Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas Departamento de Ciência da Computação, 2012. / Submitted by Elna Araújo (elna@bce.unb.br) on 2012-06-21T21:31:21Z No. of bitstreams: 1 2012_TulioConradoCamposdaSilva.pdf: 4592113 bytes, checksum: aec465e9c017ed15dd0f0c16eef5d9de (MD5) / Approved for entry into archive by Jaqueline Ferreira de Souza(jaquefs.braz@gmail.com) on 2012-06-22T11:53:59Z (GMT) No. of bitstreams: 1 2012_TulioConradoCamposdaSilva.pdf: 4592113 bytes, checksum: aec465e9c017ed15dd0f0c16eef5d9de (MD5) / Made available in DSpace on 2012-06-22T11:53:59Z (GMT). No. of bitstreams: 1 2012_TulioConradoCamposdaSilva.pdf: 4592113 bytes, checksum: aec465e9c017ed15dd0f0c16eef5d9de (MD5) / Experimentos diversos no campo da Biologia Molecular revelaram que alguns tipos de ácido ribonucléico (RNA) podem estar diretamente envolvidos na expressão gênica e do fenótipo, alem de sua já conhecida função na síntese de proteínas. De modo geral, RNAs podem ser divididos em duas classes: RNA mensageiro (mRNA), que são traduzidos para proteínas, e RNA não codificador (ncRNA), que exerce papéis celulares importantes além de codificação de proteínas. Nos últimos anos, vários métodos computacionais baseados em diferentes teorias e modelos foram propostas para distinguir mRNA de ncRNA. Dentre os métodos mais atuais, destacam-se o uso de gramáticas estocásticas livres de contexto, informações termodinâmicas, teorias probabilíticas e algoritmos de aprendizado de máquina, sendo esses últimos abordagens muitos maleáveis e de menor complexidade. Particularmente, os métodos por aprendizado de máquina que utilizam redes neurais artificiais de treinamento não supervisionado constituem uma promissora linha de pesquisa, por sua grande plasticidade e capacidade de classificação do conjunto de dados de ncRNAs por critérios bem estabelecidos. Essa ultima técnica e extensivamente abordada no presente trabalho, mais precisamente utilizando Mapa Auto Organiz avel (SOM), Learning Vector Quantization (LVQ) e as redes Teoria da Ressonância Adaptativa (ART), para o problema de distinguir ncRNAs de mRNAs em um dado transcriptoma. As acuracias obtidas para as duas abordagens, em teste, ou estudo de caso, realizado com pequenos ncRNAs de 4 organismos logeneticamente distantes atingiram 98%. Os critérios para classificação de ncRNA foram otimizados através da Análise de Componentes Principais (PCA), reduzindo o numero de suas variáveis em 32% sem reduzir a acurácia obtida no estudo de caso. _________________________________________________________________________________ ABSTRACT / Several experiments conducted in the Molecular Biology eld have shown that some types of RNA may control gene expression and phenotype by themselves, besides their traditional role of allowing protein synthesis. Roughly speaking, RNA can be divided into two classes: messenger RNA (mRNA), that are translated into proteins, and non-coding RNA (ncRNA), which play several important cellular roles besides protein coding. In recent years, many computational methods based on deferent theories and models have been proposed to distinguish mRNA from ncRNA. Among the newest methods, it is noteworthy the use of stochastic context free grammars, thermodynamical information, probabilistic theories and machine learning algorithms, which are very adaptive and lowcomplexity approaches. Particularly, machine learning methods that uses non-supervised learning articial neural networks are a promising research eld, for they are highly plastic and are able to classify ncRNA data using well established criteria. The present work extensively approaches the latter technique, particularly Self-Organizing Maps (SOM), Learning Vector Quantization (LVQ) and Adaptive Resonance Theory (ART) algorithms for distinguishing ncRNA from coding RNA in a given transcriptome. A test case was developed using biological data from 4 phylogenetically distant organisms. Using this test case, the trained networks achieved 98% accuracy. The classication criteria used by the developed methods have been further optimized using Principal Components Analysis (PCA), reducing 32% of the number of extracted numerical variables without reducing the assessed accuracy.

