Orientador: João Francisco Escobedo / Banca: Alexandre Dal Pai / Banca: Eduardo Nardini Gomes / Banca: Silvia Helena Modenese Gorla da Silva / Banca: Carlos Roberto Pereira Padovani / Resumo: A irradiação direta na incidência normal (Hb) possui papel importante no manejo de culturas agrícolas, na utilização como fonte de energia renovável e na modelagem atmosférica. Apesar de sua importância em diferentes áreas, medidas pontuais de Hb não são facilmente disponíveis nos centros de pesquisas, devido ao elevado custo de exportação dos sensores e suas manutenções periódicas. Os modelos estatísticos têm sido desenvolvidos e utilizados para estimativa de Hb nos locais onde não são monitorados. Estes modelos, normalmente, utilizam a Hg como variável de entrada, pois é a variável mais comumente medida em estações solarimétricas. Os modelos estatísticos correlacionam à fração transmitida da irradiação direta na incidência normal (ktb) com transmissividade atmosférica (kt) ou com a razão de insolação (n/N). Recentemente as técnicas de Aprendizado de Máquinas foram inseridas para estimativa de Hb. Teoricamente, são técnicas que apresentam alto desempenho na estimativa de modelos e gerar valores estimados mais precisos de Hb que os modelos estatísticos. O trabalho está divido em 4 capítulos divididos da seguinte forma. Capítulo 1: Propor a utilização da técnica Máquina de Vetor de Suporte - SVM e da Redes Neurais Artificiais para estimativa de Hb e comparar com os modelos estatísticos, testando diferentes variáveis de entrada, . Capítulo 2: Comparar a SVM com os modelos estatísticos. Capítulo 3: Comparar Rede Neural Artificial - RNA com os modelos estatísticos, utilizando o algoritmo Backpropagation. Capítulo 4: Modelagem da turbidez atmosférica de Linke com Hb. A fração transmitida de Hb (ktb) é modelada para obter Hb. Para treinamento e validação dos modelos é utilizado um banco de dados de 13 anos (1996 - 2008), medidos na estação radiométrica localizada na Faculdade de Ciências Agronômicas - FCA/UNESP (22,85°S; 48,45°W e ... / Abstract: The direct irradiation at normal incidence (Hb) is an important role in the management of crops, in the use as a renewable energy source and atmospheric modeling. Despite its importance in different areas, specific measures Hb are not readily available in research centers, due to the high cost of exporting the sensors and periodic maintenance of the sensors. Statistical models have been developed and used to estimate Hb in places where they are not monitored. These models usually use the Hg as input variable, as is the variable most commonly measured in solarimetric stations. Statistical models correlate to the fraction transmitted at Hb (ktb) with atmospheric transmissivity (kt) or insolation ratio (n/N). Recently the Machine Learning techniques (ML) were inserted for estimation of Hb. Theoretically, these techniques have greater capacity to model and generate more precise values of Hb that statistical models. The work is divided into four chapters divided as follows. Chapter 1: To propose the use of Support Vector Machine (SVM) and Artificial Neural Networks (ANN) technical to estimate Hb and compare the statistical models, testing different input variables. Chapter 2: To compare the SVM with the statistical models. Chapter 3: To compare Artificial Neural Network ANN) with statistical models using the backpropagation algorithm. Chapter 4: Modeling of atmospheric turbidity Linke with Hb. The ktb is modeled for get indirectly Hb. The validation methodology of the models with typical and atypical year is adopted and evaluated. It used a database of 13 years data (1996-2008), measured in radiometric station located at the Faculty of Agricultural Sciences - FCA/UNESP (22.85° S, 48.45° W and 786m. Different input variables are tested in the models to see if the estimate is improving. The variables used are: Hb, Hg, solar insolation (n), air temperature and relative humidity the other variables were ... / Doutor

