Made available in DSpace on 2014-12-17T14:55:19Z (GMT). No. of bitstreams: 1 JoseMAJ_TESE.pdf: 3560157 bytes, checksum: 2f20316c7b980a74bdb7b82e97e3bb43 (MD5) Previous issue date: 2014-03-24 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / In last decades, neural networks have been established as a major tool for the identification of nonlinear systems. Among the various types of networks used in identification, one that can be highlighted is the wavelet neural network (WNN). This network combines the characteristics of wavelet multiresolution theory with learning ability and generalization of neural networks usually, providing more accurate models than those ones obtained by traditional networks. An extension of WNN networks is to combine the neuro-fuzzy ANFIS (Adaptive Network Based Fuzzy Inference System) structure with wavelets, leading to generate the Fuzzy Wavelet Neural Network - FWNN structure. This network is very similar to ANFIS networks, with the difference that traditional polynomials present in consequent of this network are replaced by WNN networks. This paper proposes the identification of nonlinear dynamical systems from a network FWNN modified. In the proposed structure, functions only wavelets are used in the consequent. Thus, it is possible to obtain a simplification of the structure, reducing the number of adjustable parameters of the network. To evaluate the performance of network FWNN with this modification, an analysis of network performance is made, verifying advantages, disadvantages and cost effectiveness when compared to other existing FWNN structures in literature. The evaluations are carried out via the identification of two simulated systems traditionally found in the literature and a real nonlinear system, consisting of a nonlinear multi section tank. Finally, the network is used to infer values of temperature and humidity inside of a neonatal incubator. The execution of such analyzes is based on various criteria, like: mean squared error, number of training epochs, number of adjustable parameters, the variation of the mean square error, among others. The results found show the generalization ability of the modified structure, despite the simplification performed / Nas ?ltimas d?cadas, as redes neurais t?m se estabelecido como uma das principais ferramentas para a identifica??o de sistemas n?o lineares. Entre os diversos tipos de redes utilizadas em identifica??o, uma que se pode destacar ? a rede neural wavelet (ou Wavelet Neural Network - WNN). Esta rede combina as caracter?sticas de multirresolu??o da teoria wavelet com a capacidade de aprendizado e generaliza??o das redes neurais, podendo fornecer modelos mais exatos do que os obtidos pelas redes tradicionais. Uma evolu??o das redes WNN consiste em combinar a estrutura neuro-fuzzyANFIS (Adaptive Network Based Fuzzy Inference System) com estas redes, gerando-se a estrutura Fuzzy Wavelet Neural Network - FWNN. Essa rede ? muito similar ?s redes ANFIS, com a diferen?a de que os tradicionais polin?mios presentes nos consequentes desta rede s?o substitu?dos por redes WNN. O presente trabalho prop?e uma rede FWNN modificada para a identifica??o de sistemas din?micos n?o lineares. Nessa estrutura, somente fun??es waveletss?o utilizadas nos consequentes. Desta forma, ? poss?vel obter uma simplifica??o da estrutura com rela??o a outras estruturas descritas na literatura, diminuindo o n?mero de par?metros ajust?veis da rede. Para avaliar o desempenho da rede FWNN com essa modifica??o, ? realizada uma an?lise das caracter?sticas da rede, verificando-se as vantagens, desvantagens e o custo-benef?cio quando comparada com outras estruturas FWNNs. As avalia??es s?o realizadas a partir da identifica??o de dois sistemas simulados tradicionalmente encontrados na literatura e um sistema real n?o linear, consistindo de um tanque de multisse??es e n?o linear. Por fim, a rede foi utilizada para inferir valores de temperatura e umidade no interior de uma incubadora neonatal. A execu??o dessa an?lise baseia-se em v?rios crit?rios, tais como: erro m?dio quadr?tico, n?mero de ?pocas de treinamento, n?mero de par?metros ajust?veis, vari?ncia do erro m?dio quadr?tico, entre outros. Os resultados encontrados evidenciam a capacidade de generaliza??o da estrutura modificada, apesar da simplifica??o realizada