Dissertação (mestrado)—Universidade de Brasília, Programa de Pós-graduação em Engenharia Elétrica, 2012. / Submitted by Alaíde Gonçalves dos Santos (alaide@unb.br) on 2012-09-27T12:26:57Z No. of bitstreams: 1 Dissertação - Eduardo Gusmão (Final).pdf: 6840488 bytes, checksum: 694af18aaa819f972e2cdb38eb0ed468 (MD5) / Approved for entry into archive by Jaqueline Ferreira de Souza(jaquefs.braz@gmail.com) on 2012-09-27T14:49:38Z (GMT) No. of bitstreams: 1 Dissertação - Eduardo Gusmão (Final).pdf: 6840488 bytes, checksum: 694af18aaa819f972e2cdb38eb0ed468 (MD5) / Made available in DSpace on 2012-09-27T14:49:38Z (GMT). No. of bitstreams: 1 Dissertação - Eduardo Gusmão (Final).pdf: 6840488 bytes, checksum: 694af18aaa819f972e2cdb38eb0ed468 (MD5) / O presente trabalho explora o uso de redes neurais artificiais na identificação de informações sobre o conteúdo de transmissões de voz sobre IP criptografas. O estudo aborda especificamente duas informações: o idioma da chamada e o seu locutor. Para demonstrar na prática os métodos empregados, foram realizados experimentos em laboratório, nos quais o tráfego de rede gerado pelo software Skype foi capturado e analisado. _______________________________________________________________________________________ ABSTRACT / The current academic work explores the use of artificial neural networks on the content’s identification of encrypted voice over IP systems. This study specifically approaches two kinds of information: the language and the caller’s identity. Laboratory experiments were developed to demonstrate the employed methods, in which Skype’s network traffic was collected and analyzed.

Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2013. / Submitted by Ricardo Tavares (ricardosoares@bce.unb.br) on 2013-06-13T21:23:24Z No. of bitstreams: 1 2013_AndréLuizSordiBraga.pdf: 1954072 bytes, checksum: 54a743d6875874b9d46f86962b03575c (MD5) / Approved for entry into archive by Patrícia Nunes da Silva(patricia@bce.unb.br) on 2013-06-19T19:06:55Z (GMT) No. of bitstreams: 1 2013_AndréLuizSordiBraga.pdf: 1954072 bytes, checksum: 54a743d6875874b9d46f86962b03575c (MD5) / Made available in DSpace on 2013-06-19T19:06:55Z (GMT). No. of bitstreams: 1 2013_AndréLuizSordiBraga.pdf: 1954072 bytes, checksum: 54a743d6875874b9d46f86962b03575c (MD5) / O Método de Grupo para Manipulação de Dados (GMDH - Group Method of Data Handling) é um modelo de rede neural artificial (RNA) constituído de neurônios compostos por polinômios de baixa ordem. Os neurônios GMDH dispensam o uso das complexas funções de ativação, que demandam grandes esforços dos microprocessadores para que realizem seus cálculos. A simplicidade dos neurônios, em conjunto com outras características, tornam o GMDH uma opção interessante para aplicações de engenharia. Desde a proposta seminal do método, em 1966, diversos trabalhos têm sido desenvolvidos com o intuito de melhorar seus resultados em áreas como mineração de dados, predição, modelagem de sistemas, otimização e reconhecimento de padrões. Este trabalho introduziu uma abordagem teórica e experimental no estudo do GMDH, lidando com vários aspectos de seu processo de treinamento. Como resultado, produziu-se uma ferramenta de desenvolvimento chamada GMDH Box, que permite que o desenvolvedor escolha diferentes parâmetros de treinamento e varições do método, que podem ser aplicados em diferentes áreas. Nesse sentido, três aplicações foram escolhidas: (a) modelagem e predição de sistemas dinâmicos; (b) reconhecimento de padrões em bioinformática e; (c) sistemas embarcados baseados em FPGAs. A identificação de sistemas dinâmicos não lineares é uma tarefa difícil e existem vários relatos na literatura sobre a utilização de diferentes modelos de RNAs para aproximar essa classe de problemas. Este trabalho introduziu a aplicação da modelagem paralela de GMDH nesta área, comparando seus resultados com outros obtidos utilizando-se redes neurais MLP (Multiple Layers Perceptron). Na áarea de bioinformática, o método GMDH foi