Resumo: Em geral, estruturas espaciais e manipuladores robóticos leves têm uma característica similar e inerente que é a flexibilidade. Esta característica torna a dinâmica do sistema muito mais complexa e com maiores dificuldades para a análise de estabilidade e controle. Então, braços robóticos bastantes leves, com velocidade elevada e potencia limitada devem considerar o controle de vibração causada pela flexibilidade. Por este motivo, uma estratégia de controle é desejada não somente para o controle do modo rígido mas também que seja capaz de controlar os modos de vibração do braço robótico flexível. Também, redes neurais artificiais (RNA) são identificadas como uma subespecialidade de inteligência artificial. Constituem atualmente uma teoria para o estudo de fenômenos complexos e representam uma nova ferramenta na tecnologia de processamento de informação, por possuírem características como processamento paralelo, capacidade de aprendizagem, mapeamento não-linear e capacidade de generalização. Assim, neste estudo utilizam-se RNA na identificação e controle do braço robótico com elos flexíveis. Esta tese apresenta a modelagem dinâmica de braços robóticos com elos flexíveis, 1D no plano horizontal e 2D no plano vertical com ação da gravidade, respectivamente. Modelos dinâmicos reduzidos são obtidos pelo formalismo de Newton-Euler, e utiliza-se o método dos elementos finitos (MEF) na discretização dos deslocamentos elásticos baseado na teoria elementar da viga. Além disso, duas estratégias de controle têm sido desenvolvidas com a finalidade de eliminar as vibrações devido à flexibilidade do braço robótico com elos flexíveis. Primeiro, utilizase um controlador neural feedforward (NFF) na obtenção da dinâmica inversa do braço robótico flexível e o calculo do torque da junta. E segundo, para obter precisão no posicionamento... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Generally, space structures and lightweight robotic manipulator have an inherent and similar characteristic that is the flexibility. This character complicates the dynamics of this system and presents challenging problems in stability and control. Then, robotic arms to have high-speed movement with small power and less weight require control of vibration caused by flexibility. For this end, control strategy is desired not only to be able to control the motion of the rigid mode, but also to be able to control the vibration modes of the flexible robotic arms. Also, artificial neural networks (ANN) are identified as a subspecialty of artificial intelligence, constitute nowadays one theory of complex phenomena studies and represent a new tool for information process technology, through its characteristics like parallel process, learning capability, non linear mapping and generalization capability. So, in this study ANN are used to the identification and control of robotic arm with flexible links. This these presents the dynamic modeling of robotic arms with flexible links, 1D in horizontal plane and 2D in vertical plane with gravitational effects, respectively. Reduced dynamical models are obtained through the Newton-Euler formalism, and the finite elements method (FEM) is used in the elastic displacement discretization based on elementary beam theory. Moreover, two control strategies have been developed for suppressing the vibrations due to the flexibility of the robotic arm with flexible links. First, it is used a feedforward neural controller (NFF) which find the dynamic inverse of the arm to compute the joint torque. And second, to obtain positioning accuracy in the end effectors it is used a feedforward + feedback neural controller (NFF+FB) which compensate the gravity effects and others perturbations. The results obtained use the MATLAB - SIMULINK® package for dynamical systems simulation.

