Orientadores: Marcio Luiz de Andrade Netto, Armando Freitas de Rocha / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica / Made available in DSpace on 2018-07-18T19:59:28Z (GMT). No. of bitstreams: 1 Silva_MyriamRegattieriDeBiasida_M.pdf: 5682991 bytes, checksum: 50fb893bb784a410563523f1ce96f602 (MD5) Previous issue date: 1993 / Resumo: Este trabalho propõe um método de compressão-descompressão de dados aplicado a curvas no espaço 2D. Novas técnicas como Redes Neurais e Lógica Nebulosa são usadas para comprimir e descomprimir os pontos de uma curva plana. No processo de compressão, estruturas de redes neurais são desenvolvidas para operarem conjuntos de pontos seqüenciais (x,y). O objetivo é extrair o mínimo de dados possíveis de modo a permitir a recuperação da curva original. Um método de interpolação baseado em regras nebulosas é proposto, introduzindo-se modificações no algoritmo original apresentado por Uchino et aI.. Este algoritmo é utilizado para recuperar a informação, sempre que necessário. O algoritmo original (INL) - Interpolação Nebulosa Linear - funciona somente quando os pares de entrada saída (x,y) representam funções. O algoritmo proposto (INNL) - Interpolação Nebulosa Não Linear - introduz não linearidades no cálculo das funções de pertinência associadas às regras nebulosas, visando à obtenção de curvas interpoladas mais suaves. Uma outra modificação é introduzida no sentido de se generalizar a aplicação do método a curvas genéricas (curvas fechadas e não funções) / Abstract: This work proposes a method for compression-restoring data applied to bi-dimensional curves. New techniques as Neural Networks and Fuzzy Logic are used on compressing and restoring the points of the curve. On data compression, neural-like structures are developed to operate on a set of sequential points (x,y) in order to extract the minimal amount of data that can still accurately represent the entire original set. A method of interpolation based on fuzzy rules is proposed introducing modifications on the original algorithm presented by Uchino et al., to regenerate the whole original set of data whenever necessary. The original algorithm based on linear fuzzy rules works only when the input-output relation (x,y) represent a function. The modified algorithm (INNL) makes use of non linear fuzzy rules introducing the nonlinearities to calculate the membership functions associated to the rules, whose purpose is to obtain smoother interpolated curves. Another modification is introduced to generalize the algorithm to any kind of curve (closed and non-fullctions) / Mestrado / Mestre em Engenharia Elétrica

Orientador: Heloisa Vieira da Rocha / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Ciencia da Computação / Made available in DSpace on 2018-07-19T14:51:10Z (GMT). No. of bitstreams: 1 Barbieri_Heitor_M.pdf: 3338070 bytes, checksum: 7e01fc370d8436edb4d799783be57ff8 (MD5) Previous issue date: 1994 / Resumo: Rede Neural Artificial (RNA) é um modelo que tenta emular uma Rede Neural Biológica. A área de RNA tem se mostrado bastante promissora, o que pode ser comprovado pela quantidade de trabalhos publicados e de eventos científicos. Mas para que as RNAs atinjam o escopo de aplicações desejado, muitas de suas limitações atuais terão que ser superadas. Ainda não é claro e bem estabelecido o funcionamento das RNAs, não existem metodologias boas e completas para a utilização das mesmas em aplicações, isto é, metodologias que diante de um problema específico a ser resolvido, indiquem qual a topologia de rede, o algoritmo de aprendizagem e a amostragem de informações adequadas ao funcionamento desejado. Em não se tendo uma metodologia que indique a combinação ótima dos elementos de uma RNA para uma determinada aplicação, resta aos usuários a opção de partir de uma base teórica e, utilizando-se de métodos empíricos, ir formando regras individuais de como conseguir as melhores combinações dos elementos formadores da rede. Esta técnica, porém, apresenta muitas dificuldades em sua realização devido à grande quantidade de variáveis que precisam ser avaliadas durante todo o processo de desenvolvimento da rede. O presente trabalho busca facilitar o entendimento do funcionamento das RNAs através da familiarização do usuário com os seus elementos formadores. Foi desenvolvido um simulador de RNAs, denominado Sirena, que através de sua interface gráfica procura minimizar a dificuldade de entendimento dos processos de baixo nível realizados pelas RNAs. Durante o processo de simulação pode-se ter acesso a diversas representações, tanto qualitativas quanto quantitativas, que visam refletir as alterações que ocorrem na rede rias fases de aprendizagem e inferência. / Abstract: Artificial Neural Net (ANN) is a model that emulates a Biological Neural Net. The ANN field has showed very promising which can be verified by the number of published papers and scientific events. In spite, to reach the desired ANN applications scope, many of ANN current limitations have to be overcome since it is not yet and well established the ANN functioning . There is no good and complete methodologies for construct ANN applications, i.e., for a specific problem to be solved, no methodology indicates what the net topology is, the learning algorithm and the sample of information suitable to the desired performance. If there is no methodology that indicates the better combination of the ANN elements to a specific application, the users have the option to start from a theoretical base and, by using empirical methods, begin constructing personal rules that indicates. the better combination of neural elements. The execution of this technique is difficulty because the number of variables that need to be evaluated during the net development process The focus of this work is facilitate the understanding of the ANN functioning through the user familiarization with its elements. A ANN simulator named Sirena was developed and its graphical interface aim to minimize the understanding difficulties of the low level processes executed by ANNs. During the simulation process one can access to several qualitative and quantitative representations that reflect the net alterations in the learning and inference phases. / Mestrado / Mestre em Ciência da Computação

