Made available in DSpace on 2014-06-12T17:38:03Z (GMT). No. of bitstreams: 2 arquivo5615_1.pdf: 1629893 bytes, checksum: c7971ae5571cdce4896d6a23598640fe (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2011 / Na operação de um sistema de distribuição de energia elétrica, uma das etapas mais importante é a determinação da operação horária e diária, que determina as metas de distribuição da energia nas próximas horas ou dias, visando atender à demanda dos seus clientes. Assim, do ponto de vista do planejamento da operação, é necessário que se conheça previamente o consumo de energia de cada barramento utilizando-se previsões de curtíssimos prazos. Este trabalho teve como objetivo desenvolver modelos de previsão utilizando Redes Neurais Artificiais com topologia de MLP (Perceptrons Multicamadas) com horizontes de previsão horária de 7 e 14 dias para alguns barramentos do sistema de distribuição da Companhia Energética de Pernambuco. Duas metodologias são implantadas: a primeira cria dois modelos com base em dados horários de consumo de energia e temperatura média diária; a segunda cria, através de combinações, mais dois modelos utilizando como dados de entrada os modelos criados na primeira metodologia. Fazendo-se a comparação dos MAPE (Erro Médio Absoluto Percentual), conclui-se que os modelos obtidos por combinação na segunda metodologia apresentam maior incidência de menores MAPE (erro médio absoluto percentual) em comparação aos modelos apresentados na primeira metodologia. Por fim, foram realizadas também comparações dos resultados de MAPE destes modelos com os resultados de MAPE obtidos nos modelos em dois projetos de P&D (Pesquisa e Desenvolvimento), o PREVER e o PCD, ambos desenvolvidos pela UFPE em parceria com a Companhia Energética de Pernambuco (Celpe)

Submitted by MONARA PEREIRA DA ROSA CARVALHO null (momoprc@gmail.com) on 2017-03-17T12:47:54Z No. of bitstreams: 1 MONARA_Dissertacao.pdf: 2926386 bytes, checksum: 52ab3ee5e454a3b74043a0bbef9630de (MD5) / Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2017-03-21T19:15:17Z (GMT) No. of bitstreams: 1 carvalho_mpr_me_ilha.pdf: 2926386 bytes, checksum: 52ab3ee5e454a3b74043a0bbef9630de (MD5) / Made available in DSpace on 2017-03-21T19:15:17Z (GMT). No. of bitstreams: 1 carvalho_mpr_me_ilha.pdf: 2926386 bytes, checksum: 52ab3ee5e454a3b74043a0bbef9630de (MD5) Previous issue date: 2017-01-20 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / This work analysis load data from desegregated levels that presented difficulties to load forecasting with several methods due to variation in electrical energy consumption. The application proposed in this work is short-term load forecasting to a university building by GRNN (General Regression Neural Network) considering the bottom up approach and using a moving average filter to deal with the missing or wrong data. It is presented the system that provides the data as well as the methods used for pre-processing and realize the forecasting. The results are evaluated by MAPE (Mean Absolute Perceptual Error) and are considered good when compared with other methods. / Este trabalho destaca a análise de dados provenientes de locais com níveis de consumo mais desagregados que apresentam dificuldades para previsões de demanda com vários métodos devido à alta variação no consumo de energia elétrica. Apresenta-se resultados de previsões de demanda de curto prazo da energia elétrica consumida em um bloco de uma universidade por meio da rede neural de regressão generalizada (GRNN), utilizando a abordagem de modelagem de dados de baixo para cima e tratamento de ruídos e dados faltantes no banco de dados através da aplicação de um filtro de médias móveis. É apresentado o local que fornece as informações para os estudos e a etapa de pré-processamentos dos dados. Foi possível analisar a assertividade das previsões de acordo com o cálculo do MAPE, mostrando vantagens ao se comparar a outros métodos utilizados para os mesmos fins.