Orientador: José Ricardo Sturaro / Banca: Paulo Milton Barbosa Landim / Banca: Ricardo Egydio de Carvalho / Banca: Alessandro Firmiano de Jesus / Banca: Alexandre Campane Vidal / Resumo: As Redes Neurais Artificiais se constituem numa alternativa à computação programada tradicional e foram aplicadas em quase todos os ramos do conhecimento humano. Em Geotecnologia, no entanto, ainda são escassas as aplicações de maneira que, com este trabalho, procura-se mostrar que elas também podem ser aplicadas em indústrias de pisos e revestimentos cerâmicos do Pólo Cerâmico de Santa Gertrudes, Estado de São Paulo. Para isso, foram utilizados corpos-de-prova elaborados, testados e analisados nas indústrias Triunfo Cerâmica e Rochaforte Cerâmica, com argilas oriundas de nove minas da região que constitui o Pólo Cerâmico de Santa Gertrudes, dentre aquelas que representavam toda a coluna estratigráfica da Formação Corumbataí com amostras bem diferenciadas. Os dados obtidos relativos às variáveis físicas foram gentilmente cedidos pelo proprietário das indústrias acima citadas e as variáveis físicas usadas neste estudo são a Densidade de Prensagem (DP), a Densidade Aparente de Corpos-de-Prova Secos (DAS), a Retração Linear de Secagem (RLS), a Retração Linear de Queima (RLQ), a Perda ao Fogo (PF), a Carga de Ruptura (CR), a Absorção de Água (Abs) e o Módulo de Resistência à Flexão (MRF). Para a análise, os corpos-de-prova foram submetidos a quatro temperaturas de queima 1000°C, 1020°C, 1040°C e 1060°C, onde cada um destes valores deu origem a uma rede neural MLP (Multilayer Perceptron) de três camadas, para as quais foi usada a Regra do Aprendizado de Retropropagação do Erro (Backpropagation, do original em inglês) / Abstract: Artificial Neural Networks constitute an alternative to traditional programmed computation and have been applied in almost all branches of human knowledge. However, they are rarely applied in Geotechnology, so this work aims to show that they can be applied in the flooring and ceramic tile industries in the Principial Ceramic Region of Saint Gertrudes, São Paulo State. For this purpose, proof specimens elaborated, tested and analyzed in the industries of Triunfo Cerâmica and Rochaforte Cerâmica were used. These proof specimens were composed of well differentiated clays from nine mines in the Principial Ceramic Region of Saint Gertrudes, and these mines are representative of all the stratigraphic column of the Corumbataí Formation. The data relative to physical variables were graciously provided by the owner of the above mentioned industries, and the physical variables used in this study are Pressing Density (DP), Bulk Density of Dry Specimens (DAS), Linear Shrinkage Drying (RLS), Linear Shrinkage Firing (RLQ), Loss on Ignition (PF), Tensile Strength (CR), Water Absorption (Abs) and Flexural Modulus of Resistance (MRF). For analysis, the proof specimens were subjected to four firing temperatures, 1000° C, 1020° C, 1040° C and 1060°C. Each one of these values gave rise to a neural network MLP (Multilayer Perceptron) of three tiers for which the Backpropagation rule of learning was used / Doutor

Orientador: Paulo Roberto de Aguiar / Banca: Rogério Andrade Flauzino / Banca: José Alfredo Covolan Ulson / Resumo: A retificação é um processo de acabamento de peças, que objetiva produtos e superfícies avançadas. Porém, como o constante atrito entre a peça e rebolo, este perde a agressividade, de modo que o resultado da retificação fica prejudicado. Quando isso ocorre é imprescindível à realização do processo de dressagem, que consiste em reavivar os grãos gastos do rebolo. Como as condições de dressagem provocam uma grande influência no desempenho da operação de retificação, monitorá-las durante todo o processo pode aumentar a sua eficiência. Assim, no presente trabalho foi realizado um estudo do desgaste de três tipos de diamantes para dressadores e, posteriormente, foram desenvolvidos modelos neurais, baseados em redes MLP e de Kohonen, capazes de classificar o nível de desgaste dos dressadores. Para se atingir esse objetivo foram ensaiados três tipos de dressadores de ponta única, um com diamante sintético CVD e dois com diamantes naturais, Mato Grosso e Brasil Extra. Serviram de entradas para os modelos neurais as estatísticas RMS e ROP obtidas após o estudo do conteúdo harmônico do sinal da emissão acústica. Para cada diamante foi obtido um modelo neural mais apto para as características do diamante. Os resultados mostraram um bom desempenho das redes neurais empregadas, atingindo-se taxas de acerto de 100% em alguns modelos neurais / Abstract: Grinding is a part finishing process for advanced products and surfaces. However, continuous friction