Os processadores comerciais atuais usam técnicas agressivas para a extração do paralelismo em nível de instrução com o objetivo de atingir maior desempenho. Uma destas técnicas, a previsão de desvios, é usada para antecipar a busca de instruções, manter contínuo o fluxo de instruções no pipeline e aumentar as chances de paralelização de instruções. A maioria dos previsores de desvios utiliza algoritmos triviais aplicados a informações comportamentais sobre os desvios contidas em tabelas atualizadas dinamicamente. Uma nova abordagem tem sido investigada recentemente visando substituir estes algoritmos triviais por redes neurais, com o objetivo de prover maior inteligência aos previsores. Os trabalhos realizados com previsores deste tipo ainda são introdutórios e por isso estudos mais profundos devem ser realizados. O presente trabalho analisa o desempenho da previsão de desvios baseada em rede neural do tipo Perceptron para cinco diferentes modelos de previsores propostos. O modelo UNI realiza a previsão através de um único Perceptron para todas as instruções dos programas. Os modelos TIP e END utilizam vários Perceptrons em tabelas acessadas pelo tipo ou endereço das instruções de desvios, respectivamente. Os modelos DNT e DNE possuem o mecanismo de previsão implementado em dois níveis e são extensões dos respectivos modelos em um nível (TIP e END). Estes modelos foram avaliados sob diferentes tamanhos de históricos de desvios (2 a 64), diferentes números de linhas (64 a 1024) e graus de associatividade (1 a 16) da tabela de Perceptrons, incluindo diferentes tipos de organização do previsor, LOCAL e GLOBAL, definindo a localização do histórico de desvios nos Perceptrons; e LG_AND e LG_OR, que combinam as saídas de LOCAL e GLOBAL segundo sua função lógica. As avaliações mostram que os previsores de dois níveis apresentam melhores resultados que os correspondentes de um nível, que o aumento das linhas da tabela para a mesma associatividade apresenta um ganho de desempenho e que há aumento de desempenho com o aumento da associatividade para o mesmo número de linhas da tabela. Os melhores resultados obtidos foram para programas de ponto flutuante e desvios para frente. As organizações LG_AND e LG_OR não apresentam contribuições representativas na previsão de desvios, ficando os melhores resultados para LOCAL e GLOBAL. De uma forma geral, o presente trabalho mostrou que o uso do Perceptron na previsão de desvio é atrativo e os resultados são equivalentes àqueles obtidos em trabalhos correlatos.

Made available in DSpace on 2014-06-11T19:22:31Z (GMT). No. of bitstreams: 0 Previous issue date: 2011-12-02Bitstream added on 2014-06-13T19:48:52Z : No. of bitstreams: 1 freitas_lps_me_ilha.pdf: 463364 bytes, checksum: 35c3a3450e5ec638595c65e3a7508c09 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Neste trabalho descreve-se o desenvolvimento de duas redes neurais que identificam e classificam dados da distribuição do peso corporal na região plantar de pessoas normais e hemiplégicas. Esses dados são experimentais e foram obtidos através da utilização de uma plataforma de força contendo 48 sensores. As arquiteturas utilizadas para esta aplicação foram as redes neurais MLP (Multilayer Perceptron) com o algoritmo retropropagação (backpropagation), e ARTMAP Nebulosa. A escolha de tais arquiteturas se deve ao treinamento (supervisionado) o qual associa de forma direta a distribuição de força plantar com os respectivos pacientes (normais e hemiplégicos). Ambas as arquiteturas, MLP e ARTMAP Nebulosa, conseguiram fazer a discriminação entre quase todas as pessoas normais e hemiplégicos. A rede neural ARTMAP Nebulosa possui a vantagem de efetuar a classificação de forma rápida e eficiente. Esta aplicação é importante nas áreas de Podologia, Posturologia e Podoposturologia, pois propicia ao profissional de saúde uma nova metodologia de diagnóstico / This work describes the development of two neural networks that identify and classify data distribution of plantar body weight of normal or hemiplegic individuals. The architectures used for this application were, respectively, MLP neural networks (Multilayer Perceptron) with backpropagation algorithm, and Fuzzy ARTMAP. The choice of such architectures was due to the training (supervised training) which directly associates the distribution of plantar force with the patients (normal or hemiplegic). The input data used for training and diagnosis of the neural networks were obtained from a force plate, with 48 sensors, containing measurements of the weight distribution on the plantar region (right and left) of normal or hemiplegic patients. Both architectures, MLP and Fuzzy ARTMAP, were able to discriminate almost all normal and hemiplegic patients. The Fuzzy ARTMAP neural network was more efficient than MLP neural network in the classification of the patients. This application is important in areas of Podiatry, Posturology and Podoposturology because it can help the health care professionals

