Orientador: Furio Damiani / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-09T02:54:55Z (GMT). No. of bitstreams: 1 Bozinis_GeorgeEmmanuel_D.pdf: 8926774 bytes, checksum: 885e123bc4cdb155dc8ad0315768e851 (MD5) Previous issue date: 2007 / Resumo: O propósito deste trabalho é estudar em detalhe a implementação em hardware de algoritmos neuro-genéticos. Uma representação numérica inédita com características neurais e genéticas e um algoritmo para sua utilização são apresentados e usados no desenvolvimento de um coprocessador com uma seção neural baseada na análise de componentes principais (PCA). As operações genéticas recombinação, mutação, mutação de máscara e intercâmbio, específicas para este modelo, são apresentadas. Também foi criada e implementada uma metodologia de cálculo da curva de ativação neural usando apenas lógica combinacional. Como resultado adicional a implementação, realizada na linguagem VHDL e seguindo a norma Wishbone, pode ser facilmente reutilizada / Abstract: The intention of this work is to study the hardware implementation of neuro-genetic algorithms in detail. A novel numerical representation with neural and genetic characteristics and an algorithm for its utilization are presented and used in the development of a coprocessor with a neural section based on the principal component analysis (PCA). The genetic operations: crossover, mutation, mask mutation and swap, specific for this mode!, are presented. Also, a methodology for the calculation of the neural activation curve was created and implemented using only combinational logic. Additionally, the implementation, carried through in VHDL language and following the Wishbone standard, can be easily reused / Doutorado / Eletrônica, Microeletrônica e Optoeletrônica / Doutor em Engenharia Elétrica

Orientadores: Fernando Antonio Campos Gomide, Pyramo Pires Costa Junior / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-15T16:46:31Z (GMT). No. of bitstreams: 1 Hell_MichelBortolini_D.pdf: 7545996 bytes, checksum: 071a8d962605648b1cbdab01fc9a54b2 (MD5) Previous issue date: 2008 / Resumo: Este trabalho propõe um procedimento sistemático para obtenção de modelos de sistemas dinâmicos não-lineares complexos utilizando redes neurais nebulosas. As redes neurais nebulosas aplicadas em modelagem são capazes de extrair conhecimento de dados entrada/saída e representar este conhecimento na forma de regras nebulosas do tipo se-então, gerando modelos lingüísticos convenientes para compreensão humana. Duas novas classes de redes neurais nebulosas são propostas a partir de generalizações dos neurônios lógicos AND e OR. Estas generalizações, denominadas unineurons e nullneurons, implementam, além da plasticidade sináptica, outra importante característica dos neurônios biológicos, a plasticidade neuronal. Desta forma, os neurônios propostos neste trabalho são capazes de modificar parâmetros internos em resposta à alterações, permitindo que unineurons e nullneurons variem individualmente de um neurônio AND para um neurônio OR (e vice-e-versa), dependendo da necessidade do problema. Conseqüentemente, uma rede neural nebulosa composta por unineurons e nullneurons é mais geral do que as redes neurais nebulosas similares sugeridas na literatura. Além da introdução de redes neurais com unineurons e nullneurons, um novo algoritmo de treinamento para obtenção de modelos nebulosos de sistemas dinâmicos é proposto utilizando aprendizado participativo. Neste algoritmo, uma nova informação fornecida à rede por meio de um dado entrada/saída é comparada com o conhecimento que já se tem a respeito do sistema. A nova informação só tem influência na atualização do conhecimento se não entrar em conflito com o conhecimento adquirido anteriormente. Como conseqüência, redes neurais nebulosas que utilizam este novo algoritmo de treinamento são mais robustas a dados de treinamento com valores que correspondem a comportamentos anômalos ou mesmo a erros durante a obtenção destes dados. As abordagens propostas foram utilizadas para desenvolver modelos para previsão de séries temporais e modelagem térmica de transformadores de potência. Os resultados experimentais mostram que os modelos aqui propostos são mais robustos e apresentam os melhores desempenhos, tanto em termos de precisão quanto em termos de custos computacionais, quando comparados com abordagens alternativas sugeridas na literatura / Abstract: This work suggests a systematic procedure to develop models of complex nonlinear dynamical systems using neural fuzzy networks. The neural fuzzy networks are able to extract knowledge from input/output data and to encode it explicitly in the form of if-then rules. Therefore, linguistic models are obtained in a form suitable for human understanding. Two new classes of fuzzy neurons are introduced to generalize AND and OR logic neurons. These generalized login neurons, called unineurons and nullneurons, provide a mechanism to implement synaptic plasticity and an important characteristic of biological neurons, the neuronal plasticity. Unineurons and nullneurons