testado com sete sequências de proteínas cujos tamanhos variam de 14 a 54 resíduos. Os resultados demonstraram que as estruturas terciárias preditas adotam uma forma similar às das estruturas experimentais. Na área de sistemas embarcados, partes do método GMDH foram implementadas em hardware, mais precisamente em FPGAs (Field Programmable Gate Arrays). Um conjunto de experimentos foi realizado em um PC utilizando o FPGA como um coprocessador acessado através do protocolo TCP/IP. O fluxo de projeto demonstrou que é possível implementar-se a rede em hardware, que pode ser utilizada como um acelerador em sistemas embarcados. Experimentos demonstraram que a implementação é efetiva para encontrar-se soluções de boa qualidade para o problema em análise e representam os primeiros resultados da técnica inovadora da aplicação de GMDH em hardware para a solução do problema da predição de estruturas de proteínas. Nas três aplicações, obteve-se resultados interessantes, relacionados ao desempenho e à aplicabilidade do método, comparando-os com resultados obtidos a partir de abordagens mais conhecidas como o modelo MLP. _________________________________________________________________________________ ABSTRACT / GMDH (Group Method of Data Handling) are arti cial neural networks (ANNs) composed of neurons constituted of low order polynomials. GMDH neurons are exempt from the use of complex activation functions, which require big e orts from microprocessors to perform their calculations. The simplicity of the GMDH neurons model, along with other characteristics, make GMDH an interesting option for engineering applications. Since the seminal proposal of the GMDH method in 1966, several works have been developed in order to improve its results in di erent areas such as data mining, knowledge discovery, forecasting, systems modeling, optimization and pattern recognition. This work has introduced a theoretical and experimental approach in the study of GMDH, discussing and addressing several aspects of its training process. This work has yielded a development tool called GMDH Box, which allows the designer to choose several GMDH training parameters and variations, which can be applied on different areas. In this direction, three applications have been chosen: (a) modeling and prediction of dynamic systems; (b) pattern recognition in bioinformatics and; (c) embedded systems based on FPGAs. Identi cation and prediction of nonlinear dynamic systems are di cult tasks and there are several reports in the literature about the utilization of dif erent models of ANNs to approximate this class of systems. This work has introduced the application of GMDH parallel modeling to this problem, comparing its results with the ones obtained with MLP (Multiple Layers Perceptron) ANNs. In the bioinformatics area, the GMDH method was tested with seven protein sequences whose sizes vary from 14 to 54 amino acid residues. Results show that the predicted tertiary structures adopt a fold similar to the experimental structures. In the embedded systems area, portions of the GMDH method have been implemented in hardware, more precisely in FPGAs (Field Programmable Gate Arrays). A set of experiments have been performed on a PC using the FPGA as a co-processor accessed through sockets over the TCP/IP protocol. The design ow employed demonstrated that it is possible to implement the network in hardware, which can be used as an accelerator in embedded systems. Experiments show that the proposed implementation is ef ective in finding good quality solutions for the example problem, which represents the early results of the novel technique of applying the GMDH algorithms in hardware for solving the problem of protein structures prediction. In the three applications, this work has detected several interesting results, related to performance and suitability, comparing the results with more well-known approaches such as the MLP model.