Orientador: Rodney Carlos Bassanezi / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Científica / Made available in DSpace on 2018-07-19T20:32:45Z (GMT). No. of bitstreams: 1 Blinder_PauloBernardo_M.pdf: 3862568 bytes, checksum: 62af5bd0c403d3aea4069935a7e9aa90 (MD5) Previous issue date: 1994 / Resumo: Não informado / Abstract: Not informed / Mestrado / Analise Aplicada / Mestre em Matemática Aplicada

Orientador: Carlos Roberto Minussi / Banca: Julio Cesar Stacchini de Souza / Banca: Haroldo Rodrigues de Azevedo / Banca: Dilson Amancio Alves / Banca: Percival Bueno de Araujo / Resumo: Este trabalho de pesquisa tem por objetivo o desenvolvimento de uma metodologia para a análise dinâmica de contingências de sistemas de energia elétrica por redes neurais, cuja motivação deve-se ao fato de que as redes neurais, ainda que demandem um considerável tempo de processamento para a execução do treinamento, podem realizar diagnósticos em tempo real. Para tanto, será desenvolvido um modelo que estabelece a relação entre entradas e saídas da rede com um menor número possível de variáveis. A rede neural corresponde a uma nova configuração chamada ART&ARTMAP nebulosa baseada na arquitetura ART (Adaptive Resonance Theory). As redes neurais ART possuem como características mais importantes a plasticidade e a estabilidade, as quais são qualidades primordiais para a execução do treinamento e para a análise de modo eficiente. A rede neural ART&ARTMAP nebulosa está sendo proposta visando proporcionar um desempenho superior, em termos de precisão e rapidez, se comparada à formulação ARTMAP convencional e maior ainda quando comparada a outras redes neurais disponíveis na literatura especializada. A principal característica da rede neural ART&ARTMAP nebulosa refere-se ao gerenciamento de dados analógicos e binários estabelecidos no modelo do sistema de tal modo que estes dados são tratados separadamente, ou seja, os dados analógicos são processados e transformados em um conjunto equivalente binário. Deste modo, tem-se uma concepção que manipula somente dados na forma binária, tendo como resultado uma redução da dimensão do problema e melhor qualidade das soluções. A metodologia proposta é um procedimento que incorpora inovações em relação à literatura existente, em destaque: proposta de uma nova arquitetura de rede neural baseada na teoria da ressonância adaptativa chamada rede neural ART&ARTMAP nebulosa. A rede neural proposta apresenta-se como... (Resumo completo, clicar acesso eletrônico abaixo). / Abstract: This work aims to develop a methodology to contingency dynamic analyzing of electric energy systems by neural networks, considering that the neural networks, although usually spend a considerable time during the training phase can produce diagnosis in real time. Therefore, it is developed a model that establishes a relation between input and output of the network with the least quantity of possible variables, being an optimized structural system. The neural network corresponds to a new configuration called fuzzy ART&ARTMAP based on the ART (Adaptive Resonance Theory). The most important characteristics of ART neural networks are plasticity and stability, primordial features for training and for an efficient analysis. The fuzzy ART&ARTMAP neural network is proposed to proportionate a superior performance in terms of precision and velocity, when compared to the conventional ARTMAP formulation and even more superior when compared to other neural networks available in the literature. The principal characteristic of the fuzzy ART&ARTMAP is the binary and analog management, established on the model of the system, such that these data are treated isolated, i.e., the analog data are processed and transformed in an equivalent binary set. This way, it is found a conception that manipulate only binary data, and the results show a reduction on the dimension of the problem and better quality on the solutions. The proposed methodology is a proceeding that incorporates innovations in relation to the existent literature, such as: proposal of a new architecture of neural network based on the adaptive resonance theory called fuzzy ART&ARTMAP. The proposed neural network is promising for applications in several areas of the knowledge. It is focused the application in security analysis, specially the... (Complete abstract, click electronic address below). / Doutor

