Orientador: Anna Diva Plasencia Lotufo / Co-orientador: Geraldo de Freitas Maciel / Banca: Milton Dall Aglio Sobrinho / Banca: Maria Lúcia Martins Lopes / Banca: Maria Teresa Leal Gonsalves Veloso dos Reis / Banca: Fernanda Caseño Lima Trindade / Resumo: Os riscos associados a zonas costeiras e portuárias são uma das principais preocupações no planejamento e gestão destas zonas. Exemplos desses riscos são os associados aos fatores: instabilidade de estruturas marítimas de proteção, ocorrência de galgamentos, inundação, erosão costeira e navegação. Não obstante ao citado, tem-se também, o caso dos riscos inerentes ao ambiente dos reservatórios de barragens e de seus usos múltiplos, que fazem parte de segmentos de hidrovias, além de fazer parte de complexos de navegação e rotas comerciais. O exposto justifica a importância crescente do desenvolvimento de metodologias capazes de avaliar o risco neste tipo de situações. O presente trabalho trata do desenvolvimento e aplicação de uma rede neural artificial, notadamente a rede ARTMAP-Fuzzy, na tentativa de se prever alguns fenômenos de superfície livre e interação onda-estrutura, sejam eles: agitação marítima, comportamento de ondas em lagos de barragem e galgamento. A rede em questão pertence à família ART (Adaptive Ressonance Theory), e foi desenvolvida e utilizada na tentativa de se prever tanto a agitação marítima dentro e fora de um porto, quanto para o cálculo do galgamento em um ponto do barramento de contenção e, também na tentativa de se prever o comportamento de ondas geradas por vento em um reservatório formado pela construção de uma usina hidroelétrica. O porto em estudo foi o de Sines que se situa a sudoeste da Europa, na costa oeste de Portugal, a 58 milhas náuticas a sul de Lisboa. Já, para o caso de ondas em lagos, o mesmo se trata do lago formado pela construção da Usina Hidroelétrica de Ilha Solteira, situado a noroeste do Estado de São Paulo - Brasil. Para o caso de estudo relativo ao porto de Sines, o treinamento desta rede neural é efetuado com dados de medição de boia-ondógrafo ao largo do porto e ainda, comparados com resultados do modelo numérico de propagação de ... / Abstract: The risks associated to coastal and harbor zones are one of the main concerns in planning and managing these zones. Some examples can be mentioned such as: instability of maritime structures, wave overtopping, flooding, coastal erosion and unsafe navigation. Furthermore, there are the risks associated to dam reservoirs and their multiple uses, as for example those reservoirs that are used as waterways, as well as being commercial and navigation routes. These are some of the justifications to develop methodologies capable of evaluating the risk in this kind of situations. This work is concerned with the development and application of a Fuzzy ARTMAP artificial neural network to forecast some phenomena of free surface and of wave-structure interaction, such as: sea wave conditions, wave behavior in dam lakes and wave overtopping. The neural network pertains to the ART (Adaptive Resonance Theory) family and is developed and used to forecast the wave conditions outside and inside a port, the wave overtopping at a cross-section of the port protection breakwater, and also the wind waves generated in an hydroelectric dam reservoir. The studied port is the Sines port, located at south west Europe, west coast of Portugal, 58 nautical miles south of Lisbon. The hydroelectric reservoir is the Ilha Solteira lake, located north west of the State of São Paulo, Brazil. Considering the Sines port, the neural network training for forecasting wave conditions is performed with data measured by a wave buoy positioned offshore the port, and also with numerical model results of wave propagation at the entrance of the port (SWAN model) and inside the port (DREAMS model). The wave conditions inside the port predicted by the new tool are compared with some field data. The neural network training for forecasting wave overtopping at the breakwater is performed with data obtained from a two-dimensional physical model developed at the National Laboratory for Civil ... / Doutor

Orientador: Anna Diva Plasencia Lotufo / Co-orientador: Maria do Carmo G. da Silveira / Banca: Lilian Yuli Isoda / Banca: Maria de Fátima Ribeiro Raia / Resumo: Após a reestruturação da indústria de eletricidade, a energia elétrica tornou-se uma mercadoria que pode ser comprada e vendida nos mercados de eletricidade. Dentro deste contexto, novas ferramentas para previsão de cargas e preços de eletricidade ainda são objetos de estudo. Redes Neurais Artificiais são bastante usadas para previsão de preços juntamente com outras técnicas estatísticas. Nesta pesquisa apresenta-se um método para a previsão de preço do dia seguinte, usando uma Rede Neural de Regressão Generalizada (GRNN) e Perceptron Multicamadas (MLP) com algoritmo de treinamento Levenberg - Marquardt. Os preços nodais são determinados resolvendo um DC-OPF (fluxo de potência ótimo), gerando os preços para todas as