Orientador: Ana Maria Frattini Fileti / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-03T21:03:46Z (GMT). No. of bitstreams: 1 MendozaSalas_EdwinFernando_M.pdf: 3639519 bytes, checksum: ebbe470c44cf059d989245ed6539fb24 (MD5) Previous issue date: 2003 / Resumo: Este trabalho descreve uma metodologia para identificação e desenvolvimento de modelos dinâmicos não lineares, voltados para processos petroquímicos. No estudo empregaram-se técnicas de tratamento de dados, de controle, de otimização e de redes neurais. Adicionalmente, foi desenvolvida uma ferramenta de software (em ambiente MATLAB) para automatizar os procedimentos. Por outro lado, a fim de testar a metodologia, foi efetuada a identificação de modelos de uma Coluna Fracionadora de Eteno com tempos de resposta e não linearidade acentuadas.A metodologia apresentada permitiu, de forma bastante eficiente, estudos e elaboração de modelos dinâmicos não lineares usando dados reais da unidade. Os modelos encontrados podem ser usados em diversas aplicações como: controles preditivos; analisadores virtuais e estudo de estratégias de controle / Abstract: This paper describes the methodology used in the identification and development of petrochemical non-linear dynamic models. In the present study were used techniques of: data handling; process control; optimization and neural networks. A software tool was developed in order to automate of the procedures. On the other hand, the methodology was tested using an Ethylene Fractionator model identification with heavy non-linearity and pronounced response times. The presented methodology allowed successfully studies and the elaboration of non-linear dynamic models using an extensive data base of the industrial process. The models can be applied in diverse fields as: multivariable predictive control; virtual analyzers and control strategies studies / Mestrado / Mestre em Engenharia Química

Orientadores : Christiano Lyra Filho, Aurelio Ribeiro Leite de Oliveira / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-03T21:32:01Z (GMT). No. of bitstreams: 1 VelazcoFontova_MartaInes_D.pdf: 1757612 bytes, checksum: cd59d19cc947f41a34ac8509d8d3f3ed (MD5) Previous issue date: 2003 / Doutorado

Orientador: Roney J. Poppi / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Quimica / Made available in DSpace on 2018-08-03T21:55:15Z (GMT). No. of bitstreams: 1 Balbinot_Leoberto_M.pdf: 4559423 bytes, checksum: ae1594b628c06ed33d229de50ee4b67b (MD5) Previous issue date: 2003 / Resumo: Redes neurais artificiais são algoritmos que tentam imitar o comportamento do cérebro humano. Mapas auto-organizáveis (SOM) de Kohonen consistem de um tipo de rede neural artificial não-supervisionada constituída por uma única camada de neurônios. Seu objetivo é projetar dados de alta dimensão num espaço de dimensão reduzida, sendo útil na classificação e visualização de dados de alta dimensão. Neste trabalho foram realizadas três aplicações de SOM: algas, polímeros e solos. Na primeira aplicação, um conjunto de 11 amostras de algas abrangendo 11 espécies e 2 grupos taxonômicos foi estudado. Os sinais analíticos usados são as concentrações de metais das algas, obtidos por ICP OES. Utilizaram-se dois métodos de abertura das algas: digestão sob microondas e por ultra-som. A classificação distinguiu as algas em função de seus grupos taxonômicos, assim como demonstrou que os dois métodos de abertura são diferentes. Na segunda aplicação foi estudada a degradação de poliolefinas pigmentadas (empregadas na confecção de pára-choques automotivos) através de dados obtidos por FTIR. Analisou-se o efeito de um dos constituintes da formulação quanto à sua natureza fotoquímica: negro de fumo comum (NFcm) e condutor (NFcd). O estudo indicou a formulação mais fotoestável e sugeriu uma sinergia entre o NFcd e o pigmento TiO2, presentes na formulação mais estável. Na terceira aplicação parâmetros físicos, químicos e biológicos de solos foram utilizados para avaliar as suas qualidades e o efeito sobre eles dos manejos orgânico e convencional. No manejo convencional emprega-se defensivos e fertilizantes sintéticos, enquanto que na agricultura orgânica utilizam-se materiais naturais. O uso de SOM permitiu a distinção dos solos em função do emprego ou não do manejo e do seu tipo. O estudo mostrou maior conservação dos solos cujo manejo é orgânico, assim como correlações entre parâmetros, e entre parâmetros e tipos de manejos / Abstract: Artificial neural networks (ANN) attempt