between the work piece and the grinding wheel causes the latter to lose its sharpness, thus impariring the grinding results. This is when the dressing process is required, which consist of sharpening the worn grains of the grinding wheel. The dressing conditions strongly affect the performance of the grinding operation; hence, monitoring them thoughout the process can increase its efficiency. The main objective of this study was to classify the levels of wear of a single-point dresser during the operation; hence monitoring them throughout the process can increase its efficiency. The main objective of this study was to classify the levels of wear of a single-point dresser during the operation using neural models. A digital signal processing of acoustiv emission was used to obtain the network inputs. In the experiments three types of single-point dresser were used, one with CVD synthetic diamond and two with natural diamonds, Mato Grosso and Brasil Extra. The harmonic content of the acoustic emission signal was found to be influenced by the condition of the dresser, and when used to feed the neural model it is possible to classify the wear level. The results showed a good performance of the neural networks employed, reaching a hit rate of 100% for some models / Mestre

Nesta tese, descrevem-se técnicas matemáticas visando a caracterização e classificação de sons pulmonares adventícios, por meio de sua análise espectral. Para alcançar este objetivo, desenvolveu-se duas novas metodologias, que utilizam Análise em Multiresolução, implementada a partir da Transformada Wavelet Discreta. A primeira metodologia desenvolvida é utilizada para classificar automaticamente os sons pulmonares em quatro grupos: sons normais e sons adventícios contínuos e descontínuos, notificando também o caso de ocorrência das duas anomalias no mesmo ciclo respiratório. Durante o processamento, o ciclo respiratório é decomposto até seu décimo nível, calculando a energia dos coeficientes detalhe em cada nível de decomposição, assim como a energia dos coeficientes de aproximação. Deste cálculo, obtém-se uma curva de variação da energia em relação ao nível de decomposição, sendo que as curvas obtidas se mostraram curvas caracterísitcas em relação ao tipo de som adventício. Tais curvas são aplicadas a uma simulação de Rede Neural Artificial de Função de Base Radial, que atua como classificador entre os quatro grupos. Esta técnica foi testada utilizando dez wavelets, sendo treinadas cem redes neurais para cada uma. Os melhores resultados apresentaram índice de acerto entre 88% e 92,36% para o conjunto de teste, em um total de 275 ciclos respiratórios. A segunda metodologia, denominada Filtragem por Análise Espectral Seletiva, decompõe o som pulmonar até seu quarto nível, calculando o espectro dos coeficientes aproximação e, baseado na componente de frequência prepoderante, calcula um filtro FIR multibanda. Este filtro é utilizado para eliminar todas as {sic} componentes espectrais dos coeficientes de aproximação, com exceção do mais proeminente. Após o procedimento de filtragem, o sinal é recomposto através de reconstrução wavelet. Para a avaliação de seus resultados, foram testadas dez wavelets no processo de decomposição e reconstrução. Para a wavelet que apresentou melhores resultados, obteve-se uma atenuação dos sons cardíacos da ordem de 6dB em relação aos sons adventícios que ocorrem na mesma faixa espectral, utilizando a Densidade Espectral de Potência dos sinais como referência. Esta metodologia mostrou resultados satisfatórios na tarefa de eliminar tanto os ruídos relativos ao fluxo aéreo normal nas vias aeríferas quanto os sons cardíacos, mantendo somente os sons adventícios nas gravações de sons pulmonares. / In this thesis, the investigation of methods to characterize and classify adventitious lung sounds by spectral analysis is described. To accomplish this task, two novel techniques were developed, through Multiressolution Analysis, based on the Discrte Wavelet Transform. The first technique aims to detect abnormal sounds and classity them info four groups: normal, continuous and discontinuous adventitions lung sounds, also notifying their simultaneous occurence. During its processing, the respiratory cycle signal is decomposed up to its tenth level, and the energy present in the detail and approximation coefficients