Submitted by Isaac Francisco de Souza Dias (isaac.souzadias@ufpe.br) on 2015-10-22T16:37:20Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertação_Henrique_Dantas_2015.pdf: 1887462 bytes, checksum: 0e4a34db6ecb36db533670b19464128c (MD5) / Made available in DSpace on 2015-10-22T16:37:20Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertação_Henrique_Dantas_2015.pdf: 1887462 bytes, checksum: 0e4a34db6ecb36db533670b19464128c (MD5) Previous issue date: 2015-06-26 / CAPES / This dissertation describes the use of Kalman Filter to decode neural signals, which were recorded using cortical surface potentials, acquired with dense grids of microelectrodes, for brain-computer interfaces (BCIs). This work represents a combination of electronic and biomedical engineering, machine learning and neural science. Kalman filters have been used to decode neural signals and estimate hand kinematics in many studies. However, most prior work assumes a linear system model, an assumption that is violated by neural systems. In this dissertation, I added nonlinearities to the decoding algorithm improving the accuracy of tracking hand movements using neural signal acquired via a 32-channel micro-electrocorticographic (µECoG) grid placed over the arm and hand representations in the motor cortex. Experimental comparisons indicate that a Kalman filter with a fifth order polynomial generative model with cross product relating the hand kinematics signals to the neural signals improved the mean-square tracking performance in the hand movements over a conventional Kalman filter employing a linear system model. While in other works the channel delays were estimated using algorithm based on hill climbing or assuming the uniformity of delay across all the channels. In this work, Particle Swarm of Optimization was applied to better estimate the delays. Also, I was also able to develop a generalized feature selection algorithm and apply to it, to select the most significant channels. As expected this caused a loss in accuracy, but the results of a 16 neural channels system were comparable with the full 32 channel system. This dissertation represents a comprehensive investigation of addition of non linearities, delay estimation and feature selection for Kalman Filter, when used as interface between man and machine. / Essa dissertação descreve o uso dos Filtros de Kalman para decodificar sinais neurais, que são gravados na superfície do córtex cerebral por uma malha densa de micro eletrodos, para interfaces cérebro computador. Esse trabalho representa a combinação entre os campos das engenharia eletrônica e biomédica, aprendizagem de máquina e neuro ciência. Filtros de Kalman tem sido usados para decodificar sinais neurais e estimar os estados cinemáticos da mão em diversos estudos. No entanto, na maioria dos trabalhos anteriores é assumido linearidade, tal premissa é quase certa de ser falsa em sistemas neurais. Nessa dissertação, foi adicionado não linearidades ao algoritmo de decodificação, que resultou em uma melhora na acurácia da predição dos movimentos da mão para sinais adquiridos por uma malha de 32 micro canais eletrocortigráfico (µECoG), colocados sobre as áreas que representam mão e braços no córtex motor. Comparações experimentais indicam que os Filtros de Kalman com quinta ordem polinomial no modelo generativo com o produto cruzado para relacionar o estado cinemático da mão com os sinais neurais melhoram o erro quadrático se comparado com os Filtros de Kalman tradicionais. Enquanto em outros trabalhos os retardos dos canais são estimados com algoritmos de subida de encosta ou assumindo uniformidade entre os atrasos. Nesse trabalho, foi usado otimização po exame (PSO) para estimar os melhores retardos para cada canal. Nesse trabalho, também foi desenvolvido uma generalização da informação mutua para selecionar os melhores canais. Como o esperado a redução para 16 canais neurais, levou a uma perda de desempenho, porém os resultados são comparáveis. Essa dissertação representa uma compreensiva investigação sobre a adição de não linearidades, estimação de atrasos e seleção de características para Filtros de Kalman, quando usados como interface entre homem e máquina.