Submitted by Jean Medeiros (jeanletras@uepb.edu.br) on 2016-08-25T12:31:09Z No. of bitstreams: 1 PDF - Pedro Nogueira da Silva Neto.pdf: 2592431 bytes, checksum: 2f677411e0aeb3c27f0922d578ac580c (MD5) / Made available in DSpace on 2016-08-25T12:31:09Z (GMT). No. of bitstreams: 1 PDF - Pedro Nogueira da Silva Neto.pdf: 2592431 bytes, checksum: 2f677411e0aeb3c27f0922d578ac580c (MD5) Previous issue date: 2015-05-28 / The population growth in cities, and in parallel, the intensification of agricultural and livestock activities , in addition to industrial and agro-industrial development are the main causes for the increase in the dumping of sewage , often arranged in lakes , seas and rivers in its raw form or with insufficient treatment. UpflowAnaerobicSludgeBlanket(UASB) reactors appear as an option for treatment of various types of wastewater , widespread and well being applied more than the other , and having as an essential aspect of the process the nature of the active biomass. The Artificial Neural Networks ( ANN ) are a type of mathematical model of the area of Artificial Intelligence are a modeling technique based on input-output relations ( black -box structures) that has received great interest from the scientific community , being carried out research in a multidisciplinary way. Thus, this research is structured in order to model and simulate a UASB reactor in order to evaluate and establish control parameters, using Artificial Neural Networks (ANN). The set of data relating to the 13 analyzed parameters , has been subdivided in three different forms and the use of a hidden layer and two hidden layers with varying number of neurons in amounts of 5, 10 and 15. In addition, the functions activation were modified in order to obtain fluctuations networks. Thus, it was found that when using a single intermediate layer, the best activation function was Logsig and better distribution data is presented when it was combined 80% of the data used for training, 10% for trial and 10% for validation. At the same time, one can conclude that the greater the number of neurons used in the hidden layer, best determination coefficients are found. In this 2 circumstance, the R was 0.9985, which was considered most suitable for predicting the parameters analyzed. When patterned with 2 hidden layers, the results resembled well with the simulation of a hidden layer, since the best results have been obtained for distributing data, 80%, 10%, 10% respectively to training, testing and validation. The best determination coefficient was obtained with the combination of Tansig activation functions in the hidden 2 layer 1 and Logsig in the hidden layer 2, obtivendo an R of 0.9912, considered excellent for predicting the data. / O aumento populacional nas cidades, e em paralelo, a intensificação das atividades agrícolas e pecuárias, além do desenvolvimento industrial e agroindustrial são as principais causas para o aumento do lançamento de esgotos, muitas vezes dispostos em lagos, mares e rios na sua forma bruta ou com tratamento insuficiente. Reatores UpflowAnaerobicSludgeBlanket (UASB) surgem como uma possibilidade para tratamento de vários tipos de águas residuárias, sendo bastante difundido e bem mais aplicado do que os outros e, tendo como aspecto essencial do processo a natureza da biomassa ativa.As Redes Neurais Artificiais (RNA’s) constituem um tipo de modelo matemático da área da Inteligência Artificial são uma técnica de modelagem baseada nas relações entrada-saída (estruturas black- box) que tem recebido grande interesse da comunidade científica, sendo realizadas pesquisas de forma multidisciplinar. Assim, esta pesquisa se estrutura com o objetivo de modelar e simular um reator UASB, afim de avaliar e estabelecer parâmetros de controle, através de Redes Neurais Artificiais (RNA). O conjunto de dados, referentes aos 13 parâmetros analisados, foi subdividido de três formas diferentes e com o uso de uma camada oculta e com duas camadas ocultas com variação do número de neurônios em quantidades de 5, 10 e 15. Além disso, as funções de ativação sofreram modificação com o intuito de obter flutuações das redes. Dessa forma, concluiu-se que quando se utiliza uma única camada intermediária, a melhor função de ativação foi a Logsig e a melhor distribuição de dados apresentou-se quando foi combinado 80% dos dados usados para treinamento, 10 % para teste e 10 % para validação. Paralelamente, é possível concluir que quanto maior é o número de neurônio usado na camada oculta, melhores coeficientes de determinação são encontrados. Nesta 2 circunstância, o R foi de 0,9985,valor considerado muito satisfatório para predição dos parâmetros analisados. Quando modelada com 2 camadas ocultas, os resultados assemelharam-se bastante com as simulações de uma camada oculta, visto os melhores resultados terem sido obtidos na distribuição de dados , 80%, 10% , 10%, respectivamente para treinamento, teste e validação. O melhor coeficiente de determinação foi obtido com a combinação das funções de ativação Tansig na camada oculta 1 e Logsig na camada oculta 2, 2 obtivendo um R de 0,9912, considerado excelente para a predição dos dados.