Made available in DSpace on 2014-12-17T14:55:47Z (GMT). No. of bitstreams: 1 CarlosAAS_DISSERT_1-60.pdf: 4186909 bytes, checksum: cebf9d80edc07d16ef618a3095ead927 (MD5) Previous issue date: 2010-06-30 / This study shows the implementation and the embedding of an Artificial Neural Network (ANN) in hardware, or in a programmable device, as a field programmable gate array (FPGA). This work allowed the exploration of different implementations, described in VHDL, of multilayer perceptrons ANN. Due to the parallelism inherent to ANNs, there are disadvantages in software implementations due to the sequential nature of the Von Neumann architectures. As an alternative to this problem, there is a hardware implementation that allows to exploit all the parallelism implicit in this model. Currently, there is an increase in use of FPGAs as a platform to implement neural networks in hardware, exploiting the high processing power, low cost, ease of programming and ability to reconfigure the circuit, allowing the network to adapt to different applications. Given this context, the aim is to develop arrays of neural networks in hardware, a flexible architecture, in which it is possible to add or remove neurons, and mainly, modify the network topology, in order to enable a modular network of fixed-point arithmetic in a FPGA. Five synthesis of VHDL descriptions were produced: two for the neuron with one or two entrances, and three different architectures of ANN. The descriptions of the used architectures became very modular, easily allowing the increase or decrease of the number of neurons. As a result, some complete neural networks were implemented in FPGA, in fixed-point arithmetic, with a high-capacity parallel processing / Este estudo consiste na implementa??o e no embarque de uma Rede Neural Artificial (RNA) em hardware, ou seja, em um dispositivo program?vel do tipo field programmable gate array (FPGA). O presente trabalho permitiu a explora??o de diferentes implementa??es, descritas em VHDL, de RNA do tipo perceptrons de m?ltiplas camadas. Por causa do paralelismo inerente ?s RNAs, ocorrem desvantagens nas implementa??es em software, devido ? natureza sequencial das arquiteturas de Von Neumann. Como alternativa a este problema, surge uma implementa??o em hardware que permite explorar todo o paralelismo impl?cito neste modelo. Atualmente, verifica-se um aumento no uso do FPGA como plataforma para implementar as Redes Neurais Artificiais em hardware, explorando o alto poder de processamento, o baixo custo, a facilidade de programa??o e capacidade de reconfigura??o do circuito, permitindo que a rede se adapte a diferentes aplica??es. Diante desse contexto, objetivou-se desenvolver arranjos de redes neurais em hardware, em uma arquitetura flex?vel, nas quais fosse poss?vel acrescentar ou retirar neur?nios e, principalmente, modificar a topologia da rede, de forma a viabilizar uma rede modular em aritm?tica de ponto fixo, em um FPGA. Produziram-se cinco s?nteses de descri??es em VHDL: duas para o neur?nio com uma e duas entradas, e tr?s para diferentes arquiteturas de RNA. As descri??es das arquiteturas utilizadas tornaram-se bastante modulares, possibilitando facilmente aumentar ou diminuir o n?mero de neur?nios. Em decorr?ncia disso, algumas redes neurais completas foram implementadas em FPGA, em aritm?tica de ponto fixo e com alta capacidade de processamento paralelo

Made available in DSpace on 2014-12-17T14:56:12Z (GMT). No. of bitstreams: 1 VictorLCMS_DISSERT.pdf: 2392559 bytes, checksum: f4276b98c00bcaaa7742d7ced860b2b7 (MD5) Previous issue date: 2013-04-19 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / A serious problem that affects an oil refinery s processing units is the deposition of solid particles or the fouling on the equipments. These residues are naturally present on the oil or are by-products of chemical reactions during its transport. A fouled heat exchanger loses its capacity to adequately heat the oil, needing to be shut down periodically for cleaning. Previous knowledge of the best period to shut down the exchanger may improve the energetic and production efficiency of the plant. In this work we develop a system to predict the fouling on a heat exchanger from the Potiguar Clara Camar?o Refinery, based on data collected in a partnership with Petrobras. Recurrent Neural Networks are used to predict the heat exchanger s flow in future time. This variable is the main indicator of fouling, because its value decreases gradually as the deposits on the tubes reduce their diameter. The prediction could be used to tell when the flow will have decreased under an acceptable value, indicating when the exchanger shutdown for cleaning will be needed / Um s?rio problema que afeta unidades de refino de petr?leo ? a deposi??o e incrusta??o de s?lidos nos equipamentos. Esses res?duos est?o naturalmente presentes no petr?leo ou s?o produtos de rea??es qu?micas durante o seu transporte. Um permutador de calor, quando sujo, perde sua capacidade de aquecer adequadamente o petr?leo, precisando, periodicamente, ser retirado de opera??o, para que possa ser realizada uma limpeza. Informa??es pr?vias do melhor per?odo para realizar as paradas podem melhorar a efici?ncia energ?tica e de produ??o da planta. Esse trabalho desenvolveu um sistema de predi??o da incrusta??o em um permutador da Refinaria Potiguar Clara Camar?o, com base em dados coletados em parceria com a Petrobras. Foram utilizadas redes neurais recorrentes que preveem a vaz?o no permutador em instantes futuros. Essa vari?vel ? o principal indicador da incrusta??o, pois seu valor diminui gradualmente ? medida que os dep?sitos nas paredes dos tubos reduzem seu di?metro. A predi??o pode ser usada para dizer quando a vaz?o ter? ca?do abaixo de um valor satisfat?rio, indicando quando ser? necess?rio retirar o equipamento de opera??o

