Este trabalho aborda o desafio da modelagem da fragilidade ambiental, que implica em, além de compreender a intrínseca e dinâmica relação existente entre as componentes físicas, bióticas e sócio-econômicas dos sistemas ambientais, em traduzir esse conhecimento num modelo matemático. Para elucidar essa dificuldade foram apresentados e comparados os resultados gerados por dois modelos empíricos de fragilidade ambiental amplamente utilizados no planejamento físico-territorial brasileiro (CREPANI et al. 2001 e ROSS, 1994). Estes dois modelos foram aplicados em duas áreasteste, com resultados bastante divergentes. Neste contexto de incertezas, este trabalho testou a viabilidade e a confiabilidade de uma nova ferramenta a ser aplicada na elaboração de modelos de fragilidade ambiental, as redes neurais artificiais (RNAs). Empregando os conhecimentos e experiências de especialistas na área em questão, extraídos das respostas dadas por estes durante a comparação de variáveis e cenários aplicados através dos programas adaptados para esta finalidade: Pesquisa de Calibração, Pesquisa de Escalonamento de Variáveis e Pesquisa de Avaliação de Cenários. Estes programas geraram uma base de dados referente ao modo de avaliação de cada especialista quanto à fragilidade ambiental, sendo aplicada no treinamento das RNAs, para que a rede assimilasse o padrão de avaliação deste especialista. Os resultados comprovam de que é possível emular, com razoável confiabilidade, o padrão de avaliação de especialistas na definição da fragilidade dos sistemas ambientais, eliminando assim, a arbitrariedade e a subjetividade do processo de elaboração de modelos de fragilidade ambiental. Este trabalho não propõe um novo modelo, mas uma metodologia para a construção de modelos, utilizando redes neurais artificiais, dando um primeiro passo em busca de novas técnicas, temidas pelos geógrafos, mas necessárias para a evolução da ciência geográfica. / This paper deals with the challenge in modeling environmental fragility, which implies not only the understanding of the intrinsic and dynamic relationship that exists between the physical, biotic and socio-economic components of environmental systems, but also in translating this knowledge in a mathematical model. In order to shed light on this difficulty, the results generated by two empirical models of environmental fragility were presented and compared, models that are widely used in Brazilian physical-territorial planning. (CREPANI et al. 2001 and ROSS, 1994). These two models were applied in two thesis-areas with very diverging results. Within this context of uncertainties, this paper tested the feasibility and reliability of a new tool to be applied in the elaboration of environmental fragility models, the artificial neural networks (ANN). Tapping on the knowledge and experience of specialists in this area, extracted from the answers given by them during the comparison of variables and scenarios applied in programs adapted for this objective: Gauging Research, Scheduling of Variables Research and Scenario Evaluation Research. These programs generated a databank related to the evaluation format of each specialist regarding environmental fragility applied in the training of ANNs, so that the network would assimilate the evaluation standard of that specialist. The results proved that it is possible to emulate, with reasonable reliability, the evaluation standard of specialists in the definition of environmental systems fragility, eliminating in this way, arbitrariness and subjectivity in the elaboration process of environmental fragility models. This work does not presuppose a new model, rather a methodology for the construction of models, using artificial neural networks, taking the first step in the search of new techniques, albeit feared by the geographers, however, necessary for the evolution of geographic science.

É investigado o uso de redes neurais aplicadas à equalização de canais de comunicação, sendo consideradas três tipos de redes: MLP (Multilayer Perceptron), RBF (Radial Basis Function) e RNN (Recurrent Neural Network). Os equalizadores não-lineares baseados nestas redes foram comparados com o equalizador linear transversal e com os equalizadores ótimos segundo os critérios de Bayes e da máxima verossimilhança. Nestas comparações foram utilizados um alfabeto binário e um quaternário transmitidos em modelos de canais cuja resposta ao pulso unitário é finita. Além das versões usuais de equalizadores, foram consideradas versões com realimentação de decisões sempre que isso se mostrou adequado. O treinamento desses equalizadores foi feito de forma supervisionada, ou seja, na fase de treinamento a seqüência de símbolos transmitida era conhecida no receptor. Além disso, foi realizado um estudo comparativo dos algoritmos de treinamento das redes. Neste âmbito, foi obtido um algoritmo do tipo acelerador para o treinamento de redes MLP. Com o intuito de se obter uma estrutura não-linear menos complexa e mais flexível, foi proposto ainda um equalizador híbrido constituído de uma combinação do equalizador linear e da rede RNN que faz uso de realimentação de decisões. Resultados de simulações indicam que o seu uso pode ser vantajoso tanto para canais não-lineares como lineares. / Equalization of communication channels using neural networks is investigated by considering three kinds of networks: MLP (Multilayer Perceptron), RBF (Radial Basis Function) and RNN (Recurrent Neural Network). The performance of the nonlinear equalizers based on these networks are compared with the linear transversal equalizer and the optimal equalizers given by the bayesian and maximum likelihood criteria. Binary and quaternary alphabets are used and transmitted over finite pulse response channel models. Decision feedback is considered whenever it is worthwhile. The training of these equalizers is considered in the supervised form and a comparison of some training algorithms has been performed. In this scope, a new algorithm based on parameter acceleration is introduced for the training of MLP networks. Moreover, a hybrid equalizer composed of a linear transversal equalizer and a RNN network is proposed. It is a simple and flexible nonlinear structure making use of decision feedback. imulation results show that it may be advantageously used to equalize linear and nonlinear channels.

