro, utilizase um controlador neural feedforward (NFF) na obtenção da dinâmica inversa do braço robótico flexível e o calculo do torque da junta. E segundo, para obter precisão no posicionamento... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Generally, space structures and lightweight robotic manipulator have an inherent and similar characteristic that is the flexibility. This character complicates the dynamics of this system and presents challenging problems in stability and control. Then, robotic arms to have high-speed movement with small power and less weight require control of vibration caused by flexibility. For this end, control strategy is desired not only to be able to control the motion of the rigid mode, but also to be able to control the vibration modes of the flexible robotic arms. Also, artificial neural networks (ANN) are identified as a subspecialty of artificial intelligence, constitute nowadays one theory of complex phenomena studies and represent a new tool for information process technology, through its characteristics like parallel process, learning capability, non linear mapping and generalization capability. So, in this study ANN are used to the identification and control of robotic arm with flexible links. This these presents the dynamic modeling of robotic arms with flexible links, 1D in horizontal plane and 2D in vertical plane with gravitational effects, respectively. Reduced dynamical models are obtained through the Newton-Euler formalism, and the finite elements method (FEM) is used in the elastic displacement discretization based on elementary beam theory. Moreover, two control strategies have been developed for suppressing the vibrations due to the flexibility of the robotic arm with flexible links. First, it is used a feedforward neural controller (NFF) which find the dynamic inverse of the arm to compute the joint torque. And second, to obtain positioning accuracy in the end effectors it is used a feedforward + feedback neural controller (NFF+FB) which compensate the gravity effects and others perturbations. The results obtained use the MATLAB - SIMULINK® package for dynamical systems simulation.

Resumo: Um modelo de rede neural artificial é proposto. A rede neural possui múltiplas camadas. Cada camada da rede neural é formada por uma grade quadrangular de neurônios (em um espaço toroidal). As conexões sinápticas de cada neurônio abrangem três tipos: excitatórias inter-camadas, laterais inibitórias intra-camada e laterais excitatórias intra-camada. A disposição espacial das conexões é do tipo Gaussiana e específica para cada tipo de sinapse. Cada neurônio estabelece um número restrito de conexões. O modelo de arquitetura contribui para eliminar restrições apresentadas por arquiteturas em que entradas e conexões são distribuídas a todos os neurônios de cada camada. O modelo do neurônio apresenta dinâmica interna, proporcionando uma memória da atividade recente e assumindo papel importante na aprendizagem. A aprendizagem ê baseada na seleção pelas conseqüências, conforme princípios de aprendizagem por reforço. Em particular, a de aprendizagem por reforço utilizada é do tipo clássico. Os experimentos definidos para investigação e confirmação das capacidades da rede neural consideram um ambiente simulado, condizente com o modelo de Seleção pelas Conseqüências. Os resultados obtidos em simulações mostram que o modelo é capaz de reproduzir diversos fenômenos comportamentais, que são: aquisição de comportamento respondente, extinção de comportamento respondente, aquisição de comportamento operante, extinção de comportamento operante, capacidade de generalização de estímulos, habilidade no controle da intensidade das respostas, capacidade de controle de múltiplas respostas e fusão de sensores. Experimentos também ilustram o importante papel das conexões laterais inibitórias e das conexões laterais excitatórias na modelagem da formação de grupos neurais em nível operante. Entende-se que a capacidade de aprendizagem alcançada pela rede neural proposta torna-a viável para a concepção de sistemas autônomos inteligentes com potencialidades superiores àqueles divulgados na literatura especializada.