achieve synaptic and neuronal plasticity modifying their internal parameters in response to external changes. Thus, unineurons and nullneurons may individually vary from a AND neuron to a OR neuron (and vice-versa), depending upon the necessity of the modeling task. Neural fuzzy networks constructed with unineurons and nullneurons are more general than similar fuzzy neural approaches suggested in literature. Training algorithms for neural fuzzy networks with unineurons and nullneurons are also studied. In particular, a new training algorithm based on the participatory learning is introduced to develop fuzzy models of dynamical systems. In the participatory learning algorithm, a new information brought to the network through an input/output data is first compared with the knowledge that the network already has about the model. The new information influences the update of the knowledge only if it does not conflict with the current knowledge. As a result, neural fuzzy networks trained with participatory learning show greater robustness to training data with anomalous values than their counterparts. The neural fuzzy network and training algorithms suggested herein are used to develop time series forecast models and thermal models of power transformers. Experimental results show that the models proposed here are more robust and perform best in terms of accuracy and computational costs when compared against alternative approaches suggested in the literature / Doutorado / Automação / Doutor em Engenharia Elétrica

Orientador: Gilmar Barreto / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-15T23:37:59Z (GMT). No. of bitstreams: 1 Souza_CristianoRobertode_M.pdf: 1062354 bytes, checksum: 8217be7daba7d7fd194700fdacfc5b03 (MD5) Previous issue date: 2010 / Resumo: Os modelos computacionais para previsão do risco financeiro têm ganhado grande importância desde 1970. Com a atual crise financeira os governos tem discutido formas de regular o setor financeiro e a mais conhecida e adotada é a de Basiléia I e II, que é fortemente suportada por modelo de previsão de risco de crédito. Assim este tipo de modelo pode ajudar os governos e as instituições financeiras a conhecerem melhor suas carteiras para assim criarem controle sobre os riscos envolvidos. Para se ter uma idéia da importância destes modelos para as instituições financeiras a avaliação de risco dada pelo modelo é utilizada como forma de mostrar ao Banco Central a qualidade da carteira de crédito. Através desta medida de qualidade o Banco Central exige que os acionistas do banco deixem depositados um percentual do dinheiro emprestado como garantia dos empréstimos duvidosos criando assim o Índice de Basiléia. Com o objetivo de estudar as ferramentas que atualmente auxiliam no desenvolvimento dos modelos de risco de crédito iremos abordar: 1. Técnicas tradicionais Estatísticas, 2. Técnicas Não Paramétricas, 3. Técnicas Computação Natural / Abstract: The computer models to forecast financial risk have gained great importance since 1970 [1]. With the current crisis Financial government has discussed ways to regulate the financial sector, and the most widely known and adopted form is Basel I and II, which is strongly supported by the forecasting models of credit risk. This type of model can help governments and financial institutions to better understand their portfolios so they can establish control over the risks involved. To get an idea of the importance of this models for financial institutions, the risk assessment given by the model is used as a way of showing the central bank quality of credit portfolio. This measure of quality the Central Bank requires that the shareholders of the bank no longer paid a percentage of the borrowed money as collateral in problem loans and thus creating the index of Basel. In order to study the tools that actually support the development to models of credit risk we will cover: 1. Statistics techniques, 2. Non-Parametric Techniques, 3. Natural Computation Techniques / Mestrado / Automação / Mestre em Engenharia Elétrica

Orientador: Peter Sussner / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-11T11:23:27Z (GMT). No. of bitstreams: 1 Miyasaki_Rodolfo_M.pdf: 1324947 bytes, checksum: a4ab87815520ddfd33ed0ac1b2ffcac2 (MD5) Previous issue date: 2008 / Resumo: As memórias associativas (AMs - Associative Memories) permitem armazenar associações de padrões e recuperar desejados padrões de saída mesmo após a apresentação de possíveis versões incompletas e/ou distorcidas de um padrão de entrada. As memórias associativas fuzzy (FAMs - Fuzzy Associative emories) s¿ao modelos de AMs cujos padrões de entrada e saída são conjuntos fuzzy. As FAMs mostraram-se poderosas ferramentas na implementação em sistemas de base de regras fuzzy. O fato de modelos de FAMs estarem relacionadas à morfologia matemática (MM) levou ao recente desenvolvimento das memórias associativas morfológicas fuzzy (FMAMs - Fuzzy Morphological Associative Memories), em particular as memórias associativas fuzzy implicativas (IFAMs - Implicative Fuzzy Associative Memories). Os neurônios da FMAM executam uma das operações elementares da MM, i.'