barras do sistema elétrico, denominado Locational Marginal Prices (LMP). Para treinar a rede neural, foram gerados vários cenários carga-preço e variando aleatoriamente a carga em cada barra do sistema elétrico. Os resultados são analisados através do erro percentual médio absoluto, uma medida muito comum encontrada na literatura. Os resultados foram comparados com literatura especializada com o caso base bem como com o Erro Máximo que varia de 3% a 8 %. Os resultados obtidos foram satisfatórios, dentro das margens encontradas na literatura, conforme apresentado na seção de resultados. A presente proposta foi aplicada no sistema teste IEEE 24- RTS. / Abstract: After the electricity industry restructuring, electric energy has become a commodity that can be bought or sold in electricity markets. Within this context, new tools to predict loads and electricity prices are yet to be devised. Neural networks have been typically used for price forecasting, among other statistical-based techniques. This work presents a method for day-ahead price forecasting using a generalized regression neural network where nodal prices are determined by solving a DC optimal power flow. In order to train the neural network several load-price scenarios are generated by randomly varying the loads in each bus of the electric energy system. The results are validated by analyzing the mean absolute percentage error, a common measure adopted in the technical literature as well as the base case and the maximum error which are within those found in the literature. The proposed methodology has been successfully applied to the IEEE 24-RTS system. / Mestre

Orientador: Marcelo Carvalho Minhoto Teixeira / Banca: Edvaldo Assunção / Banca: Aparecido Augusto de Carvalho / Banca: Cristiano Quevedo Andrea / Banca: Valtemir Emerencio do Nascimento / Resumo: Os sistemas fuzzy e neuro fuzzy têm sido usados com sucesso para resolver problemas em diversas áreas, como medicina, indústria, controle, agronomia e aplicações acadêmicas. Nas últimas décadas, as redes neurais têm sido utilizadas para identificação, avaliação e previsão e dados na medicina e na agronomia. Nesta tese, realizou-se um novo estudo comparativo entre as redes neuro fuzzy (ANFIS), rede perceptron multicamadas (MLP), rede função de base radial (RBF) e regressão generalizada (GRNN) na área de engenharia biomédica. Na engenharia biomédica as redes neurais e neuro fuzzy foram treinadas e validadas com dados de pacientes hígidos e hemiplégicos (pacientes com sequela motora após acidente vascular cerebral no hemicorpo direito ou esquerdo do cérebro) coletados por meio de um baropodômetro eletrônico (91 indivíduos, sendo 81 hígidos e 10 hemiplégicos). A rede GRNN apresentou o menor erro RMSE (Raiz Quadrada do Erro Médio Quadrático), porém a rede MLP conseguiu identificar um caso de hemiplegia. Na área de agricultura foi proposto um novo estudo comparativo utilizando redes neurais para previsão de produção de trigo (Triticum aestivum). Para este estudo utilizou-se uma base de dados experimental de trigo avaliada no período dois anos na região de Selvíria-MS. A validação foi realizada comparando-se a produção estimada pelas redes neurais MLP, GRNN e RBF com a curva de regressão quadrática, comumente utilizada para este fim, e com a rede neuro fuzzy ANFIS. O erro RMSE calculado com as redes neurais GRNN e RBF foi menor do que o obtido com a regressão quadrática e com o ANFIS utilizando o treinamento (híbrido). Para validação dos resultados obtidos em hemiplegia utilizou-se o RMSE, a matriz de confusão, a sensitividade, a especificidade e a acurácia. Os resultados mostraram que a utilização das redes neurais e redes neuro fuzzy, na engenharia biomédica, pode ser uma alternativa viável para ... / Abstract: The fuzzy and neuro fuzzy systems have been successfully used to solve problems in various fields such as medicine, manufacturing, control, agriculture and academic applications. In recent decades, neural networks have been used to the identification, assessment and diagnosis of diseases. In this thesis we performed a comparative study among fuzzy neural networks (ANFIS), multilayer perceptron neural networks (MLP), radial basis function network (RBF) and generalized regression (GRNN) in the area of biomedical engineering and agronomy. In biomedical engineering neural networks and neuro fuzzy were trained and validated with data set from patients (91 subjects, 81 healthy and 10 hemiplegic). The GRNN network had the lowest Root Mean Square Error (RMSE), but the MLP network was able to identify a case of hemiplegia. In the area of agriculture a comparative study to estimate the wheat (Triticum aestivum) productivity was proposed using neural networks. For this study it was used data from an experimental database of wheat cultivars evaluated during two years in the region of Selvíria - MS. The validation was performed by comparing the estimated productivity through the quadratic regression curve and the output of the ANFIS with the neural networks. The RMSE error calculated with the GRNN and RBF neural networks was lower than that obtained with the quadratic regression and the ANFIS. The results obtained in the study of hemiplegia were validated using the RMSE, the confusion matrix, the sensitivity, the specificity and the error accuracy. The results showed that the use of neural networks and fuzzy neural networks, in biomedical engineering, can be a viable for monitoring the progress of patients and discovery new information through a combination of parameters. In agriculture this methodology can bring benefits in combining several evaluation parameters of production to optimize production while minimize financial costs in new plantations / Doutor