Submitted by JOSÉ AUGUSTO RODRIGUES MASSABKI null (gutomassabki@hotmail.com) on 2018-03-08T14:58:18Z No. of bitstreams: 1 MASSABKI_JAR_DISSERTAÇÃO.pdf: 7122424 bytes, checksum: c08644632b83238ac437413218505331 (MD5) / Approved for entry into archive by Maria Marlene Zaniboni null (zaniboni@bauru.unesp.br) on 2018-03-09T16:07:31Z (GMT) No. of bitstreams: 1 massabki_jar_me_bauru.pdf: 7023665 bytes, checksum: fcbeb68c217f697d59d1fb24a1c507b9 (MD5) / Made available in DSpace on 2018-03-09T16:07:31Z (GMT). No. of bitstreams: 1 massabki_jar_me_bauru.pdf: 7023665 bytes, checksum: fcbeb68c217f697d59d1fb24a1c507b9 (MD5) Previous issue date: 2018-02-01 / O objetivo deste trabalho foi analisar os impactos da resolução espacial na modelagem da expansão urbana da Região Metropolitana de São Paulo (RMSP) por meio de autômatos celulares (CA, do inglês: Cellular Automata) combinados com redes neurais artificiais. Para tanto, foram utilizados dados do perímetro urbanizado referentes aos períodos de 1881, 1905, 1929, 1949, 1974 e 2005 para a construção de uma série de modelos espaciais. Uma estrutura de células regulares (grid) foi concebida para se representar a área de estudo, cuja resolução espacial se baseou em células de 1.000 por 1.000 metros, 800 por 800 metros e 600 por 600 metros. Os modelos também levaram em consideração a combinação de variáveis representando o estado inicial da célula (urbana ou não urbana), o número de células vizinhas classificadas como urbanas e o número de células vizinhas classificadas como não urbanas. Os resultados mostraram que a variação da resolução espacial não proporcionou impacto significativo no desempenho das modelagens desenvolvidas, visto que os desempenhos obtidos a partir das diferentes estruturas e tamanhos de grid foram bastante similares. Há os destaques para o Grid de 1000 por 1000 metros, baseado no estado e no número de vizinhos urbanos, com 90,09% de acertos global; para o Grid de 800 por 800 metros, baseado no estado, no número de vizinhos urbanos e no número de vizinhos não urbanos, com 90,25% de acertos global; e finalmente, para o Grid de 600 por 600 metros, baseado no estado e no número de vizinhos urbanos, com 90,14% de acertos global. Na sequência, uma previsão de ocupação do território para 2030 foi avaliada para esses modelos em destaque, observando-se tanto padrões de expansão urbana orientados por infraestruturas, como processos de ocupação urbana em áreas impróprias. Em síntese, esse estudo demonstrou que um aparente aumento na resolução espacial do grid não produz efeitos positivos em relação a um aumento no desempenho dos modelos espaciais desenvolvidos neste trabalho. Dessa forma, o Grid de 1000 por 1000 metros pode servir como ferramenta nos processos de planejamento urbano conforme a metodologia empregada. Cabe ressaltar ainda que esse grid acaba tornando o processamento computacional mais leve, em função da menor quantidade de dados envolvidos. / The objective of this work was to analyze the impacts of the spatial resolution related to the urban expansion modeling of the Metropolitan Region of São Paulo (MRSP) by means of Cellular Automata (CA) combined with Artificial Neural Networks. Data regarding the urbanized perimeter in the periods of 1881, 1905, 1929, 1949, 1974 and 2005 were used for the construction of a series of spatial models. A grid of regular cells was conceived to represent the study area, whose spatial resolution was based on cells of 1,000 by 1,000 meters, 800 by 800 meters and 600 by 600 meters. The models also took into account the combination of variables representing the initial state of the cell (urban or non-urban), the number of neighboring cells classified as urban, and the number of neighboring cells classified as non-urban. The results showed that the variation on the spatial resolution did not result in a significant impact on the performance of the developed models, since they were quite similar across the different structures and grid sizes explored. There were some highlights, for example, the Grid of 1000 by 1000 meters, based on the state of the cell and the number of urban neighbors, with 