for each decomposition level is calculated, resulting on a curve of energy versus decomposition level. The resulting curves show different signatures for each kind of adventitious sound. These signatures are used as data source for a classifier system based on Radial Basis Function Artificial Neural Networks. This technique was tested for ten different wavelets, training a hundred neural networks for each wavelet, totalizing a thousand neural networks trained. The best performance rates for each wavelet reach values from 88% to 92.36% for the test group, in a set of 275 respiratory cycles. In the second technique, named Filtering by Selective Spectral Analysis, the lung sound is decomposed until its fourth level, the approximation coefficients spectra are calculatedand, based on the highest frequency component found on those coefficients, a multiband FIR filter is determined. This filter is used to eliminate all frequency components in the approximation coefficients except the highest one. After the filtering procedure, the signal is recomposed by wavelet reconstruction. In order to evaluate the proposed technique, ten wavelets were used in the decomposition and reconstruction stages. The wavelet which presented the best performance attenuated heart sounds 6 dB more than the adventitious sounds that occur in the same spectral band. For measuring this attenuation, the Power Spectral Density was used. This procedure showed satisfactory results, elimination the normal airflow noise and cardiac sounds, leaving only the adventitious sounds in the recorded lung sounds.

Orientador: Lucia Helena de Oliveira Gerardi / Banca: Dulce Consuelo Andreatta Whitaker / Banca: João Francisco de Abreu / Banca: Lindon Fonseca Matias / Banca: Mônica Giacomassi de Menezes de Magalhães / Resumo: As técnicas de análise de dados e de busca de soluções fornecidas pela Computação Inteligente tiveram, nos últimos tempos, um grande avanço em seu desenvolvimento. Essas técnicas têm sido utilizadas com eficácia e eficiência no tratamento de problemas complexos e/ou que possuam uma grande quantidade de dados a serem processados. A integração destas técnicas com as ferramentas computacionais de produção e análise de informações geográficas (Geoprocessamento) é, portanto, muito vantajosa, especialmente com relação à grande quantidade de dados geralmente envolvida nas questões de natureza espacial. Este trabalho apresenta dois exemplos de uso de técnicas de Computação Inteligente em procedimentos de produção e análise de informações geográficas: um Sistema de Raciocínio Nebuloso (baseado na Lógica Nebulosa) para a construção de um mapa de fertilidade de solos, e uma Rede Neural Artificial para a identificação de agrupamentos espaciais em dados sócio-econômicos. Os dois exemplos foram conduzidos utilizando-se um software especialmente construído para esta finalidade, denominado GAIA - Geoprocessamento Apoiado por Inteligência Artificial -, e que doravante está disponível como Software Livre para qualquer pesquisador interessado em utilizar estas ferramentas. O estudo conclui que o uso das técnicas provenientes da computação inteligente, em comparação com técnicas tradicionais de análise de dados, contribuiu para um aumento da qualidade dos resultados obtidos. / Abstract: Data analysis and problem solving techniques supplied by Soft Computing have had, lately, a great advance in their development. These techniques have been used with effectiveness and efficiency to deal with complex problems and/or problems that have too much data to be processed. The integration of such techniques with the tools for computational geographic information analysis (Geocomputation) is therefore very advantageous, especially in relation to the great quantity of data normally involved in spatial matters. This study presents two examples on how to use Soft Computing techniques in conjunction with geographic information analysis procedures: a Fuzzy Reasoning System (based on Fuzzy Logic) to build a soil fertility map, and an Artificial Neural Network to identify spatial clusters in socioeconomic data. Both examples were conducted using a software specifically developed towards this objective, called GAIA - Artificial Intelligence Supported Geocomputation, from now on available as a Free Software to any interested researcher. The study arrives at the conclusion that the use of soft computing techniques, as compared to classical procedures, leads to an increased quality on the final results. / Doutor