Made available in DSpace on 2014-06-12T17:20:03Z (GMT). No. of bitstreams: 2 arquivo572_1.pdf: 1212560 bytes, checksum: 17195f6a9a419934856bdf5e4472d49e (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / O ano de 2008 foi marcado pelo ápice da crise financeira mundial, iniciada no mercado imobiliário dos Estados Unidos. Também nesse período, constatou-se o aumento da produção de estudos teóricos e empíricos sobre os determinantes de crises no sistema financeiro e, especificamente, no sistema bancário. Embora diversos trabalhos desenvolvidos analisem os determinantes de falência bancária, buscando identificar quais variáveis econômicas causam desequilíbrios no sistema financeiro, as conclusões encontradas nem sempre convergem para modelos eficientes no processo de early warning. O presente trabalho tem por objetivo avaliar como os modelos de redes neurais artificiais podem ser utilizados enquanto ferramentas para previsão de insolvência bancária no Brasil. Para tanto, foram utilizados dados a respeito de liquidação bancária entre os anos de 1996 e 1999 associados a três processos distintos de amostragem dos bancos solventes. Os resultados mostram que o maior volume de variáveis explicativas (neurônios de entrada) no modelo de redes neurais torna o modelo melhor ajustado à série e com menor erro quadrado médio de previsão, ainda que seja possível verificar uma forte presença de multicolinearidade entre essas variáveis. Finalmente, verificou-se que os modelos de redes neurais artificiais apresentam bom desempenho na previsão de falência bancária no Brasil independentemente do processo de amostragem selecionado

Made available in DSpace on 2018-08-02T00:00:58Z (GMT). No. of bitstreams: 1 tese_4830_Tiago Tadeu Wirtti Mestrado.pdf: 5897734 bytes, checksum: 2159faee3acbb302df7a59e7fa502a83 (MD5) Previous issue date: 2012-12-05 / O presente trabalho sugere uma metodologia para segmentação de massas em mamografias digitalizadas. A massa se destaca dos demais tecidos da mama por apresentar densidade parcialmente homogênea e formato arredondado, espiculado ou indefinido. A estratégia de segmentação baseia-se na separação da mamografia digital em fatias por faixa de intensidade e avaliação da densidade de cada fatia usando transformada wavelet multiescala. Os dados de densidade obtidos através do processamento com wavelets são usadospara treinar uma rede neural perceptron multicamadas com uma camada oculta com retropropagação de erro. Após Não disponível.O presente trabalho sugere uma metodologia para segmentação de massas em mamografias digitalizadas. A massa se destaca dos demais tecidos da mama por apresentar densidade parcialmente homogênea e formato arredondado, espiculado ou indefinido. A estratégia de segmentação baseia-se na separação da mamografia digital em fatias por faixa de intensidade e avaliação da densidade de cada fatia usando transformada wavelet multiescala. Os dados de densidade obtidos através do processamento com wavelets são usadospara treinar uma rede neural perceptron multicamadas com uma camada oculta com retropropagação de erro. Após a fase de treinamento, mamografias da base de teste, exceto aquelas utilizadas na fase de treinamento, podem ser submetidas à rede neural treinada. O processamento resultante, realizado sobre cada fatia da imagem investigada, evidenciaachados de densidade relevante. Os achados em cada fatia são avaliados por um filtro de gradiente, gerando fatias contendo informação relevante sobre o gradiente acumulado de cada achado. Os gradientes acumulados que aparecem na mesma posição em fatias subsequentes são analisados de forma heurística resultando na seleção das massas. Foram utilizadas 31 imagens da base de mamografias mini-MIAS, sendo duas imagens para treinamento e as demais para teste do classificador. Obteve-se TPR(sensibilidade) de 75,00 %, FPRde 23,91 %, especificidade de 76,09 % a fase de treinamento, mamografias da base de teste, exceto aquelas utilizadas na fase de treinamento, podem ser submetidas à rede neural treinada. O processamento resultante, realizado sobre cada fatia da imagem investigada, evidenciaachados de densidade relevante. Os achados em cada fatia são avaliados por um filtro de gradiente, gerando fatias contendo informação relevante sobre o gradiente acumulado de cada achado. Os gradientes acumulados que aparecem na mesma posição em fatias subsequentes são analisados de forma heurística resultando na seleção das massas. Foram utilizadas 31 imagens da base de mamografias mini-MIAS, sendo duas imagens para treinamento e as demais para teste do classificador. Obteve-se TPR(sensibilidade) de 75,00 %, FPRde 23,91 %, especificidade de 76,09 %

