Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnologico / Made available in DSpace on 2016-01-08T20:07:55Z (GMT). No. of bitstreams: 1 101278.pdf: 19505987 bytes, checksum: 1882ca90e3b430fd008c9b085a0ca83c (MD5) Previous issue date: 1995 / Utilizou-se uma rede do tipo Feedforward Multicamadas para controlar o nível de um tanque simples e dois tanques acoplados. Os testes experimentais foram realizados em uma unidade piloto controlada por microcomputador. Na estratégia de controle proposta, usou-se redes neurais para modelar o processo, juntamente com uma estratégia de controle preditivo baseado na minimização de um critério de custo quadrático. Os resultados mostraram que o esquema de controle implementado foi capaz de controlar com sucesso os sistemas, apresentando boa performance.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnologico / Made available in DSpace on 2016-01-08T21:53:54Z (GMT). No. of bitstreams: 1 108885.pdf: 3897727 bytes, checksum: 366882feb686025a48e4513acd7d1c1f (MD5) Previous issue date: 1997 / Esta dissertação envolve a construção de um método para a construção e desenvolvimento orientado a objetos de agentes adaptativos para controle de objetos gerenciáveis em ambientes de gerência de redes Internet. Os agentes adaptativos resultantes são caracterizados por apresentarem as suas características adaptativas implementadas usando-se redes neurais. Neste trabalho propõe o emprego de uma metodologia orientada a objetos denominada Object Modeling Technique. São apresentados também o desenvolvimento e a implementação de um conjunto de bibliotecas de objetos que facilita o desenvolvimento de tais agentes. Além disso, é implementado um programa de prototipação e treinamento de redes neurais que possibilita o teste e projeto da rede neural que o agente adaptativo irá utilizar.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2015. / Made available in DSpace on 2016-01-15T14:41:32Z (GMT). No. of bitstreams: 1 336603.pdf: 3295217 bytes, checksum: 59662d294ef4b09f80e59c6329b13e6e (MD5) Previous issue date: 2015 / Esta pesquisa apresenta uma metodologia na identificação de paroxis-mos epileptiformes em sinais de EEG baseada no escalograma Wavelet, que é um mapeio do sinal no tempo e na escala usando uma função Wavelet. Foram avaliadas 65 funções Wavelet das famílias: Daubechies, Biorthogonal, Symlets, Reverse Biorthogonal e Coiflets. Após confor-mar o conjunto de padrões mediante o escalograma foi usada uma rede neural Multi-Layer Perceptron (MLP) para identificar os eventos epileptiformes (espículas e ondas agudas). Foram usados dois bancos de sinais: EEG-Bank-A e EEG-Bank-B, de características totalmente diferentes para testar a metodologia proposta. Propuseram-se duas formas de treinar a rede neural: usando o escalograma diádico completo ou usando as escalas diádicas mais relacionadas à atividade epileptiforme, que demonstraram ser: 25, 26, 27 e 28. O propósito é diminuir a alta redundância de informação do escalograma Wavelet contínuo, diminuindo também o alto custo computacional. Foram treinadas e validadas 260 redes neurais usando o mesmo vetor de pesos inicial. Os testes foram realizados de forma cruzada (entre os bancos), gerando os indicadores de desempenho: sensibilidade, especificidade, valor preditivo positivo, valor preditivo negativo, prevalência, eficiência (EFI) e área abaixo da curva ROC (AUC, Area Under the Curve). As funções Wavelet analisadas foram avaliadas baseadas no produto da área abaixo da curva ROC e da eficiência (AUC x EFI). Para o EEG-Bank-A, foram escolhidas as funções bior3.7, bior3.9 e rbio1.5, obtendo os indicadores de desempenho: sensibilidade de 78,21%, especificidade de 94,52%, valor preditivo positivo de 89,97%, valor preditivo negativo de 87,33%, prevalência de 38,62%, eficiência de 88,22% e AUC de 0,9617. Para o EEG-Bank-B foram escolhidas rbio1.5, rbio1.3 e coif1, obtendo os indicadores de desempenho: sensibilidade de 89,03%, especificidade de 89,33%, valor preditivo positivo de 85,40%, valor preditivo negativo de 92,07%, prevalência de 41,21%, eficiência de 89,20% e AUC de 0,9461. A função rbio1.5 forneceu altos indicadores de desempenho para os dois bancos utilizados. Em geral, todas as funções Wavelet são uteis na identificação de paroxismos epileptiformes, porém as funções daub10 até daub15 atingiram um produto (AUC x EFI) menor de 75%, que foi considerado um valor baixo. O tempo de processamento do sistema proposto foi de 2,5 segundos.