Resumo: A predição de estruturas secundárias e terciárias pode contribuir para elucidar o problema de enovelamento de proteínas. Para isso, métodos de Redes Neurais Artificiais (RNAs) e Algoritmos Genéticos são utilizados a fim de predizê-las, a partir de determinadas seqüências primárias de aminoácidos. Neste sentido, esta pesquisa visa à utilização de três níveis de RNAs. O primeiro nível é composto por um vetor de entrada representando a seqüência primaria dos aminoácidos, com uma dimensão de 22.n, onde n é o tamanho da janela compreendida entre 7 a 23. O segundo nível possui a implementação dos resultados da primeira rede. Por fim o terceiro nível é composto por um júri de decisão. As RNAs são treinadas no Simulador MATLAB 5.0, um software composto de vários recursos para a sua implementação (Neural Network Toolbox). As RNAs implementadas são do tipo Multi Layer Perceptron (MLP), que utilizam o algoritmo backpropagation (RPROP) e a função de treinamento trainrp. Os dados obtidos são comparados com os preditores 'The Predict Protein Server Default' (www.emblheidelberg.de/predictprotein/submit_def.html), 'The PSA Protein Structure Prediction Server' (http//bmerc-www.bu.edu/psa/request.html) e 'The PSIPRED Protein Structure Prediction Server' (http://bioinf.cs.ucl.ac.uk/psipred/), a fim de se obter um modelo de predição. / Abstract: The prediction of (secondaray and tertiary) structures of proteins can contribute to elucidadate the protein-folding problem. In oder to predict these structures we used methods of Artificial Neural Network (ANN) and genetic algorithms starting from the primary sequences of amino acids. The present work is composed of 3 networks levels. The first level is composed of ANNs of an input vector representing a segment of primary amino acid sequence. Since the encoding scheme uses a local window into the sequence, the input vector is a 22.n dimensional vector where n is the number of positions in the window (between 7 and 23). The outputs of level 1 are the inputs of the second level ANNs. The third level is the jury decision. The ANNs were trained with the Simulator MATLAB 5.0, software with several tools for its implementation (Neural Network Toolbox). The implemented ANNs are Multi Layer Perceptron (MLP) kind, which use the backpropagation algorithms (RPROP) together with training function trainrp. The obtained date are compared with the predictors 'The Predict Protein Server Default' (www.emblheidelberg.de/predictprotein/submit_def.html), 'The PSA Protein Structure Prediction Server' (http//bmerc-www.bu.edu/psa/request.html) e 'The PSIPRED Protein Structure Prediction Server' (http://bioinf.cs.ucl.ac.uk/psipred/) in order to heve an idea of the quality of the prediction. / Orientador: Jorge Chahine / Coorientador: José Roberto Ruggiero / Coorientador: Luís Paulo Barbour Scott / Banca: Roosevelt Alves da Silva / Banca: Elso Drigo Filho / Mestre

Orientador: Carlos Roberto Minussi / Banca: Walmir de Freitas Filho / Banca: Jacqueline Gisèle Rolim / Banca: Antonio Padilha Feltrin / Banca: Laurence Duarte Colvara / Resumo: Esta pesquisa tem por objetivo o desenvolvimento de uma metodologia, para análise de estabilidade transitória e para o controle preventivo de sistemas de energia elétrica, formulada por redes neurais feedforward multicamadas. A margem de segurança (método da energia) é empregada como critério de análise de estabilidade transitória, considerando-se defeitos tipo curto-circuito trifásico com saída de linha de transmissão. O funcionamento das redes neurais é constituído por duas fases principais: treinamento (ou aprendizado) e análise. A fase de treinamento requer uma grande quantidade de processamento para a sua realização, enquanto que a fase de análise é efetivada, praticamente, sem esforço computacional. Trata-se, por conseguinte, da principal justificativa para o uso de redes neurais para a resolução de problemas complexos que exigem soluções rápidas, sendo, portanto, adequadas para aplicações em tempo real. O treinamento da rede neural é realizado usando o algoritmo retropropagação (backpropagation) com controlador nebuloso e a adaptação da inclinação e deslocamento da função sigmóide (pós-sináptica). O controlador nebuloso é usado visando proporcionar uma convergência mais rápida e resultados mais precisos, se comparado ao