Redes neurais artificias, tipo \"feedforward\", de duas camadas, foram utilizadas neste trabalho para fazer previsões das instabilidades de disruptura que surgem nas descargas de plasma do tokamak TEXT (E.U.A.), obtendo-se resultados bastante encorajadores. Verificou-se que uma arquitetura de rede, do tipo m:2m:m:1, onde m é dimensão de imersão do atrator do sistema dinâmico em estudo, costuma ser um bom chute inicial para a escolha da arquitetura ideal de trabalho, que costuma ser livre e, não raro, trabalhosa. Utilizando-se, em sinais de raios-X, uma rede neural artificial com arquitetura 15:30:15:1, por exemplo, conseguiu-se fazer previsões com uma antecipação de até 4 ms das instabilidades de disruptura, tempo quatro vezes maior do que o obtido utilizaudo-se sinais magnéticos das bobinas de Mirnov. Tal antecipação é bastante significativa e abre a possibilidade de, no futuro, utilizarem­se mecanismos de defesa da máquina, tais como injeção de partículas neutras (ou\"pellets\"), aplicação de campos magnéticos externos, etc, no sentido de se tentar evitar a ocorrência destas instabilidades, ou, pelo menos, minimizar os seus efeitos nocivos. Isto certamente contribuirá significativamente para a viabilização dos futuros reatores de fusão à plasma. Finalmente, o sistema de diagnóstico de raios-X de baixas energias do tokamak TCABR, que foi projetado e já se encontra em fase de instalação para fornecer sinais que servirão para alimentar a rede neural, também possibilitará a reconstrução tomográfica das regiões de mesma emissividade da coluna de plasma. A análise tomográfica, utilizando-se os sinais de dois conjuntos de detectores de raios-X moles, também será muito útil na investigação dos mecanismos físicos que dão surgimento às instabilidades de disruptura, além de permitir, ainda, a medida da temperatura eletrônica do plasma, através do método dos absorvedores. / Two-layer feedforward neural network has been used in this work to forecast the disruptive instabilities that occur in the TEXT tokamak plasma discharges. For this task, soft X-ray experimental signals were used with very promising results. It was verified that a neural net with an architecture of the type m:2m:m:1, where m is the embedding dimension of the atractor of dynamical system in focus, is usually a good initial guess in the searching process of finding the ideal architecture. A neural network with architecture 15:30:15:1 was capable, for example, to forecast the disruptive instabilities up to 4 ms in advance. This period of time is four time larger than the one obtained when magnetic signals from Mirnov coils were used. This forecasting time is quite significative and opens up the possibility of using defensive mechanisms, such as the injection of neutral particles (or pellets), the application of external magnetic fields, etc, with the objective of avoiding the occurrence of the disruptions or, at least, to minimize their harmful effects. This achievement certainly would be an important contribution to the development of the next generation fusion devices. Finally, the soft X-ray diagnostic system for the TCABR was projected and it is already being installed. This system will provide experimental signals that will be analyzed by neural networks and will be also used to identify, through tomografic image reconstructions, the regions of the plasma that have the same soft X-ray emissivity. The tomography analysis of the plasma, that will be carried out by using the signals of two soft X-ray detectors arrays, will be also very usefull for investigating the triggering mechanism of disruptions and will also allow the determination of the plasma electron temperature through the two foil absorbing method.