<br> / Abstract : This research presents a methodology for the identification of epileptiform paroxysms in EEG signals based on Wavelet scalogram that maps the signal in time and scale using a Wavelet function. It was used 65 Wavelet functions of families: Daubechies, Biorthogonal, Symlets, Reverse Biorthogonal and Coiflets. After feature extraction via scalograms it was designed a Multi-Layer Perceptron (MLP) artificial neural network to identify the epileptiform events (spikes and sharp waves). Two banks of signals were used: EEG-Bank-A and EEG-Bank-B which are totally different and they will help to test the proposed methodology. It was proposed two ways for the training stage: using the full dyadic scalogram or the dyadic scales more strongly related to epileptiform activity, the dyadic scales: 25, 26, 27 and 28. The purpose is to decrease high redundancy of information of the CWT also reducing the high computational cost. It was trained 260 neural networks using the same vector of initial weights. The tests were performed using a cross-data technique (between the banks), generating the following indicators of performance: sensitivity, specificity, positive and negative predictive values, prevalence, maximum efficiency and area under the ROC curve (AUC). The Wavelet functions were evaluated based on the AUC x EFI product. For EEG-Bank-A the functions bior3.7, bior3.9 and rbio1.5 were chosen obtaining the indicators of performance: sensitivity of 78.21%, specificity of 94.53%, positive predictive value of 89.97%, negative predictive value of 87.33%, prevalence of 38.62%, maximum efficiency of system of 88.22% and AUC of 0.9617. For EEG-Bank-B were chosen rbio1.5, rbio1.3 and coif1 obtaining the indicators: sensitivity of 89.03%, specificity of 89.33%, positive predictive value of 85.40%, negative predictive value of 92.07%, prevalence of 41.21%, maximum efficiency of 89.20% and AUC of 0.9461. The rbio1.5 function provides high indicators of performance for both banks. In general, all Wavelet functions are useful for the identification of epileptiform paroxysms, even though the function daub10 to daub15 reached AUC x EFI indicators smaller than 75% that was considered a low value. Finally, the processing time of the proposed system was 2.5 seconds.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Mecânica, Florianópolis, 2015. / Made available in DSpace on 2016-04-19T04:12:37Z (GMT). No. of bitstreams: 1 337630.pdf: 4033144 bytes, checksum: 7327240ad5d0e0ae7ef1b4befbfc2c10 (MD5) Previous issue date: 2015 / Dentre os diversos testes realizados em compressores herméticos durante as fases de desenvolvimento e produção, destacam-se os ensaios de desempenho energético. Os principais parâmetros de desempenho obtidos através desse ensaio são: capacidade de refrigeração, potência elétrica consumida e coeficiente de performance. Os ensaios duram, em média, 4 horas, sendo as 3 primeiras horas em regime transitório e a última hora em regime permanente ? caracterizado por um conjunto de variáveis que permanecem dentro de limites de variação predefinidos por norma ? durante o qual são realizadas medições para obtenção do valor final dos parâmetros de desempenho. Devido ao elevando tempo necessário para a realização do ensaio, o mesmo acaba por se tornar um gargalo no processo de controle de qualidade. Trabalhos anteriores mostraram a viabilidade da aplicação de redes neurais artificiais como forma de redução de tempo de ensaio. Tais ferramentas analisam o comportamento dos parâmetros de desempenho durante o período transiente e inferem o momento em que ocorre a transição para o regime permanente. A partir da inferência, é realizado um prognóstico do valor final dos parâmetros. Como características comuns em todos os trabalhos anteriores, tem-se: pequeno número de ensaios analisados e aplicação de um método especifico para medição da capacidade de refrigeração. Neste trabalho foi dada continuidade aos estudos, ampliando o universo de análise para mais de mil ensaios, abordando os três parâmetros de desempenho energético e estudando a aplicação de um método alternativo para medição da capacidade. A análise dos resultados revelou uma redução de mais de 50% do tempo de ensaio através da utilização das ferramentas. As mesmas foram capazes de obter inferência para mais de 98% dos ensaios avaliados e apresentaram uma diferença média percentual entre os prognósticos e o valor final do ensaio tradicional dentro de uma faixa de ±2%, para um nível de confiança de 95%.