algoritmo retropropagação tradicional. A adaptação da taxa de treinamento é efetuada usando a informação do erro global e a variação do erro global. A adaptação da inclinação e deslocamento da função sigmóide também é usada com o objetivo de melhorar a capacidade da obtenção de uma solução, ou seja, ampliar o espaço de busca. Após ter sido concluído o treinamento, a rede neural deverá estar apta a estimar a margem de segurança e a análise de sensibilidade. Com esta informação é possível desenvolver um método para a realização da correção da segurança (controle preventivo)... (Resumo completo, clicar acesso eletrônico abaixo). / Abstract: This work presents a procedure, for transient stability analysis and for preventive control of electric power systems, formulated by multilayer feedforward neural network. The security margin (energy method) is used as a criterion of the transient stability analysis considering faults like three-phase short-circuits with outage of transmission line. The performance of neural networks is constituted of two principal phases: training (or learning) and analysis. The training phase needs a great quantity of processing time for the realization, whereas the analysis phase is effectuated almost without computational effort. Therefore, this is the principal justification to use neural networks for solving complex problems that need fast solutions, and as a consequence being adequate for real time applications. The neural network training is realized using the backpropagation algorithm with fuzzy controller and the sigmoid (postsynaptic) function slope and translation adaptation. The fuzzy controller is used to provide a faster convergence and more precise results, if compared to the traditional Backpropagation algorithm. The adapting of the training rate is effectuated using the information of the global error, and global error variation. The adaptation of the slope and translation of the postsynaptic function is used for improving the capacity of obtaining a solution, i.e., to enlarge the space of search. After finishing the training, the neural network is capable to estimate the security margin, and the sensitivity analysis. With these information it is possible to develop a method for the realization of the security correction (preventive control) based on generation reallocation and load shedding. The preventive control idealization is based on the sensitivity... (Complete abstract, click electronic address below). / Doutor

Orientador: Marcos Tadeu Tiburcio Gonçalves / Banca: Manoel Cleber de Sampaio Alves / Banca: Maria Angelica Martins Costa / Banca: Raquel Gonçalves / Banca: Ivaldo de Domenico Valarelli / Resumo: Para se obter produtos e serviços que atendam ao nível de produtividade exigida pelo mercado, deve-se otimizar vários fatores determinantes na usinagem da madeira. O atual objetivo da pesquisa em Inteligência Artificial dedica-se ao desenvolvimento de sistemas inteligentes flexíveis e auto ajustáveis, com vistas à diminuição da presença de operadores humanos, de forma que o controle destes processos seja realizado através de sistemas computacionais. A usinagem da madeira se caracteriza pela ação de vários agentes, que de forma geral, são muito complexos para serem representados de forma analítica, adicionalmente as respostas destes sistemas são não-lineares. Portanto, estas dificuldades na modelagem do processamento da madeira justificam a utilização de redes neurais como ferramenta para melhoria de processo, e consequente agregação de valor ao produto final. O objetivo deste trabalho foi utilizar a capacidade de aprendizagem e a generalização das redes neurais e outras técnicas de inteligência computacional no processamento de madeira. A metodologia utilizada consistiu em utilizar redes neurais do tipo Multilayer Perceptrons (MLP) associadas à Lógica Fuzzy para construção de controlador do processo de usinagem da madeira. Adicionalmente as redes neurais realizaram uma classificação de imagens com relação aos defeitos superficiais da madeira. Foi utilizadas bases de dados obtidas através dos processos reais de usinagem da madeira. Os resultados obtidos foram satisfatórios, o que confirma que as redes neurais foram uma... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: In order to obtain products and services to exceed the level of productivity required by the market, many machining wood factors should be optimized. The current goal of research in Artificial Intelligence is dedicated to develop intelligent flexible systems, self-adjusting, to decrease the presence of human operators. The control of these processes is done through the help of computer systems composed from software and hardware. The modern industrial processes are characterized by the action of various agents that are generally too complex to be represented analytically, additionally answers these systems are non-linear. Therefore, these difficulties in modeling wood machining process justify the use of Neural Network as a tool for process improvement and to add value to the final product. Computational Intelligence techniques such as Neuro-Fuzzy Networks have been proved applicable to this problem, since they combine the ability to learn from examples and to generalize the information learned from the neural network with the ability of Fuzzy Logic to turn variables into linguistic rules. The objective of this work is to use the learning ability and generalization of neural networks and other techniques of Artificial Intelligence in machining materials, which have solid non-linear character. The results were satisfactory, thus confirming the neural... (Complete abstract click electronic access below) / Doutor