Nesta tese estudamos os efeitos de diluição simétrica gradual das conexões entre neurônios e de ruído sináptico sobre a habilidade de categorização de padrões no modelo de Hopfield de redes neurais, mediante a teoria de campo médio com simetria de réplicas e simulações numéricas. Utilizamos generalizações da regra de aprendizagem de Hebb, para uma estrutura hierárquica de padrões correlacionados em dois níveis, representando os ancestrais (conceitos) e descendentes (exemplos dos conceitos). A categorização consiste no reconhecimento dos conceitos por uma rede treinada unicamente com exemplos dos conceitos. Para a rede completamente conexa, obtivemos os diagramas de fases e as curvas de categorização para vários níveis de ruído sináptico. Observamos dois comportamentos distintos dependendo do parâmetro de armazenamento. A habilidade de categorização é favorecida pelo ruído sináptico para um número finito de conceitos, enquanto que para um número macroscópico de conceitos este favorecimento não é observado. Entretanto a performance da rede permanece robusta contra o ruído sináptico. No problema de diluição simétrica consideramos apenas um número macroscópico de conceitos, cada um com um número finito de exemplos. Os diagramas de fases obtidos exibem fases de categorização, de vidro de spin e paramagnética, bem como a dependência dos parâmetros de ordem com o número de exemplos, a correlação entre exemplos e conceitos, os ruídos sináptico e estocástico, e a conectividade. A diluição favorece consideravelmente a categorização, particularmente no limite de diluição extrema.

Algoritmos ótimos na extração de componentes principais com aprendizado não-supervisionado em redes neurais de múltiplos neurônios de saída são não-locais, ou seja, as modificações em uma dada sinapse entre dois neurônios dependem também da atividade de outros neurônios. Esta rede ótima extrairá as principais componentes dos dados e submetidos à sua primeira camada. As principais componentes são as projeções destes vetores nos autovalores máximos da matriz de correlação Gij = (eiej), onde a média (-) é sobre a distribuição de e. Existem fortes evidências indicando que sinapses biológicas só se modificam via regras locais, como por exemplo a regra de Hebb. Mas se aplicarmos regras locais numa rede com múltiplas saídas, todos os neurônios da saída serão equivalentes e darão respostas redundantes. A rede será bastante ineficiente. Um modo de contornar este problema é através da restrição dos campos receptivos dos neurônios de saída. Se cada neurônio acessar diferentes partes dos estímulos de entrada, a redundância diminui significativamente. Em contrapartida, ao mesmo tempo que a redundância diminui, também diminui a informação contida em cada neurônio; assim, devemos balancear os dois efeitos otimizando o campo receptivo. O valor ótimo, em geral, depende da natureza dos estímulos, sua estatística, e também do ruído intrínseco à rede. Objetivamos com este trabalho determinar a estrutura ótima de campos receptivos com aprendizado não-supervisionado para uma rede neural de uma camada em diversas condições medindo seu desempenho a partir de técnicas de reconstrução.

Estudamos os efeitos gerais que a 'correlação', definida como superposição entre os padrões exerce sobre as propriedades de equilíbrio de redes neurais atratoras. Inicialmente, estudamos analiticamente o modelo de Hopfield de memória associativa, com um número finito de padrões armazenados de acordo com a regra de Hebb. Determinamos as propriedades de recuperação dos estados que apresentam uma superposição assimétrica com mais de um padrão (estados mistos assimétricos). Os diagramas de fase demonstram que estes estados são relevantes se a quantidade de ruido na rede e a correlação entre os padrões não são ambas demasiado grandes. Estudamos a capacidade de armazenamento a = P/N em uma rede com a inclusão de P — p padrões não correlacionados, e obtivemos resultados para a, crítico, que corresponde ao valor de a acima do qual não há mais estados de recuperação. Efetuamos simulações numéricas para discutir a qualidade da recuperação e a dimensão das bacias de atração. Na segunda parte do trabalho, estudamos as propriedades de armazenamento de padrões correlacionados acima do limite de saturação, em redes neurais de Gardner—Derrida com sinapses contínuas ótimas. Utilizando o método de réplicas para calcular médias configuracionais na rede de neurônios, determinamos, na teoria de simetria de réplicas, a fração mínima de padrões erroneamente armazenados por neurônio e a capacidade de armazenamento