<br> / Abstract : Among the tests of which hermetic compressors are subjected to during the production and development phases, the performance test stands out due to its reliability and international acceptance. The main performance parameters obtained by the test are the refrigerating capacity, the consumed power and the coefficient of performance. The test takes, on average, four hours, of which the initial three are on transitory regime and the last one in permanent regime, where the measurements to obtain the performance parameters are taken. Due to the high amount of time required for these tests, its application ends up causing a delay in the quality control process. Previous works have shown the viability of using neural networks tools as a way to reduce the test time. These tools analyze the behavior of the performance parameters during the transient period and infer the moment it reaches the steady state condition. By using the data collected just before the inference, they return a prognostic of the final value of the parameter. All previous works had in common a small number of data test and the use of a specific method for measuring the refrigerating capacity. In this work, this study has been continued, with the use of more than a thousand performance tests to train, and test, the tools. The three performance parameters were considered and a different method of measuring the refrigerating capacity was used. The reduction of time registered was of more than 50% for all performance parameters, when compared to the traditional test. The tools were able to obtain inference for more than 98% of the test set. The average difference between the prognostics and the final values of the parameters tested was within a margin of ±2% for a level of confidence of 95%.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Ciência da Computação. / Made available in DSpace on 2013-07-16T00:31:46Z (GMT). No. of bitstreams: 1 225403.pdf: 1654671 bytes, checksum: 17da86263d7f39d14a2d312da973f03e (MD5) / Os artefatos inteligentes podem ser considerados mecanismos inspirados biologicamente. Estes artefatos possuem a capacidade de simular características e comportamentos semelhantes ao dos seres vivos, através da modelagem biológica de seus sistemas neurais. Para obter um maior grau de fidelidade, o sistema nervoso destes artefatos deve implementar modelos neurais que se assemelhem ao modelo de neurônio biológico. Assim, acredita-se que a utilização de neurônios artificiais do tipo spiking - que são definidos como neurônios que apresentam como saída potenciais de ação - são os modelos mais recomendados para simular os neurônios biológicos. Para a visualização do sistema nervoso, que na área de Inteligência Artificial é representada pela rede neural do artefato, foi proposto neste trabalho um simulador neural chamado SPINS (Spiking Neurons Simulator). Este simulador foi desenvolvido para fins didáticos, possibilitando a visualização da rede neural como um todo, na qual são mostradas as ativações de cada neurônio e os estados em que o mesmo se apresenta, sendo que o estado é definido pelo seu potencial de membrana atual. Biologicamente, o aprendizado ocorre através de mudanças estruturais nas sinapses. Assim, através da organização de conexões sinápticas específicas, o simulador proposto permite visualizar aspectos de aprendizado, tais como habituação, sensibilização e condicionamento clássico. A teoria biológica que fundamenta este trabalho, bem como as estruturas computacionais que representam os modelos biológicos, é apresentada para dar um maior embasamento teórico. Por fim, o simulador proposto é validado através de um caso de uso o qual é implementada uma rede neural de um robô inspirado biologicamente.