As características irrelevantes, presentes em bases de dados de diversos domínios, deterioram a acurácia de predição de classificadores induzidos por algoritmos de aprendizado de máquina. As bases de dados geradas por uma língua eletrônica são exemplos típicos onde a demasiada quantidade de características irrelevantes e redundantes prejudicam a acurácia dos classificadores induzidos. Para lidar com este problema, duas abordagens podem ser utilizadas. A primeira é a utilização de métodos para seleção de subconjuntos de características. A segunda abordagem é por meio de ensemble de classificadores. Um ensemble deve ser constituído por classificadores diversos e acurados. Uma forma efetiva para construção de ensembles de classificadores é por meio de seleção de características. A seleção de características para ensemble tem o objetivo adicional de encontrar subconjuntos de características que promovam acurácia e diversidade de predição nos classificadores do ensemble. Algoritmos genéticos são técnicas promissoras para seleção de características para ensemble. No entanto, a busca genética, assim como outras estratégias de busca, geralmente visam somente a construção do ensemble, permitindo que todas as características (relevantes, irrelevantes e redundantes) sejam utilizadas. Este trabalho apresenta uma abordagem baseada em algoritmos genéticos para construção de ensembles de redes neurais artificiais com um conjunto reduzido das características totais. Para melhorar a acurácia dos ensembles, duas abordagens diferenciadas para treinamento de redes neurais foram utilizadas. A primeira baseada na interrupção precoce do treinamento com o algoritmo back-propagation e a segunda baseada em otimização multi-objetivo. Os resultados obtidos comprovam a eficácia do algoritmo proposto para construção de ensembles de redes neurais acurados. Também foi constatada sua eficiência na redução das características totais, comprovando que o algoritmo proposto é capaz de construir um ensemble utilizando um conjunto reduzido de características. / The irrelevant features in databases of some domains spoil the accuracy of the classifiers induced by machine learning algorithms. Databases generated by an electronic tongue are examples where the huge quantity of irrelevant and redundant features spoils the accuracy of classifiers. There are basically two approaches to deal with this problem: feature subset selection and ensemble of classifiers. A good ensemble is composed by accurate and diverse classifiers. An effective way to construct ensembles of classifiers is to make it through feature selection. The ensemble feature selection has an additional objective: to find feature subsets to promote accuracy and diversity in the ensemble of classifiers. Genetic algorithms are promising techniques for ensemble feature selection. However, genetic search, as well as other search strategies, only aims the ensemble construction, allowing the selection of all features (relevant, irrelevant and redundant). This work proposes an approach based on genetic algorithm to construct ensembles of neural networks using a reduced feature subset of totality. Two approaches were used to train neural networks to improve the ensembles accuracy. The first is based on early stopping with back-propagation algorithm and the second is based on multi-objective optimization. The results show the effectiveness and accuracy of the proposed algorithm to construct ensembles of neural networks, and also, its efficiency in the reduction of total features was evidenced, proving its capacity for constructing an ensemble using a reduced feature subset.