Orientador: Carlos Roberto Minussi / Banca: Mara Lúcia Martins Lopes / Banca: Fabio Roberto Chavette / Banca: Edmarcio Antonio Belati / Banca: Juan Guillermo Lazo Lazo / Resumo: Previsão de cargas é uma atividade indispensável para o funcionamento dos sistemas de energia elétrica e contribuem para o planejamento e a operação, visando garantir o fornecimento de energia aos consumidores de forma segura, confiável e econômica. A previsão a curto prazo ajuda a estimar o fluxo de carga, tomar decisões de prevenção de sobrecargas, entre outras ações que são rotineiramente executadas. Para realizar a previsão é necessário identificar os padrões do comportamento de consumo e da sua relação com as variáveis externas do ambiente no sistema. A maioria dos estudos de previsões de cargas é realizada utilizando métodos estatísticos, onde é necessário modelar a carga matematicamente. Apesar de fornecerem bons resultados utilizam métodos complexos é de difícil modelagem. As técnicas de inteligência artificial proporcionam uma nova ferramenta, capazes de modelar uma grande quantidade de dados de cargas e construir a relação entre as variáveis do sistema de forma automática. Dentre essas técnicas inteligentes destacam-se as redes neurais e a lógica fuzzy que são utilizadas para previsão de cargas. Nesta pesquisa, apresenta-se um método de previsão multinodal (em vários pontos de interesse da rede elétrica) de carga elétrica, de curto prazo, utilizando uma rede neural artificial baseada na arquitetura ART (Adaptive Resonance Theory), denominada de rede neural ART-ARTMAP Fuzzy. As redes neurais ART apresentam características fundamentais, a estabilidade e a plasticidade, para treinar e prever de forma rápida e confiável. O método proposto foi implementado na plataforma MATLAB, onde foi possível realizar a previsão de cargas, por exemplo, de um sistema composto por nove subestações. Como forma de avaliar os resultados obtidos pela previsão, foi calculada... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Load forecasting is an essential activity for the operation of electric power systems and contribute to the planning and operation in order to ensure the supply of electricity to consumers in a secure, reliable and economical way. The short-term forecasting aids estimating the load flow, makes decisions to prevent overloads, among other actions that are routinely performed. It is necessary to identify the consumer behavior patterns and the relationship with the external environment variables of the system to perform the forecasting. The estimated load is determined via the following predictors. Many studies of load forecasting use statistical methods, where it is necessary to mathematically model the load. While providing good results in using complex methods it is difficult to model. The artificial intelligence techniques provided a new tool capable of modeling a large amount of data loads and build the relationship between the variables of the system. Among these intelligent techniques there are the neural networks and fuzzy logic which are used to load forecasting. This research presents a method for short-term multinodal electrical load forecasting (at various points of main interest), using an artificial neural network architecture based on ART (Adaptive Resonance Theory) neural network called ART-ARTMAP Fuzzy. ART neural networks have fundamental characteristics, stability and plasticity, to train and provide fast and reliable results. The method was implemented in Matlab platform where it was possible to perform the prediction, for example, for a system composed of nine substations. In order to evaluate the results obtained by the predictions the maximum percentage error of the forecast and the average percentage error were calculated. Historical load data yielded by the Electricity Commission of New Zealand are used to execute the training and... (Complete abstract click electronic access below) / Doutor