crítica como função das correlações. Estudamos a estabilidade destas soluções, e verificamos que a quebra de simetria de réplicas é relevante. Finalmente, apresentamos um estudo preliminar dos efeitos de quebra de simetria de réplicas na ordem mais baixa do esquema iterativo de Parisi para vidros de spin. / We studied here the general effects that the 'correlation', defined as the overlap among the set of stored patterns causes to the equilibrium properties of atractor neural networks. Initially, the Hopfield model for associative memory was studied analitically with a finite number of patterns stored according to the Hebb learning rule. The retrieval properties of states that show an asymmetric overlap with more than one stored pattern (asymmetric mixed states) were determined. The phase diagrams for the overlaps demonstrate that these states are relevant if the amount of thermal noise is not too large and the correlations are not too strong. The storage capacity a = P/N is considered in a network with the adition of P — p uncorrelated patterns and results are given for the critical ac. This corresponds to the value of cx above wich the retrieval state is no longer present. Numerical simulations are carried out to discuss the retrieval quality and the size of the basins of attraction of the network. In the second part of the work, we studied the storage properties of correlated patterns, in the saturation regime, in Gardner—Derrida neural networks with optimal, continuous synapses. The average over quenched disorder were performed with the replica method, and the minimal fraction of storage errors 'per neuron' and the critical storage capacity in function of the corelations were calculated in the replica symmetry theory. We studied the stability in the space of replicas of these solutions, verifying that the symmetry breaking is relevant. Finally, we show a preliminar study of the replica symmetry breaking effects in the first order of the iterative Parisi's scheme for spin glasses.

ANDRADE FILHO, L. S. Projeto de classificadores de padrões baseados em protótipos usando evolução diferencial. 2014. 115 f. Dissertação (Mestrado em Engenharia de Teleinformática) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2014. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2015-05-26T13:28:57Z No. of bitstreams: 1 2014_dis_lsandradefilho.pdf: 2695503 bytes, checksum: 3ad514697f800cf993cd355b3f0f71b5 (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2015-05-27T19:27:39Z (GMT) No. of bitstreams: 1 2014_dis_lsandradefilho.pdf: 2695503 bytes, checksum: 3ad514697f800cf993cd355b3f0f71b5 (MD5) / Made available in DSpace on 2015-05-27T19:27:39Z (GMT). No. of bitstreams: 1 2014_dis_lsandradefilho.pdf: 2695503 bytes, checksum: 3ad514697f800cf993cd355b3f0f71b5 (MD5) Previous issue date: 2014-11-28 / In this Master's dissertation we introduce an evolutionary approach for the eficient design of prototyp e-based classi ers using di erential evolution (DE). For this purp ose we amalgamate ideas from the Learning Vector Quantization (LVQ) framework for sup ervised classi cation by Kohonen (KOHONEN, 2001), with the DE-based automatic clustering approach by Das et al. (DAS; ABRAHAM; KONAR, 2008) in order to evolve sup ervised classi ers. The prop osed approach is able to determine b oth the optimal numb er of prototyp es p er class and the corresp onding p ositions of these prototyp es in the data space. By means of comprehensive computer simulations on b enchmarking datasets, we show that the resulting classi er, named LVQ-DE, consistently outp erforms state-of-the-art prototyp e-based classi ers / Nesta dissertação é apresentada uma abordagem evolucionária para o projeto e ciente de classifi cadores baseados em protótipos utilizando Evolução Diferencial. Para esta fi nalidade foram reunidos conceitos presentes na família de redes neurais LVQ (Learning Vector Quantization, introduzida por Kohonen para classifi cação supervisionada, juntamente com conceitos extraídos da técnica de clusterização automática proposta por Das et al. baseada na metaheurística Evolução Diferencial. A abordagem proposta visa determinar tanto o número ótimo de protótipos por classe, quanto as posições correspondentes de cada protótipo no espaço de cobertura do problema. Através de simulações computacionais abrangentes realizadas sobre vários conjuntos de dados comumente utilizados em estudos de comparação de desempenho, foi demonstrado que o classifi cador resultante, denominado LVQ-DE, alcança resultados equivalentes (ou muitas vezes até melhores) que o estado da arte em classifi cadores baseados em protótipos, com um número muito menor de protótipos