Made available in DSpace on 2015-03-05T14:01:49Z (GMT). No. of bitstreams: 0 Previous issue date: 29 / Nenhuma / Este trabalho tem por objetivo apresentar uma proposta para a previsão de vendas de produtos, com fundamentação teórica, por meio da utilização de Redes Neurais Artificiais, utilizando como estudo de caso uma indústria que desenvolve produtos para o ramo de telecomunicação. Atualmente, realizar previsões de venda nas empresas é fundamental para reduzir seus custos com gastos desnecessários em recursos humanos e materiais e aumentar sua liquidez, sem perder a qualidade que os clientes estão acostumados, no sentido de evitar atrasos nos prazos de entrega dos produtos. O problema abordado nesta dissertação é importante para quase todas as áreas das indústrias, uma vez que a correta previsão de vendas permite às indústrias uma melhor organização de seu setor produtivo, permitindo a antecipação da quantidade ideal de matéria-prima a ser adquirida, o alinhamento de sua linha de produção, de modo a não ocorrerem alterações bruscas em seus layouts de fábrica, e um maior controle de seus níveis de estoque, reduzindo e / This work has the objective to present a methodology to predict product sales using artificial neural networks, as a study case was treated the periodic sales volume of an industry which develops products to the telecommunication area. Nowadays, realize sales prediction in the companies is crucial to reduce the costs with human resources, materials and increase the liquidity, without loose the quality which the clients are familiarized, avoiding delays in the products deliveries. The problem which this dissertation tackles is important to several kinds of industries, once a precise sales prediction allow the industries to organize themselves in a better way. It allows the company to know anticipated the material to be acquired, align their productions lines, avoiding an abrupt change in the factory layouts and offers a better control of their stocks. The study realized and the solution proposed are based on Artificial Neural Networks, applied to predict product sales using the sales history and the insertion

A rugosidade é um parâmetro de acabamento importante nos processos de fabricação por usinagem e é determinado de acordo com a aplicação técnica da superfície usinada. A rugosidade afeta atributos funcionais dos produtos como desgaste, atrito, reflexão da luz, capacidade de manter e espalhar um lubrificante, etc.. Como a inspeção da superfície é normalmente feita com rugosímetros após a operação de usinagem, essa tarefa consome tempo e demanda trabalho, gerando custo adicional ao produto. Assim, este trabalho tem como objetivo estimar os valores das rugosidades média (Ra) e total (Rt) geradas no processo de fresamento frontal a seco do aço SAE 1045 com fresa de topo reto via redes neurais artificiais (RNA). Dessa forma, os valores de rugosidade Ra e Rt podem ser obtidos somente informando os parâmetros do processo ao modelo. Foram considerados como variáveis de entrada do processo a velocidade de corte (vc), o avanço por dente (fz) e o raio de ponta da ferramenta (r). Após uma análise estatística, constatou-se que as variáveis de saída que melhor se correlacionavam com os valores de rugosidade foram a força média no eixo x (Fx) (direção de avanço) e a variação da força no eixo z (Fz) (direção axial). Os dados de força foram obtidos usando um sistema sensório constituído de plataforma piezelétrica, placa de aquisição de dados e computador com software apropriado. Portanto, os cinco parâmetros de entrada utilizados nos 16 modelos testados foram vc, fz, r, Fx e Fz. O algoritmo de treinamento usado foi o de Levemberg-Marquardt. Dentre os testados, os modelos com topologia 5-10-10-1 (cinco entradas e uma saída) apresentaram as melhores capacidade de estimação para os valores de Ra e Rt, mostrando a eficiência da técnica de modelagem da rugosidade por RNA. / The surface roughness is an important finishing parameter in the machining manufacturing processes and it is determined according with the technical application of the machined surface. The surface roughness affects functional attributes of parts such as wear, friction, light reflection, ability to spreading and retaining a lubricant etc. As the surface inspection is usually done with the rugosimeter after the machining operation, this task is time consuming and labor demand, generating additional cost to the product. Thus, this work aims to estimate the values of average roughness (Ra) and total roughness (Rt) generated in the dry end milling process of the SAE 1045 steel via artificial neural networks (ANN). Thus, the roughness values of Ra and Rt may be obtained only by informing the process parameters to the model. Cutting speed (vc), feed per tooth (fz) and tool nose radius (r) were considered as input variables. After statistical analysis, it was found that output variables that best correlate with roughness values were the average force on the x axis (Fx) (feed direction) and the force variation in the z-axis (Fz) (axial direction). The cutting force data signals were obtained using a sensory system composed by piezoelectric platform, data acquisition board and personal computer with appropriate software. Therefore, the five input parameters applied in the 16 models tested were vc, fz, r, Fx and Fz and the training algorithm used was the Levemberg-Marquardt. Among the models tested, those with 5-10-10-1 topology (five inputs and one output) showed the best capacity for estimation of the Ra and Rt values that can demonstrate the modeling technique effectiveness of the surface roughness using ANN.