90.09% of global correct predictions; the Grid of 800 by 800 meters, based on the state of the cell, the number of urban neighbors and the number of non-urban neighbors, with 90.25% of global correct predictions; and finally, the Grid of 600 by 600 meters, based on the state of the cell and number of urban neighbors, with 90.14% of global correct predictions. In the sequence, a forecast of the territorial occupation was simulated for year 2030 considering those highlighted models. The results showed some patterns of urban expansion oriented by infrastructures, as well as processes of urban occupation in inappropriate areas. In sum, this study demonstrated that an apparent increase in the spatial resolution of the grid does not produce positive effects in relation to an increase in the performance of the spatial models developed in this work. Therefore, the Grid of 1000 by 1000 meters can serve as a tool for urban planning processes according to the methodology used. It should also be noted that this grid ends up making the computational processing lighter, due to the smaller amount of data involved.

Submitted by CAROLINE MEIRELES FANFONI null (cmeireles-123@hotmail.com) on 2017-06-27T13:54:42Z No. of bitstreams: 1 CAROLINE MF DISSERTAÇÃO.pdf: 4468648 bytes, checksum: 2bc5b7cf722e46221324bc2fc5bf9f09 (MD5) / Approved for entry into archive by Luiz Galeffi (luizgaleffi@gmail.com) on 2017-06-28T19:46:06Z (GMT) No. of bitstreams: 1 fanfoni_cm_me_bauru.pdf: 4468648 bytes, checksum: 2bc5b7cf722e46221324bc2fc5bf9f09 (MD5) / Made available in DSpace on 2017-06-28T19:46:06Z (GMT). No. of bitstreams: 1 fanfoni_cm_me_bauru.pdf: 4468648 bytes, checksum: 2bc5b7cf722e46221324bc2fc5bf9f09 (MD5) Previous issue date: 2017-01-16 / A patologia mais recorrente na coluna vertebral é a escoliose. A modificação estrutural causada pela escoliose gera o desalinhamento postural global do indivíduo. Uma das modificações causadas pelo desalinhamento postural é a forma como o indivíduo distribui o peso na região plantar dos pés. O objetivo deste trabalho foi implementar um sistema eletrônico constituído por um baropodômetro e redes neurais artificiais para separar pacientes com Grau I na classificação de Ricard, de 1o a 19o de escoliose, em dois grupos, C1 (1o a 9o) e C2 (10o a 19o). A maior percentagem de pacientes com escoliose está nesta faixa, aqueles que não precisam usar coletes ou fazer cirurgia, e cujo tratamento é realizado com ginásticas especiais e com avaliações freqüentes pelo profissional de saúde. A classificação dos pacientes nos grupos de escoliose foi implementada com o software Matlab e redes neurais artificiais, usando o algoritmo de treinamento backpropagation. A precisão média da classificação foi de 93,7% para o grupo C1 e 94,5% para o grupo C2. As acurácias na classificação foram de 83,3% para o grupo C1 e 96% para o grupo C2. O sistema implantado pode contribuir para o tratamento de pacientes com grau de escoliose na faixa de 1o a 19o, o intervalo de maior incidência desta patologia, no qual o monitoramento da condição clínica com técnicas não invasivas é de fundamental importância. / The most recurrent pathology in the spine is scoliosis. The structural modification caused by scoliosis generates the individual's overall postural misalignment. One of the modifications caused by postural misalignment is the way the individual distributes the weight in the plantar region of the feet. The objective of this work was to implement an electronic system consisting of a baropodometer and artificial neural networks to separate patients with Grade I in the classification of Ricard, from 1o to 19o of scoliosis, in two groups, C1 (1o to 9o) and C2 (10o to 9o). The largest percentage of patients with scoliosis are in this range, those who do not need to wear vests or have surgery, and whose treatment is performed with special gymnastics and with frequent evaluations by the health professional. The classification of patients in the scoliosis groups was implemented with Matlab software and artificial neural networks, using the backpropagation training algorithm. The mean precision of the classification was 93.7% for the C1 group and 94.5% for the C2 group. The accuracy in the classification was 83.3% for the group C1 and 96.0% for the group C2. The implemented system can contribute to the treatment of patients with grade of scoliosis in the range from 1o to 19o, the interval of higher incidence of this pathology, in which the monitoring of the clinical condition by non-invasive techniques is of fundamental importance.

