Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2008. / Submitted by Jaqueline Oliveira (jaqueoliveiram@gmail.com) on 2008-12-08T17:55:24Z No. of bitstreams: 1 DISSERTACAO_2008_JorcenilsonPMaia.pdf: 1026960 bytes, checksum: 0ed32a4b9d193605512450260d8db2f7 (MD5) / Approved for entry into archive by Georgia Fernandes(georgia@bce.unb.br) on 2009-02-17T18:34:30Z (GMT) No. of bitstreams: 1 DISSERTACAO_2008_JorcenilsonPMaia.pdf: 1026960 bytes, checksum: 0ed32a4b9d193605512450260d8db2f7 (MD5) / Made available in DSpace on 2009-02-17T18:34:30Z (GMT). No. of bitstreams: 1 DISSERTACAO_2008_JorcenilsonPMaia.pdf: 1026960 bytes, checksum: 0ed32a4b9d193605512450260d8db2f7 (MD5) / O principal objetivo deste trabalho é avaliar o uso de técnicas de previsão de séries temporais com Redes Neurais Artificiais. Como aplicação, foi analisada a demanda do volume de crédito com recursos livres no Sistema Financeiro Nacional. Utilizaram-se técnicas de análise multivariadas para determinar as séries independentes que explicam a variável dependente (Recursos Livres). A sugestão deste trabalho é utilizar redes neurais em cooperação com métodos estatísticos, buscando alcançar melhores resultados que aqueles obtidos com técnicas estatísticas isoladamente. O trabalho inicia-se com considerações sobre previsões de séries temporais e uma caracterização breve sobre redes neurais. A seguir, o estudo de caso utilizando uma série histórica de recursos livres no Sistema Financeiro Nacional. Encerra-se com conclusões e recomendações. _________________________________________________________________ ABSTRACT / The main objective of this work is to evaluate the use Artificial Neural Networks in the time series prediction. Specifically, we study credit volume with free resources in the National Financial System. Multivariate data analysis was used to identify independent series that explain the dependent variable (Free Resources). Our approach is to use Artificial Neural Networks in cooperation with statistic techniques, looking for better results than those obtained with statistics alone. The work begins with an overview on prediction of time series and a brief review of Artificial Neural Networks. Next, a case study is presented, using a historical series of free resources in the National Financial System, followed by conclusions and recommendations.

Este trabalho tem como objetivo o levantamento e análise de fatores intervenientes na capacidade de processamento de veículos em cabines de praças de pedágio com o recolhimento manual de tarifas. Buscando o entendimento de como estes fatores interferem nos tempos de atendimento nas cabines foi realizada uma análise estatística e posterior modelagem, que utilizou redes neurais artificiais. Redes neurais artificiais são úteis no entendimento de problemas com alto grau de complexidade, que agregam diversas variáveis de entrada com relações não-lineares entre si. As variáveis de entrada escolhidas para a modelagem foram forma de pagamento, intensidade de fluxo, valor das tarifas e classes de veículos. A variável de saída foi o tempo de atendimento nas cabines de cobrança de pedágios. Foram obtidos três modelos que buscaram refletir a variação dos tempos de atendimento para um mesmo conjunto de dados de entrada: Modelo de Tempos Mínimos de Atendimento; Modelo de 85° Percentil de Tempos de Atendimento, e; Modelo de Tempos Máximos de Atendimento. As análises de sensibilidade dos modelos indicaram que tempos de atendimento são fortemente influenciados pelo fluxo de veículos nas praças. Quanto mais intenso o fluxo de veículos, tempos mínimos de atendimento tendem a sofrer leve aumento, indicando pequena perda de rendimento do processo. Perda de rendimento pode ser resultado de (i) necessidade de digitação das placas de licença dos veículos no sistema operacional das praças-dificuldade de visualização das mesmas em situação de filas, e (ii) desgaste físico dos arrecadadores. O desgaste físico dos arrecadadores também se apresenta como provável causa para o aumento de tempos mínimos de atendimento para fluxos altos. Quanto mais intenso o fluxo de veículos, menores são os tempos máximos de atendimento. Quanto maior o fluxo de veículos nas praças, as modelagens indicam uma maior estabilidade do sistema com relação ao processamento de veículos.