Made available in DSpace on 2018-08-02T00:01:47Z (GMT). No. of bitstreams: 1 tese_11033_Leandro Bueno.pdf: 17714768 bytes, checksum: 1aea5c7642540084384b07c73fb61985 (MD5) Previous issue date: 2017-06-06 / Nesta Tese de Doutorado se apresenta o desenvolvimento de um sistema de Interface Cérebro Computador (ICC) que utiliza sinais de Eletroencefalografa (EEG) e classifcadores baseados em redes neurais autoorganizadas (Self Organizing Maps SOM). Nesta Tese se analisam os problemas das ICCs e se apresentam os resultados conseguidos com o sistema desenvolvido. Este sistema utiliza um equipamento clínico de aquisição de sinais EEG e um computador pessoal para processar os dados. Usando a energia das componentes de frequência dos sinais EEG capturados como características, e um classifcador baseado em uma rede neural autoorganizada. O grande desafo da utilização das redes autoorganizadas é a interpretação da saída da rede, devido a que esta rede possui uma saída para cada um dos neurônios presentes na rede. A contribuição desta tese está no método de interpretação da saída dos neurônios da rede SOM, o qual é implementado através de um conjunto de máscaras que representam a probabilidade da ativação dos mesmos para uma determinada classe. Todos os algoritmos utilizados nesta Tese de Doutorado podem ser adaptados facilmente para serem executados em sistemas embarcados com menor poder de processamento, tais como Processadores Digitais de Sinais (Digital Signal Processor DSP) ou microcontroladores. A interface cérebrocomputador (ICC) desenvolvida nesta Tese de Doutorado foi testada e validada de forma offline, com dados de bancos de dados externos de EEG, e com voluntários, apresentando resultados satisfatórios em ambos os casos, quando comparados a outros trabalhos da literatura com o mesmo número de tarefas.

Orientador: Lee Luan Ling / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica / Made available in DSpace on 2018-07-21T03:38:05Z (GMT). No. of bitstreams: 1 Gomes_NatanaelRodrigues_M.pdf: 3843291 bytes, checksum: ea1c445465616bedc519575e7960e649 (MD5) Previous issue date: 1996 / Resumo: A principal dificuldade em reconhecimento de caracteres manuscritos está em desenvolver métodos que possibilitem um ótimo índice de reconhecimento, apesar da grande variabilidade dos caracteres. Este trabalho apresenta um sistema para reconhecimento de numerais manuscritos desconectados, baseado na análise da topologia e distribuição pictorial de numerais e no emprego da rede de Hopfield discreta como memória associativa. O processo de classificação de numerais é dividido em dois estágios. No primeiro estágio, o numeral desconhecido é classificado de acordo com características extraídas de sua topologia e distribuição pictorial. Caso isto não seja possível, devido a distorções e ruídos na imagem do numeral desconhecido, a classificação é efetuada no segundo estágio de classificação do sistema, via rede de Hopfield. A rede de Hopfield é implementada de dois modos. No primeiro modo, a rede tem seus pesos calculados pelo método da projeção, no segundo modo, a rede tem os pesos calculados pelo método de síntese para sistemas lineares operando em modo saturado (LSSM). O sistema é testado com 1500 numerais manuscritos, sendo obtido uma taxa de 85% de reconhecimento com o sistema utilizando, no segundo estágio, a rede de Hopfield implementada conforme o primeiro modo. Uma taxa de reconhecimento de 84,4% é obtida com o sistema utilizando, no segundo estágio, a rede de Hopfield implementada de acordo com o segundo modo / Abstract: The main difficultyin handwritten character recognition consists in developing methods that provide a high recognition rate, although of the large degree of variability of the characteres. This work presents a system for recognition of disconnected handwritten numeraIs, based in analysis of the topology and distribution of pixels from the numerals, and application of a discrete Hopfield neural net used as associative memory. ln the system, the process of classification is divided in two stages. ln the first stage, the unknown numeral is classified considering features extracted from its topology and distribution