é, erosão, dilatação, anti-erosão ou anti-dilatação. Essa dissertação relaciona a existência de soluções nos sistemas de equações relacionais fuzzy (FREs - Fuzzy Relational Equations) à recordação perfeita das IFAMs. Formulamos o problema de escolher um modelo apropriado de IFAM para uma dada aplicação através de um problema de otimização. Mais precisamente, determinamos o modelo de IFAM dado pela t-norma parametrizada de Yager que minimiza o erro entre os padrões recordados e os desejados padrões de saída. Uma imagem em tons de cinza pode ser expressa como uma relação fuzzy e dado uma família de conjuntos fuzzy, pode-se comprimi-la através de FREs. Assim, surge o problema inverso de encontrar uma reconstrução da imagem original a partir da imagem comprimida. Essa dissertação de mestrado determina a melhor aproximação por meio de uma IFAM / Abstract: Associative Memories (AMs) allow for the storage of pattern associations and the retrieval of the desired output patterns upon the presentation of a possibly noisy or imcomplete version of an input pattern. Fuzzy Associative Memories (FAMs) are models of AMs whose input and output patterns are fuzzy sets. FAMs have proven to be a powerful tool for implementing fuzzy rule-based systems. The fact that FAMs models are related to mathematical morphology (MM) has led to the development of fuzzy morphological associative memories (FMAMs), in particular fuzzy implicative fuzzy associative memories (IFAMs). The neurons of an FMAM perform one of the elementary operations of MM which as erosion, dilation, anti-erosion and anti-dilation. This thesis relates the existence of solutions in systems of fuzzy relational equations (FREs) to the perfect recall using IFAMs. We formulated the problem of choosing an appriopriate IFAM model for a given application as an optimization problem. More precisely, we determined the IFAM model given by a parameterized Yager t-norm which minimizes the error between the recalled patterns and the desired output patterns. A gray-scale image can be expressed as a fuzzy relation and, given a family of fuzzy sets, it can be compressed by means of FREs. Thus, the inverse problem arises of finding a reconstruction of the image original based on the compression. This master thesis determines the best approximation by means of a IFAMs / Mestrado / Mestre em Matemática Aplicada

Orientador: Fernando Jose Von Zuben / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e Computação / Made available in DSpace on 2018-08-11T19:03:12Z (GMT). No. of bitstreams: 1 Coelho_GuilhermePalermo_M.pdf: 2968179 bytes, checksum: bbea7c9c565907f86eee09155421bfa3 (MD5) Previous issue date: 2006 / Resumo: O uso da abordagem ensembles tem sido bastante explorado na última década, por se tratar de uma técnica simples e capaz de aumentar a capacidade de generalização de soluções baseadas em aprendizado de máquina. No entanto, para que um ensemble seja capaz de promover melhorias de desempenho, os seus componentes devem apresentar bons desempenhos individuais e, ao mesmo tempo, devem ter comportamentos diversos entre si. Neste trabalho, é proposta uma metodologia de criação de ensembles para problemas de classificação, onde os componentes são redes neurais artificiais do tipo perceptron multicamadas. Para que fossem gerados bons candidatos a comporem o ensemble, atendendo a critérios de desempenho e de diversidade, foi aplicada uma meta-heurística populacional imuno-inspirada, denominada opt-aiNet, a qual é caracterizada por definir automaticamente o número de indivíduos na população a cada iteração, promover diversidade e preservar ótimos locais ao longo da busca. Na etapa de seleção dos componentes que efetivamente irão compor o ensemble, foram utilizadas seis técnicas distintas e, para combinação dos componentes selecionados, foram adotadas cinco estratégias. A abordagem proposta foi aplicada a quatro problemas de classificação de padrões e os resultados obtidos indicam a validade da metodologia de criação de ensembles. Além disso, foi verificada uma dependência entre o melhor par de técnicas de seleção e combinação e a população de indivíduos candidatos a comporem o ensemble, assim como foi feita uma análise de confiabilidade dos resultados de classificação / Abstract: In the last decade, the ensemble approach has been widely explored, once it is a simple technique capable of increasing the generalization capability of machine learning based solutions. However, an ensemble can only promote performance enhancement if its components present good individual performance and, at the same time, diverse behavior among each other. This work proposes a methodology to synthesize ensembles for classification problems, where the components of the ensembles are multi-layer perceptrons. To generate good candidates to compose the ensemble, meeting the performance and diversity requirements, it was applied a populational and immune-inspired metaheuristic, named opt-aiNet, which is characterized