to imitate the human brain behaviour. Kohonen self-organizing maps (SOM) consist of a kind of unsupeNised ANN formed by a single layer of neurons. It projects high-dimensional data into a low-dimensional space; it is used for classification and visualization of high-dimensional data sets. This work reports three SOM applications: algaes, injection molded copolymers and soils. In the first application, an 11 samples algae set belonging to 11 species and two taxonomíc groups were analyzed. The data used correspond to the algaes metal concentratíons, obtained by means of ICP OES. Two different methods to extract metais were tested: microwave digestion and ultra-sound. Classification has distinguished algaes by considering their taxonomic groups and demonstrated that the two sample preparation methods are, in fact, different. The second application is a study of the photostabilization of injection molded co-polymers containing Ti02, whose formulation is used on car bumpers, with data generated by FTIR. One ana/ysed the effect of a constituent with relation to its photochemistry nature: conducting (CCB) and non conducting (CB) carbon black. It was found the more photostable formulation, as well as the results has pointed to a synergism effect between CCB and Ti02 present in the more stable formulation. In the third application chemica/, physical and biological soil parameters were used to evaluate its quality and the organic and conventional practices of management. Conventional practices use synthetic defensives and fertilizers, while organic agriculture employs only natural materiais. SOM has allowed the distinction between presence or absence of soil management, and their types. The results showed better conservation of soils with organic management, as well as correlations among parameters and among parameters and managements were identified. / Mestrado / Mestre em Química

Orientadores : Fernando Gomide, Rosangela Ballini / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-03T22:20:23Z (GMT). No. of bitstreams: 1 LunaHuamani_IvetteRaymunda_M.pdf: 990940 bytes, checksum: 8ef170d41279a1e177af8a10947c6d0e (MD5) Previous issue date: 2003 / Resumo: Este trabalho apresenta um estudo comparativo entre redes neurof uzzy hibridas, redes neurais e sistemas fuzzy, aplicados a problemas de identificação e controle de sistemas dinamicos nao lineares. Devido a necessidade de representação temporal e de elementos de memoria, para a resolução dos problemas tratados, duas estruturas de redes neuro fuzzy recorrentes sao propostas, a partir de uma rede neuro fuzzy estatica. As relações temporais sao induzidas por realimentação local e global internas nas redes neurofuzzy recorrentes. Para a aprendizagem das redes neurofuzzy propoe-se um algoritmo baseado no m'etodo do gradiente e no m'etodo de treinamento por reforço associativo. Resultados de simulação mostram que as redes neurofuzzy propostas proporcionam uma alternativa efetiva para modelar e controlar sistemas dinamicos nao lineares / Abstract: This work compares the performance of neural fuzzy, neural network and fuzzy systems, to model and control non-linear dynamical systems. Due to the need of temporal representations, two recurrent neural fuzzy networks are proposed based on an hybrid static neural fuzzy architecture. Temporal processing is induced by local and global recurrence in the hidden layer neurons. A learning method based on gradient search and associative reinforcement learning is proposed. Computational experiments suggest that recurrent neural fuzzy networks provide an effective alternative to model and control non-linear dynamical systems / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica

Orientadores : Ana Maria Frattini Fileti, Andre Pitasse da Cunha / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-03T22:11:37Z (GMT). No. of bitstreams: 1 Pacianotto_TatianaAparecida_M.pdf: 3017381 bytes, checksum: 6635c29a407fd5a666599633333bed56 (MD5) Previous issue date: 2003 / Resumo: O presente trabalho apresenta a aplicação de redes neurais artificiais ao processo de produção de aço líquido com o objetivo de elaborar dois modelos: rede direta, para predição de temperatura e porcentagem de carbono ao final do processo, e rede inversa, para ajuste operacional das quantidades de oxigênio para o término do sopro e de minério de ferro a ser adicionado no período final da batelada. Neste processo, o metal a 1400°C é convertido ao aço a aproximadamente 1650°C pela