Introdução. O estudo e compreensão dos efeitos da poluição atmosférica podem contribuir para o planejamento de estratégias de controle de emissões de poluentes e na tomada de decisões em relação à saúde pública. Modelos de previsão da poluição do ar são importantes, na medida em que podem antecipar precauções e providências de ações públicas. Objetivo. Elaborar e analisar modelos de previsão do ozônio troposférico para a Região Metropolitana de São Paulo (RMSP). Métodos. Foram ajustados modelos de previsão de ozônio utilizando redes neurais artificiais (RNAs), denominadas técnicas de inteligência artificial. Os dados de entrada do modelo foram os meteorológicos, obtidos do CPTEC - Centro de Previsão de Tempo e Estudos Climáticos e do INMET - Instituto Nacional de Meteorologia e os dados do poluente ozônio monitorados pela CETESB - Companhia Ambiental do Estado de São Paulo. Foram considerados, para o ozônio, o padrão nacional de qualidade do ar (1 hora) e o padrão estadual de qualidade do ar (8 horas). Os dados foram distribuídos entre as médias do período da manhã (07h às 12h) e as médias do período da tarde (13h às 18h), obtendo-se como saída as concentrações máximas de ozônio para o período da tarde. O período analisado foi de 2008 a 2014. Resultados. Foram realizados 311 testes distribuídos de acordo com o padrão de qualidade do ar do ozônio (O3-1h ou O3-8h) e a origem dos dados meteorológicos (CPTEC ou INMET). Os valores de ozônio observados e estimados mostraram-se muito bem correlacionados. Para os ajustes usando o banco de dados do CPTEC, os melhores resultados das estatísticas de verificação para O3-1h foram: A=90 por cento ; B=0,41; FAR=47 por cento ; POD=22 por cento ; r=0,60. Sendo A a porcentagem de acertos nas previsões de eventos e não eventos; B indica, na média, se as previsões estão subestimadas ou superestimadas; FAR é a porcentagem de concentrações que foram previstas altas e que não ocorreram; POD é a capacidade de prever altas concentrações ( por cento ) e r é o coeficiente de correlação entre o valor observado e o valor estimado. Para O3-8h: A=96 por cento ; B=0,1; FAR=14 por cento ; POD=6,5 por cento ; r=0,72. Considerando-se o banco de dados do INMET, os melhores resultados para O3-1h foram: A=93 por cento ; B=0,54; FAR=29 por cento ; POD=38 por cento , r=0,84. Para O3-8h: A=95 por cento ; B=0,76; FAR=47 por cento ; POD=40 por cento ; r=0,85. As variáveis temperatura e vento meridional foram as mais importantes nos modelos. Conclusões. No geral, os modelos simulados com os dados meteorológicos do INMET apresentaram melhores resultados que os apresentados pelos dados do CPTEC, tanto para O3-1h, quanto para O3-8h. O modelo simulado com os dados do INMET, considerando O3-8h, apresentou melhor previsibilidade. Os modelos ajustados por redes neurais mostraram-se como boas alternativas de instrumentos para prever a concentração de ozônio na RMSP. / Introduction. The study and understanding of the effects of air pollution can contribute to the planning of pollutant emission control strategies and decision-making in relation to public health. Air pollution forecasting models are important, as they can anticipate precautions and actions of public action. Objetive. Develop and analyze tropospheric ozone forecasting models for the São Paulo Metropolitan Area (SPMA). Methods. Ozone forecasting models were adjusted using artificial neural networks (ANNs), called artificial intelligence techniques. The model input data were the weather, obtained from CPTEC - Weather and Climate Studies Prediction Center and INMET - National Meteorology Institute and the pollutant ozone data monitored by CETESB - São Paulo State Environmental Company. Were considered for ozone, the national standard of air quality (1 hour) and the state standard of air quality (8 hours). Data were distributed among the averages of the morning (07h to 12h) and the average of the afternoon (13h to 18h), obtaining as output the maximum concentrations of ozone to the afternoon. The study period was from 2008 to 2014. Results. Were conducted 311 tests distributed according to the standard of ozone air quality (O3-1h or O3-8h) and the source of meteorological data (CPTEC or INMET). The observed and estimated ozone values were shown to be very well correlated. For the settings using the CPTEC database, the best results of the verification statistics for O3-1h were: A= 90 per cent ; B=0.41; FAR=47 per cent ; POD=22 per cent ; r=0.60. Where A is the percentage of correct answers of forecasts in the events and not events; B indicates, on average, if the predictions are underestimated or overestimated; FAR is the percentage concentrations that were predicted high and that did not occur; POD is the ability to predict high concentrations ( per cent ) and r is the correlation coefficient between the observed value and the estimated value. To O3-8h: A=96 per cent ; B=0.1; FAR=14 per cent ; POD=6.5 per cent ; r=0.72. Considering the INMET database, the best results for O3-1h were: A=93 per cent ; B=0.54; FAR=29 per cent ; POD=38 per cent , r=0.84. To O3-8h: A=95 per cent ; B=0.76; FAR=47 per cent ; POD=40 per cent ; r=0.85. The variables temperature and meridional wind were the most importante in the models. Conclusions. Overall, the simulated models with meteorological INMET data showed better results than those presented by the CPTEC data for both O3-1h, and for O3-8h. The simulated model with INMET data, considering O3-8h, presented better predictability. The models adjusted by neural networks showed up as good instruments to predict the ozone concentration in the SPMA.