Orientador: Fernando Antonio Campos Gomide / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agrícola / Made available in DSpace on 2018-08-17T06:20:58Z (GMT). No. of bitstreams: 1 Romero_RoseliAparecidaFrancelin_M.pdf: 7628829 bytes, checksum: 4e2b93116a7c60ea40a9e9c6763ff7dd (MD5) Previous issue date: 1993 / Resumo: Esta tese apresenta uma Rede Neural Multi-Camadas com realimentação, visando a solução de problemas de otimização estáticos irrestritos e restritos. Um novo esquema de atualização dos pesos é proposto. Este esquema é uma modificação do algoritmo back-propagation e foi desenvolvido com base em resultados da teoria de dualidade e esquemas do tipo subgradientes. Resultados computacionais e uma implementação paralela são apresentados, que mostram o desempenho e a consistência do modelo proposto. Detalhes de implementação e análise comparativa do comportamento da rede em relação a outras abordagens são também incluídos. Outra classe de Redes Neurais Artificiais constituída de redes de duas camadas com realimentação também é proposta, visando a solução de problemas de otimização dinâmica discreta não aditivamente separáveis. Esta abordagem propõe um modelo recorrente generalizado de neurônio e um método direto para designar os pesos da rede e incorporar conhecimento sobre o sistema dado. Este método fundamenta-se no Princípio de Otimalidade de Bellmann e na troca de mensagens que ocorrem entre os neurônios durante o processamento químico sináptico. Uma análise comparativa dos requisitos computacionais exigidos é realizada comprovando a vantagem da abordagem proposta com relação ao algoritmo convencional da Programação Dinâmica. Problemas conhecidos de otimização como o problema da mochila e o problema do caminho mínimo, problemas de reguladores lineares discretos e um problema de planejamento de sistemas de potência a longo prazo são resolvidos para mostrar o desempenho e utilização da abordagem proposta. / Abstract: This thesis presents an artificial neural network with a three-Iayer feedback topology to solve continuous con ex unconstrained and constrained optimization problems. A new scheme for updating the weights is introduced. This scheme is a modification of the back-propagation algorithm. It is based on the duality theory and subgradient methods. Computational results and a parallel implementation are presented which show the performance and validate the proposed approach. Further, details of implementation and comparative analysis with others optimization techniques are included. Another class of artificial neural networks, with a two-Iayer feedback topology to solve nonlinear discrete dynamic optimization problems has a.lso been developed. Generalized recurrent neurons are introduced. A direct method to assign the weights of neural networks is presented. The method is based on the Bellmann's Optimality PrincipIe and in the interchange of information which occur during the synaptic chemical processing among neurons. A comparative analysis of the computational requirements has been performed. This analysis has highlighted advantages of the new approach when compared to the standard algorithm from dynamie programming. The technique has been applied to several important optimization problems, such as the knapsaek and shortest pa.th problems. ln addition, two other applications: a power system long-range planning problem and discrete linear regulator problems have been tackled which demonstra te the applicability of the methodology. / Mestrado / Doutor em Engenharia Elétrica

Orientador: Rubens Maciel Filho / Dissertação (mestrado) - Universidade Estadual de Campinas. Faculdade de Engenharia Quimica / Made available in DSpace on 2018-07-26T21:05:08Z (GMT). No. of bitstreams: 1 Aguiar_HelenaCristinaI.L_M.pdf: 4620932 bytes, checksum: 599c90f6c71f6effafd2b6b0e96021e6 (MD5) Previous issue date: 2000 / Resumo: Estudos demonstram que a expectativa de crescimento do consumo de papel e baixo custo de produção no Brasil pode tornar a indústria de celulose e papel do país a maior geradora de negócios neste ramo internacionalmente. O processo de produção de celulose é complexo, e apesar de muito estudado ainda há muitas lacunas que precisam ser preenchidas. Por outro lado, as redes neurais são uma solução para a modelagem de processos cujo conhecimento é incompleto ou cuja complexidade dificulta a produção de bons resultados através da modelagem determinística. O objetivo principal desta tese foi a criação de um modelo para a predição do grau de polpação da madeira a partir de dados industriais, utilizando técnicas de modelagem diferentes. O trabalho explorou principalmente a modelagem através de redes neurais, mas também se dedicou à aplicação dos dados industriais a um modelo determinístico e a sua posterior combinação com uma rede neural para o desenvolvimento de um modelo híbrido. A discussão sobre os recursos necessários para a utilização de cada técnica, bem como a comparação entre as diferentes metodologias, suas vantagens e desvantagens, também são assuntos deste trabalho. A Aracruz Celulose SA, a maior fábrica do Brasil, cedeu os dados para o desenvolvimento do modelo. A avaliação de vários modelos encontrados na literatura selecionou