oxidação exotérmica de carbono, manganês, fósforo, silício e enxofre dissolvidos no ferro. Oxigênio é soprado no conversor LD usado na etapa de refino do aço através de uma lança e nenhuma fonte de calor externa é requeri da. Este processo é transiente, altamente complexo e sofre freqüentes oscilações na composição da matéria-prima. No processo de refino da Cia. Siderúrgica Nacional (CSN-Volta Redonda/RJ), as quantidades das matérias-primas e de oxigênio para iniciar o sopro em um conversor LD são definidas através de um modelo estático, em que os cálculos são realizados com informações prévias ao início da batelada. Em um ponto pré-determinado do sopro de oxigênio, medidas de temperatura e de porcentagem de carbono são obtidas usando uma sub-lança. O tempo entre o ponto de amostragem e o final do processo é conhecido como o período de final de sopro. Durante este período, um modelo convencional é usado para predizer quanto de oxigênio e de minério de ferro deverá ser adicionado a fim de obter a porcentagem de carbono e a temperatura do aço desejadas no final do sopro. Este último modelo é chamado de modelo dinâmico por ser alimentado com informações obtidas durante o processo e por determinar ações corretivas. O modelo neural direto proposto neste trabalho é composto das seguintes variáveis de entrada: a temperatura e o percentual de carbono medidos através da sub-lança, as quantidades de minério de ferro e de oxigênio determinadas pelo modelo convencional vigente e, opcionalmente, as quantidades de ferro-gusa, sucata e escória alimentadas. As variáveis de saída são as mesmas do modelo dinâmico comercial utilizado atualmente na CSN: a porcentagem de carbono e a temperatura do aço no período de final de sopro. Para a simulação do modelo dinâmico direto foram consideradas 5030 bateladas (filtradas de 15.000 bateladas) para treinamento e 200 bateladas para testes. Este conjunto de dados equivale à cerca de 4 anos de processamento na aciaria da CSN. As melhores topologias encontradas foram 4x9x2 e 4x3x6x2, que alcançaram um acerto simultâneo das duas variáveis de saída de 76,5%. Cunha (2001) obteve um acerto simultâneo de 73,3% com um modelo dinâmico neural treinado com este mesmo banco de dados. O desempenho atingido pelo modelo convencional da CSN encontra-se em tomo de 66%. Com a adição de variáveis de entrada opcionais um maior acerto simultâneo (77%) foi obtido com a arquitetura 7x4x4x2. Através de um banco de dados de operações mais recentes, o melhor acerto simultâneo foi obtido com a topologia 7x5x3x2, a qual foi mantida para a estrutura da rede inversa. Nesta estrutura, as variáveis de saída passam a ser as quantidades manipuláveis de oxigênio e minério de ferro para o final do sopro. A temperatura e a porcentagem de carbono desejadas ao final da batelada passam a compor o vetor de entrada juntamente com as demais variáveis citadas anteriormente. Testes industriais foram realizados com a rede inversa 7x5x3x2 treinada. As medições de temperatura e de porcentagem de carbono ao final de 40 bateladas mostraram que em 82,5% destas bateladas as ações corretivas, indicadas pela rede inversa e implementadas pelo operador, conduziam o processo às especificações desejadas de temperatura e porcentagem de carbono simultaneamente. A especificação de temperatura é atingida em 97,5% das bateladas. Observou-se ainda que a especificação de porcentagem de carbono é mais facilmente alcançada (90,6%) quando situa-se próxima a 0,04% de carbono. Conclui-se, portanto, que os modelos neurais desenvolvidos apresentaram desempenho de predição superior ao modelo dinâmico convencional utilizado atualmente pela CSN e que a rede inversa está apta a fornecer informações corretivas para o ajuste operacional deste processo / Abstract: The present work describes the application of neural networks in the basic oxygen steelmaking process. Two neural models were developed: the prediction model and the inverse model. The first one aims to predict end-blow temperature and carbon percentage. The inverse model was built to provide end-blow corrective actions in oxygen and iron ore additions. In this process, hot metal at about 1400°C is converted to steel at 1650°C by exothermic oxidation of metalloids dissolved in the iron. Oxygen is blown into the LD converter through a lance and no external heat source is required. This process is transient, highly complex and is subject to oscillations in raw material composition. In the refining process of the Cia. Siderúrgica