Garantir a qualidade da carne bovina produzida no Brasil tem sido uma preocupação dos produtores, pois contribui para aumentar a exportação e o consumo interno do produto. Por isso, tem-se pesquisado novos métodos que analisam e garantam a qualidade da carne, de forma rápida, eficiente e não destrutiva. A ressonância magnética nuclear (RMN) tem se destacado como uma das técnicas de controle de qualidade de carne. Neste trabalho as redes neurais artificiais estão sendo utilizadas para o reconhecimento de padrões dos dados de ressonância magnética nuclear oriundos de carne bovina. Mais especificamente, os respectivos dados têm sido utilizados por uma rede perceptron multicamadas para a extração de características da carne bovina, possibilitando a classificação do grupo genético e do sexo dos animais a partir de uma amostra da referida carne. Os resultados dos experimentos são também apresentados para ilustrar o desempenho da abordagem proposta. / Guaranteeing the quality of the bovine meat produced in Brazil has been a concern of the producers because it contributes to increase the export and the domestic consumption of the product. Therefore, new methods have been researched that analyze and guarantee the quality of the meat in a fast, efficient and non destructive way. Nuclear magnetic resonance (NMR) has been highlighted as one of the techniques of meat quality control. In this work study artificial neural networks are being used for pattern recognition from data obtained by the resonance equipment, originating from bovine meat. More specifically, the respective data have been used by a multilayer perceptron network for extraction of bovine meat characteristics, making possible the classification of both genetic group and animal sex starting from a single meat sample. Several results of experimental tests are also presented to illustrate the performance of the proposed approach.

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

Considerado a alternativa mais pesquisada para substituir o diesel, o biodiesel, oriundo da transesterificação, é cotado como a mais promissora opção de combustível obtido de fontes renováveis para o lugar dos ameaçados combustíveis de origem fóssil. A reação de transesterificação para produção do biodiesel pode ocorrer de forma catalítica, a mais utilizada atualmente, e não-catalítica, por meio de fluidos supercríticos. A grande diversidade de matérias-primas que pode ser usada na obtenção do biodiesel supercrítico é apenas um dos atrativos para sua produção, porém uma produção em larga escala esbarraria nos altos custos operacionais do processo. Devido ao potencial revelado nos processos supercríticos, o estudo do comportamento de fases dentro de um reator se mostra relevante ao domínio do processo, visto que pesquisas indicam que é possível balancear os custos de uma produção de biodiesel em condições supercríticas com os custos de uma produção de biodiesel com uso de catalisadores. Na termodinâmica, a modelagem é um método prático e rápido de se estimar o comportamento do equilíbrio líquido-vapor (ELV) do sistema e reduzir gastos com excessivos experimentos, através de um modelo termodinâmico apropriado. Para isso, os modelos testados foram obtidos pela equação de estado (EdE) de Peng-Robinson com as regras de misturas de van der Waals com um (vdW1) e dois (vdW2) parâmetros de interação binária em sistemas formados por componentes presentes na produção do biodiesel. Utilizando a abordagem phi-phi e o método de BOLHA P, sistemas binários em condições próximas ao ponto crítico e em condições supercríticas, encontrados na literatura, foram modelados. A modelagem termodinâmica foi realizada após a aplicação de um teste de consistência termodinâmica, uma vez que foram encontradas diferenças nas propriedades críticas de um mesmo composto em diferentes referências. A adequação dos modelos termodinâmicos variou de acordo com as condições do processo, o que fará necessária uma análise específica da situação de acordo com o caso em que estiver sendo empregada. Na simulação termodinâmica, as redes neurais artificiais foram utilizadas para o ajuste computacional dos dados experimentais, produzindo os melhores resultados com a introdução dos descritores moleculares, junto às variáveis independentes do processo (temperatura e composição na fase líquida), na primeira camada de neurônios nas diversas configurações analisadas dentre as arquiteturas utilizadas, demonstrando