Esta dissertação apresenta um modelo conceitual do padrão de comportamento de pedestres em travessias semaforizadas. O modelo propõe uma estrutura de classificação dos pedestres de acordo com suas atitudes ao atravessar uma via. A análise envolve a consideração de fatores que podem influenciar as decisões dos pedestres sobre onde e quando iniciar a trajetória de travessia. O uso adequado das travessias semaforizadas é definido como conformidade de travessia. A conformidade de travessia pode ser de dois tipos: espacial, relacionada à localização em que o pedestre atravessa a via e, temporal, relacionada ao momento em que o pedestre decide iniciar a travessia. O modelo conceitual foi aplicado na área central da cidade de Porto Alegre. Com o objetivo de estimar as conformidades de travessia foram realizadas modelagens com redes neurais artificiais. Esta ferramenta proporciona o entendimento de problemas com alto grau de complexidade, que agregam variáveis com relações não-lineares entre si. As variáveis utilizadas na modelagem foram (i) gap máximo, (ii) gap crítico, (iii) 85° percentil de gaps, (iv) volume de pedestres, (v) volume de veículos, (vi) velocidade de veículos, (vii) largura da via, (viii) largura da travessia e, (ix) tempo de espera pelo verde no semáforo. Os resultados demonstraram que as características particulares de cada local têm influência nas conformidades de travessia. As análises de sensibilidade dos modelos indicaram que as variáveis relacionadas às características locais de geometria e condições de entorno das travessias exercem maior influência sobre a conformidade de travessia espacial. Por outro lado, a modelagem indicou que as características do regime do tráfego são os aspectos mais importantes na determinação da conformidade de travessia temporal.

O estudo foi feito através de séries históricas de dados de um incubatório pertencente a uma integração avícola do Rio Grande do Sul, durante os anos de 1999 a 2003, com os quais foram feitas análises do tipo observacional analítico e transversal. Primeiramente usou-se os registros de 5 linhagens de frangos utilizadas pela empresa no transcorrer do período de 23 de fevereiro de 1995 a 25 de janeiro de 2002. As linhagens foram identificadas da seguinte forma: COBB, HIGH YIELD, MPK, ROSS308, e X. Esses 81 lotes analisados foram estudados através dos seus respectivos registros que continham: o número inicial de fêmeas, número inicial de machos, ração total/cabeça, ração/cabeça/inicial/recria, ração/cabeça/inicial/postura, ovos postos, ração p/ovo posto, pintos nascidos, percentagem viabilidade postura fêmea, percentagem viabilidade postura machos. O método aqui proposto provou ser capaz de classificar as linhagens a partir das entradas escolhidas. Na linhagem que apresentava uma grande quantidade de amostras a classificação foi muito precisa. Nas demais, com menor número de dados, a classificação foi efetuada, e, como era de se esperar, os resultados foram menos consistentes. Com o mesmo banco de dados dos lotes fechados, realizou-se a segunda etapa da dissertação. Nela, procedeu-se o treinamento das redes neurais artificiais onde foram utilizadas as seguintes variáveis de saída: ovos incubáveis, percentagem de ovos incubáveis, ovos incubados, percentagem de ovos incubados, pintos nascidos e pintos aproveitáveis. Os resultados apresentaram R2 oscilando entre 0,93 e 0,99 e o erro médio e o quadrado médio do erro ajustados, demonstrando a utilidade das redes para explicar as variáveis de saída. Na terceira e última etapa da dissertação, destinada à validação dos modelos, foram usados quatro arquivos distintos denominados da seguinte forma: INPESO (3.110 linhas de registros de pesos dos reprodutores), ININFO (56.018 linhas de registros com as informações diárias do ocorrido nas granjas de reprodução até o incubatório), INOVOS (35.000 linhas de registros com informações sobre os ovos processados), INNASC: 43.828 linhas de registros com informações sobre os nascimentos. O modelo gerado para o ano de 1999 foi capaz de predizer corretamente os resultados deste mesmo ano e dos anos de 2000, 2001, 2002 e 2003. O mesmo procedimento foi repetido criando modelo com os registros do ano em questão e validando-o com os registros dos anos subseqüentes. Em todas as ocasiões foram obtidos bons resultados traduzidos por um alto valor no R2. Concluindo, os fenômenos próprios do incubatório puderam ser explicados através das redes neurais artificiais. A técnica, seguindo a mesma tendência das dissertações que anteriormente já haviam demonstrado que esta metodologia pode ser utilizada para o gerenciamento de reprodutoras pesadas e de frangos de corte, pode realizar simulações, predições e medir a contribuição de cada variável no fenômeno observado, tornando-se uma poderosa ferramenta para o gerenciamento do incubatório e num suporte cientificamente alicerçado para a tomada de decisão.