Nacional (CSN-Volta Redonda/RJ), raw material proportions and the oxygen flow rate required to start blowing in the LD converter are defined through a conventional static model (calculations are performed based on feed informations). At a pre-determined point in the blow, temperature and carbon percentage are measured using the sub-lance. The time between the sample point and the end of the process is known as the end-blow period. During this period, a conventional model is used to predict how much oxygen to blow and how much coolant to add in order to achieve the desired end-point temperature and carbon content in liquid steel. This model is called dynamic model since process measurements are employed in its calculations and it determines corrective actions. The end-blow neural model proposed in the present work is composed of the following input variables: carbon (sub-lance), temperature (sub-lance), coolant (iron ore) and oxygen. Informations on amount of cast iron, scrap iron and slag can be optionally inputted. The output variables are end-blow carbon percentage and end-blow temperature. CSN's historical databases (4 years) were used in training procedures. Approximately 15000 records were collected. Records containing spurious data were filtered out and the new database with 5230 vectors were split in two sets, one for training and other for testing. The best architectures obtained were 4x9x2 and 4x3x6x2, that present 76,5% of simultaneous agreement in temperature and carbon percentage. Cunha's neural model (CUNHA, 2001) achieved 73,3% of simultaneous agreements in temperature and carbon outputs against 66% obtained with the conventional dynamic model. Adding the optional variables to the input vector, a hitting-rate (simultaneous agreement) of 77% was achieved through the 7x4x4x2 architecture. A recent data-base was also employed in training procedures. The architecture 7x5x3x2 presented the best result and it was chosen to be the architecture of the inverse model. In this case, the output variables are the oxygen volume and the amount of iron ore to be added in the end-blow period. Set-points of temperature and carbon percentage at the end of the run are joined to the other input variables. The inverse neural model 7x5x3x2 was employed in the industrial investigation. Temperature and carbon percentage measurements at the and of 40 industrial runs presented a 82,5% hitting-rate. It could be observed that temperature set-point was achieved in 97,5% of the cases. Carbon percentage set-point around 0,04% was easily achieved: 90,5% of the cases. 1n conclusion, the performance of the end-blow model predictions has increased substantially and the inverse neural model may be employed to predict oxygen and coolant flow rates without the requirement of a steelmaking expert / Mestrado / Sistemas de Processos Quimicos e Informatica / Mestre em Engenharia Química

Orientador: Yuji Takahata / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituo de Quimica / Made available in DSpace on 2018-07-24T10:20:36Z (GMT). No. of bitstreams: 1 Borges_EdilsonGrunheidt_M.pdf: 1018839 bytes, checksum: cc50ebeae03a9bc57b490bd2edc45662 (MD5) Previous issue date: 1998 / Mestrado

Orientador: Marcio Luiz de Andrade Netto / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-24T05:39:47Z (GMT). No. of bitstreams: 1 Graciarena_Martin_M.pdf: 12012337 bytes, checksum: f8b1660fd6fbf146c9c94eb63f38e664 (MD5) Previous issue date: 1998 / Resumo: No presente trabalho é proposta a incorporação de um mecanismo adaptativo, o fIltro de Kalman, ao modelo tradicional de neurônio dando por resultado um modelo que chamamos Neurônio de Reconhecimento Adaptativo, especificamente destinado ao reconhecimento ruidoso de padrões. O objetivo do modelo é a classificação da estimação do padrão limpo realizado pelo filtro de Kalman, a partir de suas observações ruidosas. Se estende naturalmente o modelo proposto a uma rede de neurônios que chamamos Rede Neural de Reconhecimento Adaptativo. Estudaremos também desde o ponto de vista teórico suas propriedades e o aplicaremos à classificação de padrões ruidosos e de séries temporais no problema XOR. As experiências foram feitas com o objetivo de estudar a robustez do mecanismo proposto frente ao problema de desemparelhamento de condição. Este pode resumir-se como os problemas que surgem com os sistemas de reconhecimento quando têm que reconhecer padrões em condições diferentes às presentes nos padrões de treinamento. Em