as being capable of automatically determining the number of individuals in the population at each iteration, promoting diversity and preserving local optima through the search. In the component selection phase, six distinct techniques were applied and, to combine these selected components, five strategies were adopted. The proposed approach was applied to four pattern classification problems and the obtained results indicated the validity of the methodology to synthesize ensembles. It was also verified a dependence of the best pair of selection and combination techniques on the population of candidates to compose the ensemble, and it was made an analysis of the confidence of the classification results / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica

Orientador: Siome Klein Goldenstein / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-25T19:49:49Z (GMT). No. of bitstreams: 1 ChavezEscalante_DiegoAlonso_M.pdf: 1954210 bytes, checksum: c9a77d2f0545d5517700c34dd6cf3324 (MD5) Previous issue date: 2014 / Resumo: No aprendizado de máquina, os problemas de classificação de padrões eram tradicionalmente abordados por algoritmos de aprendizado supervisionado que utilizam apenas dados rotulados para treinar-se. Entretanto, os dados rotulados são realmente difíceis de coletar em muitos domínios de problemas, enquanto os dados não rotulados são geralmente mais fáceis de recolher. Também em aprendizado de máquina só o aprendizado não supervisionado é capaz de aprender a topologia e propriedades de um conjunto de dados não rotulados. Portanto, a fim de conseguir uma classificação utilizando o conhecimento a partir de dados rotulados e não rotulados, é necessário o uso de conceitos de aprendizado supervisionado tanto como do não supervisionado. Este tipo de aprendizagem é chamado de aprendizado semi-supervisionado, que declara ter construído melhores classificadores que o tradicional aprendizado supervisionado em algumas condições especificas, porque não só aprende dos dados rotulados, mas também das propriedades naturais dos dados não rotulados como por exemplo a distribuição espacial deles. O aprendizado semi-supervisionado apresenta uma ampla coleção de métodos e técnicas para classificação, e um dos mais interessantes e o aprendizado semi-supervisionado baseado em grafos, o qual modela o problema da classificação semi-supervisionada utilizando a teoria dos grafos. Mas um problema que surge a partir dessa técnica é o custo para treinar conjuntos com grandes quantidades de dados, de modo que o desenvolvimento de algoritmos escaláveis e eficientes de aprendizado semi-supervisionado baseado em grafos e um problema muito interessante e prometedor para lidar com ele. Desta pesquisa foram desenvolvidos dois algoritmos, um para a construção do grafo usando redes neurais não supervisionadas e outro para a regularização do grafo usando processamento de sinais em grafos, especificamente usando filtros de resposta finita sobre o grafo. As duas soluções mostraram resultados comparáveis com os da literatura / Abstract: In machine learning, classification problems were traditionally addressed by supervised learning algorithms, which only use labeled data for training. However, labeled data in many problem domains are really hard to collect, while unlabeled data are usually easy to collect. Also, in machine learning, only unsupervised learning is capable to learn the topology and properties of a set of unlabeled data. In order to do a classification using knowledge from labeled and unlabeled data, it is necessary to use concepts from both supervised and unsupervised learning. This type of learning is called semi-supervised learning, which has claimed to build better classifiers than the traditional supervised learning in some specific conditions, because it does not only learn from the labeled data, but also from the natural properties of unlabeled data as for example spatial distribution. Semi-supervised learning presents a broad collection of methods and techniques for classification. Among them there is graph based semi-supervised learning, which model the problem of semi-supervised classification using graph theory. One problem that arises from this technique is the cost for training large data sets, so the development of scalable and efficient algorithms for graph based semi-supervised learning is a interesting and promising problem to deal with. From this research we developed two algorithms, one for graph construction using unsupervised neural networks; and other for graph regularization using graph signal processing theory, more specifically using FIR filters over a graph. Both solutions showed comparable performance to other literature methods in terms of accuracy / Mestrado / Ciência da Computação / Mestre em Ciência da Computação