o modelo determinístico a ser utilizado. O modelo neural apresenta uma rede "feedforward" treinada com o algoritmo de retropropagação. Inicialmente, os dados industriais foram avaliados e apenas aqueles que mostraram trazer informação relevante foram utilizados. A estrutura e parâmetros da rede foram otirnizados de modo a melhorar a performance do modelo. A combinação do resultado do modelo determinístico com o modelo neural formaram o modelo híbrido. A fábrica não pode ceder o esperado número de conjuntos de dados para o treinamento da rede neural. No entanto, a qualidade dos dados e o rigor com que foram obtidos, conjuntamente com um cuidadoso trabalho de seleção desses dados possibilitaram a busca de soluções para o sucesso do modelo. A alternativa encontrada foi a criação de um novo conjunto de dados, obtidos através de uma curva de correlação dos dados industriais. Apesar do pequeno conjunto de treinamento, a rede neural produziu resultados satisfatórios, onde o erro entre os valores esperados e preditos foram menores que o erro experimental para a determinação de lignina remanescente. O modelo determinístico foi capaz de reproduzir a taxa de deslignificação da celulose no tempo, o que determina o grau de polpação, e portanto foi considerado adequado para a utilização no modelo híbrido. A rede híbrida gerou resultados um pouco melhores que a rede pura, e seu treinamento foi significativamente mais rápido. Um modelo de computação rápida e que reproduza os resultados esperados pode ser implementado em um sistema supervisor ou de controle para funcionar "on-line". Os resultados apresentados mostram que tanto as redes neurais puras quanto os modelos luoridos, quando bem treinados e otimizados, atendem a esses requisitos. Mostram também que é possfvel utilizar variáveis normais de processo, tomando mais viável o desenvolvimento de modelos específicos / Abstract: Studies show that the expected growth of paper consumption and low production cost in Brazil may turn its pulp and paper industry into the greatest business generator in this field worldwide. The process to produce pulp is complex, and although it has been extensively researched, there are still many questions to be answered. On the other hand, neural networks may be the solution for processes whose knowledge is incomplete or whose complexity makes it harder to obtain good results with first principIe models. The main goal of this thesis was the development of a model to predict pulping degree using industrial data, with different modeling techniques. It explored mainly neural networks technique, but also did it apply the data into a first principIe model, which was later used for the development of a hybrid mode!. The discussion about the resources required for each technique, as well as the different methods, their advantages and limitations, is part of this work. Aracruz Celulose SA, the largest mill in Brazil, provided the data for the model development. The evaluation of published models set the criteria for the selection of the deterministic model to be used. The neural model presents a feedforward network trained with backpropagation algorithm. After an evaluation of the industrial data, only the variables that showed to carry relevant information were used. The network structure and its parameters were optimized in order to improve model performance. The combination of the result obtained from the deterministic model with a neural network composed the hybrid model. The mill could not provide the expected amount of training data. However, the quality of the data and the rigorous data collection procedure, as well as the careful data evaluation made it possible to search for solutions for a successful model. The alternative was the production of a new data set formed with points of the correlation curve obtained from industrial data. The difference between the expected and predicted values was lower than the experimental error inherent to the lab test for determination of remaining lignin. The fIrst principIe model was able to reproduce delignification rate, which determines the pulping degree, and therefore was considered adequate to be used in the hybrid model. The hybrid network results were slightly better than the ones obtained with the pure net and its training was appreciably faster. A model which is able to reproduce expected results in a timely fashion can be implemented in a control or supervisory system that works on-line. The results showed that when well trained and optimized, both, the pure nets and the hybrid models, fulfill these requirements. They also show that it is possible to use normal process variables, making it more feasible to develop customized models / Mestrado / Desenvolvimento de Processos Químicos / Mestre em Engenharia Química

Orientadores: Ronei Jesus Poppi, Jarbas Jose Rodrigues Rohwedder / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Quimica / Made available in DSpace on 2018-07-24T07:31:02Z (GMT). No. of bitstreams: 1 Zampronio_CleidianeGorete_M.pdf: 3101970 bytes, checksum: 40db814d08064f0296258583366dd1ae (MD5) Previous issue date: 1998 / Mestrado

Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário da FEI, São Bernardo do Campo, 2015.