Orientador: Mauro Hugo Mathias / Banca: Alvaro Manoel Souza Soares / Banca: José Elias Tomazini / Banca: Francisco Carlos Parquet Bizarria / Banca: Carlos Henrique Netto Lahoz / Resumo: Um importante aspecto no processo produtivo é proporcionar o funcionamento das máquinas o maior tempo possível sem o comprometimento na qualidade final do produto. Nesse sentido, a utilização de uma política de manutenção adequada se torna necessária para o monitoramento do desgaste dos componentes das máquinas a fim de aumentar o tempo de sua utilização sem comprometer a qualidade do produto. A manutenção baseada em condição se apresenta como a abordagem mais apropriada para esse controle. Dentre as diversas abordagens utilizadas para o desenvolvimento de programas para esse tipo de manutenção, as técnicas baseadas em Inteligência Artificial vêm se destacando no que diz respeito ao seu desempenho. Diante desse contexto, essa tese propõe uma Rede Neural Artificial, a qual, devidamente parametrizada, possibilita sua aplicação tanto para análise de vibrações quanto análise de partículas de desgaste. Para tanto, foi implementado um protótipo denominado NEURALNET-CBM, subdividido em dois módulos, Vibrações e Partículas. Os resultados dos testes mostram a efetividade da rede proposta, com um índice de acerto acima de 90% na classificação e identificação de defeitos e partículas de desgaste. / Abstract: An important aspect in the production process is to ensure the operability of a machine as long as possible without interfering on the final quality product. In this way, the use of a suitable maintenance policy is critical for monitoring the wear of the machine components in order to increase your useful life without any compromise of the product quality. The Condition-Based Maintenance is presented as the most appropriate approach for this control. Among several methods used to develop systems for this type of maintenance, techniques Artificial Intelligence has been standing out in relation their performance. Therefore, this thesis proposes a Artificial Neural Network, which, properly parameterized, it makes possible its application for both vibration and wear particle analysis. For this, we implemented a prototype named NEURALNET-CBM, divided into two modules: Vibration and Particle. The test results show the effectiveness of the proposed network, with accuracy rate greater than 90% in classifying and identification of defects and wear particles. / Doutor

Orientador : Carlos Roberto Minussi / Banca: Arlan Luiz Bettiol / Banca: Geraldo Roberto Martins da Costa / Banca: Jose Roberto Sanches Mantovani / Banca: Laurence Duarte Colvara / Resumo: Esta pesquisa apresenta uma metodologia para a análise de estabilidade transitória (de primeira oscilação) de sistema de energia elétrica usando uma rede neural baseada na arquitetura ART (Adaptive Resonance Theory), designada rede neural nebulosa ARTMAP modular para aplicações em tempo real. A margem de segurança é empregada como critério da análise de estabilidade transitória, considerando-se faltas tipo curto-circuito trifásico com saída de linha de operação. O funcionamento das redes neurais é constituído por duas fases fundamentais: treinamento e análise. A fase de treinamento requer uma grande quantidade de processamento para a sua realização, enquanto que a fase de análise é efetivada, praticamente, sem esforço computacional. Esta é, portanto, a principal justificativa para o uso de redes neurais para a resolução de problemas complexos que exigem soluções rápidas, como é caso de aplicações em tempo real. As redes neurais ART, possuem como características primordiais, a plasticidade e a estabilidade, as quais são qualidades essenciais para a execução do treinamento e para a análise de modo eficiente. A rede neural ARTMAP nebulosa modular está sendo proposta visando proporcionar um desempenho superior, em termos de precisão e rapidez, se comparada à formulação ARTMAP convencional, muito maior ainda quando comparada ao emprego de redes neurais com treinamento realizado via técnica retropropagação (que é um benchmark em termos de precisão no contexto de redes neurais). O treinamento da rede neural será realizado usando como "professor" um método de energia para o cálculo das margens de segurança. A metodologia proposta nesta pesquisa é um procedimento que incorpora inovações em relação