ARAÚJO, C. B. C. Aplicação das redes neurais artificiais do tipo perceptron na estimativa de recalques em estacas. 2015. 203 f. Dissertação (Mestrado em Engenharia Civil: Geotecnia) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2015. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2015-06-24T13:04:33Z No. of bitstreams: 1 2015_dis_cbcaraújo.pdf: 11710979 bytes, checksum: e4ca4d2bd1394da9c96e33c49a57ee7c (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2015-06-24T19:02:43Z (GMT) No. of bitstreams: 1 2015_dis_cbcaraújo.pdf: 11710979 bytes, checksum: e4ca4d2bd1394da9c96e33c49a57ee7c (MD5) / Made available in DSpace on 2015-06-24T19:02:43Z (GMT). No. of bitstreams: 1 2015_dis_cbcaraújo.pdf: 11710979 bytes, checksum: e4ca4d2bd1394da9c96e33c49a57ee7c (MD5) Previous issue date: 2015-04-24 / Use of artificial neural networks (ANN) in the estimation of settlements in foundations deep has proven an effective tool. The work of Amancio (2013) and Silveira (2014), the use of RNA showed good results for predicting settlements in continuous stakes propellers, metal piles driven and bored piles. However, some modeled stakes had far behavior of real results, where modeling results indicate sharp increases in stiffness soil-cutting system. In this research, it developed a model with a neural network of the multilayer perceptron to improve the performance of the models Amâncio (2013) and Silveira (2014). To development work initially polls results of analyzes were made Percussion SPT and static load tests of 199 stakes used at work presented by Silveira (2014), making up an assessment of the consistency of the information, in order to have a more heterogeneous and the representative assembly. After conducting changes, has come up with a set with 141 stakes, totaling 1,320 examples of the type entrance exit. Were defined as model input variables: the type of pile, the length of the pile, the pile diameter, the number of representative values ​​when NSPT Over stake stem (called NF), the NSPT on the edge of the pile, depth of the layer the influence of load relative to the cutting edge, the factor representative of the soil layers clay, the representative factor of silty soil layers, the representative factor of the layers sandy soil and the applied load. Four different ways of calculation have been studied in NF input variable, which are: sum, average, weighted sum and weighted average. With input variables presented were worked models where the output variable was the repression of deep foundation. The modeling of RNA was made using the QNET program 2000 and were carried out training and validation of different architectures. The model had better performance showed correlation coefficient between the actual settlements and settlements modeled in the training of 0.99 and 0.98 in the validation. The results proved to be better than those of Amancio (2013) and Silveira (2014), which in the validation phase, They showed correlations of 0.89 and 0.94 respectively. The final model of this work has an architecture comprised of 10 nodes in the input layer, 34 neurons distributed throughout four hidden layers, and one neuron in the output layer (A: 10-15-9-7-3-1) using to calculate the average number of NSPT representative values ​​along the cutting shaft / A utilização das redes neurais artificiais (RNA) na estimativa de recalques em fundações profundas é comprovadamente uma ferramenta eficiente. Nos trabalhos de Amâncio (2013) e Silveira (2014), o emprego das RNA apresentou bons resultados para a previsão de recalques em estacas hélices contínuas, estacas cravadas metálicas e estacas escavadas. Porém, algumas estacas modeladas apresentaram comportamento muito distante dos resultados reais, onde os resultados da modelagem indicaram aumentos bruscos na rigidez do sistema solo-estaca. Nesta pesquisa, foi desenvolvido um modelo com uma rede neural do tipo perceptron multicamadas de forma a melhorar o desempenho dos modelos de Amâncio (2013) e Silveira (2014). Para desenvolvimento do trabalho, inicialmente foram feitas análises dos resultados de sondagens à percussão do tipo SPT e provas de carga estáticas das 199 estacas utilizadas no trabalho apresentado por Silveira (2014), fazendo-se uma avaliação da consistência das informações, com o objetivo de ter um conjunto mais heterogêneo e representativo. Após a realização de alterações, chegou-se a um conjunto com 141 estacas, totalizando 1.320 exemplos do tipo entrada-saída. Foram