Por ser não-invasiva e de baixo custo, a Ecocardiografia tem se tornado uma técnica de diagnóstico muito utilizada para a determinação dos volumes sistólicos e diastólicos do ventrículo esquerdo a fim de se calcular, indiretamente, o volume de ejeção do ventrículo esquerdo, a razão de contração muscular das cavidades cardíacas, a fração de ejeção regional e global, a espessura do miocárdio e a massa ventricular. Para isso, torna-se necessária a detecção das bordas endocárdicas do ventrículo esquerdo, o que é dificultada pelo fato da imagem de Ecocardiografia possuir ruídos que prejudicam sua definição. Apesar de haver várias técnicas de segmentação de imagem, este trabalho propõe detectar as bordas do ventrículo esquerdo de imagens ecocardiográficas utilizando uma rede neural artificial para reconhecer padrões de bordas. A fim de acelerar o processo e facilitar o processamento, uma área retangular centrada dentro da janela acústica do paciente é determinada pelo operador com o uso do \'mouse\' na qual serão realizadas todas as análises e reconhecimentos de borda pela rede neural. Após a marcação dos pontos reconhecidos pela rede neural como bordas, utilizam-se técnicas de gradientes e contorno móvel para se conectar os pontos de maior probabilidade e traçar a borda do ventrículo esquerdo. Esta técnica mostrou-se eficaz quando comparados com as bordas traçadas pelo especialista, sendo um fator importante a prática do operador ao escolher adequadamente a área a ser analisada. Após treinamento com 50 amostras de padrões de \"borda\" e 10 amostras de padrões de \"não borda\", a técnica foi testada em 108 imagens, alcançando resultados com boa precisão e rapidez quando comparamos os resultados na determinação da área do ventrículo esquerdo com outras técnicas citadas na literatura nacional e internacional. / Being non-invasive and having low cost, the echocardiography has been largely applied as diagnostic technique for left ventricle systolic and diastolic volumes determination that indirectly are used to calculate the left ventricle ejection volume, the cardiac cavities muscular contraction, the regional and global ejection fraction, the myocardial thickness, the ventricular mass, etc. For this reason, the detection of the left ventricle endocardial borders become necessary, but hampered by the noise that impairs the echocardiography images definition. In spite of having many image segmentation techniques, this work intend to detect the borders of left ventricle on echocardiography images by using a artificial neural network to recognize border patterns. To accelerate the process and facilitate the procedure, the operator uses the mouse to define a rectangular region inside the acoustic window of the pacient where all analyses and border recognitions will be accomplished. After labeling the recognized points as \'border\', gradient techniques and mobile boundary are used to connect the points of greater probability and delineate the left ventricle border. This technique has proved to be efficient when compared to the borders traced by the specialist. The ability of the operator is important in choosing of the region to be analyzed. After training with 50 samples of \"border\" pattern and 10 samples of \"no-border\" pattern, this technique was tested on 108 images, achieving good results on precision and velocitiy when we compared the calculated left ventricle area with the results of other techniques published on national and international literature.

Submitted by Edisangela Bastos (edisangela@ufpa.br) on 2014-01-13T19:05:37Z No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Tese_ExtracaoConhecimentoForma.pdf: 1007136 bytes, checksum: 410f3c877fe2bfac4734c6650b68002e (MD5) / Approved for entry into archive by Ana Rosa Silva(arosa@ufpa.br) on 2014-01-14T16:02:18Z (GMT) No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Tese_ExtracaoConhecimentoForma.pdf: 1007136 bytes, checksum: 410f3c877fe2bfac4734c6650b68002e (MD5) / Made available in DSpace on 2014-01-14T16:02:18Z (GMT). No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Tese_ExtracaoConhecimentoForma.pdf: 1007136 bytes, checksum: 410f3c877fe2bfac4734c6650b68002e (MD5) Previous issue date: 2013 / Apesar das diversas vantagens oferecidas pelas redes neurais artificiais (RNAs), algumas limitações ainda impedem sua larga utilização, principalmente em aplicações que necessitem de tomada de decisões essenciais para garantir a segurança em ambientes como, por exemplo, em Sistemas de Energia. Uma das principais limitações das RNAs diz respeito à incapacidade que estas redes apresentam de explicar como chegam a determinadas decisões; explicação esta que seja humanamente compreensível. Desta forma, este trabalho propõe um método para extração de regras a partir do mapa auto-organizável de Kohonen, projetando um sistema de inferência difusa capaz de explicar as decisões/classificação obtidas através do mapa. A metodologia proposta é aplicada ao problema de diagnóstico de faltas incipientes em transformadores, em que se obtém um sistema classificatório eficiente e com capacidade de explicação em relação aos resultados obtidos, o que gera mais confiança aos especialistas da área na hora de tomar decisões. / Despite the many advantages offered by the artificial neural networks, some limitations still prevent their widespread use, especially in applications that require making decisions essential to ensure safety in environments such as in Power Systems. A major limitation of artificial neural networks with respect to the inability of these networks is to explain how to arrive at certain decisions. This explanation must be humanly understandable. Thus, this paper proposes a method for extracting fuzzy rules from Kohonen self-organizing map, designing a fuzzy inference system capable of explaining the decisions taken by the map. To verify its effectiveness, the method is applied to solve the problem of classification for the diagnosis of incipient faults in power transformers used.

