Orientador: Anna Diva Plasencia Lotufo / Resumo: A evolução dos recursos de internet levou ao crescente aumento do fluxo de dados, e por consequência, a necessidade de modelos de classificação ou previsão que suportem uma aprendizagem online. A Rede Neural ARTMAP Fuzzy tem sido utilizada nas mais diversas áreas do conhecimento, no entanto, ainda é pouco explorada em aplicações de tempo real que exigem uma aprendizagem contínua. Neste trabalho, é proposto uma Rede Neural ARTMAP Fuzzy com treinamento continuado, capaz de adquirir conhecimento ao longo da classificação ou previsão. Modificações na arquitetura e no algoritmo de aprendizagem possibilitam à rede neural ativar o treinamento sempre que necessário. Para validar o modelo proposto foram realizadas duas aplicações, uma para previsão e outra para classificação, utilizando bases de dados benchmarks e comparado com a ARTMAP Fuzzy original. Os resultados mostraram a capacidade do modelo proposto em adquirir conhecimento ao longo das amostras apresentadas de forma estável e eficiente. Assim, este estudo contribui para a evolução da rede neural ARTMAP Fuzzy e apresenta o treinamento continuado como uma alternativa eficaz para aplicações de tempo real. / Doutor

Orientador: Anna Diva Plasencia Lotufo / Resumo: Na última década, o aumento da capacidade de processamento de informação em computadores e dispositivos de uso pessoal possibilitou o desenvolvimento de filtros e classificadores automatizados que operam em tempo real, aplicados em diversas áreas. No âmbito do Processamento Digital de Imagens associado às Redes Neurais Artificiais, os filtros emulam a percepção humana buscando por padrões para identificação de características de interesse. Filtros que têm por objetivo restringir o acesso a conteúdo impróprio partem da identificação de pele - principal indício de presença humana em uma imagem. Independentemente de sua complexidade e/ou robustez, caso o classificador não seja capaz de identificar as diferentes tonalidades de pele sob diferentes condições de captura, sua eficácia é prejudicada. Frente à diversificada forma de descrever uma tonalidade de pele usando diferentes espaços de cor, neste estudo foram destacados os espaços de cor RGB, YCbCr e HSV, amplamente utilizados em equipamentos de captura (por exemplo câmeras fotográficas e filmadoras digitais). A partir de exemplos apresentados durante a etapa de treinamento, as RNAs devem estar aptas para classificar as tonalidades em dois grupos distintos: pele e não pele. Dentre os espaços de cores indicados, seja utilizando ou descartando o aspecto da iluminação (critério amplamente discutido na literatura), este trabalho busca avaliar qual possui a maior taxa de detecção de pele em uma imagem. / Abstract: Over the last decade, the increasing capacity of data processing in personal computers and devices could develop filters and automatic classifiers working in real time and applied in several areas. Considering Digital Image Processing and Artificial Neural Networks, these filters emulate the human perception searching for patterns to identify specific features. Filters which the main goal is to restrict the access to inappropriate content starts identifying skin tones - the main evidence of human presence in a picture. Although being complex and robust, if the classifier is not able to identify distinct skin tones under random capture conditions, the accuracy is minimal. Facing several ways on describing skin tones over different color spaces, this work uses the RGB, YCbCr and HSV color spaces which are widely applied in recording devices (photographic and digital cameras for example). Based on the examples shown during the training phase, the ANNs must be able to classify skin tones into two distinct groups: skin and non skin. Among the different color spaces used, considering or not the luminance aspect (widely discussed on papers), this work intends to evaluate which one has the highest detection accuracy to identify skin tone in such a picture. / Mestre