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2006. / Submitted by Kathryn Cardim Araujo (kathryn.cardim@gmail.com) on 2009-10-29T19:08:36Z No. of bitstreams: 1 2006_André Luiz Bandeira Molina.pdf: 7368565 bytes, checksum: 0d876f6ebaca7c244f88790ccfec6c14 (MD5) / Approved for entry into archive by Gomes Neide(nagomes2005@gmail.com) on 2010-10-19T13:20:17Z (GMT) No. of bitstreams: 1 2006_André Luiz Bandeira Molina.pdf: 7368565 bytes, checksum: 0d876f6ebaca7c244f88790ccfec6c14 (MD5) / Made available in DSpace on 2010-10-19T13:20:17Z (GMT). No. of bitstreams: 1 2006_André Luiz Bandeira Molina.pdf: 7368565 bytes, checksum: 0d876f6ebaca7c244f88790ccfec6c14 (MD5) Previous issue date: 2006-12-15 / O Deinterleaving de seqüências de pulsos de sinais radar é uma tarefa essencial para a identificação de radares em guerra eletrônica. Algumas formas de se realizar o deinterleaving baseiam-se em técnicas temporais, que utilizam histogramações e recursividade, e em técnicas baseadas em transformadas ortogonais, que utilizam as assinaturas espectrais para detecção das seqüências. Qualquer uma das abordagens onera grande esforço computacional. Entretanto, as técnicas que utilizam transformadas ortogonais são mais robustas devido às propriedades de minimização da correlação entre as diversas fontes de sinais. As assinaturas espectrais no espaço transformado apresentam um comportamento típico mais evidente. Este trabalho propõe uma técnica composta de três etapas distintas. Primeiramente, tem-se um pré-processamento pelo qual toda a faixa de valores de interesse é segmentada em sub-faixas por meio de subamostragens e filtragem digital. Em seguida, utiliza-se a análise tempo-freqüência por meio da transformada de wavelet contínua de forma a separar os padrões espectrais de interesse. Na última etapa, é implementado um processo de identificação de assinatura espectral baseado em redes neurais artificiais. Também é apresentada toda a formulação matemática necessária para o estabelecimento das condições de contorno e elaboração dos procedimentos dedicados. Os algoritmos foram desenvolvidos em linguagem MATLAB para simulação e validação dos modelos. Os resultados de simulação computacional mostram um bom desempenho e robustez desses algoritmos quando uma grande quantidade de fontes de sinais radar pulsados está presente. O modelo proposto fornece boa precisão da assinatura espectral, o que possibilita a identificação dos sinais radar pelas redes neurais artificiais. ______________________________________________________________________________ ABSTRACT / The deinterleaving of radar signal pulse sequences is an essential work for the radar identification in electronic warfare. Some ways of performing deinterleaving are based on temporal techniques, that use histogram and recursivity, and in techniques based on orthogonal transforms, that use spectral signatures for the detection of the sequences. Any of them require heavy computational power. However, the orthogonal transform techniques are more robust due to the properties of correlation minimization among the several signal fonts. The spectral signatures in the transformed space show a typical behavior more clearly. This work proposes a technique composed of three distinct phases. First, there is a preprocessing by which the whole interval of interest is segmented into sub intervals by means of downsampling and digital filtering. After that, it is used a time-frequency analysis by means of continuous wavelet transform, separating the spectral patterns of interest. Finally, it is implemented an identification process of spectral signature based on artificial neural networks. It is also described all the necessary mathematics concepts to the establishment of the contour conditions and elaboration of the dedicated procedures. The algorithms were developed in MATLAB for the simulation and validation of the models. The results of the computer simulation show a good performance and robustness of these algorithms when several sources of pulsed radar signals are present. The proposed model gives a good precision for the spectral signature, what makes the identification of radar signals possible by means of the artificial neural networks.