Fundação de Amparo a Pesquisa do Estado de Minas Gerais / Image representation in Content Based Image Retrieval systems is a fundamental task. The results obtained by these systems strongly depend on the choice of features selected to represent an image. Works in the literature show that intelligent techniques are used to minimize the semantic gap between the limited power of machine interpretation and human subjectivity. In this work the use of artificial neural networks to characterize images in a high-level space from an initial characterization based on low-level features (color, shape and texture) is proposed. Experiments on 3 databases of various kinds, one with general images (BD-12750 ), one with texture images (Vistex-167 ) and other with buildings (ZuBuD) are performed to exemplify the application of the method and to show the effectiveness of the model. Furthermore, the application of the proposed method in the high-level characterization of complex motions patterns is presented. / Em sistemas de Recuperação de Imagens Baseada em Conteúdo a representação das imagens desempenham um papel fundamental. Os resultados obtidos por esses sistemas dependem fortemente da escolha das características selecionadas para representar uma imagem. Trabalhos existentes na literatura evidenciam que técnicas inteligentes conseguem minimizar o gap- semântico existente entre o poder de interpretação limitado das máquinas e a subjetividade humana. Neste trabalho é proposto o uso das redes neurais artificiais para caracterizar imagens neurosemânticamente à partir de uma caracterização inicial baseada em características de baixo nível (cor, forma e textura). Testes em 3 bases de dados de naturezas diferentes, um de imagens mais gerais (BD-12750 ), um de texturas (Vistex-167 ) e outro de prédios (ZuBuD) exemplificam a aplicação do método como também mostram a eficácia do modelo. Ainda é apresentada a aplicação do método proposto na caracterização neurosemântica de movimentos complexos em vídeos. / Mestre em Ciência da Computação

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / This work proposes an advanced analysis for MLP performance improvement by adopting new target vectors. Firstly, a mathematical study is done to evaluate the influence of VBOs used as target vectors on MLP training. The VBOs provide the largest possible Euclidean distance between them to improve the training and generalization capability of MLPs. The largest distance inducement between points from output space leads to direct correspondence on pattern classification improvement. The various types of target vectors such as VBNs, VBCs and VNOs are adopted for training of MLP models and their performances are compared with the model trained by using VBOs. The mathematical evidences of performance improvement were found on weight updating refinement from backpropagation error stage of the algorithm. This particular refinement for training with VBOs is useful to preserve the features of each pattern due to noise interference reduction during the training process from a pattern to another. Following the mathematical study, more advanced experimental analysis using VBOs with two databases for pattern recognition is performed. The first database is related to the handwritten digits for comparing the performances of MLPs trained by adopting VBCs and VNOs with the performance of MLP trained by adopting VBOs. The results showed higher classification rates for the MLP trained with VBOs. The second database is constituted by human iris images in order to perform the comparison of MLP performances using conventional target vectors and new target ones represented by VBOs. Besides the high performance of MLPs trained with VBOs on recognition rates, it was concluded that the use of new target vectors provides high recognition rates with low tolerance for epoch trainings leading to the consequent low computational load for pattern processing. / O presente trabalho propõe a análise avançada para a melhoria de desempenho de MLP através do uso de novos vetores-alvo. Primeiramente, por meio de um estudo matemático, avalia-se a influência dos VBOs sobre o treinamento das MLPs quando são utilizados como vetores-alvo. Os VBOs possuem a maior distância euclidiana possível entre si, o que leva a