Submitted by LIVIA FREITAS (livia.freitas@ufba.br) on 2013-10-29T16:09:25Z No. of bitstreams: 1 dissertacao_mestrado_caroline-silva.pdf: 23364621 bytes, checksum: fcb96ba9a221886b4a24da02bb78ea90 (MD5) / Approved for entry into archive by LIVIA FREITAS (livia.freitas@ufba.br) on 2013-10-29T16:09:52Z (GMT) No. of bitstreams: 1 dissertacao_mestrado_caroline-silva.pdf: 23364621 bytes, checksum: fcb96ba9a221886b4a24da02bb78ea90 (MD5) / Made available in DSpace on 2013-10-29T16:09:52Z (GMT). No. of bitstreams: 1 dissertacao_mestrado_caroline-silva.pdf: 23364621 bytes, checksum: fcb96ba9a221886b4a24da02bb78ea90 (MD5) / A an álise autom ática de expressões faciais tem atra do cada vez mais a aten ção de pesquisadores em diversas áreas como psicologia, ciência da computa ção, lingu ística, neurociência e áreas relacionadas. Nas ultimas d ecadas, pesquisadores têm realizado muitos trabalhos e in úmeras abordagens promissoras para o reconhecimento autom atico de expressões faciais têm surgido. Este crescente interesse surgiu atrav és do desenvolvimento de novos m étodos de processamento de imagens, novas abordagens para detec ção e reconhecimento facial, bem como o aumento da capacidade computacional. Nesta disserta ção é proposto um sistema de reconhecimento autom ático de expressões faciais. O sistema proposto clássi ca sete diferentes expressões: felicidade, raiva, tristeza, surpresa, desgosto,medo e neutra. Utilizou-se as bases de dados MUG Facial Expression e Face and Gesture Recognition Research Network (FG-NET). Estas bases apresentam imagens com plano de fundo uniforme e n~ao uniforme. As bases de dados tambéem cont ém imagens de indiv íduos que apresentam diferenças individuais tais como: barba, bigode e oculos. Os resultados experimentais demonstram que o sistema proposto baseado em redes neurais arti ficiais alcan ça uma taxa m édia de acerto de 97,62% para as sete diferentes expressões faciais defi nidas.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-17T12:59:43Z (GMT). No. of bitstreams: 0Bitstream added on 2014-09-25T18:11:01Z : No. of bitstreams: 1 171568.pdf: 2928078 bytes, checksum: f2d5fcac0d0e76b29dceed75c73d5355 (MD5) / Para a modelagem de redes neurais para aplicações de problemas invariantes à translação utilizamos restrições de compartilhamento de pesos. Redes neurais com estas restrições são chamadas de Redes Neurais com Pesos compartilhados. O compartilhamento de pesos equivalentes à operação de convolução, permitindo que se utilize diversas técnicas que aceleram o cálculo desta. Esta equivalência é o motivo pelo qual estas redes neurais também são chamadas de Redes Neurais por Convolução. Este trabalho implementa o modelo de Rede Neural por Convolução em uma linguagem apropriada, permitindo a criação de novas topologias de forma flexível, simples e rápida. Supõe-se que nos estágios iniciais do córtex visual ocorra a reconstrução da informação tridimensional a partir de diversos aspectos, entre eles a visão estereoscópica, sombreamento, sobreposição de objetivos, textura, perspectiva e movimento. Em uma Segunda linha, este trabalho apresenta uma extensão do modelo de Rede Neural por Comvolução utilizando características específicas do cálculo de convolução - a transformada de Fourier.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2017. / Made available in DSpace on 2018-02-06T03:17:27Z (GMT). No. of bitstreams: 1 349767.pdf: 27218763 bytes, checksum: fcc7989ddd92ec48364937bfe9a83086 (MD5) Previous issue date: 2017 / Este trabalho se propõe a fazer uma análise de ferramentas de otimização e custo computacional através de um estudo de caso proposto por Grubisic (2012), que trata da otimização do posicionamento de antenas em sistemas de comunicação sem fio para ambientes interiores (indoor) por meio de meta-heurísticas populacionais associadas à Técnica de Traçado de Raios, em que algoritmos Genéticos (GA) e Otimizadores por Enxames de Partículas (PSO) foram as duas modalidades de meta-heurísticas utilizadas como