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2009. / Submitted by Kelly Marques (pereira.kelly@gmail.com) on 2009-11-13T17:43:06Z No. of bitstreams: 1 2009_GulhermePicoloSalazarCosta.pdf: 3604632 bytes, checksum: e41d945b3a99c4a1038422078db3c9d9 (MD5) / Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2009-11-16T11:30:56Z (GMT) No. of bitstreams: 1 2009_GulhermePicoloSalazarCosta.pdf: 3604632 bytes, checksum: e41d945b3a99c4a1038422078db3c9d9 (MD5) / Made available in DSpace on 2009-11-16T11:30:56Z (GMT). No. of bitstreams: 1 2009_GulhermePicoloSalazarCosta.pdf: 3604632 bytes, checksum: e41d945b3a99c4a1038422078db3c9d9 (MD5) Previous issue date: 2009-07-03 / O uso de redes neurais é cada vez mais amplo em nossa sociedade. Especificamente neste trabalho, a técnica de redes neurais é utilizada na demodulação de um sistema de comunicações via satélite, onde o objetivo a ser atingido é o de a rede neural corrigir dois fenômenos interferentes: o AWGN e a atenuação causada por chuva. Não é intenção determinar qual o melhor tipo de rede neural para cumprir esta finalidade, mas sim, identificar um tipo de rede neural capaz de permitir o desenvolvimento do estudo. Para validação dos parâmetros utilizados no estudo teórico, são utilizados dados coletados do sistema de comunicações via satélite atualmente em uso pelo CINDACTA I (Primeiro Centro Integrado de Defesa Aérea e Controle do Espaço Aéreo). Os resultados são bastante promissores, indicando que pelo menos teoricamente o desempenho da técnica utilizada com redes neurais, supera a atual técnica de demodulação em uso pelo sistema TELESAT. Como o reconhecimento de padrões pela rede neural está limitado a erros de fase menores que 45o, técnicas de correção antecipada de erros (FEC) continuam sendo indispensáveis e complementares. __________________________________________________________________________________________ ABSTRACT / Neural networks are in widespread use with communication systems. In this work, neural networks techniques are employed to demodulate signals in satellite communication systems, more specifically targeting to compensate two interfering phenomena: AWGN and attenuation caused by rain. It is not herein intended to achieve the best possible type of neural network, but rather identify a type able to accomplish the objective efficiently. In addition, real data is collected from satellite communication systems used by CINDACTA I (First Integrated Center of Air Defense and Air Traffic Control) in order to validate the parameters used in the computer simulations. The results indicate that neural networks can be better than the demodulation technique currently implemented at CINDACTA I, although the use of Forward Error Correction schemes (FEC) is deemed appropriate and complementary.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2009. / Submitted by Jaqueline Ferreira de Souza (jaquefs.braz@gmail.com) on 2011-06-06T17:44:53Z No. of bitstreams: 1 2009_TicianoAugusstoCallaiBragatto.pdf: 2039247 bytes, checksum: a475cd6bf65c23a545e0d0633b3b9716 (MD5) / Approved for entry into archive by Jaqueline Ferreira de Souza(jaquefs.braz@gmail.com) on 2011-06-06T17:45:46Z (GMT) No. of bitstreams: 1 2009_TicianoAugusstoCallaiBragatto.pdf: 2039247 bytes, checksum: a475cd6bf65c23a545e0d0633b3b9716 (MD5) / Made available in DSpace on 2011-06-06T17:45:46Z (GMT). No. of bitstreams: 1 2009_TicianoAugusstoCallaiBragatto.pdf: 2039247 bytes, checksum: a475cd6bf65c23a545e0d0633b3b9716 (MD5) / Este trabalho propõe o uso de momentos para executar a categorização de veículos através de processamento de imagens. Foram extraídos momentos principais e momentos invariantes à escala e à translação de um total de 528 imagens, divididas uniformemente entre as seguintes classes: carros, vans, ônibus e caminhões. Essas características foram ordenadas pela sua