Orientador: José Ricardo Sturaro / Banca: Tarcísio Barreto Celestino / Banca: Jorge Kazuo Yamamoto / Banca: Elias Carneiro Daitx / Banca: Paulo Milton Barbosa Landim / Resumo: Este estudo desenvolve a aplicação da técnica de redes neurais artificiais no controle de teor de minério em frentes de lavra a partir de observações geológicas e geotécnicas. A área de estudo da aplicação é o depósito de cobre e ouro de Chapada (Goiás), hospedado por rochas da seqüência vulcano-sedimentar neoproterozóica de Chapada-Mara Rosa. Trata-se de um depósito mineral tipo epigenético, ligado a processos de alteração hidrotermal, associado a zonas estruturalmente favoráveis. As observações geológicas e geotécnicas constituem um banco de dados com 21.212 registros e 21 variáveis, provenientes de amostras de 237 furos de sondagem rotativa diamantada. As variáveis de entrada incluem litologia, porcentagem de sulfetos, razão calcopirita/pirita, freqüência de fraturas, RQD, e alterações hidrotermais tais como: cloritização, sericitização, silicificação, epidotização, carbonatização e piritização. As variáveis de saída são: teores de cobre e ouro. O modelo de rede neural utilizado foi o de múltiplas camadas (MLP) alimentada adiante (“feedforward”) totalmente interconectada, com 30 neurônios na camada oculta e 2 neurônios na camada de saída. A rede foi treinada com o algoritmo de retropropagação de Levenberg-Marquardt acoplado com regularização bayesiana. Obteve-se um índice de acertos de 80% na predição de teores de cobre em bancadas simuladas. / Abstract: This study deals with application of artificial neural networks (ANNs) on grade control at mine sites inputting both geological and geotechnical variables. Case study is Chapada copper-gold deposit (Goiás, Brazil), located in the neoproterozoic Chapada-Mara Rosa volcano-sedimentary sequence. Ore is closely related to hydrothermal alteration, structurally controlled. The geological and geotechnical database contain 21,212 records on 21 variables taken from 237 diamond drill holes. Input variables include lithology, sulfide percentage, chalcopyrite/pyrite ratio, fracture frequency, RQD, and hydrothermal alterations such as chloritization, sericitization, silicification, epidotization, carbonatization and pyritization. Output variables are gold and copper grades. Neural network model is feedforward multi-layer perceptron (MLP), fully connected with 30 hidden and 2 output neurons. Network was trained with Levenberg-Marquardt backpropagation algorithm associated with bayesian regularization. Success rate on predicting copper grades on simulated mine benches was over 80%. / Doutor

Nesta tese, descrevem-se técnicas matemáticas visando a caracterização e classificação de sons pulmonares adventícios, por meio de sua análise espectral. Para alcançar este objetivo, desenvolveu-se duas novas metodologias, que utilizam Análise em Multiresolução, implementada a partir da Transformada Wavelet Discreta. A primeira metodologia desenvolvida é utilizada para classificar automaticamente os sons pulmonares em quatro grupos: sons normais e sons adventícios contínuos e descontínuos, notificando também o caso de ocorrência das duas anomalias no mesmo ciclo respiratório. Durante o processamento, o ciclo respiratório é decomposto até seu décimo nível, calculando a energia dos coeficientes detalhe em cada nível de decomposição, assim como a energia dos coeficientes de aproximação. Deste cálculo, obtém-se uma curva de variação da energia em relação ao nível de decomposição, sendo que as curvas obtidas se mostraram curvas caracterísitcas em relação ao tipo de som adventício. Tais curvas são aplicadas a uma simulação de Rede Neural Artificial de Função de Base Radial, que atua como classificador entre os quatro grupos. Esta técnica foi testada utilizando dez wavelets, sendo treinadas cem redes neurais para cada uma. Os melhores resultados apresentaram índice de acerto entre 88% e 92,36% para o conjunto de teste, em um total de 275 ciclos respiratórios. A segunda metodologia, denominada Filtragem por Análise Espectral Seletiva, decompõe o som pulmonar até seu quarto nível, calculando o espectro dos coeficientes aproximação e, baseado na componente de frequência prepoderante, calcula um filtro FIR multibanda. Este filtro é utilizado para eliminar todas as {sic} componentes espectrais dos coeficientes de aproximação, com exceção do mais proeminente. Após o procedimento de filtragem, o sinal é recomposto através de reconstrução wavelet. Para a avaliação de seus resultados, foram testadas dez wavelets no processo de decomposição e