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-17T19:02:16Z (GMT). No. of bitstreams: 0Bitstream added on 2013-07-16T18:01:34Z : No. of bitstreams: 1 175501.pdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Esta pesquisa tem por objetivo propor um modelo para o ensino e aprendizagem de algoritmos apoiado por ambiente computacional, que privilegie os mecanismos psicológicos da cognição e aprendizagem. O modelo proposto faz uso do saber da Psicologia, Pedagogia e Computação para especificar os três módulos que o constituem: Processo Ensino-Aprendizagem, onde são propostas diretrizes pedagógicas com base em investigações na área da pedagogia e psicologia; Diagramas de Chapin*, onde propõe-se uma ferramenta para especificação de algoritmos e Sistema Inteligente para Ensino-Aprendizagem de Procedimentos Lógicos em Diversos Domínios, onde se especifica o ambiente computacional de apoio ao modelo, o qual faz uso de recursos da inteligência artificial, compiladores, hipermídia entre outros, para criar um ambiente amigável e produtivo ao desenvolvimento de aprendizes de algoritmos. O trabalho está estruturado em 10 capítulos: no capítulo 1 é feita uma contextualização da pesquisa; nos capítulos II, III e IV é apresentada uma revisão da literatura sobre os temas ensino de algoritmos, compiladores e redes conexionistas; nos capítulos V e VI é apresentado o Modelo PLOG proposto nesta pesquisa bem como sua aplicação; no capítulo VII são registradas as conclusões deste estudo; nos capítulos VIII, IX e X apresentam-se a bibliografia, o glossário de termos e os anexos utilizados nesta pesquisa.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnologico / Made available in DSpace on 2012-10-17T00:27:36Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-08T21:24:04Z : No. of bitstreams: 1 106549.pdf: 11541153 bytes, checksum: 7575f2206b683c6693ce7160231badbb (MD5) / Esta dissertação trata da descrição, projeto e implementação de metodologias da inteligência computacional em identificação e controle de processos, em escala laboratorial, com propósito ao tratamento adequado das restrições e dos requisitos exigidos no projeto de sistemas. As metodologias da inteligência computacional utilizados são: lógica nebulosa, computação evolucionária, redes neurais artificiais, "simulated annealing" e sistemas híbridos inteligentes.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Civil. / Made available in DSpace on 2012-10-24T02:02:31Z (GMT). No. of bitstreams: 1 258217.pdf: 1699115 bytes, checksum: f8595ab04b4b5403ce241da4014d8519 (MD5) / Os indicadores de produtividade de mão-de-obra são elementos importantes para o sistema de produção da construção civil, no fornecimento de informações para a elaboração de planejamento financeiro do empreendimento, da programação físicofinanceira e para o controle do processo produtivo. Neste sentido, o objetivo deste trabalho consiste no desenvolvimento de um sistema de informação gerencial, para fazer predição dos níveis de produtividade que devem ocorrer frente a condições ambientais predeterminadas, considerando o conjunto de fatores mais influentes na produtividade do trabalho do serviço de alvenaria de elevação. A metodologia se baseou na seleção de atributos, mineração de dados e redes neurais. Foram coletados indicadores diários de produtividade, cada um deles associados a 24 fatores passíveis de afetá-los, nas cidades de Florianópolis-SC e Maringá-PR. Esses dados, após serem tratados e normalizados, foram selecionados pelas ferramentas de seleção de atributos information gain, Qui-quadrado e heurística Correlationbased Feature Selection (CFS). Para se identificar os fatores de maior influência, os dados passaram por processo de mineração de dados, com o uso de um algoritmo de classificação. O sistema de informação desenvolvido foi baseado em redes neurais de múltiplas camadas alimentadas adiante, treinadas com o algoritmo de retropropagação do erro (error back-propagation), sendo sua capacidade de generalização analisada em experimentos mediante matriz de confusão e coeficiente Kappa. Os métodos de seleção de atributos associados à mineração de dados permitiram reduzir o número de fatores a serem analisados, bem como selecionar aqueles de maior impacto nos indicadores de produtividade, sem a presença de considerações subjetivas. A partir da mineração de dados, constatou-se diferentes níveis de influência dos atributos na produtividade, entretanto ficou evidente a influência da forma de pagamento da mão-de-obra nos níveis de produtividade. O sistema de informações desenvolvido é capaz de fazer a predição de índices de produtividade e selecionar o conjunto de atributos que proporcionam maior acurácia de generalização. Nos resultados das experimentações, as predições atingiram uma mediana acurácia, em torno de 70% de acerto para o conjunto de teste. Indicators of labour productivity are important factors for the system of production of civil construction, in the information delivery of the project#s financial planning, and for the physical-financial programming, and control of the production