ferramentas de otimização. A proposta desta tese baseou-se na utilização da técnica de traçado de raios quase 3D (RTQ3D) para produzir o valor dos campos eletromagnéticos iniciais e calcular a função de mérito (fitness) para 160 receptores de acordo com os possíveis posicionamentos de duas antenas a serem distribuídas no ambiente em questão. As variáveis do problema são compostas pelos valores dos campos magnéticos para os 160 receptores em função das posições das antenas das estações radiobase, que servem como dados de entrada para o algoritmo da Rede Neural Artificial, Perceptron multicamadas, com algoritmo de aprendizado backpropagation Real. Os valores dos campos magnéticos associados às posições das antenas por sua vez entram como valores a serem aprendidos pela rede, ou seja, o professor da RMLP. Após o aprendizado da Rede Neural Artificial, que é o metamodelo utilizado com o objetivo de realizar eficientemente os cálculos do otimizador, entra o otimizador por enxame de partículas (PSO) para efetuar o posicionamento ótimo das antenas com uma redução significativa no custo computacional. Por fim, um dos exemplos propostos por Grubisic (2012) foi implementado como estudo de caso desta pesquisa, utilizando essa nova estrutura de análise, PSO com RMLP, como metamodelo. Essa estrutura é bem recomendada para projetos eletromagnéticos, entretanto ainda não foi aplicada para esse tipo de análise. O objetivo principal seria a diminuição do custo computacional, que no caso em questão é bem significativo. Portanto, essa tese tem um caráter inédito em relação às ferramentas usadas e ao objetivo principal (redução do custo computacional). / Abstract : This research has proposed to do an analysis of optimization tools and computational cost using a case study proposed by Grubisic (2012), which addressed optimization of the antennas positioning in wireless communication systems for indoor environments through meta-population heuristics associated with ray tracing technique, in which algorithms Genetic (GA) and Optimizers for Swarms of particles (PSO) were the two types of meta-heuristics used as optimization tools. The purpose of this thesis was based on the use of almost 3D ray tracing technique (RTQ3D) to produce the value of the initial electromagnetic fields and calculating the merit function (fitness) to 160 receivers according to the possible placements of two antennas which are distributed in the environment in a matter. The problem variables consist of the values of the magnetic fields to the 160 receivers depending on the positions of the antennas of the access points, which serve as input data for the algorithm of Artificial Neural Network, multilayer perceptron with Real backpropagation learning algorithm. The problem variables consist of the values of 160 magnetic fields to 160 receivers on the basis of the positions of the antennas of the access points, which serve as input data for the algorithm of Artificial Neural Network, multilayer perceptron with backpropagation real learning algorithm. The values of the magnetic fields associated with the positions of the antennas in turn to input values to be learned by the network, or the teacher RMLP. After learning of Artificial Neural Network, which is the metamodel used in order to enable the calculation of the optimizer, with a lower computational cost, the optimizer particle swarm enters (PSO) to make the optimum positioning of the antennas with a significant reduction the computational cost. Finally, one of the examples proposed by Grubisic (2012) is implemented as a case study of this research using this new analysis structure, PSO using RMLP as metamodel. This structure is well recommended for electromagnetic designs, but has not been applied to this type of analysis. The main objective would be to reduce the computational cost, which in this case is significant. Therefore, this thesis has a unique character in relation to the tools used and the main objective (reducing the computational cost).