reconstrução. Para a wavelet que apresentou melhores resultados, obteve-se uma atenuação dos sons cardíacos da ordem de 6dB em relação aos sons adventícios que ocorrem na mesma faixa espectral, utilizando a Densidade Espectral de Potência dos sinais como referência. Esta metodologia mostrou resultados satisfatórios na tarefa de eliminar tanto os ruídos relativos ao fluxo aéreo normal nas vias aeríferas quanto os sons cardíacos, mantendo somente os sons adventícios nas gravações de sons pulmonares. / In this thesis, the investigation of methods to characterize and classify adventitious lung sounds by spectral analysis is described. To accomplish this task, two novel techniques were developed, through Multiressolution Analysis, based on the Discrte Wavelet Transform. The first technique aims to detect abnormal sounds and classity them info four groups: normal, continuous and discontinuous adventitions lung sounds, also notifying their simultaneous occurence. During its processing, the respiratory cycle signal is decomposed up to its tenth level, and the energy present in the detail and approximation coefficients for each decomposition level is calculated, resulting on a curve of energy versus decomposition level. The resulting curves show different signatures for each kind of adventitious sound. These signatures are used as data source for a classifier system based on Radial Basis Function Artificial Neural Networks. This technique was tested for ten different wavelets, training a hundred neural networks for each wavelet, totalizing a thousand neural networks trained. The best performance rates for each wavelet reach values from 88% to 92.36% for the test group, in a set of 275 respiratory cycles. In the second technique, named Filtering by Selective Spectral Analysis, the lung sound is decomposed until its fourth level, the approximation coefficients spectra are calculatedand, based on the highest frequency component found on those coefficients, a multiband FIR filter is determined. This filter is used to eliminate all frequency components in the approximation coefficients except the highest one. After the filtering procedure, the signal is recomposed by wavelet reconstruction. In order to evaluate the proposed technique, ten wavelets were used in the decomposition and reconstruction stages. The wavelet which presented the best performance attenuated heart sounds 6 dB more than the adventitious sounds that occur in the same spectral band. For measuring this attenuation, the Power Spectral Density was used. This procedure showed satisfactory results, elimination the normal airflow noise and cardiac sounds, leaving only the adventitious sounds in the recorded lung sounds.

Image Digital Processing techniques, standards recognizing, and neural artificial nets are not often used in the technology market, because they are hard to work with and expensive for who uses them. When we make research on technology tools we find them fragmented as they solve few problems and come in software with no license for copywriting. Thus, we propose a Computer System for Automatic Reading of Money Banknotes, who will join programming techniques widespread in academia to develop free software that can be used both in the market and for studies in academia, a software with applications on image capture, digital image processing, pattern recognition that uses artificial neural network techniques, coupled to a voice synthesizer, which will assist people with visual needs and even people with difficulties in achieving the necessary focus such as supermarkets. The system can be adapted to any sales place, or even where people work counting high money values. It brings the reliability needed without errors that can cause losses to the company and people as well. / As técnicas de processamento digital de imagens, reconhecimento de padrões e redes neurais artificiais não são utilizadas frequentemente no mercado tecnológico, pois são trabalhosas e acabam se tornando caras para quem irá utilizar. Quando pesquisamos no mercado ferramentas tecnológicas utilizando estes recursos, encontramos de maneira fragmentada ou apenas para resolver um ou outro problema, encontramos também em softwares que são proprietários. Assim, propõe-se uma CONTRIBUIÇÃO A UM SISTEMA COMPUTACIONAL DE LEITURA AUTOMÁTICA DE VALORES EM CÉDULAS MONETÁRIAS, que