Os ensaios não destrutivos servem como uma importante ferramenta para a análise de estruturas de concreto armado. A utilização de ensaios de velocidade de propagação do pulso ultra-sônico (VPU) permite realizar um acompanhamento das características do material ao longo de sua vida útil. Através da análise dos dados obtidos, pode-se averiguar a uniformidade do concreto, controlar a sua qualidade, acompanhar sua deterioração e, através de comparação com corpos de prova de referência e, até mesmo, estimar a resistência do mesmo. No entanto, as técnicas atuais para análise dos resultados coletados são, em grande parte, baseadas na sensibilidade dos profissionais que as aplicam. Para facilitar o controle e inspeção de estruturas de concreto armado é fundamental desenvolver estratégias para tornar esta análise mais simples e precisa. Este trabalho se baseia na hipótese de que a aplicação de Redes Neurais Artificiais (RNAs) pode gerar modelos de relacionamento úteis e acurados entre as características do concreto, sua compacidade e sua resistência à compressão. O intuito é determinar se com o uso de RNAs é possível estabelecer relações não-lineares que permitam estimar a resistência do concreto a partir do conhecimento de algumas propriedades básicas e da verificação da sua compacidade por meio de ensaios de VPU. Os resultados indicam que as RNAs podem ser usadas para gerar métodos numéricos robustos e flexíveis para estimativa da resistência à compressão a partir de dados de VPU. O estudo evidencia uma considerável melhora nos resultados de estimação da resistência quando se empregam modelos neurais, em comparação a modelos estatísticos tradicionais. Para os dados coletados, provenientes de diversas pesquisas, os modelos tradicionais geram estimativas com coeficientes de determinação que não ultrapassam um valor de R² de 0,40. Já as redes neurais conseguem ajustes com R² da ordem de 0,90. Além de contribuir para uma melhor análise de situações em que haja dúvidas sobre a resistência ou homogeneidade de elementos de concreto, o trabalho demonstra que modelos neurais são uma forma eficiente de ordenar e transferir conhecimento não estruturado. Constatou-se, ainda, que, dada sua capacidade de aprendizagem e de generalização do conhecimento adquirido, as RNAs se constituem em um meio rápido e preciso para modelagem de fenômenos complexos. / Nondestructive Testing (NDT) techniques are useful tools for analyzing reinforced concrete (RC) structures. The use of Ultrassonic Pulse Velocity (UPV) measurements enables the monitoring of changes in some critical characteristics of concrete over the service life of a structure. The interpretation of the data collected allows an assessment of concrete uniformity, and can be used to perform quality control, to monitor deterioration and even, by means of comparison against reference samples, to estimate compressive strength. Nonetheless, the current techniques for UPV data analysis are, on a large degree, based on the sensitivity of the professionals who apply these tests. For accurate diagnosis it is necessary to consider the various factors and conditions that can affect the results. To proper control and inspect RC facilities it is essential to develop appropriate strategies to make the task of data interpretation easier and more accurate. This work is based on the notion that using Artificial Neural Networks (ANNs) is a feasible way to generate workable estimation models correlating concrete characteristics, compacity and compressive strength. The goal is to determine if it is possible to establish models based on non-linear relationships that are capable of estimating with good accuracy the concrete strength based on previous knowledge of some basic material characteristics and UPV measurements. The study shows that this goal is achievable and indicates that neural models perform better than traditional statistical models. For the data collected in this work, provided by various researchers, traditional regression models cannot exceed R² = 0.40, while the use of ANNs allows the creation of models that can reach a determination coefficient R² = 0.90. The results make clear that, besides contributing to better the analysis of situations where there is doubts regarding concrete strength or uniformity, neural models are an efficient way to order and transfer unstructured knowledge. It was shown that, given the learning capacity and its ability to generalize acquired information into mathematical patterns, ANNs are a quick and adequate way to model complex phenomena.