Resumo: O presente trabalho oferece contribuições à modelagem da rugosidade da peça em processos de usinagem por meio de redes neurais artificiais. Propõe-se um método para o projeto de redes. Perceptron Multi-Camada (Multi-Layer Percepton, ou MLO) e Função de Base radial Radial Basis Function, ou RBF) otimizadas para a predição da rugosidade da pela (Ra). Desenvolve-se um algoritmo que utiliza de forma hibrida a metodologia do projeto de experimentos por meio das técnicas dos fatoriais completose de Variações Evolucionária em Operações (EVOP). A estratégia adotada é a de utilizar o projeto de experimentos na busca de configurações de rede que favoreçam estatisticamente o desempenho na tarefa de predição. Parâmetro de corte dos processos de usinagem são utilizados como entradas das redes. O erro médio absoluto em porcentagem (MAE %) do decil inferioir das observações de predição para o conjunto de testes é utilizado como medida de desempnho dos modelos. Com o objetivo de validar o métido proposto são empregados casos de treinamento gerados a partir de daods obtidos de trabalhos de literatura e de experimentos de torneamento do aço ABNT 121.13. O método proposto leva á redução significativa do erro de predição da rugosidade nas operações de usinagem estudadas, quando se compara seu desempenho ao apresentado por modelos de regressão, aos resultados relatados pela literatura e ao desempenho de modelos neurais propostos por um pacotecomputacional comercial para otimização de configurações de rede. As redes projetadas segundo o método proposto possuem dispersão dos erros de predição significativamente reduzidos na comparação. Observa-se ainda que rede MLP atingem resultados estatisticamente superior aos obtidos pelas melhores redes RBF / Abstract: The present work offers some contributions to the area of surface roughness modeling by Artificial Neural Network in machining processes. Ir proposes a method for the project networks of MLP (Multi-Layer Perceptron) and RBF (Radial Basis Function) architectures optimized for prediction of Average Surface Roughness (Ru). The methid is expressed in the format of an algorithm employing two techniques from the DOE (Design of Experiments) methodology: Full factorials and Evolutionary Operations(EVOP). The strategy adopted consists in the sistematic use of DOE in a search for network configurations that benefits performance in roughess prediction. Cutting para meters from machining operations are employed as network inputs. Themean absolute error in percentage (MAE%) of the lower decile of the predictions for the test set is used as a figure of merit for network performance. In order to validate the method, data sets retrieved from literature, as well as results of experiments with AISI/SAE free-machining steel, are employed to form training and test data sets for the networks. The proposed algorithm leads to significant reduction in prediction error for surface roughness when compared to the performance delivred by a regression model, by the networks proposed by the original studies data was borrowed from and when compared models proposed by a software package intend to search automatically for optimal network configurations. In addition, networks designed acording to the proposed algorithm displayed reduced dispersion of prediction error for surface roughness when compared to the performance delivered by a regression model, by the networks proposed by the original studies data was borrowed from and when compared to neural models proposed by a software package intended to searchautomatically for optimal network configurations. In addition, networks designed according to the proposed algorith ... (Complete abstract click electronic access below) / Orientador: Messias Borges Silva / Coorientador: Anderson Paulo de Paiva / Banca: Marcos Valério Ribeiro / Banca: Marcela A. G. Machado de Freitas / Banca: Domingos Sávio Giordani / Banca: João Roberto Ferreira / Doutor