à literatura existente, em destaque: (1) desenvolvimento de um novo modelo apropriado para a resolução... (Resumo completo, clicar acesso eletrônico abaixo). / Abstract: This work presents a methodology for transient stability analysis (first swing) of electrical energy systems, using a neural network based on ART (adaptive resonance theory), called modular fuzzy ARTMAP neural network for applications in real time. The security margin is used as a criterion for transient stability analysis, considering three-phase short circuit with outage of a transmission line faults. The neural network functioning is composed of two fundamental phases: training and analysis. The training phase needs a great quantity of processing, while the test phase is realized almost without computational effort. Therefore, this is the principal reason for using neural networks to solve complex problems that demand fast solutions, as the real time applications. The ART neural networks have as prime characteristics the plasticity and the stability, which are essential qualities for the training execution and for analysis in an efficient way. The modular fuzzy ARTMAP neural network is proposed to provide a superior performance, in precision and velocity, when compared to the conventional ARTMAP formulation, and much faster when compared to the neural networks using backpropagation training (benchmark in precision in a neural network context). The neural network training is realized using as a "teacher" an energy method to calculate the security margin. The proposed methodology is a proceeding that incorporates innovations in relation to the existent literature emphasizing: (1) development of a new appropriated model for solving the transient stability analysis by neural networks; (2) theoretical-practical development of the neural network output variable, represented in this work by the IMS (security margin interval) variable in a binary way. It is a convenient representation for the transient stability analysis approach; (3) proposition of a... (Complete abstract click electronic address below). / Doutor

Made available in DSpace on 2014-09-27T02:01:28Z (GMT). No. of bitstreams: 1 000461608-Texto+Completo-0.pdf: 5223181 bytes, checksum: 86fc9cfeddfa54c5f8407987d8286ee5 (MD5) Previous issue date: 2014 / This work presents a methodology, named Persona, for learning and transfer of facial motion style of an actor in order to provide parameters for avatar facial animation. Through this methodology, we can drive the facial animation of avatars using the motion style of a particular actor, through the performance of any user. Thus, the avatar can express the facial movements that the user is performing, but replicating the particularities of the actor’s facial movements, based on his or her Persona. In order to build the facial motion style model of an actor, we used points tracked on image sequences of the actor performance as input data. We also used a database of threedimensional facial expressions, annotated according to the Facial Action Coding System (FACS). Principal components analysis was performed using these data. Afterwards, artificial neural networks were trained to recognize action units both in the actor and user’s performances. Given these classifiers, we can automatically recognize action units in the user’s expression and find the equivalent parameters in the actor’s motion style model. The result of the process is the provision of such parameters to facial animation systems. The prototype developed as proof of concept has been used in case studies, whose results are discussed. Future work are also addressed. / Esse trabalho apresenta uma metodologia, denominada Persona, para aprendizado e transferência do estilo de movimento facial de atores para a animação de avatares. Por meio dessa metodologia, pode-se guiar a animação das faces de avatares com o estilo de movimento de um ator específico, através da atuação de usuários quaisquer. Dessa forma, o avatar poderá expressar os movimentos faciais que o usuário executa, porém replicando as particularidades dos movimentos faciais do ator, por meio da utilização da Persona. Para construção do estilo de movimento facial dos atores, utilizouse como dados de entrada pontos da face obtidos por rastreamento em sequências de imagens e informações presentes em bancos de dados de expressões faciais tridimensionais, anotadas de acordo com o Sistema de Codificação Ações Facial (FACS). Esses dados foram submetidos à análise de componentes principais e, então, utilizados para treinamento de redes neurais artificiais. Com esses classificadores podem-se reconhecer automaticamente as unidades de ação na expressão do usuário e encontrar os parâmetros equivalentes no estilo de movimento do ator. O resultado do processo é o fornecimento desses parâmetros para sistemas de animação. O protótipo desenvolvido como prova de conceito foi utilizado em casos de estudo, cujos resultados são apresentados. Indicações de trabalhos futuros também serão discutidas.