process. On the basis of these considerations, the purpose of this research is to develop a management information system to predict the levels of productivity that should occur due to the predetermined environmental conditions, considering the factors that significantly affect masonry productivity. The methodology was based on the selection of attributes, data mining and neural networks. Daily indicators of productivity were collected, each one of them was associated to 24 factors that could affect them in the cities of Florianopolis-SC and Maringá-PR. These data, after being treated and standardized, were selected by the tools of attributes selection information gain, chi-square and heuristic-based Correlation Feature Selection (CFS). To identify the factors that have the most influence, the data went through a data mining, with the use of decision tree algorithm. The developed information system was based on neural networks of multiple layers fed ahead, trained with the algorithm of error back-propagation. Its ability of generation was analyzed in experiments by matrix of confusion and Kappa coefficient. The attribute selection methods associated with data mining allowed to reduce the number of factors to be analyzed as well select the ones with greater impact on indicators of productivity, without the presence of subjective considerations. From the data mining it was verified different levels of influence of the attributes of productivity, however the influence of the labour form of payment was evident. The information system developed is capable of generating prediction of the productivity rates and selects the group of attributes that provide greater generalization accuracy. In the results of experiments, the predictions reached a median accuracy, around 70% of hit for the whole test.

Orientador: Anna Diva Plasencia Lotufo / Banca: Maria do Carmo Gomes da Silveira / Banca: Gelson da. Cruz Junior / Resumo: A previsão de carga, considerada essencial no planejamento da operação energética e nos estudos de ampliação e reforços da rede básica, assume importância estratégica na extensão comercial, valorizando os processos de armazenamento desses dados e da extração de conhecimentos através de técnicas computacionais. Nos últimos anos, diversos trabalhos foram publicados sobre sistemas de previsão de cargas (demanda) elétricas. Nos horizontes de curto, médio e longo prazo, os modelos neurais, estão entre os mais explorados. O objetivo deste trabalho é apresentar um sistema previsor de cargas elétricas de forma simples e eficiente através de sistemas baseados em redes neurais artificiais com treinamento realizado pelo algoritmo back-propagation. Para isto, optou-se pelo desenvolvimento de um software utilizando os paradigmas de programação orientada a objetos para criar um modelo neural de fácil manipulação, e que de certa forma, consiga corrigir o problema dos mínimos locais. Em geral, o sistema desenvolvido é capaz de atribuir os parâmetros da rede neural de forma automática através de processos exaustivos. Os resultados apresentados foram comparados utilizando outros trabalhos em que também se usaram-se os dados da mesma companhia elétrica. Este trabalho apresentou um ganho de desempenho bem satisfatório em relação a outros trabalhos encontrados na literatura para a mesma classe de problemas / Abstract: Load Forecasting is essential in planning and operation of power systems, in enlarging and reinforcing the basic network, is also very important commercially, valorizing the filing process of these data and extracting knowledge by computational techniques. Lately, several works have been published about electrical load forecasting. Short term, medium term and long term horizons are equally studied. The objective of this work is to present an electrical load forecasting system, which is simple and efficient and based on artificial neural networks whose training is with the back-propagation algorithm. Therefore, a software is developed using the paradigms of the object oriented programming technique to create a neural model which is ease to manipulate, and able to correct the local minimum problem. This system attributes the neural parameters automatically by exhaustive procedures. Results are compared with other works that have used the same data and this work presents a satisfactory performance when compared with those and others found in the literature / Mestre