todos os problemas de reconhecimento estudados, o treinamento das redes neurais é feito com exemplos não ruidosos. A proposta que se apresentará está incluída dentro dos classificadores robustos. Isto é, propõe mecanismos para que o classificador seja robusto à distorção ruidosa dos padrões. Isto em contraposição à estratégia clássica de filtrar o ruído na etapa das características (chamadas características invariantes) e evitar que passem ao classificador. Mas o grande problema desta aproximação é que o classificador não é robusto ao ruído, portanto, em níveis de distorção onde as características não possam filtrar todo o ruído, existirá um erro no classificador. Aplicaremos o modelo proposto para a classificação de fonemas ruidosos. Para tal fim a proposta é utilizar três diferentes arquiteturas. Estas diferem entre si na forma de extração do padrão de características do sinal de voz. A primeira implica em análise através de um banco de fIltros digitais onde os fIltros de Kalman estimam os valores médios da energia de saída de cada filtro.A segunda implica no uso de um modelo de predição linear extraído pelo filtro de Kalman diretamente do sinal de voz, onde os padrões a serem reconhecidos são os coeficientes de predição linear. A terceira é uma melhora sobre a anterior, onde se classifica o ângulo dos coeficientes de predição linear. Para esta última arquitetura apresentamos o fundamento teórico de onde foi extraída. Junto com a proposta de dois índices de reconhecimento especificamente destinados a aplicações de voz, as arquiteturas propostas são primeiro comparadas no reconhecimento ruidoso de vogais espanholas afetadas por ruído branco gaussiano em diversas relações sinal - ruído e também no reconhecimento ruidoso de palavras, junto com os modelos Hidden Markov Models (HMM). A partir dos resultados encontrados no reconhecimento de palavras com a melhor arquitetura, foi proposta uma Rede Invariante. Esta tem a propriedade de ser robusta à compressão e dilatação dos padrões, que é a alteração sofrida pelos coeficientes de predição linear na presença do ruído. Esta é a rede que, juntamente com os coeficientes de predição linear foi a que melhor desempenho teve no reconhecimento ruidoso de palavras / Mestrado / Mestre em Engenharia Elétrica

Orientadores: Marcio Luiz de Andrade Netto, Armando Freitas de Rocha / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica / Made available in DSpace on 2018-07-18T19:59:28Z (GMT). No. of bitstreams: 1 Silva_MyriamRegattieriDeBiasida_M.pdf: 5682991 bytes, checksum: 50fb893bb784a410563523f1ce96f602 (MD5) Previous issue date: 1993 / Resumo: Este trabalho propõe um método de compressão-descompressão de dados aplicado a curvas no espaço 2D. Novas técnicas como Redes Neurais e Lógica Nebulosa são usadas para comprimir e descomprimir os pontos de uma curva plana. No processo de compressão, estruturas de redes neurais são desenvolvidas para operarem conjuntos de pontos seqüenciais (x,y). O objetivo é extrair o mínimo de dados possíveis de modo a permitir a recuperação da curva original. Um método de interpolação baseado em regras nebulosas é proposto, introduzindo-se modificações no algoritmo original apresentado por Uchino et aI.. Este algoritmo é utilizado para recuperar a informação, sempre que necessário. O algoritmo original (INL) - Interpolação Nebulosa Linear - funciona somente quando os pares de entrada saída (x,y) representam funções. O algoritmo proposto (INNL) - Interpolação Nebulosa Não Linear - introduz não linearidades no cálculo das funções de pertinência associadas às regras nebulosas, visando à obtenção de curvas interpoladas mais suaves. Uma outra modificação é introduzida no sentido de se generalizar a aplicação do método a curvas genéricas (curvas fechadas e não funções) / Abstract: This work proposes a method for compression-restoring data applied to bi-dimensional curves. New techniques as Neural Networks and Fuzzy Logic are used on compressing and restoring the points of the curve. On data compression, neural-like structures are developed to operate on a set of sequential points (x,y) in order to extract the minimal amount of data that can still accurately represent the entire original set. A method of interpolation based on fuzzy rules is proposed introducing modifications on the original algorithm presented by Uchino et al., to regenerate the whole original set of data whenever necessary. The original algorithm based on linear fuzzy rules works only when the input-output relation (x,y) represent a function. The modified algorithm (INNL) makes use of non linear fuzzy rules introducing the nonlinearities to calculate the membership functions associated to the rules, whose purpose is to obtain smoother interpolated curves. Another modification is introduced to generalize the algorithm to any kind of curve (closed and non-fullctions) / Mestrado / Mestre em Engenharia Elétrica