supor que melhora o treinamento e a capacidade de generalização da rede em teste. A hipótese é a de que a provocação de uma maior distância entre os pontos de saída da rede pode ter relação direta com a melhoria na classificação dos padrões. Os diferentes tipos de vetores-alvo tais como VBNs, VBCs e VNOs são utilizados para o treinamento de MLPs e os seus desempenhos são comparados com a rede treinada adotando-se os VBOs. As evidências matemáticas da melhoria de desempenho foram encontradas no refinamento da atualização dos pesos, etapa denominada no algoritmo como retro propagação do erro. Esse refinamento característico do treinamento com VBOs age no sentido de preservar as características de cada padrão, reduzindo o ruído de interferência do treinamento de um padrão para outro. Seguindo-se ao estudo matemático, realiza-se uma análise experimental mais avançada da utilização dos VBOs por meio de duas bases de dados para reconhecimento de padrões. A primeira base de dados é a de dígitos manuscritos para comparar os desempenhos de MLPs treinadas com VBCs e VNOs com aquelas treinadas com VBOs. Os resultados mostraram taxas de classificação superiores para a MLP treinada com VBOs. A segunda base de dados é formada por imagens de íris humana com o propósito de realizar a comparação dos desempenhos de MLPs treinadas com vetores-alvo convencionais e novos vetores-alvo representados pelos VBOs. Além da alta performance nas taxas de reconhecimento das MLPs treinadas com VBOs, observou-se que com o uso desses novos vetores-alvo, é possível obter elevadas taxas de reconhecimento com pouco rigor nas épocas de treinamento, reduzindo-se consequentemente a carga computacional de processamento dos padrões. / Mestre em Ciências

Given the scenarios of increasing world population, the concentration of CO2, fuel costs, global consumption of energy and climate change, there was a need to search for alternative energy sources. In this context, solar photovoltaic, the result of research and investments over the past five decades, had a great impact in the last decade, recording a significant increase in the production of photovoltaic cells and modules and installations of photovoltaic systems worldwide. One of the goals of this work was to study the behavior of PV modules by partial shading situations in different conditions of temperature and solar radiation. Within this partial shading scenario that impacts virtually all electrical parameters of a module, the study and calculation of the series resistance of the modules was done in conditions of partial shading proposals to verify the relationship between the value of the series resistance and the state of shading partial, allowing identification of a possible state of shading from monitoring the resistance series. Another objective of this work was to apply Artificial Intelligence (AI) resources in the form of Artificial Neural Networks (ANN) to, after the proper training and learning of ANN from the database collected in the field under conditions of partial shade, they can identify the parameters of the PV modules within the various conditions of partial shading proposals. To pursue the objectives of this work four photovoltaic modules were used, two with 40 W nominal power with over fifteen years of manufacturing, assigned by the Instituto Federal de Goiás (IFGoiano) Urutaí Campus, at the city of Urutaí-GO and two new without any use of 75 W nominal power assigned by the Center for Research on Alternative Energy Sources, School of Electrical Engineering, Universidade Federal de Uberlândia (UFU). / Diante dos cenários de aumento da população mundial, da concentração de CO2 ,dos custos dos combustíveis, do consumo mundial de energia e das alterações climáticas, surgiu a necessidade de se buscar por fontes de energias alternativas. Neste contexto, a energia solar fotovoltaica, fruto de investigações e investimentos realizados nas últimas cinco décadas, teve um grande impacto na última década, registrando um aumento significativo na produção de células e módulos fotovoltaicos e instalações de sistemas fotovoltaicos no mundo todo. Um dos objetivos deste trabalho foi estudar o comportamento de módulos fotovoltaicos mediante situações de sombreamento parcial em diferentes condições de temperatura e radiação solar. Dentro deste cenário de sombreamento parcial que causa impacto praticamente em todos os parâmetros elétricos de um módulo, foi feito o estudo e cálculo da resistência série dos módulos nas condições de sombreamento parcial propostas para verificar a relação entre o valor da resistência série e o estado de sombreamento parcial, possibilitando uma possível identificação do estado de sombreamento a partir do monitoramento da resistência série. Outro objetivo deste trabalho foi aplicar recursos de Inteligência Artificial (IA) na modalidade de Redes Neurais Artificiais (RNAs) para, após o devido treinamento e aprendizado das RNAs a partir do banco de dados colhidos em campo sob condições de sombreamento parcial, elas poderem identificar os parâmetros do módulo fotovoltaico dentro das diversas condições de sombreamento parcial propostas. Para a busca dos objetivos deste trabalho foram utilizados quatro módulos fotovoltaicos sendo dois de 40 W de potência nominal com mais de quinze anos de fabricação, cedidos pelo Instituto Federal Goiano (IFGoiano) Campus Urutaí, da cidade de Urutaí-GO e dois novos e sem uso, de 75 W de potência nominal cedidos pelo Núcleo de Pesquisa em Fontes Alternativas de Energia da Faculdade de Engenharia Elétrica da Universidade Federal de Uberlândia (UFU). / Mestre em Ciências

Entender as causas geradoras do movimento de pedestres é muito importante para o planejamento urbano das cidades, a fim de inferir se as atitudes tomadas na concepção e manutenção dos espaços estão de fato contribuindo para o fortalecimento da dinâmica social. No entanto, determinar como funciona o movimento dos pedestres é uma tarefa difícil devido à complexidade das estruturas sociais que criam esse fenômeno. Uma maneira de contornar esse problema é através da criação de modelos que associam diretamente os atributos das calçadas e suas relações. Dentre as metodologias observadas para a construção do modelo, aquelas que mais se adequaram para entender os fatores contidos no espaço urbano foram a sintaxe espacial e o nível de serviço dos passeios. A Sintaxe Espacial ajuda na compreensão desse fenômeno, pois permite a análise das relações espaciais da cidade. No entanto, possui a limitação de prever apenas parte desse movimento e, ainda, só encontrar correlações significativas quando a medida de inteligibilidade (correlação entre a integração e conectividade) apresenta valores elevados. Do mesmo modo, a qualidade do passeio interfere diretamente no modo que o pedestre utiliza esse espaço. O fluxo de pedestre é um fenômeno complexo e, como tal, não pode ser entendido através de relações lineares ou de causa e efeito entre quaisquer variáveis, sejam elas espaciais ou não. Para entender a complexidade desse fenômeno será utilizada a abordagem conexionista das redes neurais artificiais, uma forma de processamento em paralelo com capacidade de trabalhar através de exemplos, generalizando e abstraindo as informações das variáveis e suas ligações. Deste modo, este trabalho pretende apresentar uma abordagem diferenciada para entender parte da dinâmica social através do fenômeno da movimentação de pedestres. / In Urban Planning, understanding pedestrian movement generative causes is key issue. Through it is possible to check if public policies targeting maintenance and improvement of open spaces are effectively reaching their goals in strengthening social dynamics. Nevertheless it is quite difficult to determinate how pedestrian movement functions due to social structure complexity driving these phenomena emergency and the extensive row of variables underlying it. One of the most effective problem-solving tools targeting the subject is modeling sidewalk attributes through the relations held amidst their physical variables and measured levels of use. Among several methods applied in model building, Space Syntax and Sidewalks Service Leveling were those which provided the best suitable tools to face the research problems. Space Syntax methods are helpful to understand the phenomena, since they allow to depict tendencies for pedestrian movement related directly to grid deformation patterns and spatial configuration. But its scope is limited since it substantiates movement potential rather than measured. Also because correlations found between pedestrian movement measurements and urban morphology are only robust when Integibility measure (correlating Integration to connectivity) is high. Likewise, sidewalk physical qualities are directly responsible for the way in which people move around, establish their routes or use public spaces, fulfilling or hijacking movement potential standards. Pedestrian fluxes are complex phenomena and being such, unable to be pictured by linear relations or explained through cause – effect conditioning between spatial or a-spatial variables. To depict the interdependence between variables amidst these phenomena complexity we opted for a connective approach found at Artificial Neural Nets; a way of parallel data processing which is able to modeling from samples due to their generalization capacity and that of extract information from the structuring variables and their relationships and linkages. Being so, this research presents an original combination of tools and methods that allow approaching social dynamics starting from pedestrian movement phenomena empirical data.