significância para a classificação de veículos nas quatro classes já apresentadas. Utilizando os cinco conjuntos de características que obtiveram as melhores taxas médias de acerto, classificadores como k-NN, TM, MLP, AVA-SVM, OVA-SVM e PT-SVM, foram utilizados para definir qual a combinação entre os cinco conjuntos de características e os classificadores que obteve o melhor desempenho. As métricas analisadas consistem em taxa média de acerto, desvio padrão, custo computacional e FROTA - Frequência Relativa de Ocorrência de Taxa de Acerto, que fornece um instrumento baseado na distribuição das taxas de acerto e permite a análise visual da precisão e robustez de classificadores. A metodologia proposta atingiu taxas médias de acerto da ordem de 97% com desvio padrão de 1,27 para classificação utilizando MLP e um conjunto formado pelos 9 momentos invariantes à escala e à translação extraídos. _______________________________________________________________________________ ABSTRACT / This study proposes using moments to categorize vehicles through image processing. Principal moment features and moment features that are invariant to scale and translation were extracted from a total of 528 images uniformly divided into the following classes: cars, vans, buses and trucks. These features are ordered according to their significance to classifying vehicles in the four classes mentioned above. Using the 5 sets of features that gave the best hit rates, classifiers such as k-NN, TM, MLP, AVA-SVM, OVA-SVM and PT-SVM are used to determine which combination between the sets of features and the classifiers has the best performance. The metrics analyzed in this study are based on hit rates, standard deviation, the cost of computing and the relative frequency of correct predictions (FROTA). The latter provides an instrument based on hit rates and allows for a visual analysis of the classifiersŁ accuracy and resistance. The methodology proposed in this study yielded a hit rate of 97% with a 1,27 standard deviation for classifications using MLP and 9 invariant moments.

Submitted by wiliam de oliveira aguiar (wiliam@bce.unb.br) on 2011-06-20T15:09:07Z No. of bitstreams: 1 2010_DannielKennethBorgesCosta.pdf: 2738793 bytes, checksum: 8204f44f4be6aa456cde030ef1c5d1a2 (MD5) / Approved for entry into archive by Raquel Viana(tempestade_b@hotmail.com) on 2011-06-21T19:28:09Z (GMT) No. of bitstreams: 1 2010_DannielKennethBorgesCosta.pdf: 2738793 bytes, checksum: 8204f44f4be6aa456cde030ef1c5d1a2 (MD5) / Made available in DSpace on 2011-06-21T19:28:09Z (GMT). No. of bitstreams: 1 2010_DannielKennethBorgesCosta.pdf: 2738793 bytes, checksum: 8204f44f4be6aa456cde030ef1c5d1a2 (MD5) / Este trabalho foi motivado pela falta, na teoria existente de controle de sistemas caóticos, do emprego de redes neurais artificiais em conjunto com algoritmos genéticos no desenvolvimento de um sistema de controle adaptativo eficiente e que esteja em concordância com aspectos de sistemas caóticos como o uso de apenas pequenas perturbações, da ordem de 10-2, para efetuar o controle do sistema. Desta forma o objetivo deste trabalho é construir um software em linguagem de programação MATLAB, utilizando as teorias de redes neurais artificiais e algoritmos genéticos, capaz de controlar sistemas caóticos sobre órbitas periódicas. Como modelo de sistema caótico foi usado o sistema do atrator de Lorenz. Tal controle pode ser realizado através de um processo no qual uma pequena perturbação é aplicada a um sistema caótico a fim de gerar um comportamento desejado, caótico, periódico ou estacionário, no mesmo. Foram discutidas algumas questões de grande importância relacionadas ao controle do caos, como o problema de direcionamento, isto é, como trazer uma trajetória para uma vizinhança próxima de uma posição desejada no atrator caótico, bem como testada a flexibilidade do sistema de controle desenvolvido sob diversas condições. Em suma, este trabalho vem contribuir para a área de estudo de sistemas de controle de