Este estudo objetivou demonstrar que é possível explicar os fenômenos que ocorrem na criação de frangos de corte através de redes neurais artificiais. A estatística descritiva e a diferença entre as médias das variáveis dos dados iniciais foram calculadas com o programa computacional SigmaStat® Statistical Software para Windows 2.03. Foi utilizada uma série histórica de dados de produção de frangos de corte, obtidos nos anos de 2001 e 2002, fornecidos por uma Integração Avícola do Rio Grande do Sul, contendo informações de 1.516 criadores com lotes alojados em 2001 e 889 criadores com lotes alojados em 2002. Nos arquivos estavam registrados, para cada lote, suas variáveis de produção, tais como número do lote, data do alojamento, data do abate, idade ao abate, número de pintos alojados, quilogramas de ração consumidos, quilogramas de frangos produzidos, número de aves abatidas, custo do frango produzido, mortalidade, peso médio, ganho de peso diário, índice de conversão alimentar, índice de eficiência, quilogramas líquido de frangos, quilogramas de ração inicial, quilogramas de ração crescimento, quilogramas de ração abate, além de outros. Para a construção das redes neurais artificiais foi utilizado o programa computacional NeuroShell®Predictor, desenvolvido pela Ward Systems Group. Ao programa foi identificado as variáveis escolhidas como “entradas” para o cálculo do modelo preditivo e a variável de “saída” aquela a ser predita. Para o treinamento das redes foram usados 1.000 criadores do banco de dados do alojamento de frangos de corte de 2001. Os restantes 516 criadores de 2001 e todos os 889 criadores de 2002 serviram para a validação das predições, os quais não participaram da etapa de aprendizagem, sendo totalmente desconhecidos pelo programa. Foram gerados 20 modelos na fase de treinamento das redes neurais artificiais, com distintos parâmetros de produção ou variáveis (saídas). Em todos estes modelos, as redes neurais artificiais geradas foram bem ajustadas apresentando sempre, um Coeficiente de Determinação Múltipla (R²) elevado e o menor Quadrado Médio do Erro (QME). Ressalta-se que o R² perfeito é 1 e um coeficiente muito bom deve estar próximo de 1. Todos os 20 modelos, quando validados com os 516 lotes de 2001 e com 889 de 2002, apresentaram também Coeficientes de Determinação Múltipla (R²) elevados e muito próximos de 1, além de apresentarem o Quadrado Médio do Erro (QME) e Erro Médio reduzidos. Foi comprovado não haver diferenças significativas entre as médias dos valores preditos e as médias dos valores reais, em todas as validações efetuadas nos lotes abatidos em 2001 e em 2002, quando aplicados os 20 modelos de redes neurais gerados. Como conclusão, as redes neurais artificiais foram capazes de explicar os fenômenos envolvidos com a produção industrial de frangos de corte. A técnica oferece critérios objetivos, gerados cientificamente, que embasarão as decisões dos responsáveis pela produção industrial de frangos de corte.Também permite realizar simulações e medir a contribuição de cada variável no fenômeno em estudo.