Orientadores: José Antônio Brum, Marcus Aloizio Martinez de Aguiar / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Física Gleb Wataghin / Made available in DSpace on 2018-08-26T08:49:23Z (GMT). No. of bitstreams: 1 PinheiroNeto_Joao_M.pdf: 16027257 bytes, checksum: ff0a08fdba027bd6f2bc28198e34d482 (MD5) Previous issue date: 2014 / Resumo: Nesta dissertação de mestrado estudamos a dinâmica e estrutura de redes complexas. Começamos com uma revisão da literatura de redes complexas, apresentando as métricas de rede e modelos de conectividade mais comuns. Estudamos então em detalhe a dinâmica do modelo das Random Threshold Networks (RTN). Desenvolvemos uma nova aproximação de campo médio para a dinâmica de RTNs, consideravelmente mais simples que aproximações anteriores. Esta nova aproximação é útil de um ponto de vista prático, pois permite a geração de RTNs onde a atividade média da rede é controlável. Fazemos então uma revisão da literatura de redes adaptativas, apresentando alguns modelos de redes adaptativas com características interessantes. Por fim, desenvolvemos dois modelos de redes adaptativas inspirados pela evolução da estrutura neuronal no cérebro. O primeiro modelo utiliza regras simples e uma evolução baseada na remoção de links para controlar a atividade sobre a rede. A inspiração é a remoção de neurônios e conexões neuronais após a infância. Este modelo também consegue controlar a atividade de grupos individuais dentro de uma mesma rede. Exploramos uma variante deste modelo em um espaço bidimensional, onde conseguimos gerar redes modulares e small-world. O segundo modelo utiliza inputs externos para controlar a evolução da topologia da rede. A inspiração neste caso é o desenvolvimento das conexões neuronais durante a infância, que é influenciado por interações com o ambiente. O modelo gera avalanches finitas de atividade, e é capaz de gerar topologias especificas e modulares utilizando regras simples / Abstract: In this Masters Dissertation we study the structure and dynamics of complex networks. We start with a revision of the literature of complex networks, presenting the most common network metrics and models of network connectivity. We then study in detail the dynamics of the Random Threshold Network (RTN) model. We develop a new mean-field approximation for the RTN dynamics that is considerably more simple than previous results. This new approximation is useful from a practical standpoint, since it allows the generation of RTNs where the average activity of the network is controlled. We then review the literature of Adaptive Networks, explaining some of the adaptive models with interesting characteristics. At last, we develop two models of adaptive networks inspired by the evolution of neuronal structure in the brain. The first model uses simple rules and a link-removing evolution to control the activity on the network. The inspiration is the removal of neurons and neuronal connections after infancy. This model can also control the activity of individual groups within the same network. We explore a variant of this model in a bi-dimensional space, where we are able to generate modular and small-world networks. The second model uses external inputs to control the topological evolution of the network. The inspiration in this case is the development of neuronal connections during the infancy, which is influenced by interactions with the environment. The model generates finite avalanches of activity, and is capable of generating specific and modular topologies using simple rules / Mestrado / Física / Mestre em Física

Orientador: Caroline Joy Steel / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia de Alimentos / Made available in DSpace on 2018-08-19T12:10:54Z (GMT). No. of bitstreams: 1 Penteado_AlessandraAfonsoTeixeira_M.pdf: 973579 bytes, checksum: 53ad98f08de44e474e99931a80129f8b (MD5) Previous issue date: 2012 / Resumo: Após as crescentes divulgações na mídia dos malefícios à saúde causados pela ingestão de gorduras trans e a Resolução RDC 360, de 23 de dezembro de 2003, que estabelece a obrigatoriedade de declaração dos níveis de gordura trans nos rótulos dos alimentos industrializados, nota-se uma crescente demanda por produtos sem ácidos graxos trans (¿low trans¿). O objetivo principal deste projeto foi aplicar a tecnologia de Redes Neurais Artificiais (RNAs) para a obtenção de blends de gorduras ¿low trans¿ derivadas de soja e avaliar seu desempenho quando aplicados no processamento de biscoitos laminados tipo Maria. Para tal, foram utilizadas duas bases de gorduras interesterificadas de soja (B1 e B2) e óleo de soja e, como características para definição do blend final foram utilizados os parâmetros de ponto de fusão e curva de sólidos das gorduras comerciais low trans e hidrogenada. Para a produção dos biscoitos, foram selecionados quatro blends de acordo com o menor erro apresentado pela RNA. Óleo de soja, gorduras comerciais low trans e hidrogenada de soja, foram utilizadas para comparação, bem como uma formulação sem adição de gordura. Todas as gorduras foram caracterizadas quanto aos índices de acidez, peróxido e iodo, composição em ácidos graxos e triacilgliceróis, ponto de fusão e curva de sólidos. Os blends foram caracterizados quanto ao ponto de fusão e curva de sólidos. Os biscoitos tiveram condições de processamento