sistemas caóticos abordando conteúdos que, juntos, fornecem um poderoso método de controle evolutivo-adaptativo. Como resultado foi obtido um sistema de controle robusto a ruídos, a diferentes condições iniciais e a períodos de controle desligado. _______________________________________________________________________________ ABSTRACT / This essay was motivated by the lack, in the existing theories of chaotic systems control, of use of artificial neural networks in conjunction with genetic algorithms in the implementation of an adaptive control system that is efficient and in accordance with aspects of chaotic systems such as the use of only small perturbations, around 10-2, to effect the control system. Thus the objective of this work is to build a software, on MATLAB programming language, using the theories of artificial neural networks and genetic algorithms, able to control chaotic systems on periodic orbits. As a model of chaotic system was used Lorenz`s attractor system. Such control can be accomplished through a process in which a small perturbation is applied to a chaotic system to generate a desired behavior, chaotic, periodic or stationary in it. Some important issues related to control of chaos are discussed, as the problem of targeting, how to bring a path to a neighborhood near a desired position in the chaotic attractor, and tested the flexibility of the control system implemented under various conditions. In short, this work contributes to the study of control systems of chaotic systems approaching subjects that together provide a powerful method of evolutionary and adaptive control. The result was a control system robust to noise, different initial conditions and periods where the control perturbations are off.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Geociências, 2011. / Submitted by Jaqueline Ferreira de Souza (jaquefs.braz@gmail.com) on 2011-08-02T11:54:53Z No. of bitstreams: 1 2011_EdinelsonFerreiradeSena.pdf: 24385979 bytes, checksum: c075faa6236a0e753bdb26acd6084c0e (MD5) / Approved for entry into archive by Jaqueline Ferreira de Souza(jaquefs.braz@gmail.com) on 2011-08-02T12:38:47Z (GMT) No. of bitstreams: 1 2011_EdinelsonFerreiradeSena.pdf: 24385979 bytes, checksum: c075faa6236a0e753bdb26acd6084c0e (MD5) / Made available in DSpace on 2011-08-02T12:38:48Z (GMT). No. of bitstreams: 1 2011_EdinelsonFerreiradeSena.pdf: 24385979 bytes, checksum: c075faa6236a0e753bdb26acd6084c0e (MD5) / O presente trabalho trata da utilização dos recursos nacionais para produção de conhecimento sobre a região administrativa de Planaltina no DF. Esses recursos são imagens da banda L do radar de abertura sintética do SIPAM (SAR/R99) e um classificador não-supervisionado de síntese genética de redes neurais artificiais. O objetivo principal foi avaliar o potencial desse classificador para designação de alvos terrestres. A metodologia adotada envolveu técnicas de processamento digital de imagens, classificação e análise dos resultados. Os resultados indicaram que, dentro dos parâmetros estudados, o classificador atendeu às necessidades propostas e tem aplicação de forma auxiliar nas tarefas de interpretação de imagens, visando apoio à decisão em diversos ramos profissionais. _______________________________________________________________________________ ABSTRACT / This paper deals with the use of national resources for the production of knowledge about the administrative region of Planaltina DF. These features are images of the SIPAM’s L-band Synthetic Aperture Radar (SAR/R99) and an unsupervised classifier for gene synthesis of artificial neural networks. The main objective was to evaluate the potential of these classifiers for the designation of ground targets. The adopted methodology included techniques of digital image processing, classification and analysis of results. With that, we reached the conclusion that the classification has real application in the task of image interpretation, decision support aimed at various professions.