Orientador: Percival Bueno de Araujo / Banca: Anna Diva Plasencia Lotufo / Banca: George Lauro Ribeiro de Brito / Resumo: Este trabalho apresenta estudos referentes à estabilidade a pequenas perturbações do SEP, considerando a atuação de FACTS para o amortecimento das oscilações eletromecânicas de baixa frequência. São abordados os dispositivos FACTS TCSC (Thyristor Controlled Series Capacitor) e o SSSC (Static Synchronous Series Compensator). É realizada a representação e modelagem dos dispositivos FACTS no SEP inserindo no Modelo Sensibilidade de Potência. Para melhorar o desempenho do SEP no que se refere à estabilidade a pequenas perturbações, controladores suplementares são propostos para aumentar o desempenho dos dispositivos TCSC e SSSC, introduzindo o amortecimento necessário ao SEP. Adicionam-se os controladores suplementares POD no modelo modificado para os dispositivos TCSC e SSSC para verificar sua atuação. Para encontrar a melhor localização para instalação dos dispositivos é usado a teoria dos resíduos. Esta mesma teoria é usada também para o ajuste dos parâmetros dos controlares juntamente com outro ajuste feito através de Redes Neurais Artificiais (RNA), que é proposto como alternativa de comparação ao método dos resíduos. Simulações são efetuadas em um sistema teste simétrico para se verificar resultados e a eficácia do controlador POD (parâmetros ajustados pela RNA proposta), acoplados aos dispositivos FACTS, na manutenção da estabilidade a pequenas perturbações do SEP. Palavras-chave: Controladores POD. Estabilidade de sistema de potência. Redes neurais artificiais. TCSC e SSSC / Abstract: This work presents studies referred to short term Electric Power System (EPS) perturbations, considering the actuation of FACTS devices for low frequency electromechanical oscillation damping. The devices considered are: FACTS TCSC (Thyristor Controlled Series Capacitor) and the SSSC (Static Synchronous Series Compensator). It is representation and modeling FACTS devices in the EPS inserting in the Power Sensitivity Model. To improve the performance of the EPS considering the short term perturbations, additional controllers are proposed to increase the performance of the TCSC and SSSC devices, introducing the necessary damping to the EPS. The additional POD controller is added to the modified model for TCSC and SSSC devices to verify the acting. The residual theory is used to find the best location to install the devices. The same theory is used to adjust the parameters of the controllers and an adjustment with Artificial Neural Networks (ANN) is proposed as an alternative to the residual method. Simulations are effectuated for a symmetric test system to verify the efficiency of the POD controller (parameters adjusted by the ANN proposed), coupled with the FACTS devices, to maintain the stability considering the short term perturbations / Mestre

Dissertação (mestrado) - Pontifícia Universidade Católica do Paraná, Curitiba, 2008 / Bibliografia: f. 71-82 / As Redes Neurais Função de Base Radial (RNs-RBF) são modelos não-lineares que podem ser treinados para implementar um mapeamento (interpolação) de entrada e saída desejado. Esta capacidade de generalização aliada ao baixo custo computacional inerente a RN / Radial Basis Function Neural Networks (RBF-NNs) are nonlinear models that can be trained to implements a desirable input and output mapping (interpolation). This generalization skill and the low computational cost of the RBF-NN enables efficiency when app

Dissertação (mestrado) - Pontifícia Universidade Católica do Paraná, Curitiba, 2009 / Bibliografia: f. 92-99 / O paciente com Traumatismo Crânio Encefálico (TCE) grave internados em UTIs são os responsáveis pelos maiores gastos hospitalares, devido ao maior uso de ventilação mecânica. A permanência prolongada destes pacientes utilizando a ventilação mecânica é jus / The patient with Traumatic Brain Injury (TBI) is serious part of the internment of neurological patients in Intensine Care Units (ICU), and they are responsible for the largest hospital expenses due to greater use of mechanical ventilation. The prolonged

Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2017-02-22T11:25:03Z No. of bitstreams: 1 texto completo.pdf: 634427 bytes, checksum: 3906f8279cac270c858ee145205e3a4f (MD5) / Made available in DSpace on 2017-02-22T11:25:03Z (GMT). No. of bitstreams: 1 texto completo.pdf: 634427 bytes, checksum: 3906f8279cac270c858ee145205e3a4f (MD5) Previous issue date: 2004-08-16 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A agricultura de precisão é uma nova tecnologia que pode ser considerada como a habilidade em se monitorar e acessar a atividade agrícola em nível local. Contudo, uma das maiores dificuldades para a implementação dessa nova tecnologia é a falta de modelos para estimar a variabilidade espacial de variáveis envolvidas no sistema. Uma das alternativas para a estimativa da variabilidade espacial tem sido a confecção de mapas de produtividade. Esses mapas são geralmente produzidos com dados obtidos por sensores instalados em colhedoras, que só apresentam o resultado após a colheita. Outra alternativa seriam as imagens de satélite que apresentam limitações quanto a resolução e a periodicidade. A utilização de imagens digitais de alta e baixa resolução tem sido citado por diversos pesquisadores como uma ferramenta promissora para estimar a variabilidade espacial da produtividade. O objetivo geral desta pesquisa foi desenvolver classificadores estatísticos e por redes neurais para discriminar estresse nutricional de nitrogênio e estimar a variabilidade espacial da produtividade na cultura do milho, a partir de vetores de índices de vegetação, para aplicações em sistemas de visão artificial e sensoriamento remoto. Para o estudo da estimativa do estresse nutricional de nitrogênio foi instalado um experimento na Embrapa Milho e Sorgo como parte do projeto PRODETAB 030/01-99. Foram adquiridas imagens digitais de plantas de milho nos estádios V9, V12, V15 e R1, de um experimento instalado no campo segundo o delineamento em blocos ao acaso, com cinco níveis de nitrogênio (0, 30, 60, 90 e 120 kg N.ha -1 ) em três repetições. A câmera ficou posicionada a uma altura de aproximadamente 0,50 m da parte superior das plantas com resolução espacial de 0,10 mm.pixel -1 . Ao contrário dos índices de vegetação isolados, a primeira variável canônica apresentou resultados significativos para estimar o estresse nutricional de nitrogênio. O classificador por redes neurais apresentou maior acurácia do que o estatístico para discriminar estresse nutricional de nitrogênio na cultura do milho. Para estudo da estimativa da variabilidade espacial da produtividade foram adquiridas imagens aéreas de 1000 m de altura com resolução espacial de 250 mm.pixel -1 . Os dados foram coletados em três áreas situadas na Fazenda Experimental de Coimbra da Universidade Federal de Viçosa. Os classificadores estatísticos e por redes neurais apresentaram o mesmo desempenho para estimar a variabilidade espacial da produtividade a partir de informações obtidas em imagens aéreas digitais da cultura do milho. / Precision agriculture is a new technology that can be considered as the ability in monitoring and control the agricultural activity in local level. However, one of the more difficulties for implementation this new technology is a lack of models to evaluate the spatial variability in the system. One of the alternatives for detection spatial variability has been the yield maps. Those maps are generally produced with data obtained for sensor installed in combines, that only present the result after the crop harvesting. Another alternative would be the satellite images, however they have limitations such as resolution and periodicity. Several researchers have mentioned the use of digital images with high and low resolution as promising tools for detection the spatial variability. The general objective of this research was to develop statistical and neural networks classifiers to evaluate nitrogen stress and yield in corn. It was used a vector composed by vegetation indexes for applications in machine vision and remote sensing. To evaluate nitrogen stress for machine vision applications an experiment was installed at Embrapa Milho and Sorgo as part of project PRODETAB 030/01-99. Digital images of maize plants were taken at the growth stages V9, V12, V15 e R1 from a field randomizing block experiment, with five levels of N (0, 30, 60, 90 e 120 kg N.ha -1 ) and three replications. The camera was positioned approximately 0.50 m to the top of the plants with 0.10 mm.pixel -1 spatial resolution. The first canonical variable presented significant results to estimate nitrogen stress. The neural networks classifiers presents potential to discriminate nitrogen stress in corn, for applications in machine vision systems. To estimate corn yield digital aerial images were taken with 250 mm.pixel -1 spatial resolution. The data were collected in three experimental areas of Federal University of Viçosa, Coimbra, MG. The statistical and neural networks classifiers presented same potential to map the yield spatial variability in corn for remote sensing applications. / Tese importada do Alexandria