definidas como variáveis de entrada do modelo: o tipo de estaca, o comprimento da estaca, o diâmetro da estaca, o número representativo dos valores de NSPT ao longo do fuste da estaca (denominada NF), o NSPT na ponta da estaca, profundidade da camada de influência da carga em relação a ponta da estaca, o fator representativo das camadas de solo argiloso, o fator representativo das camadas de solo siltoso, o fator representativo das camadas de solo arenoso e a carga aplicada. Foram estudadas quatro diferentes formas de cálculo da variável de entrada NF, sendo estas: soma, média, soma ponderada e média ponderada. Com as variáveis de entrada apresentadas foram trabalhados modelos onde a variável de saída fosse o recalque da fundação profunda. A modelagem das RNA foi feita utilizando o programa QNET 2000, e foram realizados o treinamento e a validação de diferentes arquiteturas. O modelo que teve melhor desempenho apresentou coeficiente de correlação entre os recalques reais e os recalques modelados no treinamento de 0,99 e na validação de 0,98. Os resultados obtidos mostraram-se melhores que os de Amâncio (2013) e Silveira (2014), que na fase de validação, apresentaram correlações de 0,89 e 0,94 respectivamente. O modelo final deste trabalho possui uma arquitetura formada por 10 nós na camada de entrada, 34 neurônios distribuídos ao longo de quatro camadas ocultas e um neurônio na camada de saída (A:10-15-9-7-3-1), utilizando a média para cálculo do número representativo dos valores de NSPT ao longo do fuste da estaca

MATTOS, C. L. C. Comitês de classificadores baseados nas Redes SOM e Fuzzy ART com sintonia de parâmetros e seleção de atributos via metaheurísticas evolucionárias. 2011. 120 f. Dissertação (Mestrado em Engenharia de Teleinformática) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2011. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2012-03-15T16:42:23Z No. of bitstreams: 1 2011_dis_clcmattos.pdf: 5437735 bytes, checksum: 284dc9d13fabac4cf2d2ed13b0c01b43 (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2012-03-15T16:43:14Z (GMT) No. of bitstreams: 1 2011_dis_clcmattos.pdf: 5437735 bytes, checksum: 284dc9d13fabac4cf2d2ed13b0c01b43 (MD5) / Made available in DSpace on 2012-03-15T16:43:14Z (GMT). No. of bitstreams: 1 2011_dis_clcmattos.pdf: 5437735 bytes, checksum: 284dc9d13fabac4cf2d2ed13b0c01b43 (MD5) Previous issue date: 2011-11 / The ensemble-based classification paradigm has received considerable attention in scientific literature in recent years. In this context, supervised neural networks have been the most common choice for ensembles’ base classifiers. This dissertation has the intention of projecting and evaluating ensembles of classifiers built through modifications on non-supervised learning algorithms, such as the Fuzzy ART and SOM networks, originating, respectively, the ARTIE (ART in Ensembles) and MUSCLE (Multiple SOM Classifiers in Ensembles) models. The parameters’ tunning and the feature selection of the neural networks which compose the ARTIE and MUSCLE models were tackled by metaheuristic optimization, with the proposal of the I-HPSO (Improved Hybrid Particles Swarm Optimization) algorithm. The ARTIE and MUSCLE models were evaluated and compared with ensembles based on Fuzzy ARTMAP, LVQ and ELM networks in 12 real world datasets. The obtained results indicate that the proposed models present performance superior to the ensembles of supervised neural networks / O paradigma de classificação baseada em comitês tem recebido considerável atenção na literatura científica em anos recentes. Neste contexto, redes neurais supervisionadas têm sido a escolha mais comum para compor os classificadores base dos comitês. Esta dissertação tem a intenção de projetar e avaliar comitês de classificadores obtidos através de modificações impostas a algoritmos de aprendizado não-supervisionado, tais como as redes Fuzzy ART e SOM, dando origem, respectivamente, às arquiteturas ARTIE (ART in Ensembles) e MUSCLE (Multiple SOM Classifiers in Ensembles). A sintonia dos parâmetros e a seleção dos atributos das redes neurais que compõem as arquiteturas ARTIE e MUSCLE foram tratados por otimização metaheurística, a partir da proposição do algoritmo I-HPSO (Improved Hybrid Particles Swarm Optimization). As arquiteturas ARTIE e MUSCLE foram avaliadas e comparadas com comitês baseados nas redes Fuzzy ARTMAP, LVQ e ELM em 12 conjuntos de dados reais. Os resultados obtidos indicam que as arquiteturas propostas apresentam desempenhos superiores aos dos comitês baseados em redes neurais supervisionadas.