Orientador: Marcelo Carvalho Minhoto Teixeira / Banca: Aparecido Augusto de Carvalho / Banca: Márcio Roberto Covacic / Resumo: Neste trabalho descreve-se o desenvolvimento de duas redes neurais que identificam e classificam dados da distribuição do peso corporal na região plantar de pessoas normais e hemiplégicas. Esses dados são experimentais e foram obtidos através da utilização de uma plataforma de força contendo 48 sensores. As arquiteturas utilizadas para esta aplicação foram as redes neurais MLP (Multilayer Perceptron) com o algoritmo retropropagação (backpropagation), e ARTMAP Nebulosa. A escolha de tais arquiteturas se deve ao treinamento (supervisionado) o qual associa de forma direta a distribuição de força plantar com os respectivos pacientes (normais e hemiplégicos). Ambas as arquiteturas, MLP e ARTMAP Nebulosa, conseguiram fazer a discriminação entre quase todas as pessoas normais e hemiplégicos. A rede neural ARTMAP Nebulosa possui a vantagem de efetuar a classificação de forma rápida e eficiente. Esta aplicação é importante nas áreas de Podologia, Posturologia e Podoposturologia, pois propicia ao profissional de saúde uma nova metodologia de diagnóstico / Abstract: This work describes the development of two neural networks that identify and classify data distribution of plantar body weight of normal or hemiplegic individuals. The architectures used for this application were, respectively, MLP neural networks (Multilayer Perceptron) with backpropagation algorithm, and Fuzzy ARTMAP. The choice of such architectures was due to the training (supervised training) which directly associates the distribution of plantar force with the patients (normal or hemiplegic). The input data used for training and diagnosis of the neural networks were obtained from a force plate, with 48 sensors, containing measurements of the weight distribution on the plantar region (right and left) of normal or hemiplegic patients. Both architectures, MLP and Fuzzy ARTMAP, were able to discriminate almost all normal and hemiplegic patients. The Fuzzy ARTMAP neural network was more efficient than MLP neural network in the classification of the patients. This application is important in areas of Podiatry, Posturology and Podoposturology because it can help the health care professionals / Mestre

Um modelo para redes de neurônios é estudado onde a função energia E é dada pelo produto do quadrado das distâncias no espaço de fase entre o estado S da rede e os P padrões armazenados.Os tempos de convergência e as correspondentes dispersões também foram estudados numericamente e estão relacionados ao número de estados espúrios ao redor de cada configuração armazenada. Ambas quantidades sâo pequenas na fase de recuperaçâo , indicando a homogeneidade e suavidade do espaço de fase. / A model for neural networks is studied through a multineuron interaction energy function E given by the product of the squared distances in phase space between the state S of the net and the P stored patterns. Convergence times and the corresponding dispersions have also been studied numerically a.s para.meters to measure the efficiency of this model. These quantities are related to the number of spurious sLates for ea.ch configuration of stored pa.tterns. Both the average convergence time and the dispersions are small in the retrieval phase, indicating the homogeneity and smoothness of the phase space.