of pixels. lf it is not possible, due to distortions and noise in numeral image, the classificationis effectuated in the second stage, via Hopfield netoThe Hopfield net is implemented of two manners. ln the first manner, the net has weights calculated by projection method and, in the second manner, the net has weights calculated by sinthesis procedures to linear systems operating in the saturated mode (LSSM systems). The system is tested with 1500 handwritten numerals. A recognition rate over 85% is obtained with the system making use in the second stage of the Hopfield net implemented by the first manner. A recognition rate over 84,4% is obtained with the system making use in the second stage of the Hopfield net implemented by the second manner / Mestrado / Mestre em Engenharia Elétrica

Orientador: Daniel Barrera Arellano / Tese (doutorado) - Universidade Estadual de Campinas. Faculdade de Engenharia de Alimentos / Made available in DSpace on 2018-07-22T22:22:48Z (GMT). No. of bitstreams: 1 Block_JaneMara_D.pdf: 5700147 bytes, checksum: 719b5a0e35ae69d9f57dc4b9b9a810b9 (MD5) Previous issue date: 1997 / Resumo: Na atualidade, produtos como margarinas e gorduras hidrogenadas de uso industrial são formulados utilizando-se várias bases hidrogenadas, através de uma técnica denominada de ''blending''. Para se determinar a proporção dos componentes (bases) da mistura são utilizados métodos como a programação linear, equivalentes estatísticos ou arquivos de formulas armazenadas em computador. Tais métodos estão fortemente vinculados à experiência do formulador uma vez que apresentam sérias limitações. As redes neurais ( sistemas computacionais baseados na estrutura e comportamento dos sistemas biológicos), estão sendo muito utilizadas na resolução de problemas complexos e podem ser uma poderosa ferramenta na formulação de gorduras. No presente trabalho foram construídas e treinadas, com base no perfil de sólidos do produto a formular, três redes neurais do tipo "perceptron". As redes, desenhadas para formular gorduras com 3 ingredientes (1 óleo e 2 bases hidrogenadas derivadas de soja), atuam em 3 níveis de decisão seqüenciais: técnico, disponibilidade e custos. O treinamento das redes foi realizado com 78, 63 e 112 produtos para as redes 1, 2 e 3, respectivamente. De acordo com a análise de especialistas, a Rede 1 apresentou uma eficiência de 73% na formulação de produtos realizados no treinamento. Para as Redes 2 e 3, a eficiência observada na etapa de treinamento foi de aproximadamente 1000/0. De acordo com a análise estatística, foram observadas diferenças de desempenho entre as Redes 1 e as Redes 2 e 3, sendo o pior desempenho atribuído à Rede 1. Nos testes para generalização de conhecimento, realizados com 17 produtos não utilizados na etapa de treinamento, foi observada na eficiência de aproximadamente 10001<» para as Redes 2 e 3, sendo que a análise estatística também não indicou diferença no desempenho das redes. Nos testes para verificação da amplitude de aplicação (realizado com 17 produtos comerciais), as Redes 2 e 3 obtiveram um índice de 64,1%, sendo que a análise estatística indicou desempenho melhor para a Rede 2. Em todos os testes realizados, as 3 redes forneceram respostas mais precisas nas temperaturas mais baixas (10, 20 e 25°C) e para produtos com teor de sólidos mais elevados. Para a Rede 3, foram realizados também testes de formulação de margarinas e cremes vegetais produzidos em escala piloto, com resultados similares aos produtos fabricados pela indústria de acordo com seus métodos. Os resultados obtidos demonstraram uma grande potencial de utilização das redes neurais como una alternativa aos procedimentos convencionais de formulação. / Abstract: Nowadays products such as margarine and hydrogenated fats used in industries are made using several hydrogenated bases through a technique called "blending". In order to deternrine the proportion of the components (bases) of the mixture methods such as linear programming, statistical equivalents or formula files stored in computer are used. These methods are greatly bonded to the experience of the formulator and present serious limitations. The neural networks (computer systems based on the structure and behavior of biological structures) are being used in the solving of complex problems and can be a powerful tool in formulating fats. In this work three neural networks of the "perceptron" type were