Neste trabalho, derivamos equações de recorrência que descrevem a dinâmica exata de uma rede neural não-monótona, em camadas, através de uma análise sinal ruído. Para poder avaliar o seu estado dinâmico, definimos a semelhança do estado da rede com alguma configuração específica desta como medida de interesse. Vamos nos referir a estas configurações por "padrões" e a esta medida de interesse por "overlap". Obtivemos as equações dinâmicas na recuperação de um padrão e na recuperação simultânea de dois padrões. Esta arquitetura apresenta conexões apenas entre camadas adjacentes no sentido entrada-saída e padrões descorrelacionados entre as camadas. Assim, a propagação de um sinal nesta rede se dá ao passar por uma seqüência de padrões pré-definidos, de camada para camada. Nesta dinâmica, os pontos fixos correspondem a um valor estacionário do overlap desta seqüência de padrões e não do overlap estacionário de um padrão específico. Nós constatamos, na recuperação de um padrão à temperatura zero, que o modelo não-monótono é capaz de armazenar um conjunto maior de informação que o modelo monótono. Encontramos, além da presença das soluções de ponto fixo, a de atratores cíclicos e caóticos, que foram identificados e expostos graficamente.

Este trabalho teve por objetivo utilizar redes neurais artificiais para explicar fenômenos que ocorrem em matadouros- frigoríficos avícolas. A estatística descritiva e a diferença entre as variáveis foram calculadas através do programa computacional SPSS for Windows 10.0 e para a construção das redes neurais artificiais foi utilizado o programa Neuroshell Predictor desenvolvido pela Ward Systems Group. Foram utilizados dados de 2004 a 2006 de dois matadouros- frigoríficos de aves e ocasionalmente um matadouro- frigorífico de suínos. Nos arquivos oferecidos pelas empresas, haviam dados de gerenciamento de matadouros-frigoríficos, como por exemplo, planilhas de condenação da inspeção, dados sobre chiller, teste de absorção das carcaças, dados sobre peso de carcaças, entre outros. Para a construção dos modelos foram escolhidas as “entradas”, para o cálculo do modelo preditivo, e a variável de “saída” a ser predita. Foram gerados oito (8) modelos com diferentes bancos de dados. Todos esses modelos apresentaram redes neurais artificiais bem ajustadas, com valores altos para Correlação e Coeficiente de Determinação Múltipla (R²) e valores baixos para o Erro Médio e o Quadrado médio do Erro (QME). Não houve diferenças significativas entre os valores reais e os valores preditos em todas as validações dos oito (8) modelos. As redes neurais artificiais, com o software utilizado, foram capazes de explicar os fenômenos que envolvem o gerenciamento de matadouros-frigoríficos de aves, e ocasionalmente de suínos. A técnica utilizada oferece critérios objetivos, cientificamente desenvolvida, que será de grande valia no auxílio do técnico responsável pela tomada de decisões. A técnica permite também realizar simulações e mensurar a contribuição de diferentes variáveis que influenciam no fenômeno. É importante ressaltar que a utilização das redes neurais artificiais é uma ferramenta de auxílio à tomada de decisões, e não um programa que substitua o conhecimento científico e técnico. / This work aimed to use artificial neural networks to explain the occurred phenomena in the poultry slaughterhouse. The descriptive statistics and the difference among the variable averages from the initial data were calculated with SPSS software, and the software used to build the artificial neural networks was Neruoshell Predictor, developed by Ward Systems Group. Data from three poultry and one swine slaughterhouses, gathered from 2004 until 2006, were used in this study. In these data there were information about carcasses condemnation, chillers, absorption tests, carcasses weights, medications and others. To build the neural networks,the chosen variables were identified as “input” and “output”. The “input” variables were selected for the predictive model calculation and the “output” variable for the one to be predicted. It was made 8 models with different databases. In all these models, the generated artifical neural networks were well adjusted always presenting a high Multiple Deteminant Coefficient (R²) and correlation and the lowest Mean Squared Error (QME) and mean error. Also the differences between the real value and the predicted value in the 8 models studied were not statistically significant.This study concludes that artifical neural network, with the used software, were capable to explain the phenomena involved in the poultry slaughterhouse and that the modeling can also be extended to swine slaughterhouse. This powerfull technique offers objective criteria, scientifically generated, which can be used to assist in the decisions analysis process for this industry. It also allows to make simulations and to measure the contribution of each variable in the phenomena studied. It’s important to point out that artificial neural networks are intruments to assist the technician in decision making. Thus, it is not a program able to replace the cientific and technical knowledge.