idênticas e diferenças de maquinabilidade da massa foram avaliadas. Após a produção dos biscoitos em escala laboratorial, os mesmos foram analisados quanto às suas características tecnológicas e físico-químicas (massa, dimensões, expansão, crescimento horizontal e vertical, cor instrumental, textura instrumental, atividade de água, gradiente de umidade, teor de umidade, teor de lipídios). Também foi realizado um acompanhamento mensal dos biscoitos por um período de quatro meses, analisando cor instrumental, textura instrumental, atividade de água, umidade e porcentagem de quebra/fissura. Os resultados mostraram que a gordura é fundamental para boa maquinabilidade, textura e umidade final dos biscoitos e ao longo do shelf- life estudado. Os biscoitos produzidos com os blends elaborados através da RNA, quando comparados com biscoitos produzidos com gorduras comerciais low trans e hidrogenada, não apresentaram alterações significativas nos parâmetros de processo/maquinabilidade e análises físico-químicas do produto final e ao longo de quatro meses de estocagem, sendo que o blend composto por 46% da base interesterificada de soja (B2) e 54% de óleo de soja, apresentou melhor performance. Assim, este estudo permite afirmar que através da RNA foi possível desenvolver gorduras para aplicação em biscoitos laminados que sejam low trans, derivadas de soja e com menor teor de saturados que as atuais gorduras comerciais. Portanto, representando uma vantagem para saúde do consumidor, otimizando tempo de formulação de gorduras, e possibilitando a obtenção de uma matéria prima para produção de biscoitos com maior disponibilidade no mercado brasileiro e a custos mais acessíveis / Abstract: After growing media disclosures of the health hazards caused by trans fats intake, and the RDC 360, 23 December 2003, establishing the mandatory declaration of trans fat levels on the labels of processed foods, a growing demand for products without trans fatty acids (¿low trans¿) has been noted. But the big challenge is getting ¿low trans¿ with the same functional and sensory properties of hydrogenated fats. The main objective of this project was to applied the technology of Artificial Neural Networks (ANN) to obtain fat blends derived from soy (low trans) and evaluate this performance when applied in the processing of rolled biscuits. To this end, was used two sets of soy interesterified fats (B1 e B2) and soybean oil and, as characteristics to define the blend, the parameters used were the melting point and the solid fat curve of the commercial fats low trans and hydrogenated. For the production of biscuits, four blends were selected according to the smallest ANN error. Soybean oil, commercial fats low trans and hydrogenated, were used for comparison as well as a fat-free formulation. All fats were characterized by acid value, peroxide and iodine index, fatty acid and triacylglycerols composition, melting point and solid fat curve. The biscuits had identical processing conditions and differences in machinability of the dough were evaluated. After biscuits production on a laboratory scale, they were analyzed in their technological and physicochemical characteristics (mass, size, expansion, horizontal and vertical growth, instrumental color, instrumental texture, water activity, moisture gradient, moisture and lipids value). Also, was carried out a monthly monitoring on the biscuits in a period of four months analyzing instrumental color, instrumental texture, water activity, moisture value and percentage of breakage/cracking biscuits. The results showed that fat is essential for a machinability, texture and moisture content in final biscuits and along the storage studied. The biscuits produced with the low trans blends prepared by the ANN, compared with the biscuits made with the commercial fatty low trans and hydrogenated, showed no significant changes in process/machinabilility parameters and physicalchemical analysis of the final products and over the four moth storage, and that the blend composed of 46% of the interesterified soybean (B2) and 54% soybean oil, had a better performance. Thus this study do suggest that through Artificial Neural Network was possible to develop low trans fats derived from soybean and less saturated fat than current commercial fats, for use in biscuits, representing a benefit for the consumer health, an operational and financial advantage, optimizing time of fats formulation, while enabling the obtains a raw material for biscuits production with Brasilian greater market availability and so, more affordable costs / Mestrado / Tecnologia de Alimentos / Mestre em Tecnologia de Alimentos