irá juntar as técnicas de programação difundidas no meio acadêmico para desenvolver um software livre, disponível a ser utilizado no mercado e também para estudos acadêmicos. A finalidade é a construção de um software com aplicações em captura de imagens, processamento digital de imagens, e reconhecimento de padrões utilizando técnicas de RNA REDES NEURAIS ARTIFICIAIS, acoplado a um sintetizador de voz, que irá atender às pessoas com necessidades visuais e até mesmo pessoas com dificuldades em atingir o foco necessário em seus trabalhos. Assim, podendo ser executado em qualquer tipo de PDV (Ponto de venda), ou mesmo em locais onde se realiza a contagem de valores altos, trazendo a confiabilidade necessária para se fechar o dia trabalhado sem falhas que podem ocasionar perdas para a empresa e mesmo para clientes. / Mestre em Ciências

Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2006. / Submitted by Thaíza da Silva Santos (thaiza28@hotmail.com) on 2009-10-24T12:39:31Z No. of bitstreams: 1 2006_Pedro de Azevedo Berger.pdf: 4569752 bytes, checksum: c795dddd5675d39690812fde4ea661b4 (MD5) / Approved for entry into archive by Tania Milca Carvalho Malheiros(tania@bce.unb.br) on 2009-10-27T12:44:37Z (GMT) No. of bitstreams: 1 2006_Pedro de Azevedo Berger.pdf: 4569752 bytes, checksum: c795dddd5675d39690812fde4ea661b4 (MD5) / Made available in DSpace on 2009-10-27T12:44:37Z (GMT). No. of bitstreams: 1 2006_Pedro de Azevedo Berger.pdf: 4569752 bytes, checksum: c795dddd5675d39690812fde4ea661b4 (MD5) Previous issue date: 2006-04-06 / Este trabalho pretende colaborar com o desenvolvimento de tecnologias de codificação de sinais biológicos (sinais eletrofisiológicos e sinais de voz) através da criação, avaliação e, principalmente, a otimização de codificadores utilizando redes neurais artificiais. Durante a pesquisa realizada, desenvolveu-se um codificador para compressão de sinais eletrofisiológicos baseado em transformada wavelet discreta e com alocação dinâmica de bits. Na codificação de sinais eletrofisiológicos é necessário garantir a fidelidade da forma de onda do sinal reconstruído, dando certa liberdade para a quantidade de bits necessária para representar a informação. Para outros tipos de sinais, ao contrário, o objetivo é garantir uma taxa de bits por símbolo (quantidade de bits necessária para representar a informação), proporcionando o grau de liberdade para a distorção entre a forma de onda original e a resultante do processo de decodificação. Nesta pesquisa procura-se mostrar que o uso da inteligência artificial pode trazer vantagem em ambos os casos. Para isso, apresenta-se também o desenvolvimento, o estudo e a simulação de um esquema de codificação perceptiva para sinais de voz de banda larga. O esquema é uma versão modificada do codificador de áudio AC-3, para atender, especificamente, às características de sinais de voz de banda larga. _______________________________________________________________________________ ABSTRACT / This paper intends to collaborate with the development of biological signals compression technologies (electrophysiological signals and voice signals) through the creation, evaluation, and mainly, the optimization of codifiers, by using artificial neural nets. During the research, we developed an algorithm for compression of electrophysiological signals based on discrete wavelet transform and with dynamic bit allocation. In the compression of electrophysiological signals it is necessary to guarantee the faithfulness of the wave form of the reconstructed signal, by giving certain liberty to the necessary quantity of bits to represent the required information. For other types of signals, on the contrary, the objective is to guarantee a certain bit rate by symbol (the necessary quantity of bits to represent the information), by providing the right degree of freedom for the distortion between the form of the original wave and that resultant from the decoding process. This research is an attempt to demonstrate that the use of artificial intelligence can bring important advantages in both cases. Therefore, we also present the development, the study and the simulation of a perceptive codification scheme for wideband speech signals. This scheme is a modified version of the audio coder AC-3, to be specifically suitable to the characteristics of wideband voice signals.