Dissertação (mestrado)—Universidade de Brasília, Departamento de Engenharia Civil e Ambiental, 2013. / Submitted by Alaíde Gonçalves dos Santos (alaide@unb.br) on 2014-01-15T14:27:56Z No. of bitstreams: 1 2013_EduardoMontoyaBotero.pdf: 5681828 bytes, checksum: 4562a43ac661d06eecb2cde2def0302d (MD5) / Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2014-02-13T14:12:53Z (GMT) No. of bitstreams: 1 2013_EduardoMontoyaBotero.pdf: 5681828 bytes, checksum: 4562a43ac661d06eecb2cde2def0302d (MD5) / Made available in DSpace on 2014-02-13T14:12:53Z (GMT). No. of bitstreams: 1 2013_EduardoMontoyaBotero.pdf: 5681828 bytes, checksum: 4562a43ac661d06eecb2cde2def0302d (MD5) / Na presente pesquisa, validou-se a capacidade de uma ferramenta computacional conhecida como Redes Neurais Artificiais para prever escorregamentos deflagrados por chuva em encostas naturais. O modelo neuronal foi treinado, validado e verificado numa encosta montanhosa tropical localizada na cidade de Medellín, Colômbia. A construção do banco de dados, composto por 180 exemplos, consistiu na obtenção de nove declividades representativas e vinte chuvas típicas do local de estudo, caraterizadas pela sua duração e pelo seu período de retorno. Foram combinadas as nove declividades com as vinte precipitações e, assim, obtido o perfil de poropressões em um código de Elementos Finitos, para conseguir a curva de fator de segurança versus declividade num corte horizontal em cada um dos casos analisados. Para a obtenção da resistência ao cisalhamento, foi utilizada a envoltória parabólica proposta por Lade (2010). Uma vez conhecida a curva do fator de segurança, foi feita uma regressão potencial na qual se observou que esta pode ser descrita por dois parâmetros. O primeiro parâmetro varia com a declividade e o segundo é um valor que pode ser representado por seu valor médio, uma vez que segue distribuição normal. Assim, as entradas para a rede neuronal são a declividade e a precipitação e a saída é o parâmetro variável da curva de fator de segurança. Verificou-se a capacidade que as Redes Neurais têm de aprender com informação característica do problema estudado e dar uma resposta, com um erro mínimo, para qualquer outra condição, generalizando o problema e permitindo aplicar a ferramenta em um local com condições similares. _______________________________________________________________________________________ ABSTRACT / In this research it has been validated the ability of a computational tool known as Artificial Neural Networks to predict landslides triggered by rain on natural slopes. The neuronal model was trained, validated and verified for a tropical hillside in the city of Medellin - Colombia. The construction of the database, composed by 180 samples, consisted in obtaining nine representative slopes and twenty typical rains of the study site, characterized by their duration and return period. There have been combined data of nine slopes and twenty rainfalls, thereby obtaining the fluid pressure profile in a Finite Element code, in order to get the curve of safety factor versus slope in an horizontal cut in each of the analyzed cases. To obtain shear strength values for the simulations, there has been used the parabolic envelope proposed by Lade (2010). Once the safety factor curve is known, an potential regression was made and it has been observed that this can be described by two parameters. The first parameter varies with the slope and the second is a value which may be represented by its average value as it follows a normal distribution. Thus, the input data to the neural network are the slope and the precipitation and the output is the variable parameter curve of safety factor. It has been verified the ability of the neural networks to learn specific information of the studied problem and give an answer, with minimum error, for any other condition, generalizing the problem and allowing the application of the tool in a location with similar conditions.

Este trabalho apresenta o desenvolvimento de um modelo de detecção de intrusão em redes de computadores. É apresentada a construção e testes de um protótipo para um ambiente Internet. O sistema, posicionado em pontos chaves da rede, examina o fluxo de dados entre as conexões, buscando por padrões de comportamento suspeito. A identificação de tais padrões é realizada por intermédio de uma rede neural. O sistema é altamente adaptativo, uma vez que novos perfis podem ser adicionados a base de dados, e assim um re-treinamento da rede neural permite reconhecê-los. Cerca de 240 perfis de intrusão diferentes foram analisados, dos quais 117 foram selecionados como sendo relevantes para esta implementação. Acredita-se que este conjunto represente cerca de 90 por cento do número total de tipos de ataques conhecidos na Internet. Finalmente, são relatados os procedimentos de avaliação do sistema, mostrando a eficiência do método / This work presents the development of a network intrusion detection model. The building and testing of a prototype in the Internet environment is described. The system, positioned at key points of the network, examines the data flow between connections, searching for patterns of suspicious behaviors. The identification of those patterns is carried out by a neural network. The system is highly adaptive, since new profiles of intrusion can be easily added to the database, and so a retraining of the neural network enables the system to consider them. About 240 different intrusion profiles were analyzed, from which 11 7 were elected as been relevant for this implementation. It is believed that this set currently represents around 90 percent of the total number of attacks profiles over the Internet. Finally the description of the system evaluation procedures is reported, and can show the efficiency of the method