Orientador: Heloisa Vieira da Rocha / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Ciencia da Computação / Made available in DSpace on 2018-07-19T14:51:10Z (GMT). No. of bitstreams: 1 Barbieri_Heitor_M.pdf: 3338070 bytes, checksum: 7e01fc370d8436edb4d799783be57ff8 (MD5) Previous issue date: 1994 / Resumo: Rede Neural Artificial (RNA) é um modelo que tenta emular uma Rede Neural Biológica. A área de RNA tem se mostrado bastante promissora, o que pode ser comprovado pela quantidade de trabalhos publicados e de eventos científicos. Mas para que as RNAs atinjam o escopo de aplicações desejado, muitas de suas limitações atuais terão que ser superadas. Ainda não é claro e bem estabelecido o funcionamento das RNAs, não existem metodologias boas e completas para a utilização das mesmas em aplicações, isto é, metodologias que diante de um problema específico a ser resolvido, indiquem qual a topologia de rede, o algoritmo de aprendizagem e a amostragem de informações adequadas ao funcionamento desejado. Em não se tendo uma metodologia que indique a combinação ótima dos elementos de uma RNA para uma determinada aplicação, resta aos usuários a opção de partir de uma base teórica e, utilizando-se de métodos empíricos, ir formando regras individuais de como conseguir as melhores combinações dos elementos formadores da rede. Esta técnica, porém, apresenta muitas dificuldades em sua realização devido à grande quantidade de variáveis que precisam ser avaliadas durante todo o processo de desenvolvimento da rede. O presente trabalho busca facilitar o entendimento do funcionamento das RNAs através da familiarização do usuário com os seus elementos formadores. Foi desenvolvido um simulador de RNAs, denominado Sirena, que através de sua interface gráfica procura minimizar a dificuldade de entendimento dos processos de baixo nível realizados pelas RNAs. Durante o processo de simulação pode-se ter acesso a diversas representações, tanto qualitativas quanto quantitativas, que visam refletir as alterações que ocorrem na rede rias fases de aprendizagem e inferência. / Abstract: Artificial Neural Net (ANN) is a model that emulates a Biological Neural Net. The ANN field has showed very promising which can be verified by the number of published papers and scientific events. In spite, to reach the desired ANN applications scope, many of ANN current limitations have to be overcome since it is not yet and well established the ANN functioning . There is no good and complete methodologies for construct ANN applications, i.e., for a specific problem to be solved, no methodology indicates what the net topology is, the learning algorithm and the sample of information suitable to the desired performance. If there is no methodology that indicates the better combination of the ANN elements to a specific application, the users have the option to start from a theoretical base and, by using empirical methods, begin constructing personal rules that indicates. the better combination of neural elements. The execution of this technique is difficulty because the number of variables that need to be evaluated during the net development process The focus of this work is facilitate the understanding of the ANN functioning through the user familiarization with its elements. A ANN simulator named Sirena was developed and its graphical interface aim to minimize the understanding difficulties of the low level processes executed by ANNs. During the simulation process one can access to several qualitative and quantitative representations that reflect the net alterations in the learning and inference phases. / Mestrado / Mestre em Ciência da Computação

Orientador: Rodney Carlos Bassanezi / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Científica / Made available in DSpace on 2018-07-19T20:32:45Z (GMT). No. of bitstreams: 1 Blinder_PauloBernardo_M.pdf: 3862568 bytes, checksum: 62af5bd0c403d3aea4069935a7e9aa90 (MD5) Previous issue date: 1994 / Resumo: Não informado / Abstract: Not informed / Mestrado / Analise Aplicada / Mestre em Matemática Aplicada