ser uma ferramenta interessante para o estudo do equilíbrio de fases. / Considered the most researched alternative to replace the diesel fuel, the biodiesel, from transesterification, is rated as the most promising fuel option from renewable sources for the place of threatened fossil fuels. The transesterification reaction for biodiesel production can occur catalytically, commonly used, and non-catalytic, through supercritical fluids. The diversity of raw materials that can be used to obtain supercritical biodiesel is only one of the attractions for its production, but a large-scale production would encounter obstacles in the high operating costs of the process. Due to the potential revealed in the supercritical processes, the study of phase behavior in a reactor is relevant for domaining the process, since researches indicates that it is possible to balance the costs of producing biodiesel in supercritical conditions with the costs of a production of biodiesel using catalysts. In thermodynamics, modeling is a quick and practical method of estimating the vapor-liquid equilibria (VLE) behavior of the system and reducing expenses with excessive experiments, using an appropriated thermodynamic model. For this, the models tested were obtained by the Peng-Robinson equation of state (EoS) with the mixture rules of van der Waals with one (vdW1) and two (vdW2) binary interaction parameters in systems formed by components present in the production of biodiesel. Using the phi-phi approach and the BOL P method, binary systems in conditions near to the critical point and under supercritical conditions, found in the literature, were modeled. The thermodynamic modeling was performed after the application of a thermodynamic consistency test, since differences were found in the critical properties of the same compound in different references. The suitability of the thermodynamic models varied according to the process conditions, which will require a specific analysis of the situation according to the case in which it is being used. In the thermodynamic simulation, the artificial neural networks were used for the computational adjustment of the experimental data, producing the best results when the molecular descriptors were used with the independent variables of the process (temperature and composition of the liquid phase) in the first layer of nodes in the different configurations analyzed among the architectures used, proving to be a tool of interest for the study of phase equilibria.

A suinocultura é uma atividade de grande importância em termos mundiais e de Brasil. Entretanto, por serem animais homeotérmicos, algumas alterações no ambiente térmico de alojamento podem alterar suas respostas fisiológicas e comportamentais para manutenção da temperatura interna. Portanto, o objetivo dessa pesquisa foi avaliar o comportamento alimentar de suínos, mediante a influência do ambiente térmico, nas fases de crescimento e terminação para diferentes linhagens comerciais e sexo. Além disso, buscou-se o desenvolvimento de modelos matemáticos e sistemas inteligentes para predição do tempo em alimentação (TM, min dia-1) dos suínos. Os dados foram coletados em uma granja experimental de suínos, localizada na cidade de Clay Center, Nebraska, Estados Unidos. O período experimental contemplou duas estações durante o ano 2015/2016 (verão e inverno), totalizando 63 dias (9 semanas) de informações coletadas para cada estação. Os animais alojados foram de três linhagens comerciais distintas: Landrace, Duroc e Yorkshire. Cada baia apresentava composição mista, sendo alojados 40 animais de diferentes linhagens comerciais e sexo. No total, foram confinados 240 animais, sendo 80 animais para cada linhagem comercial entre machos castrados e fêmeas. Foram registrados dados de temperatura do ar (Tar, °C), temperatura do ponto de orvalho (Tpo, °C) e umidade relativa do ar (UR, %) a cada 5 minutos no interior da instalação. Para TM, os dados foram coletados e registrados a cada 20 segundos por meio de um sistema de coleta de dados por rádio frequência. O conforto térmico foi analisado a partir do Índice de Temperatura e Umidade (ITU) e a Entalpia Específica (H, kJ kg-1 de ar seco). Para avaliar a relação entre o ambiente térmico e TM, foi utilizada estatística multivariada por meio de análise de componentes principais (ACP) e agrupamento para obtenção de padrões e seleção de variáveis para entrada nos modelos. O modelo