FONTINELE, H. I. P. Modelos locais para aproximação da cinemática inversa de robôs redundantes: um estudo comparativo. 2015. 118 f. Dissertação (Mestrado em Engenharia de Teleinformática) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2015. / Submitted by Hohana Sanders (hohanasanders@hotmail.com) on 2016-04-25T18:12:32Z No. of bitstreams: 1 2015_dis_hipfontinele.pdf: 4304334 bytes, checksum: 858efe9c1105666a1eccf05b77a6e772 (MD5) / Approved for entry into archive by Marlene Sousa (mmarlene@ufc.br) on 2016-04-29T17:34:35Z (GMT) No. of bitstreams: 1 2015_dis_hipfontinele.pdf: 4304334 bytes, checksum: 858efe9c1105666a1eccf05b77a6e772 (MD5) / Made available in DSpace on 2016-04-29T17:34:35Z (GMT). No. of bitstreams: 1 2015_dis_hipfontinele.pdf: 4304334 bytes, checksum: 858efe9c1105666a1eccf05b77a6e772 (MD5) Previous issue date: 2015-12-04 / In this dissertation it is reported the results of a comprehensive comparative study involving six local models applied to the task of learning the inverse kinematics of three redundant robotic arm (planar, PUMA 560 and Motoman HP6). The evaluated algorithms are the following ones: radial basis functions network (RBFN), local model network (LMN), SOMbased local linear mapping (LLM), local linear mapping over k-winners (K-SOM), local weighted regression (LWR) and counter propagation (CP). Each algorithm is evaluated with respect to its accuracy in estimating the joint angles given the cartesian coordinates which comprise end-effector trajectories within the robot workspace. A comprehensive evaluation of the performances of the aforementioned algorithms is carried out based on correlation analysis of the residuals. Finally, hypothesis testing procedures are also executed in order to verifying if there are significant differences in performance among the best algorithms. / Nesta dissertação são reportados os resultados de um amplo estudo comparativo envolvendo seis modelos locais aplicados à tarefa de aproximação do modelo cinemático inverso de 3 robôs manipuladores (planar, PUMA 560 e Motoman HP6). Os modelos avaliados são os seguintes: rede de funções de base radial (RBFN), rede de modelos locais (LMN), mapeamento linear local baseado em SOM (LLM), mapeamento linear local usando K vencedores (KSOM), regressão local ponderada (LWR) e rede counterpropagation (CP). Estes algoritmos são avaliados quanto à acurácia na estimação dos ângulos das juntas dos robôs manipuladores em experimentos envolvendo a geração de vários tipos de trajetórias no espaço de trabalho dos referidos robôs. Uma avaliação abrangente do desempenho de cada algoritmo é feita com base na análise dos resíduos e testes de hipóteses são realizados para verificar a semelhança estatistica entre os desempenhos dos melhores algoritmos.