Orientador: Santiago del Rio Oliveira / Banca: Delson Luiz Modolo / Banca: Elson Avallone / Banca: Paulo Cesar Moralli / Banca: Ismael de Marchi Neto / Resumo: Neste trabalho é realizada uma análise exergética de uma caldeira de biomassa baseada nas redes neurais artificiais. A caldeira de biomassa em análise fornece vapor a companhia Iguaçu de café solúvel. A produção da caldeira é de 50.000 kg/h de vapor, sendo sua pressão de trabalho de 21 kgf/cm² (~2060 kPa) e temperatura do vapor de 216,2°C (~489 K). Para tanto, é queimado uma mistura de borra de café (rejeito da produção) e cavaco de eucalipto, sendo que, a proporção de entre os dois combustíveis é cerca de 25%-75%, respectivamente. São realizados balanços de primeira e segunda lei da termodinâmica para cada equipamento da caldeira, bem como, de maneira global. Parâmetros produtivos baseados na segunda lei da termodinâmica são apresentados para completar a análise. Parâmetros importantes no processo de combustão como excesso de oxigênio, umidade da borra de café e umidade do cavaco de eucalipto são incorporados à modelagem. A fim de predizer o comportamento da caldeira (vazão mássica das diversas correntes e temperaturas) para variações dos parâmetros de combustão, são utilizadas as redes neurais artificiais (RNA). Para treinamento das RNA's, são utilizados dados reais de operação fornecidos pela empresa. Com as RNA's treinadas e validadas, são apresentados os comportamentos termodinâmicos de cada equipamento como função da umidade das biomassas (borra de café e cavaco de eucalipto) e do excesso de oxigênio. Espera-se que este trabalho, possa contribuir para um melhor entendim... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: In this work an exergetic analysis of a biomass boiler based on artificial neural networks is performed. A biomass boiler under analysis provides steam to the soluble coffee company Iguacu. The production of the boiler is 50,000 kg / h of steam, its working pressure being 21 kgf / cm² (~ 2060 kPa) and steam temperature 216.2 ° C (~ 489 K). To do so, it is a mixture of rubber coffee and eucalyptus chip, with a ratio between the two fuels being about 25% -75%, respectively. The first and second order balances of the law are executed for each boiler equipment, as well as, in the boiler in a global manner. Productive parameters in the second law of thermodynamics are presented to complete an analysis. The main components are not suitable for the combustion of oxygen, coffee moisture and humidity of the eucalyptus chip are incorporated into the modeling. The artificial neural data (RNA). For RNA training, customers are real to the company. The RNAs are trained and validated, they are executed in the thermodynamic exercise of each one of the functions like the function of the biomasses and the excess of oxygen. It is expected that this work will be responsible for a better understanding of the combinations of biomass that operates with the fuel mixture or not, since most of the operations are not radically radical in their operation. / Doutor