built and trained based on the profile of the solids of the product to be formulated. The networks, projected to formulate fats with 3 ingredients (1 oil and 2 hydrogenated bases derived from soybean), act on three levels of sequential decisions: technical, availability and costs. The training of the networks was done with 78, 63 and 112 products for networks 1, 2 and 3, respectively. According to the analysis of specialists, network 1 showed a efficiency of 73% in the formulation of products used in the training. For network 2 and 3 the efficiency observed in the training stage was approximately 100%. According to the statistical analysis differences in performance between network 1 and 2 e 3 were observed, being the worst performance that of network 1. In the tests for generalization of knowledge, applied with 17 products not using the training stage, an efficiency of approximately 100% for network 2 and 3 was observed, being that the statistical analysis did not show a difference in performance among the networks. In the tests for verification of application amplitude (with 17 commercial products) the networks 2 and 3 resulted in a index of 64,70/0, being that, the statistical analysis indicated better performance for network 2. In all the tests the three networks offered more precise responses in lower temperatures (10, 20 e 25QC) and for products with higher solid contents. For network 3 tests for formulation of pilot scale production margarine and spreads were also done with results similar to those of products made by the industry according to its methods. The results obtained demonstrated great potential of utilization of the neural networks as an alternative to conventional formulation procedures. / Doutorado / Doutor em Tecnologia de Alimentos

Orientador: Lee Luan Ling / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-27T01:49:41Z (GMT). No. of bitstreams: 1 Cavalcanti_HugoMauroVasconcelosdaCunha_M.pdf: 6391593 bytes, checksum: 75cb2a1a256c8652d012f7153f370886 (MD5) Previous issue date: 2000 / Resumo: A implementação de um sistema de reconhecimento de padrões requer a solução de alguns problemas básicos: Aquisição de Dados, Extração de Características e Classificação dos padrões. Apesar de muitos trabalhos estarem sendo feitos na tentativa de resolver o problema de Reconhecimento de Padrões utilizando Redes Neurais, poucos são os trabalhos que abordam o Problema de Extração de Características. Assim, nesta Tese propomos o Algoritmo de Extração de Características via Redes Neurais Lee/Cavalcanti. Este algoritmo encontra a quantidade mínima de características necessárias para resolver o problema de classificação de padrões utilizando uma rede neural do tipo Multilayer Parceptron (MLP). E baseia-se no fato de que todas as características informativas podem ser encontradas a partir da fronteira de decisão do problema. Então, mostramos como construímos o algoritmo e apresentamos alguns experimentos que provam a eficiência do mesmo. Inicialmente, alguns experimentos foram feitos utilizando dados sintéticos, mostrando a relação entre a fronteira de decisão teórica e a fronteira de decisão prática encontrada a partir da rede treinada. Em seguida, implementamos urna rede neural para classificação de assinaturas estáticas. Neste experimento, utilizamos originalmente 32 características. E, em seguida, utilizando o algoritmo de extração de características Lee/Cavalcanti, conseguimos 98,84% de precisão de classificação, com apenas 16 características. Desta forma, mostramos que o uso do algoritmo Lee/Cavalcanti pode encontrar a quantidade mínima de características de um problema de classificação de padrões. E, desta maneira, fazer com que a classificação do padrão seja realizada de forma mais rápida do que utilizando o conjunto original de amostras / Abstract: The design and implementation of Pattern Recognition systems require the solution ofthe following problems: Data Acquisition, Feature Extraction and Pattern Classification. Although, much effort has been expended to solve a Pattern Recognition problem using the Neural Networks approach, not many works have being done to solve the Feature Extraction problem. In this thesis, we propose the Lee/Cava1canti Feature Extraction Algorithm Via Neural Networks, which finds the minimum number of features necessary to solve the classification problem using Multilayer Perception (MLP) Neural Networks. This algorithm