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós -Graduação em Computação, Florianópolis, 2013. / Made available in DSpace on 2013-12-05T23:51:14Z (GMT). No. of bitstreams: 1 320781.pdf: 2328199 bytes, checksum: f39ebb6b778426eb60124f0955639b02 (MD5) Previous issue date: 2013 / Entre diversos métodos de interpolação espacial, dois dos mais populares sãoa Krigagem e as Redes de Função de Base Radial (Redes RBF). Este trabalhodesenvolve uma comparação analítica entre os métodos e demonstra matematicamenteque ambos são equivalentes e produzem resultados idênticosquando configurados apropriadamente. É demonstrado que os dois métodospossuem uma estrutura semelhante e, como consequência, características daKrigagem, tais como variância da interpolação, também podem ser implementadasem Redes RBF, desde que sejam respeitadas as restrições exigidaspor cada método. Apesar da equivalência matemática, é concluído pela complexidadecomputacional dos dois algoritmos que as Redes RBF são bemmais rápidas que a Krigagem porque as Redes RBF interpolam de uma formaem que os pesos não precisam ser recalculados para cada ponto interpolado,necessitando de menos processamento. Foram feitos experimentos para mostrarna prática os resultados teóricos obtidos. Alguns softwares comerciais egratuitos que implementam a Krigagem foram testados a fim de verificar sesuas implementações possuem a complexidade computacional do algoritmooriginal ou se otimizações foram implementadas. <br> / Abstract : Between several spatial interpolation methods, two of the most popular are Kriging and Radial Basis Function Networks (RBF Network). This study develops an analytical comparison between both methods and shows mathematically that they are equivalent if properly configured. It is shown that both methods have a similar structure and, as consequence, features of Kriging, such as interpolation variance, can be implemented in RBF Networks, considering the constraints demanded by each method. Complexity was calculated for both methods to show the relative speed of RBF Networks. It is shown that both methods share a common structure and, as a consequence, all improvements in one method can be implemented in RBF Networks. Besides the mathematical equivalence, it is concluded by the computational complexity of both algorithms that RBF Networks are faster than Kriging because RBF Networks interpolates in a way that the weights do not need to be recalculated for each interpolated point, saving processing time. Experiments were made to show in practice the theoretical results obtained. Some free and commercial softwares that implement Kriging were tested to verify if their implementations have the same complexity of the original algorithm or if they implemented optimizations.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Ciência da Computação / Made available in DSpace on 2012-10-18T08:25:39Z (GMT). No. of bitstreams: 0Bitstream added on 2014-09-25T22:30:13Z : No. of bitstreams: 1 181316.pdf: 6479311 bytes, checksum: 7e563d21506f12fe2cea4cb589fe5f37 (MD5) / Este trabalho visa mostrar a existência de uma hierarquia nas redes neurais biológicas, como também, será apresentada uma alternativa para implementação de agentes autônomos. O sistema computacional está baseado nos comportamentos reflexivos, reativos e instintivos dos animais. Para gerar estes comportamentos em um agente autônomo foi criada uma estrutura hierarquia de redes neurais artificiais, onde as redes que compõem o nível de comportamentos reflexivos são do tipo diretas e as redes que compõem o nível de comportamentos reativos são do tipo recorrentes (com ciclo). Para o nível de comportamentos instintivos foi criado apenas um perceptron que tem a função de controlar a energia do agente autônomo. O nível de comportamentos reflexivos tem a função de detectar objetos, paredes e luz, assim como a função de locomover o agente autônomo. O nível de comportamentos reativos tem a função de controlar as redes do nível de comportamentos reflexivos, fazendo com que apenas um tipo de comportamento esteja ativo. A função desta hierarquia é controlar o AA, fazendo-o seguir paredes enquanto sua energia estiver boa e ir ao encontro de um ponto de energia quando sua energia estiver baixa.