A colibacilose é a denominação comum a diferentes lesões locais ou sistêmicas causadas pela bactéria E.coli com propriedades patogênicas . Essas lesões são conhecidas como a principal causa infecciosa de condenação de carcaças. No Brasil, entre 2001 e 2005, essa condenação gerou um prejuízo estimado em US 58 milhões à avicultura . Deste total, 19 milhões podem ser creditados à presença de lesões cutâneas de celulite e 39 milhões a lesões sistêmicas. A E.coli é o principal habitante do trato gastrintestinal de mamíferos e de aves. Nos aviários, é possível encontrar 106 UFC/grama de fezes, tornando praticamente impossível a eliminação deste agente no ambiente. A dificuldade que envolve a E.coli está na classificação desta como patogênica, haja vista que a diferenciação entre cepas virulentas e avirulentas continua sendo um problema após o diagnóstico bacteriológico. A biologia molecular vem auxiliando no maior entendimento dos mecanismos de patogenicidade das E. coli e cada vez mais, é demonstrada a grande importância da interação dos diversos fatores de virulência na determinação da patogenicidade. Este trabalho tem como objetivo gerar novos elementos para o maior entendimento da patogenicidade da E.coli, traçando uma nova metodologia de classificação, através de um índice no qual, além do número de animais mortos, também se consideraram o tempo de morte e a capacidade da cepa causar lesão compatível à colibacilose em pintos de 1 dia. Observou-se diferença significativa entre amostras oriundas de celulite e quadro respiratório em relação a amostras oriundas de cama no método proposto, além do fato de também existir a mesma relação entre o tipo e a quantidade de lesões formadas, conforme a origem do isolado. Obteve-se, ainda, um banco de dados gerado a partir desse primeiro experimento, que permitiu o uso de Redes Neurais Artificiais na construção de modelos que simulavam esse mesmo teste de patogenicidade, sem o uso de animais, adotando como informações de entrada alguns dos principais fatores de virulência associados a amostras patogênicas, origem das amostras e o índice de patogenicidade obtidos. Os resultados quanto às predições corretas foram em torno de 80,00%, permitindo concluir que as redes podem ser uma alternativa para substituir testes de patogenicidade in vivo na classificação de amostras de E.coli de origem aviária. / The colibacillosis is the common denomination for different local or systemic lesions caused by E. coli bacteria with pathogenic properties. These lesions are known as the leading infectious cause of condemnation of carcasses. In Brazil, between 2001 and 2005, that disease led to a loss estimated at 58 million for poultry. Of this total, 19 million can be credited to the presence of cutaneous lesions of cellulitis and 39 million to other organs. E. coli is the main habitant of the gastrointestinal tract of mammals and birds. In the aviaries, you can find 106 CFU / gram of feces, making it virtually impossible to eliminate this agent in the environment. The difficulty surrounding the E. coli in this classification as pathogenic, given that the differentiation between virulent and avirulent strains remains a problem after the bacteriological diagnosis. Molecular biology has helped in better understanding the mechanisms of pathogenicity of E. coli and, increasingly, it demonstrated the great importance of the interaction of different virulence factors in determining the pathogenicity. This work aims to generate new elements for better understanding the pathogenicity of E. coli, marking a new classification methodology, through an index in which, besides the number of dead animals are often considered the time of death and the capacity of strains cause lesions compatible with colibacillosis in chicks of 1 day old. There was significant difference between samples from cellulitis and respiratory symptoms compared to samples from litter in the proposed method, besides the fact that there is also the same relationship between the type and number of lesions formed depending on the origin of the isolate. We obtained also a database generated from this first experiment, which allowed the use of Artificial Neural Networks in the construction of models that simulated the same pathogenicity test, without the use of animals, taking as input information some main virulence factors associated with pathogenic samples, origin of samples and pathogenicity index obtained. The results regarding the predictions have been around 80.00%. These results show that neural networks can be an alternative to replace pathogenicity tests in vivo in the classification of samples of E. coli of avian origin.