Com o avanço das técnicas analíticas, tem sido possível estudadar redes neurais atratoras onde cada unidade de processamento é conectada com um número finito de vizinhos, sendo que esse número independe do tamanho do sistema. Aplicamos essas técnicas ao estudo de redes atratoras com padrões que possuem uma quebra de simetria sobre o número de bits ativos e quiscentes. O objetivo deste trabalho é estudar a capacidade da rede neural em armazenar padrões com atividade não nula, uma vez que a conectividade por neurônio é finita. Inicialmente, apresentamos os modelos predecessores de redes atratoras, como o modelo de Hopfield e os modelos de Amit, Gutfreund e Sompolinsky. Em tais modelos, o aprendizado é definido através de modificações sinápticas, inspiradas nas ideias de Hebb. Mostramos como é estimada a capacidade da rede. Mencionamos a introdução de uma função de energia para o sistema, que permite uma ligação com estudo de sistemas magnéticos através da mecânica estatística. Apresentamos também regras de aprendizado para lidar com padrões com atividade não nula. Num segundo momento, aplicamos o método de réplicas, utilizado para tratar sistemas desordenados, ao problema da rede atratora com conectividade e atividade dos padrões finitas. Utilizamos o formalismo de funções de ordem e fazemos uso do conceito de sub-redes, que permite particionar o grafo de acordo com os padrões a serem armazenados em cada neurônio. Obtemos, assim, uma função de ordem por sub-rede que contém toda informação sobre o estado do sistema. Aplicando o ansatz de simetria de réplicas, é possível derivar distribuições autoconsistentes dos campos locais para cada sub-rede. Tais distribuições passam a fornecer toda informação necessária para calcularmos os observáveis relevantes. As distribuições são calculadas numericamente a partir do método da dinâmica de populações. Em seguida, traçamos diagramas de fases para três regras de aprendizado. A partir desses, estimamos a capacidade, temperatura e atividade críticas. Observa-se a presença de fases de vidro de spin, transições decontínuas e pontos tricríticos. / With the advance of analytical tools it has been possible to study attractor neural networks in which each processing unit is connected to a finite number of neighbours. Being that, the number of neighbours is independent of the size of the system. We apply these tools to the study of attractor networks in which the patterns have a broken symmetry with respect to the number of active and inactive bits. The objetive of this work is to study the capacity of the neural network to store patterns with activity different from zero, being that the conectivity per neuron is finite. First, we present the predecessor models of attractor networks like the Hopfield and Amit, Gutfreund e Sompolinsky ones. In such models the learning is defined through sinaptic modifications, inspired by Hebb’s ideas. We show how to estimate the storage capacity of the network. We mention the introduction of a energy function for the system, which allows a link with the study of magnetic systems through statistical machanics. We present learning rules to deal with patterns which have non zero activity. In the second part, we apply the replic method, utilized to deal with disordered systems to the problem of an attractor neural network with finite conectivity and activity. We utilized the formalism of order functions and the concept of sublattices, this concept allows to partition the graph according with the patterns to be stored in each neuron. This way, we obtain an order function per sublattice which contain all the information about the state of the system. Applying the replica symmetry ansatz it is possible to derive self-consistent distributions of the local fields per sublattice. Such distributions start to provide all the necessary information to calculate the relevant observables. These distributions are calculated numerically using the population dynamics method. Then, we draw phase diagrams for three learning rules. Using these, we estimate the storage capacity, the temperature and the critical activity. We observe the presence of spin glass phases, discontinuos phase transiotions and tricritical points.

A apneia é um Distúrbio Respiratório do Sono com grande incidência, estimando-se que esteja presente em 13% dos homens e 6% das mulheres nos Estados Unidos. Correlacionados com a apoeia, estão a obesidade, a diabete mellitus e, principalmente, algumas doenças cardíacas. No Brasil ainda há poucas pesquisas, possivelmente pelo difícil acesso e pelo alto custo das Polissonografias. Neste trabalho são analisados alguns sinais de Polissonografia, como o Eletrocardiograma, a Saturação do Oxigênio no Sangue, o Flu.xo Respiratório e o Esforço Respiratório. Mostramos como a Transformada Wavelet Discreta e as Redes Nemais constituem ferramentas matemáticas computacionais que possibilitam a extração de características e a classificação, servindo de suporte ao diagnóstico utilizado at ualmente. / Apnea is a highly incident Sleep-Disordered Breathing, which a icts roughly 13% of men and 6% of the women in the USA. It is also found a few correlations with other diseases, like obesity, diabetes mellitus and, especially, certain cardiac diseases. In Brazil, there are few studies, possibly due to the di cult access and the cost of Polysomnography. In this study, we analyzed some signals of Polysomnography, as the electrocardiogram, the oxygen saturation, the respiratory ow and respiratory e ort. We show how the Discrete Wavelet Transform and Neural Network may be applied as computational mathematical tools that enable feature extraction and classi cation, serving to support the diagnosis currently used.

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.