Orientador: Maria de Lourdes Boeno Trindade Galo / Resumo: As formas de uso e cobertura da terra no entorno de corpos d’água é um dos fatores que mais impactam águas continentais. Diante disso, é que ambientes aquáticos se tornam cada vez mais susceptíveis a processos de eutrofização, o que favorece a proliferação de macrófitas. Uma maneira de monitorar a proliferação de macrófitas, assim como alterações nas formas de uso e cobertura da terra no entorno de reservatórios é a partir de dados de sensoriamento remoto. Sensores remotos surgem como uma alternativa com grande potencial para a análise da variabilidade espaço-temporal de macrófitas aquáticas. Classificadores baseados em aprendizado máquina são cada vez mais utilizados em alternativa às técnicas tradicionais, uma vez que alguns desses algoritmos não requerem a distribuição estatística dos dados permitindo assim a inclusão de atributos não espectrais no processo de classificação. Este estudo teve por objetivo avaliar o potencial de redes neurais artificiais (RNAs) no monitoramento sazonal da dispersão de macrófitas aquáticas no reservatório de Salto Grande, Americana (SP), simultaneamente às alterações no uso e cobertura da terra do seu entorno. No processo de classificação, foram realizados diversos experimentos a fim de selecionar os atributos e arquiteturas de RNA mais adequados para discriminar tanto as macrófitas no corpo hídrico, quanto os tipos de uso e cobertura da terra no seu entorno. Os dados de entrada constituíram-se de bandas espectrais do sistema OLI/Landsat-8, i... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The land use/cover surrounding water bodies is one of the factors that most impact continental waters. Thus, aquatic environments become increasingly susceptible to eutrophication processes, which favors the growth of macrophytes. One way to monitor the growth of macrophytes as well as changes in the forms of land use/cover surrounding reservoirs, is from remote sensing data. Remote sensors emerge as an alternative with great potential for the analysis of spatio-temporal variability of aquatic macrophytes. Classifiers based on machine learning are alternatives increasingly used in detriment to traditional techniques. Those algorithms do not require the statistical distribution of the data, thus allowing the inclusion of non-spectral attributes in the classification process. In this sense, this wok aims to evaluate the potential of artificial neural network (ANN) in the seasonal monitoring of aquatic macrophytes dispersion in Salto Grande, Americana (SP), simultaneously with the changes monitoring in the land use/cover of the surrounding areas. In the classification process, several experiments were performed to select the most appropriate attributes, as well as the best ANN architecture to discriminate the macrophytes in the water body and the types of land use/cover of the surrounding. The input data consisted of OLI / Landsat-8 system spectral bands, texture images derived from OLI images, normalized spectral indices for vegetation enhancement (NDVI), moisture content (MNDW... (Complete abstract click electronic access below) / Mestre

Foi desenvolvida uma técnica de medida de nível em vasos de pressão usando sondas térmicas resfriadas internamente por um fluido e análise dos dados experimentais com Redes Neurais Artificiais (RNA´s). Esse novo conceito de sondas térmicas foi testado em uma Bancada Experimental para Testes de Sondas de Nível (BETSNI) com duas seções de testes, ST1 e ST2. Dois projetos distintos de sondas foram construídos: Sonda de Tubos Concêntricos e Sonda de Tubo U. Um Sistema de Aquisição de Dados (SAD) foi montado para registrar os dados experimentais. Testes foram realizados tanto para condições de nível nas seções de testes em estado estacionário quanto para transientes. Os dados experimentais de temperatura e de nível obtidos foram usados para compor tabelas de treinamento e de verificação usadas para implementar RNA´s no programa RETRO-05, que simula um Perceptron de Múltiplas Camadas com Retropropagação. As análises mostraram que a técnica pode ser aplicada para medir o nível em vasos de pressão. As análises mostraram ainda que a técnica é aplicável para um número menor de entradas de temperatura que o inicialmente previsto no projeto das sondas e é robusta, aplicando-se mesmo quando ocorre a perda de alguma informação de temperatura. Dados experimentais disponíveis na literatura referentes a uma sonda térmica aquecida eletricamente também foram usados nas análises com RNA´s, produzindo bons resultados. Os resultados das análises indicaram que a técnica é eficaz e robusta, podendo ser aprimorada e aplicada para medidas de nível em vasos de pressão. / A technique for level measurement in pressure vessels was developed using thermal probes with internal cooling and Artificial Neural Networks (ANN´s). This new concept of thermal probes was experimentally tested in an Experimental Facility (BETSNI) with two test sections, ST1 and ST2. Two different thermal probes were designed and constructed: Concentric Tubes Probe and U Tube Probe. A Data Acquisition System (DAS) was assembled to record the experimental data during the tests. Steady state and transient level tests were carried out and the experimental data obtained were used as learning and recall data sets in the ANNs program RETRO-05 that simulate a Multilayer Perceptron with Backpropagation. The results of the analysis show that the technique can be applied for level measurements in pressure vessel. The technique is applied for a less input temperature data than the initially designed to the probes. The technique is robust and can be used in case of lack of some temperature data. Experimental data available in literature from electrically heated thermal probe were also used in the ANN´s analysis producing good results. The results of the ANN´s analysis show that the technique can be improved and applied to level measurements in pressure vessels.