Dissertação (Mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-18T18:11:09Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-09T02:51:55Z : No. of bitstreams: 1 142666.pdf: 48507450 bytes, checksum: 073e0a445c3805fb4909c868f89e757b (MD5)

Dissertação (Mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-19T01:44:44Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-09T02:17:31Z : No. of bitstreams: 1 152303.pdf: 3392152 bytes, checksum: 55289e6a86cdd622cf42736f25eb6406 (MD5) / Este trabalho apresenta a implementação de Sistemas Especialistas Conexionistas (SEC), a qual utiliza a topologia de Redes Neurais Artificiais(RNA) Diretas. Após a apresentação dos conceitos básicos de Inteligência Artificial e suas abordagens simbólica e conexionista, apresentar-se-ão os fundamentos dos SEC. A análise dos resultados do aprendizado com a inserção de novos exemplos para o treinamento das redes diretas será mostrado com o suporte de gráfico de acompanhamento, que apresenta a curva de desempenho da rede, representada pelos seguintes eixos: número de exemplos utilizados no treinamento pelo percentual de acertos obtidos nos testes. Apresenta-se, também, os resultados obtidos com a tentativa de implementação da rede BAM que, em virtude de problemas de instabilidade encontrados e demonstrados no desenvolvimento desse, tornou-se impossível obter as conclusões, bem como os testes. Por fim, faz-se uma breve análise dos resultados obtidos com o término desse trabalho, ressaltando os pontos mais significativos encontrados no decorrer de seu desenvolvimento.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Produção, Florianópolis, 2001. / Made available in DSpace on 2012-10-19T11:16:50Z (GMT). No. of bitstreams: 1 275689.pdf: 1228085 bytes, checksum: 7d3ac0ba5215b376d94486385f897bb2 (MD5) / O contexto de crescente disponibilidade de informação textual em formato digital evidencia a importância de mecanismos de compactação de dados sem perda e de classificação automática de textos para a gestão de informações. Esta dissertação apresenta um novo sistema para compressão de dados sem perda, utilizando uma rede neural artificial baseada na Teoria da Ressonância Adaptativa (Adaptive Resonance Theory - ART) para modelagem preditiva de seqüências discretas. Uma rede fuzzy ARTMAP modificada gera modelos para estimações probabilísticas e é integrada a um codificador aritmético. O sistema adaptativo neural de compressão desenvolvido realiza o aprendizado incremental dos padrões observados nas seqüências apresentadas, executando a compactação seqüencial e a descompactação exata de seqüências discretas sem conhecimento prévio da estrutura estatística da fonte das mensagens. O sistema foi testado diante de uma base de dados pública para benchmark (formada por arquivos binários e de texto) para avaliação de seu desempenho em relação a compactadores de texto tradicionais, atingindo taxas de compressão melhores que o software gzip. Além da viabilidade de utilização da rede neural proposta no estágio de modelagem do processo de compressão sem perda, a capacidade do sistema desenvolvido foi testada em duas tarefas de classificação automática de textos: identificação de idiomas e classificação por gênero de textos. A classificação por gênero de textos, por meio da abordagem do presente trabalho, visa designar textos a classes de publicações digitais, conforme a similaridade em relação ao modelo que representa cada classe. A técnica neural de compressão foi aplicada a estas tarefas, medindo a entropia cruzada entre cada exemplar de teste e um modelo gerado. A similaridade entre uma seqüência de texto e cada uma das classes é determinada autonomamente pelo sistema, sem a pré-definição de atributos ou conhecimento analítico sobre o texto ou um idioma específico. Na tarefa de identificação de idiomas todos os itens de teste foram perfeitamente reconhecidos e na tarefa de classificação por gênero de textos o sistema classificou corretamente 95,83% dos exemplares de teste apresentados. A compressão sem perda de seqüências discretas propicia um ambiente para estudo do comportamento da rede neural proposta em tarefas que requerem adaptação e estimação probabilística on-line. Além da compressão de dados sem perda, o sistema neural desenvolvido pode ser aplicado a outras áreas que requerem aprendizado de padrões, modelagem preditiva e classificação de seqüências, como descoberta de conhecimento em bases de dados para gestão de informações e inteligência de negócios.