Uma atividade com a magnitude da avicultura, que usa equipamentos de última geração e serviços atualizados, é levada, na maioria dos casos, a tomar decisões que envolvem todos aspectos de produção, apoiada em critérios subjetivos. A presente tese objetivou estudar a utilização das redes neurais artificiais na estimação dos parâmetros de desempenho de matrizes pesadas, pertencentes a uma integração avícola sul-brasileira. Foram utilizados os registros de 11 lotes em recria, do período compreendido entre 09/11/97 a 10/01/99 e de 21 lotes em produção, do período compreendido entre 26/04/98 a 19/12/99, para a análise por redes neurais artificiais. Os dados utilizados corresponderam a 273 linhas de registros semanais, do período de recria e 689 linhas de registros semanais, do período de produção. Os modelos de redes neurais foram comparados e selecionados como melhores, baseados no coeficiente de determinação múltipla (R2), Quadrado Médio do Erro (QME), bem como pela análise de gráficos, plotando a predição da rede versus a predição menos o real (resíduo). Com esta tese foi possível explicar os parâmetros de desempenho de matrizes pesadas, através da utilização de redes neurais artificiais. A técnica permite a tomada de decisões por parte do corpo técnico, baseadas em critérios objetivos obtidos cientificamente. Além disso, este método permite simulações das conseqüências de tais decisões e fornece a percentagem de contribuição de cada variável no fenômeno em estudo.

Submitted by Marcio Filho (marcio.kleber@ufba.br) on 2017-06-09T12:09:03Z No. of bitstreams: 1 Dissertação(Nilmar_de_Souza).pdf: 5913699 bytes, checksum: 6cf8b98ccf18c8274e595050aff45af7 (MD5) / Approved for entry into archive by Vanessa Reis (vanessa.jamile@ufba.br) on 2017-06-12T15:25:52Z (GMT) No. of bitstreams: 1 Dissertação(Nilmar_de_Souza).pdf: 5913699 bytes, checksum: 6cf8b98ccf18c8274e595050aff45af7 (MD5) / Made available in DSpace on 2017-06-12T15:25:52Z (GMT). No. of bitstreams: 1 Dissertação(Nilmar_de_Souza).pdf: 5913699 bytes, checksum: 6cf8b98ccf18c8274e595050aff45af7 (MD5) / O Airsoft é um esporte no qual duas equipes simulam uma situação de combate. Os participantes utilizam réplicas de armas de fogo em escala 1:1. Os jogadores disparam projéteis plásticos que atingem o oponente sem deixar nenhum tipo de marcação, não sendo visível para os demais participantes quando um determinado jogador sofreu um tiro. Dessa forma, para sair da partida o participante atingido deve se declarar. Entretanto nem todos os jogadores tem essa postura e alguns deles, mesmo sendo atingidos, não se pronunciam e continuam jogando. Esse problema criou em alguns clubes de Airsoft a necessidade de desenvolver um instrumento que acuse quando um jogador for atingido. O projeto surgiu a partir dessa necessidade, tendo como principal objetivo desenvolver um colete instrumentado que identifique quando um usuário sofreu um impacto proveniente de arma de Airsoft. Para que isso fosse possível fez-se necessário identificar os melhores materiais para confecção do colete, desenvolver um equipamento de aquisição, identificar uma característica a partir da qual o reconhecimento fosse viável e por fim implementar essa estratégia. Como ferramenta básica para identificação de impacto foi utilizado um filtro de mediana que atende bem para os eventos convencionais em uma partida. Contudo, para alguns eventos simulados em laboratórios a estratégia não foi eficiente, e para esses casos optou-se por conectar o colete a um servidor e aplicar uma rede neural artificial que classificou corretamente aproximadamente 83% dos impactos analisados. O produto desenvolvido contempla com sucesso a necessidade para a qual foi proposto havendo demanda para o desenvolvimento de novos equipamentos que objetivam um maior monitoramento do jogador durante a partida, como capacete e calça.