SILVEIRA, M. V. Modelo neuronal para previsão de recalques em estacas hélice contínua, metálica e escavada. 2014. 148 f. Dissertação (Mestrado em Engenharia Civil: Geotecnia) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2014. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2015-04-09T12:13:49Z No. of bitstreams: 1 2014_dis_mvsilveira.pdf: 2442039 bytes, checksum: ff2533d468edafc815c81f1d3cfcc253 (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2015-04-16T11:57:17Z (GMT) No. of bitstreams: 1 2014_dis_mvsilveira.pdf: 2442039 bytes, checksum: ff2533d468edafc815c81f1d3cfcc253 (MD5) / Made available in DSpace on 2015-04-16T11:57:17Z (GMT). No. of bitstreams: 1 2014_dis_mvsilveira.pdf: 2442039 bytes, checksum: ff2533d468edafc815c81f1d3cfcc253 (MD5) Previous issue date: 2014-08-01 / Predicting the settlement in deep foundation is a very complex, uncertain and not yet fully understood, due to the many uncertainties associated with factors that affect the magnitude of this deformation. Artificial Neural Network (ANN) is a tool that works similarly to the human brain, its main unit, the artificial neuron, works in a similar way to the biological neuron. This alternative tool has been successfully applied in many geotechnical engineering problems and can therefore be used as an alternative tool to evaluate the behavior of settlement in isolated piles. In this paper, the ANN used were the multilayer perceptron type, employing a supervised training that uses the error back propagation algorithm. The model developed relates settlement in isolated piles with the type and the geometrical properties of the piles (diameter and length), the stratigraphy and characteristics of compactness or consistency of soils by means of the SPT tests results, and the load applied, obtained in static pile load tests performed in continuous helix, steel driven and excavated pile types. The data set used to model consisted of 1.947 samples of input and output. QNET 2000 was the program used to assist the training and validation of various architectures of neural networks. The architecture formed by 10 nodes in the input layer, 28 neurons distributed in 4 intermediate layers and one neuron in the output layer, corresponding to the measured discharge for cutting (A10: 14:8:4:2:1) was the one that showed the best performance, with the correlation coefficient between the estimated settlements and settlements measured during the validation phase of 0.94, such value can be considered satisfactory when considering the prediction of a complex phenomenon. After comparing the performance of the applied load x settlement estimated by model proposed curve with the applied load x settlement measured in static pile load test curve and the applied load x settlement estimated by an elasto-plastic model thru numerical simulation, it was found that the ANN were able to understand the behavior of deep foundations of continuous helix, steel driven and excavated piles type, allowing among other things, the definition of workloads and load limits at the pile. / Estimar o recalque em estacas é um problema muito complexo, incerto e ainda não totalmente compreendido, devido às muitas incertezas associadas aos fatores que afetam a magnitude desta deformação. As RNA são ferramentas que funcionam analogamente ao cérebro humano, e sua unidade principal, o neurônio artificial, trabalha de maneira semelhante ao neurônio biológico. Esta ferramenta alternativa vem sendo aplicada com sucesso em muitos problemas de engenharia geotécnica, podendo, portanto ser utilizadas como uma ferramentas alternativas para avaliar recalques em estacas isoladas. Nessa pesquisa as RNA utilizadas foram do tipo perceptron de múltiplas camadas, empregando um treinamento supervisionado utilizando o algoritmo de retropropagação do erro. O modelo desenvolvido relaciona o recalque em estacas isoladas com as propriedades geométricas das estacas (diâmetro e comprimento), a estratigrafia e as características de compacidade, ou consistência dos solos por meio dos resultados obtidos nos ensaios SPT, e a carga atuante, obtidas em provas de carga realizadas em estacas hélice contínua, cravada metálica e escavada. O conjunto de aprendizagem foi composto por 1947 exemplos de entrada e saída. Com auxilio do programa QNET2000 foram treinadas e validadas várias arquiteturas de redes neurais. Após comparar o desempenho da curva carga x recalque elaborada com os recalques estimados pelo modelo proposto com a curva carga x recalque resultante da prova de carga estática e com a curva carga x recalque gerada pelo emprego do programa comercial baseado em elementos finitos tridimensionais PLAXIS 3D Foundation, constatou-se que as RNA foram capazes de entender o comportamento das fundações profundas do tipo estacas hélice contínua, escavada e cravada metálica, possibilitando dentre outras coisas, a definição das cargas de trabalho e cargas limites nas estacas.