Orientador: José Raimundo de Oliveira / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-19T12:19:26Z (GMT). No. of bitstreams: 1 Mamani_AnaBeatrizAlvarez_M.pdf: 4159333 bytes, checksum: 1e7bbac608fe9a8dc553adedc4b721b7 (MD5) Previous issue date: 2011 / Resumo: Esta tese apresenta uma nova e efetiva abordagem neuro-genética denominada MAAM-GA constituída por um algoritmo genético e uma rede neural associativa morfológica para a solução de problemas de reconhecimento de padrões. Especificamente, uma rede neural associativa morfológica é combinada com um algoritmo genético que é utilizado na construção da rede neural com a finalidade de aumentar a eficiência e robustez no reconhecimento de padrões. Um estudo detalhado do desempenho da abordagem é apresentado, utilizando imagens em níveis de cinza como padrões. Resultados numéricos e visuais da recuperação dos padrões são apresentados e o desempenho alcançado é comparado com outros modelos neurais associativos morfológicos relevantes para padrões de valor real, mostrando a eficiência e a robustez da abordagem proposta na recordação de imagens em níveis de cinza. Esta abordagem faz parte do desenvolvimento dos sistemas inteligentes que impulsionam o avanço de outras áreas. Pensando em uma potencial aplicação, a proposta neuro-genética é utilizada para resolver o problema de reconhecimento de gestos da mão. O reconhecimento de gestos é um caminho natural de interação humano-computador, e considerando a diversidade e a diferença manifestada pelo ser humano, para muitas pessoas que possuem deficiência física e sensorial, os gestos da mão são o meio principal de comunicação. Várias tecnologias têm sido propostas para trazer benefícios às pessoas com limitações de comunicação. Os ambientes inteligentes surgiram com o principal propósito de melhorar a qualidade de vida do ser humano baseados em ferramentas computacionais, facilitando o desenvolvimento de processos e ações de nosso cotidiano. O reconhecimento de gestos da mão é uma função do ambiente inteligente. Assim, para pessoas portadoras de deficiências físicas que limitem a sua comunicação oral, o reconhecimento de gestos em um ambiente inteligente poderá lhes trazer múltiplos benefícios na comunicação, interação e acessibilidade, permitindo a sua integração com o ambiente. Embora preocupados com pessoas portadoras de deficiências físicas, o sistema de reconhecimento de gestos da mão como parte de um ambiente inteligente destina-se, sobretudo a beneficiar todo e qualquer cidadão que dele tenha acesso. Assim, nesta tese é apresentado um estudo de um sistema de reconhecimento de gestos da mão baseado em visão artificial capaz de reconhecer gestos estáticos específicos da mão. Este sistema foi dividido em três módulos, módulo de detecção e segmentação, módulo de extração de características e o módulo de identificação e reconhecimento propriamente dito que utiliza a abordagem neuro-genética proposta. Métodos utilizados no pré-processamento das imagens para segmentação e caracterização também são apresentados. Resultados alcançados com a abordagem proposta são muito incentivadores e sugerem que a proposta possa ser considerada como uma ferramenta eficiente e robusta para recuperação e identificação a ser usada em diversas aplicações relacionadas à interface natural humano-computador. O ótimo desempenho do sistema é um passo para continuar na busca de novas tecnologias para criar um ambiente inteligente que dê suporte às necessidades de pessoas com deficiência visual, auditiva ou motora lhes dando certo nível de autonomia, capacidade de controle do entorno e de comunicação / Abstract: This thesis presents an innovative approach to solving problems of pattern recognition using a neural-genetic combination. Specifically, a morphological associative neural network is combined with a genetic algorithm that is used in the construction of the neural network for increasing the efficiency and robustness of pattern recall. A detailed study about the performance of the approach is presented, using grayscale images as patterns. Numerical and visual results are presented and the performance achieved is compared with other morphological associative neural models showing its effectiveness and robustness in the grayscale images recall. Thinking about a potential application, the proposed approach is used to solve the problem of hand gestures recognition. The hand gestures recognition is a natural way of human-computer interaction and considering the diversity and difference manifested by the human, for many people who have physical and sensory disabilities, the hand gestures is the primary means of communication. Several technologies have been proposed to bring benefits to people with limited communication. The intelligent environments emerged with the main purpose of improving the quality of human life based in computational tools facilitating the development of processes and actions of everyday life. The hand gestures recognition is a function of intelligent environments. So, for people with physical disabilities that limit their oral communication gesture recognition in an intelligent environment can take many benefits in communication, interaction and accessibility allowing its integration with the environment. Although concerned about people with disabilities, the hand gestures recognition system is mainly intended to benefit every people who has access to the environment. Thus, this thesis presents a study of a hand gestures recognition system. The system is able to recognize static hand gestures using the proposed Neural-Genetic Approach. Methods used in the image preprocessing and characterization are also presented. Results achieved with the proposed approach are very encouraging and suggest that the proposal can be considered as an efficient and robust tool for recovery and identification to be used in various applications related to natural human-computer interface. The optimal system performance is a big step to continue the search for new technologies to create an intelligent environment that supports the needs of people with visual, hearing or motor disability / Mestrado / Engenharia de Computação / Doutor em Engenharia Elétrica