fuzzy e as redes neurais artificias foram desenvolvidos em ambiente MATLAB® R2015a por meio dos toolboxes Fuzzy e Neural Network, com o objetivo de predizer TM, tendo como variáveis de entrada: linhagem comercial, sexo, idade e ITU. De uma maneira geral, as médias de Tar estiveram dentro da zona de termoneutralidade (ZCT) em todo período experimental, sendo que apenas a UR apresentou valores abaixo da UR crítica inferior. Para o ITU, apenas no verão foram encontrados valores acima da ZCT, entretanto, esses valores estiveram abaixo do ITU crítico superior. Diante da análise dos resultados, pôde-se observar em relação ao comportamento alimentar, que a fêmea Landrace apresentou o menor tempo em alimentação com médias de 42,19 min dia-1 e 43,73 min dia-1 para o inverno e verão, respectivamente, seguido do macho castrado de mesma linhagem. Enquanto as demais linhagens apresentaram valores acima de 60 min dia-1. Não foi observado correlação linear significativa entre o ambiente térmico e TM uma vez que os animais estiveram dentro de sua ZCT ao longo de todo período experimental, indicando que o comportamento alimentar foi influenciado principalmente pelos fatores homeostáticos e cognitivos-hedônicos. A estatística multivariada dividiu os animais em 8 grupos. Foi observado que animais de linhagens e sexos distintos se comportaram da mesma maneira, dificultando a modelagem matemática. Entretanto, alguns grupos apresentaram maior quantidade de animais de determinada linhagem e sexo, sendo estes utilizados como \"grupos padrão\" para o desenvolvimento do modelo fuzzy e a rede neural artificial. O modelo fuzzy apresentou R2 de 0,858 quando utilizado os dados do grupo padrão, entretanto, para todos os valores o R2 foi de 0,549. Já a rede neural apresentou um R2 de 0,611 para os dados completos e R2 de 0,914 para o \"grupo padrão\". Portanto, a rede neural artificial mostrou-se como uma ferramenta de maior precisão e acurácia na predição do comportamento alimentar de suínos nas fases de crescimento e terminação. / The swine production in an activity of great importance to Brazil and to the world. However, because they maintain a constant body temperature and, alterations in the thermic accommodation environment can directly affect their physiological and behavioral responses for maintaining the internal temperature. Thus, the objective of this study was to access the feeding behavior of growing-finishing pigs of different sirelines and gender and its relationship with climate variables (thermic environment). Furthermore, mathematical models based on classic logic was developed as well as an intelligent system for predicting the total time spent eating (TM, min day -1). The data was collected in an experimental farm located in Clay Center, Nebraska, United States. The experimental period contemplated two seasons (summer and winter), totalizing 63 days (9 weeks) of information collected for each season. The housed animals were from three different commercial sirelines: Landrace, Duroc and Yorkshire. Each pen presented a mix composition, being housed 40 animals of different sirelines and gender. In total, there were 240 housed animals, being 80 animals for each sireline among barrows and gilts. The data registered were air temperature (Tar, °C), dew point temperature (Tpo, °C) and relative humidity of the air (UR, %) every 5 minutes inside the facility. For TM, the data were collected and registered every 20 seconds by a radio frequency data collection system. The thermal comfort was analyzed from the Temperature and Humidity Index (THI) and Specific Enthalpy (H, kJ kg-1 of dry air). In order to evaluate the relationship between the thermic environment and TM, the multivariate statistics through principal component analysis (PCA) and grouping was utilized for obtaining the selection standards of variables to enter in the models. The fuzzy model and the artificial neural networks were developed in a MATLAB® R2015a environment through the Fuzzy and the Neural Network toolboxes with the objective to predict TM, having as entry variables: sireline, gender, age and THI. On the whole, the Tar averages were inside the thermoneutral zone (ZCT), however, these values were below the superior critic THI. In the face of the results analysis, it could be observed in ration to the feeding behavior that the Landrace gilt presented the shortest time eating with averages of 42.19 min day-1 and 43.73 min day-1 for