As Redes Neurais Pulsadas são objeto de intensa pesquisa na atualidade. Neste trabalho é avaliado o potencial de aplicação deste paradigma neural, na tarefa de reconhecimento automático do locutor. Após uma revisão dos tópicos considerados importantes para o entendimento do reconhecimento automático do locutor e das redes neurais artificiais, é realizada a implementação e testes do modelo de neurônio com resposta por impulsos. A partir deste modelo é proposta uma nova arquitetura de rede com neurônios pulsados para a implementação de um sistema de reconhecimento automático do locutor. Para a realização dos testes foi utilizada a base de dados Speaker Recognition v1.0, do CSLU – Center for Spoken Language Understanding do Oregon Graduate Institute - E.U.A., contendo frases gravadas a partir de linhas telefônicas digitais. Para a etapa de classificação foi utilizada uma rede neural do tipo perceptron multicamada e os testes foram realizados no modo dependente e independente do texto. A viabilidade das Redes Neurais Pulsadas para o reconhecimento automático do locutor foi constatada, demonstrando que este paradigma neural é promissor para tratar as informações temporais do sinal de voz. / Pulsed Neural Networks have received a lot of attention from researchers. This work aims to verify the capability of this neural paradigm when applied to a speaker recognition task. After a description of the automatic speaker recognition and artificial neural networks fundamentals, a spike response model of neurons is tested. A novel neural network architecture based on this neuron model is proposed and used in a speaker recognition system. Text dependent and independent tests were performed using the Speaker Recognition v1.0 database from CSLU – Center for Spoken Language Understanding of Oregon Graduate Institute - U.S.A. A multilayer perceptron is used as a classifier. The Pulsed Neural Networks demonstrated its capability to deal with temporal information and the use of this neural paradigm in a speaker recognition task is promising.

A tática aérea de progressão em território inimigo usando navegação a baixa altura visa proteger a aeronave incursora dos radares inimigos, através do bloqueio natural oferecido pela geografia do terreno. Para diminuir os riscos de detecção, é fundamental um adequado planejamento deste tipo de missão, que requer informações como as posições de radares e os dados de elevação na região da navegação. Com essas informações, a construção do mapa de intervisibilidade constitui uma ferramenta essencial para um bom planejamento da trajetória. Por outro lado, do ponto de vista da defesa aérea, a construção de mapas de intervisibilidade permite posicionar os radares de forma que tenham maior visibilidade da região a ser protegida, diminuindo o risco de sofrer um ataque aéreo. Assim, para evitar o cálculo de intervisibilidade de todos os pontos, é importante investigar como reconstruir mapas de intervisibilidade a partir de informação incompleta. As alternativas escolhidas para apoiar o estudo foram a construção de modelos de predição com redes neurais artificiais e de modelos aditivos generalizados. Os dois modelos foram definidos a partir de um estudo sistemático, baseado nos princípios de projeto e análise de experimentos. Para a construção do algoritmo de cálculo exato foram utilizadas idéias contidas nos algoritmos Xdraw e Radial LoS Scanning, juntamente com o algoritmo de Bresenham para determinação das linhas de visada.

As Redes Neurais Pulsadas são objeto de intensa pesquisa na atualidade. Neste trabalho é avaliado o potencial de aplicação deste paradigma neural, na tarefa de reconhecimento automático do locutor. Após uma revisão dos tópicos considerados importantes para o entendimento do reconhecimento automático do locutor e das redes neurais artificiais, é realizada a implementação e testes do modelo de neurônio com resposta por impulsos. A partir deste modelo é proposta uma nova arquitetura de rede com neurônios pulsados para a implementação de um sistema de reconhecimento automático do locutor. Para a realização dos testes foi utilizada a base de dados Speaker Recognition v1.0, do CSLU – Center for Spoken Language Understanding do Oregon Graduate Institute - E.U.A., contendo frases gravadas a partir de linhas telefônicas digitais. Para a etapa de classificação foi utilizada uma rede neural do tipo perceptron multicamada e os testes foram realizados no modo dependente e independente do texto. A viabilidade das Redes Neurais Pulsadas para o reconhecimento automático do locutor foi constatada, demonstrando que este paradigma neural é promissor para tratar as informações temporais do sinal de voz. / Pulsed Neural Networks have received a lot of attention from researchers. This work aims to verify the capability of this neural paradigm when applied to a speaker recognition task. After a description of the automatic speaker recognition and artificial neural networks fundamentals, a spike response model of neurons is tested. A novel neural network architecture based on this neuron model is proposed and used in a speaker recognition system. Text dependent and independent tests were performed using the Speaker Recognition v1.0 database from CSLU – Center for Spoken Language Understanding of Oregon Graduate Institute - U.S.A. A multilayer perceptron is used as a classifier. The Pulsed Neural Networks demonstrated its capability to deal with temporal information and the use of this neural paradigm in a speaker recognition task is promising.