is based on informative features found from the Decision Boundary. We present how the algorithm was built and some experiments to prove its efficiency. Some experiments using synthetic data are shown, indicating the relationship between the practical decision boundary, obtained from the trained neural network, and the theoretic one. Then, we design a neural classifier for a static signature recognition and we test it using 32 features. Finally, using only 16 features, we test the classifier obtaining a 98,84% accuracy in relation to the accuracy gained in the first test. The use of only 16 features was obtained using Lee/Cava1canti Algorithm. The use of the Lee/Cava1canti Algorithm can reduce the number of features involved in a classification problem. Furthermore, it can make the system work faster with the same classification accuracy provided by the original set of features / Mestrado / Mestre em Engenharia Elétrica

Orientadores: Ana Maria Frattini Fileti, Mauro Antonio da Silva Sa Ravagnani / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-12T02:23:30Z (GMT). No. of bitstreams: 1 Francisco_ClaudiodeOliveira_M.pdf: 3536322 bytes, checksum: 9176c63f34bc319f6ccc3537a278255c (MD5) Previous issue date: 2000 / Resumo: Neste trabalho é apresentada a modelagem de um secador industrial de gelatina através do uso de Redes Neurais Artificiais - RNA's. A complexidade associada à modelagem do sistema de secagem através de técnicas convencionais (modelos fenomenológicos) serviu como motivação para utilizar esta ferramenta, principalmente devido à habilidade das RNA's em "aprender" as relações de causa/efeito existentes em diferentes processos. Através de uma rede neural de alimentação direta, completamente conectada, formada por três camadas, foi prevista a umidade final da gelatina à saída do secador industrial, sendo estes valores comparados às medidas de umidade realizadas em laboratório. Dados reais do processo de secagem de gelatina também foram utilizados na etapa de treinamento da rede, sendo para isso, empregado o algoritmo de Levenberg Marquardt. Os resultados das simulações realizadas indicam grande potencial do uso de RNA's para modelagem do sistema de secagem, possibilitando, assim, a previsão do conteúdo de umidade da gelatina ao final da etapa de secagem / Abstract: In this work, the modeling of an industrial gelatin dryer via Artificial Neural Network - ANN - is presented. Modeling drying systems through First PrincipIes is not a trivial task. The complexities that arises ITom the application of conventional modeling techniques, coupled to the ability of the ANN in learning cause/effect relationships of different processes, were the main driving force to the present work development. A fully connected three layer feed forward network was used to predict the gelatin moisture content of the industrial dryer outlet. Predicted values were then compared to that obtained ITom laboratory analysis. The ANN training was carried out through the Levenberg-Marquardt Algorithm and the data set was obtained ITom the industrial drying process. Simulation results demonstrate the great potential of using ANN in drying systems modeling, allowing predictions of the gelatin moisture content in the drying step outlet / Mestrado / Sistemas de Processos Quimicos e Informatica / Mestre em Engenharia Química

Orientador: Paulo Sergio Franco Barbosa / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Civil / Made available in DSpace on 2018-08-03T19:05:54Z (GMT). No. of bitstreams: 1 Silva_CarlaSilvada_D.pdf: 2330255 bytes, checksum: 359bde71551f896711594d0717bf1597 (MD5) Previous issue date: 2003 / Doutorado / Recursos Hidricos / Doutor em Engenharia Civil

Orientador: Rubens Maciel Filho / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-03T19:30:55Z (GMT). No. of bitstreams: 1 Gonzaga_JoaoCarlosBastos_M.pdf: 3620776 bytes, checksum: 0e03b8964739744c03dc3e09a32b145a (MD5) Previous issue date: 2003 / Resumo: Esta dissertação apresenta a implementação de um sensor virtual (soft-sensor) para um processo industrial de polimerização PET -Poli (Tereftalato de Etileno), baseando-se em redes neurais (RNA). O sensor atua como medidor redundante da viscosidade do polímero na fase líquida; e, no caso de falhas mecânicas, propicia um diagnostico de falhas do viscosímetro físico e substituição do mesmo no monitoramento do sistema de controle. O controle da viscosidade é executado