Made available in DSpace on 2016-08-29T15:33:13Z (GMT). No. of bitstreams: 1 tese_3635_.pdf: 3859749 bytes, checksum: 6edbff4864c106ebc4846e89185adcea (MD5) Previous issue date: 2010-08-20 / Este trabalho apresenta uma metodologia para previsão de demanda de autopeças por meio de Redes Neurais Artificiais (RNA). Para validá-la, foi realizado um estudo comparativo com um trabalho de referência da literatura, que é baseado em métodos de suavização exponencial e de médias móveis. Os produtos, agrupados em 10 categorias de acordo com a proximidade espacial, totalizaram 72 observações mensais. As previsões geradas foram classificadas qualitativamente seguindo o critério de menor erro percentual absoluto médio (MAPE), e o modelo RNA se mostrou potencialmente superior em 70% das instâncias consideradas, frente aos melhores modelos tratados pelo autor, e efetivamente superior em 60% do total. As duas únicas instâncias que apresentaram o melhor erro MAPE foram implementadas com o modelo baseado em redes neurais. Esta metodologia foi então aplicada a um estudo de caso em uma empresa de atuação nacional no mercado de autopeças, com estoque composto por mais de 11.500 tipos diferentes de produtos. Nesta aplicação, foi proposta uma nova abordagem de agrupamento temporal, que difere das formas semanal e mensal, além do não agrupamento dos produtos em categorias, e cujo objetivo é evitar as influências advindas deste tipo de agregação e de solucionar os problemas causados pela demanda diária intermitente. Foram coletados dados de demanda no período de janeiro de 2007 a julho de 2009, totalizando 122 valores em agrupamento temporal definido como quarto de mês. A seleção da amostra deste estudo de caso, realizado através da classificação de Pareto, mostrou que pouco mais de 12% do total de produtos eram responsáveis por mais de 80% do volume mensal movimentado pela empresa. Dentre outros passos, este trabalho propôs o tratamento de outliers das séries através da transformação das instâncias, a análise de autocorrelação das séries originais e transformadas, e análise qualitativa dos resultados das previsões. Observou-se que a metodologia baseada em RNAs superou qualitativamente a maior parte dos resultados dos métodos de referência da literatura, tanto na abordagem comparativa quanto no estudo de caso.

Resumo: Um modelo de rede neural artificial é proposto. A rede neural possui múltiplas camadas. Cada camada da rede neural é formada por uma grade quadrangular de neurônios (em um espaço toroidal). As conexões sinápticas de cada neurônio abrangem três tipos: excitatórias inter-camadas, laterais inibitórias intra-camada e laterais excitatórias intra-camada. A disposição espacial das conexões é do tipo Gaussiana e específica para cada tipo de sinapse. Cada neurônio estabelece um número restrito de conexões. O modelo de arquitetura contribui para eliminar restrições apresentadas por arquiteturas em que entradas e conexões são distribuídas a todos os neurônios de cada camada. O modelo do neurônio apresenta dinâmica interna, proporcionando uma memória da atividade recente e assumindo papel importante na aprendizagem. A aprendizagem ê baseada na seleção pelas conseqüências, conforme princípios de aprendizagem por reforço. Em particular, a de aprendizagem por reforço utilizada é do tipo clássico. Os experimentos definidos para investigação e confirmação das capacidades da rede neural consideram um ambiente simulado, condizente com o modelo de Seleção pelas Conseqüências. Os resultados obtidos em simulações mostram que o modelo é capaz de reproduzir diversos fenômenos comportamentais, que são: aquisição de comportamento respondente, extinção de comportamento respondente, aquisição de comportamento operante, extinção de comportamento operante, capacidade de generalização de estímulos, habilidade no controle da intensidade das respostas, capacidade de controle de múltiplas respostas e fusão de sensores. Experimentos também ilustram o importante papel das conexões laterais inibitórias e das conexões laterais excitatórias na modelagem da formação de grupos neurais em nível operante. Entende-se que a capacidade de aprendizagem alcançada pela rede neural proposta torna-a viável para a concepção de sistemas autônomos inteligentes com potencialidades superiores àqueles divulgados na literatura especializada.