Orientador: Luiz Fernando Bovolato / Banca: Luís Carlos Origa de Oliveira / Banca: Olivio Carlos Nascimento Souto / Resumo: Com o surgimento de novas tecnologias, a eletrônica de potência passou a ser utilizada cada vez mais, resultando no aumento das cargas não-lineares e na adoção de dispositivos que provocam distorções harmônicas na rede elétrica. Essas distorções harmônicas geram maiores custos às empresas distribuidoras de energia elétrica, como a troca de cabos e redimensionamento de transformadores, que podem sofrer superaquecimento ou sobrecarga. Estes fenômenos prejudicam o fornecimento de energia e podem gerar futuras taxações a estas empresas, uma vez que já existe a discussão de normas que limitam o nível de distorções harmônicas presentes nos sistemas de distribuição. Uma vez constatada uma violação dos limites estabelecidos, torna-se necessária a adoção de uma sistemática para mitigação dos efeitos resultantes, que na maioria dos casos está relacionada a instalação de filtros harmônicos, sejam de natureza passiva, ativa ou híbridos. Por outro lado, em decorrência desta medida, surge naturalmente a questão vinculada a responsabilidade financeira sobre os investimentos relacionados com os procedimentos de mitigação a serem implementados. Para a realização do compartilhamento de responsabilidades, é necessário determinar a parcela de distorção harmônica total relativa somente à não-linearidade da carga. Até a presente dissertação, a única forma de se obter tal valor era desacoplando a carga do sistema e alimentando-a com uma tensão senoidal, tornando-se um processo difícil e até inviável. A proposta deste trabalho é a utilização de redes neurais recorrentes na determinação da característica não-linear da carga através da medida da tensão no PAC e da corrente no ramo da carga em questão. A partir de um processo de treinamento, a rede neural simula a admitância da carga através... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: With the advent of new technologies, the power electronics has become increasingly used, resulting in increased non-linear loads and the adoption of devices that cause harmonic distortion on the grid. These harmonic distortions generate higher costs for electricity distribution companies, such as replacing cables and transformer sizing, which can overheat or overload. These problems affect the power supply and can create future taxation of these companies. There is already discussion of rules limiting the level of harmonic distortion present in distribution systems. When is found a violation of limits, becomes necessary to adopt a systematic approach to mitigating the effects arising, which in most cases is related to installation of harmonic filters, are such as passive, active or hybrid. On the other hand, as a result of this action, the question naturally arises linked to financial liability on investments related to the mitigation procedures to be implemented. For the realization of shared responsibility, is necessary to determine the share of total harmonic distortion relative just to the non-linearity of the load. Until the present work, the only way to obtain that value was decoupling the system load and feeding it with a sinusoidal voltage, making it a difficult process and even infeasible. The purpose of this work is the use of recurrent neural networks in determining the non-linear characteristic of the load by measuring the voltage at the PCC and the current in branch of the load in question. From a training process, the neural network simulates the admittance of the load by adjusting their weights. Then these weights are transferred to a second neural network simulation, which when applied to enter a purely sinusoidal voltage, a current referring just to non-linear characteristic of the load is obtained / Mestre