por meio de dois controladores PID (Proporcional-Integrativo-Derivativo) em configuração cascata, sendo o controlador da viscosidade o mestre e o controlador de vácuo do alto polimerizador o escravo, que manipula a válvula de quebra-vácuo. O uso de redes neurais nesta dissertação é uma metodologia bastante adequada tendo-se em vista as complexidades cinéticas relacionadas aos sistemas poliméricos. Neste presente trabalho, foi utilizado o algoritmo de retropropagação com apenas uma camada intermediária (hidden) para uma rede do tipo feedforward. O algoritmo do soft-sensor foi implementado em um sistema supervisorio (SETCIM-Aspentech), onde um banco de dados é atualizado em tempo real. O sistema supervisorio é executado em um servidor AlphaServer 1000, que esta interconectado com CLP's (controladores lógicos programáveis). Todos os dados no Setcim são organizados em unidades fundamentais (Record). As aplicações podem ler ou escrever dados que usem (entre outras opções) uma rica Interface de Programação de Aplicações (API - Aplication Programming Interfaces), suportado por Serviços de Chamadas Remotas a Procedimentos (RPC- Remote Procedure Cal!). Isto propiciou o desenvolvimento de diversos soft-sensors, para diferentes unidades de forma simultânea. A implementação do soft-sensor para o controle da viscosidade foi realizada através de solicitações de ensaios, com a participação de todos os setores da fabrica envolvidos na qualidade do produto. Um algoritmo de restrições foi desenvolvido no CLP para garantir a segurança do processo enquanto o soft-sensor estiver funcionando como estimador on-line no controle da viscosidade. A utilização de sensor virtual como estimador de variável de processo para controle possibilita um controle robusto e ainda permite, no caso de ocorrência de algum distúrbio sobre a variável controlada, a identificação das variáveis causadoras de tal variação. O sucesso dos resultados foi constatado por engenheiros da planta industrial após o acompanhamento de testes on-line do sensor virtual. Atualmente, o soft-sensor opera como estimador da viscosidade no controle de uma linha de produção com um desempenho excelente / Abstract: This work deals with the implementation of a soft-sensor for a PET (Polyethylene terephtalate) industrial process based on neural networks. The soft-sensor acts as redundant measure current for the polymer viscosity in the liquid phase; and, in case of mechanical faults, it is able to diagnoses the faults on the viscometer and can replace it.The viscosity control is realized through to two Proportional-Integral-Derivative (PID) controllers in cascade configuration. The viscosity controller is the master and vacuum controller of the high polymerizer is the slave, manipulating the vacuum valve. The use of neural network in this work is suitable due to kinetic complexities related to polymeric system. In this paper, it was employed the retro-propagation algorithm with only an intermediary layer for a feed-forward net. The soft-sensor algorithm was implemented in the supervisory system (SETCIM-Aspentech), where the database is actualized in real time. The supervisory system is executed in a Alpha-Server 1000, that is interconnected with PLC's (Programmable Logic Controllers). All data in the Setcim are organized in fundamental units (records). The applications are able to read and write data that use (among other options) one rich Application Programming Interfaces (API), supported by Remote Procedure Call (RPC). This became possible the development of several soft-sensors. The soft-sensor implementation for viscosity control was realized through requisitions of experiments with the participation of all the factory sectors related to product quality. An algorithm of restrictions was developed in the PLC, for assure the process safety, while the soft-sensor is controlling the viscosity.The use of a soft-sensor as process variable estimator for controllers is an interesting strategy; it assures a robust control and, in the presence of some disturbance, identifies which the process variables sensitize such variation. Process engineering group verified this conclusion after the attendance of on-line tests using the soft-sensor. Nowadays, the soft-sensor operates as viscosity estimator in the control of one production plant line with excellent results / Mestrado / Desenvolvimento de Processos Químicos / Mestre em Engenharia Química