A presente dissertação trata da estipulação de limite de crédito para empresas clientes, de modo automático, com o uso de técnicas de Inteligência Computacional, especificamente redes neurais artificiais (RNA). Na análise de crédito as duas situações mais críticas são a liberação do crédito, de acordo com o perfil do cliente, e a manutenção deste limite ao longo do tempo de acordo com o histórico do cliente. O objeto desta dissertação visa a automação da estipulação do limite de crédito, implementando uma RNA que possa aprender com situações já ocorridas com outros clientes de perfil parecido e que seja capaz de tomar decisões baseando-se na política de crédito apreendida com um Analista de Crédito. O objetivo é tornar o sistema de crédito mais seguro para o credor, pois uma análise correta de crédito de um cliente reduz consideravelmente os índices de inadimplência e mantém as vendas num patamar ótimo. Para essa análise, utilizouse a linguagem de programação VB.Net para o sistema de cadastro e se utilizou do MatLab para treinamento das RNAs. A dissertação apresenta um estudo de caso, onde mostra a forma de aplicação deste software para a análise de crédito. Os resultados obtidos aplicando-se as técnicas de RNAs foram satisfatórias indicando um caminho eficiente para a determinação do limite de crédito. / This research deals with the credit limit stipulation for corporate clients, automatically, with the use of Computational Intelligence techniques, specifically artificial neural networks (ANN). In the analysis of credit, the two most critical situations are release of credit, according to the customer profile, and maintain the credit according to the customer history. The object of this work aims at automating the stipulated credit limit at the time of initial registration of the customer. The main focus of this work is to make an ANN can provide the credit limit, learning from situations that have occurred with other clients of similar profile and is able to make decisions based on the credit policy seized with a Credit Analyst. The goal is to make the system more secure credit to the lender, for a correct analysis of the creditworthiness of a customer drops considerably default rates and maintains a sales plateau great. For this analysis, we used the VB.Net programming language for the registration system of MatLab and was used for training ANNs. The paper presents a case study, which shows how to apply this software to credit analysis. The results obtained applying the techniques ANNs were satisfactory showing an efficient way to determine the credit limit.

Made available in DSpace on 2014-06-12T17:35:59Z (GMT). No. of bitstreams: 2 arquivo7051_1.pdf: 5245815 bytes, checksum: b1fb234564fb7a4bc3933cbd20313fb8 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2005 / Neste trabalho é desenvolvida uma nova ferramenta matemática para análise de dados baseada em redes neurais artificiais. Mais especificamente buscou-se extrair informações relevantes sobre o sistema cardio-circulatório de uma série de indivíduos para ajudar e avançar no diagnóstico, prognóstico e tratamento de doenças cardiovasculares. Este sistema foi escolhido em função de sua complexidade que enseja a introdução de novas abordagens e técnicas para entender, explicar e analisar de forma mais eficiente e eficaz o seu funcionamento. O conjunto universo dos dados utilizados nesta pesquisa incluem: antropométricos, biográficos, pressões de consultório e exames complementares da série bioquímica, hormônios, do eletrocardiograma, do ecocardiograma, registro da atividade elétrica do coração pelo método HOLTER-24h e da MAPA-24h, além de parâmetros do sistema cardiovascular como RC, IPPA, IPPARC e Harmonia. O desenvolvimento da pesquisa abrangeu a prospecção de ferramenta para análise de dados com redes neurais tipo MLP e Construtivas do tipo NSRBN. Para fins de avaliação, os resultados obtidos por meio da ferramenta desenvolvida neste trabalho, foram confrontados com desempenhos alcançados com outras técnicas estatísticas tradicionalmente utilizadas, como a regressão logística e múltipla, por meio de medidas de sensibilidade, especificidade, taxa de acertos, coeficiente de determinação e área da curva ROC. Os resultados encontrados superam os das técnicas tradicionais ou utilizam variáveis de mais fácil obtenção ou menor custo financeiro, isto permitirá reduzir ou justificar melhor a prescrição de exames e procedimentos de custo elevado