A comercialização de energia elétrica no Brasil e no mundo sofreu diversas modificações nos últimos 20 anos. Com o objetivo de alcançar o equilíbrio econômico entre oferta e demanda do bem chamado eletricidade, os agentes deste mercado seguem as regras definidas pela sociedade (governo, empresas e consumidores) e também as leis da natureza (hidrologia). Para tratar de problemas tão complexos, estudos são realizados na área da heurística computacional. O objetivo deste trabalho é elaborar um software de previsão de preços do mercado spot utilizando redes neurais artificiais (RNA). As RNA são muito utilizadas em diversas aplicações, principalmente em heurística computacional, nas quais sistemas não lineares apresentam desafios computacionais difíceis de serem superados devido ao efeito da maldição da dimensionalidade. Tal maldição se deve pelo fato do poder computacional atual não ser suficiente para processar problemas com elevada combinação de variáveis. O problema de prever os preços do mercado spot depende de fatores como: (a) a previsão de demanda (carga); (b) a previsão da oferta (reservatórios, regime de chuvas e clima), fator de capacidade; e (c) o equilíbrio da economia (precificação, leilões, influência de mercados externos, política econômica, orçamento governamental, política governamental). Estes fatores são utilizados na construção do sistema de previsão e os resultados de sua eficácia são testados e apresentados. / The commercialization of electricity in Brazil as well as in the world has undergone several changes over the past 20 years. In order to achieve an economic balance between supply and demand of the good called electricity, stakeholders in this market follow both rules set by society (government, companies and consumers) and set by the laws of nature (hydrology). To deal with such complex issues, various studies have been conducted in the area of computational heuristics. This work aims to develop a software to forecast spot market prices in using artificial neural networks (ANN). ANNs are widely used in various applications especially in computational heuristics, where non-linear systems have computational challenges difficult to overcome because of the effect named curse of dimensionality. This effect is due to the fact that the current computational power is not enough to handle problems with such a high combination of variables. The challenge of forecasting prices depends on factors such as: (a) foresee the demand evolution (electric load); (b) the forecast of supply (reservoirs, hydrology and climate), capacity factor; and (c) the balance of the economy (pricing, auctions, foreign markets influence, economic policy, government budget and government policy). These factors are considered be used in the forecasting model for spot market prices and the results of its effectiveness are tested and huge presented.

A finalidade desse trabalho é desenvolver um protótipo de uma prótese antropomórfica multifuncional para membros superiores para pacientes amputados. Seu objetivo é substituir a mão natural perdida, de forma a auxiliar a realização de algumas tarefas diárias do usuário. A prótese possuirá características antropomórficas, tais como aparência e movimentação semelhantes às da mão humana, e características naturais inerentes à mesma, por exemplo, o arco reflexo. Além disso, contará também com meios de realimentação táteis das informações de forças aplicadas pela prótese em objetos, bem como sua temperatura para o paciente, suprindo assim uma das carências das próteses convencionais. Esse dispositivo terá incorporado na sua construção sensores diversos para realizar as funções propostas e contará com um algoritmo baseado em redes neurais artificiais, capaz de identificar padrões dos sinais mioelétricos do paciente, que serão utilizados como sinais de controle, possibilitando ao paciente um comando natural. Todas essas implementações visam contribuir para a redução da taxa de rejeição de próteses para membros superiores e possibilitar uma maior reabilitação e reintegração do paciente à sociedade. / The purpose of this assignment is to develop a multifunctional and anthropomorphic upper limb prosthesis prototype for amputated patients. Its objective is to substitute the natural lost hand, in a way to improve the performance of regular activities. This prosthesis will have anthropomorphic characteristics, like appearance and movement, similar to the ones of the human hand, and natural characteristics inherent to it, for example the reflected arc. Another characteristic will be the tactile feedback ways of obtaining the information of the forces applied by the prosthesis in objects, as well as their temperature for the patient, overcoming therefore one of the traditional prosthesis\' deficiency. This device will have incorporated in its construction many sensors in order to do the proposed functions and it will use an algorithm based on the artificial neural network that is able to recognize patterns of myoelectric signals of the patient, which will be used as control signals, making possible to the patient a natural command. All of these implementations objective to contribute for the reduction of the rejection rate of prostheses for upper limb members and make possible a better rehabilitation and reintegration of the patient in the society.