winter and summer respectively followed by the barrow from the same sireline, while the other sirelines presented values above 60 min day-1. It was not observed a significative linear correlation between the thermic environment and TM once the animals were inside their ZCT throughout all the experimentation period, indicating that the feeding behavior was influenced mainly by the homeostatic and cognitivehedonic factors. The multivariate statistics divided the animals in 8 groups, being observed that animals of different sirelines and gender behave the same way throughout the experimentation period, making the mathematical modeling difficult. However, some groups presented a bigger amount of animals of determined sireline and gender, being utilized as \"standard groups\" for the development of the fuzzy model and the artificial neural network. The fuzzy model presented an R2 of 0,858 when utilizing the \"standard group\" data, however, for all the values the R2 was 0.549. In the other hand the neural network presented an R2 of 0.611 for the complete data and an R2 of 0.914 for the \"standard group\". Thus, the artificial neural network appeared to be a tool of a better precision and accuracy when predicting the feeding behavior of pigs on growing-finishing phases.

A evolução de redes neurais artificiais encontra aplicações em diversos campos na área de aprendizado de máquina, em particular, simulações de vida artificial onde uma população de indivíduos controlados por redes neurais se adaptam num ambiente virtual a fim de realizar uma determinada tarefa. Similar ao processo natural pelo qual o comportamento do organismo se modifica filogeneticamente através da complexificação do sistema nervoso, tais simulações oferecem uma nova abordagem sintética no estudo da inteligência, em contraposição aos métodos simbólicos tradicionais. Um recente método, conhecido por NEAT (NeuroEvolution of Augmenting Topologies), é capaz de obter os pesos e a própria topologia de rede neural utilizando algoritmos genéticos. A codificação utilizada pelo NEAT é flexível o suficiente para permitir evolução aberta e arquiteturas neurais arbitrárias. Este trabalho apresenta uma implementação do NEAT que pode ser utilizada em conjunto com um simulador de propósito geral, chamado Breve, formando uma plataforma para experimentos de vida artificial. A implementação proposta também estende o NEAT para lidar com redes neurais dinâmicas, onde o nível de ativação dos neurônios varia continuamente no tempo. Este novo modelo é comparado com o método tradicional numa tarefa clássica de controle não-supervisionado, mostrando um aumento de eficiência na busca pela solução do problema. Os resultados obtidos motivam o uso desta plataforma para experimentos de vida artificial, onde uma população de indivíduos interage continuamente com um ambiente dinâmico, se adaptando ao longo das gerações. / The evolution of artificial neural networks has a wide range of applicability in diverse areas in the field of machine learning, particularly, in artificial life simulations where a population of individuals, controlled by neural networks, adapts in a virtual environment in order to solve a given task. Resembling the natural process in which an organism\'s behavior is subjected to phylogenetic modifications through the complexification of the nervous system, such simulations offer a new synthetic approach in the investigation of intelligence, counter posing traditional symbolic methods. A recent method known as NEAT (NeuroEvolution of Augmenting Topologies), is able to obtain the synaptic weights and the topology with the aid of genetic algorithms. The encoding used by NEAT is flexible enough to allow for open-ended evolution and arbitrary neural architectures. This work presents a NEAT implementation especially suitable to be used with a general purpose simulator known as Breve, constituting a framework for artificial life experiments. The proposed implementation extends NEAT to include dynamical neuron models, where their inner state continuously varies over time. The new model is then compared to the traditional method in a classic unsupervised control benchmark task, showing an efficiency increase while solving the problem. The obtained results motivate the proposed framework for general experiments in artificial life, in which a population of individuals continuously interact with a dynamical environment, adapting through generations.