Orientador: Carlos Kenichi Suzuki / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica / Made available in DSpace on 2018-08-20T17:12:05Z (GMT). No. of bitstreams: 1 Fujiwara_Eric_D.pdf: 5349924 bytes, checksum: 5d22c78339d16b6b47642d55e95139cb (MD5) Previous issue date: 2012 / Resumo: O monitoramento eficiente dos diversos estágios de uma usina sucroalcooleira é uma característica essencial para aprimoramento do processo, minimizando as perdas e garantindo a qualidade dos produtos. Nesta pesquisa, foi desenvolvido um sensor a fibra óptica baseado em refletometria para determinação da concentração de etanol e sacarose, aplicado ao monitoramento de produtos, co-produtos e efluentes da usina. Os sinais coletados pelo sistema de sensoriamento foram processados por redes neurais artificiais, viabilizando o cálculo do teor de sacarose e etanol em soluções binárias com erro médio de 0,2 wt% e 1,5 vol%, respectivamente. No caso da medição de amostras de usina, a concentração de sacarose foi obtida com erros menores do que 3 wt%, enquanto que o teor de etanol foi calculado com erros menores a 4 vol%. Adicionalmente, o sistema de sensoriamento foi aplicado no monitoramento em tempo real da etapa de fermentação alcoólica, demonstrando que a tecnologia permite identificar o término da conversão de açúcares em etanol, evitando o tempo ocioso do processo. A metodologia foi também utilizada em medida colaborativa com um sensor capacitivo por eletrodos interdigitados, proporcionando uma redução significativa no erro de medição a valores de até 0,03 vol% no teor de etanol. Finalmente, foi proposta uma técnica inovadora para análise de líquidos baseada na análise em freqüência de sinais ópticos por correlação de hologramas gerados por ruído modal, viabilizando a detecção da massa da amostra com erro médio de 0,48 g, assim como a aferição da viscosidade dinâmica com erro de 0,08 mPa, sendo que estas informações podem ser utilizadas para estimar a concentração da amostra por meio do cálculo da densidade ou da própria viscosidade. Com o desenvolvimento deste projeto de pesquisa, espera-se contribuir com as áreas de tecnologia de instrumentação, automação, e dispositivos fotônicos, proporcionando melhorias significativas para o monitoramento de processos de fabricação de açúcar e álcool em usinas sucroalcooleiras, através de uma técnica minimamente invasiva com boa sensibilidade, resposta em tempo real, possibilidades para automação e relativo baixo custo de implementação / Abstract: The monitoring of the several stages of sugarcane-based ethanol industry is essential for the plant optimization, by reducing the losses and preserving the quality of the products. In this research, a reflectometry-based optical fiber sensor for the determination of ethanol and sucrose concentrations in products, process streams and effluents of bioethanol industry was developed. The signals obtained by the sensing system were processed by artificial neural network algorithms, yielding the prediction of sugar and alcohol contents in binary solutions with average errors of 0.2 wt% and 1.5 vol%, respectively. In case of the samples of bioethanol industry, the measurement errors were lower than 4 vol% and 3 wt% for the sucrose and ethanol contents, respectively. Furthermore, the fiber sensor was applied on the real-time monitoring of the fermentation process, allowing the identification of the end of the conversion of sugars to ethanol. The methodology was also utilized on the collaborative measurement with the interdigitated capacitive sensor, resulting in the detection of ethanol concentration with errors lower than 0.03 vol%. Finally, an innovative technique for the determination of properties of liquids based on the frequency analysis of speckle holograms generated due to modal noise was proposed, yielding the prediction of mass and viscosity of the hydroalcoholic samples with errors lower than 0.48 g and 0.08 mPa, respectively. The results of this research will contribute to the areas of instrumentation, automation, and photonic devices, generating enhancements for the monitoring of the ethanol and sugar production plants, by providing a minimally invasive and sensitive technique, with real-time response, and relative low cost / Doutorado / Materiais e Processos de Fabricação / Doutor em Engenharia Mecânica