A lesão medular pode prejudicar a marcha de um indivíduo. Para estes casos, uma técnica de reabilitação que tem se tornado mais popular é a Estimulação Elétrica Neuro Muscular (EENM). Na marcha assistida por EENM tradicional, o controle da estimulação é realizado utilizando-se acionamento manual, um fato que ajuda a torná-la distante da marcha saudável. Este trabalho propõe um sistema que monitora variáveis da marcha - ângulos da articulação do joelho, e forças de reação do solo (retropé e antepé) - e as utiliza como entradas para uma rede neural artificial (RNA), a fim de poder controlar automaticamente a EENM na marcha. Os transdutores utilizados para medir ângulos foram eletrogoniômetros, montados nos membros inferiores do indivíduo utilizando tiras de velcro. Para medição das forças, os transdutores utilizados foram células de carga construídas com strain gages, montadas em sandálias instrumentadas. Os métodos para construção do hardware de aquisição de dados (transdutores e interface) e do software estão descritos, bem como os métodos de calibração dos transdutores. Todos os transdutores apresentaram comportamento linear. Testes iniciais foram realizados, utilizando primeiramente um indivíduo saudável, e depois dois pacientes que normalmente realizam treinamento de marcha com suspensão de peso (assistida por EENM ou não). Os resultados mostraram que o módulo de monitoramento permite gravar os dados coletados, e realizar comparações entre padrões de marcha de diferentes indivíduos, bem como diferentes estágios de reabilitação para um mesmo indivíduo. O treinamento da RNA para o indivíduo saudável apresentou uma taxa de acerto próxima de 90%, e para os pacientes lesados medulares a taxa foi de cerca de 80%. O módulo de controle apresentou resultados promissores nos testes práticos realizados, com respostas rápidas e corretas para o indivíduo saudável. Sugestões para trabalhos futuros foram dadas, para que testes práticos de controle possam ser realizados utilizando pacientes lesados medulares. / Spinal cord injury (SCI) may impair an individual\'s gait. For these cases, a rehabilitation technique that has become more popular is functional electrical stimulation (FES). On traditional FES-assisted gait, the stimulation control is performed with manual triggering, a fact that helps make it distant from healthy gait. This work proposes a system that monitors gait variables - knee joint angles, and ground reaction forces (rearfoot and forefoot) - and uses them as inputs for an Artificial Neural Network (ANN), in order to be able to automatically control gait FES. The transducers used for angle measurement were electrogoniometers, mounted on the individuals lower limbs using Velcro straps. For force measurement, the transducers used were load cells built with strain gages, mounted on instrumented sandals. The methods for building the data acquisition hardware (transducers and interface) and software are described, along with the transducer calibration methods. All transducers presented linear behavior. Initial tests were performed, using first a healthy individual, and then a couple of patients that normally undergo suspended gait raining (FES-assisted or not). The results showed that the monitoring module allows recording the data collected, and making comparison between different individuals\' gait patterns, as well as different rehabilitation stages for the same individual. The ANN training for the healthy individual presented an accuracy rate close to 90%, and for the SCI patients the rate was about 80%. The control module showed promising results on practical tests performed, with quick and accurate responses for the healthy individual. Suggestions for future works were given, so that practical control tests can be performed using SCI patients.