Orientador: Caroline Joy Steel / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia de Alimentos / Made available in DSpace on 2018-08-24T06:50:38Z (GMT). No. of bitstreams: 1 Marangoni_AndreLuis_D.pdf: 1214013 bytes, checksum: a252edf1c913d6c97e6f9530017bb9cd (MD5) Previous issue date: 2014 / Resumo: A interesterificação é uma ferramenta fundamental para o desenvolvimento de gorduras "zero trans"; entretanto, comparada ao processo de hidrogenação, esta apresenta limitações, sobretudo no desenvolvimento de gorduras para uso em panificação. De acordo com a literatura, na produção de pão de forma, a gordura exerce diversas funções, como a lubrificação e o aumento da extensibilidade da massa, e o aumento do volume e do sabor do pão. A gordura afeta a textura, mantendo os pães macios por mais tempo; isto se deve possivelmente à sua interação com o amido da farinha, retardando o processo de retrogradação e, assim, estendendo a vida de prateleira do pão. O objetivo deste trabalho foi aplicar a tecnologia de Redes Neurais Artificiais (RNA) na formulação de gorduras "zero trans" à base de óleo de soja e gorduras interesterificadas de soja para facilitar o processo de formulação por blending, específicas para produtos de panificação, e determinar a influência das mesmas na qualidade dos pães de forma e nas interações entre as gorduras e o amido da farinha. Para tanto, foram produzidos pré-misturas e pães de forma com a adição de 4% de gordura. Como padrões, foram utilizadas gorduras comerciais, hidrogenada (GHS) e low trans (GLT), além de óleo de soja (OLS). Também foram utilizados os blends de gordura formulados através da RNA (BL1, BL2, BL3 e BL4). Para efeito de controle, foi produzido um pão sem adição de gordura (C). A análise farinográfica mostrou que a absorção de água (ABS) da farinha de trigo pura (59,0%) foi em média 6,5% maior que a das pré-misturas adicionadas de gordura. O tempo de desenvolvimento (Td) foi menor para as amostras GHS, GLT e BL4. A extensografia mostrou que, dentre todas as amostras, a BL4 foi a mais resistente (980 UE) e a menos extensível (114 mm). Isto provavelmente ocorreu devido ao menor teor de óleo de soja em sua constituição (54%), o que pode ter contribuído para uma massa de maior consistência. A análise dos pães produzidos revelou que apenas os volumes específicos das amostras OLS (3,46 mL/g) e BL4 (4,07 mL/g) diferiram significativamente entre si. A análise de firmeza dos pães mostrou que ao longo da estocagem houve diferença significativa entre a firmeza dos pães com gordura e a amostra controle (1005,75 gf), sendo este valor 13% superior ao da amostra GHS - a mais firme dentre os pães com adição de gordura. A uniformidade do miolo foi maior com a utilização de gordura. Nos pães controle (C), a porosidade (26,73%) foi quase 3 vezes superior ao das amostras com a adição dos blends. Os miolos dos pães BL1, BL2, BL3 e BL4 apresentaram alvéolos pequenos e espalhados mais uniformemente, quando comparados aos pães C, GHS, GLT e OLS. Quanto à umidade, os pães com gordura apresentaram um menor teor em relação ao da amostra controle (35%), pois as suas massas absorveram menos água durante a mistura. A análise térmica através de DSC sugeriu um efeito da gordura sobre o envelhecimento dos pães, uma vez que as variações de entalpia de retrogradação foram menores para os pães com gorduras. Os blends de gordura desenvolvidos usando a RNA e aqui utilizados, além do baixo teor de ácidos graxos trans (1,18% em média), apresentaram-se viáveis para aplicação em panificação, sobretudo o BL4 / Abstract: Interesterification is a fundamental tool in the development of "zero trans" fats; however, when compared to the hydrogenation process, it presents limitations, especially when developing shortenings for bakery products. According to literature, in the production of pan bread, fat has several functions, such as lubrication and an increase in dough extensibility, and an increase in bread volume and flavor. Fat affects texture, maintaining breads soft for a longer period of time; this is possibly due to its interaction with starch in flour, retarding the retrogradation process and, thus, extending bread shelf-life. The aim of this study was to apply Artificial Neural Network (ANN) technology in the formulation of "zero trans" fats based on soybean oil and soybean interesterified fats to ease the formulation process through blending, for use in bakery products, and determine their influence on the quality of pan bread and on their interaction with starch in flour. For this, pre-mixes and breads with the addition of 4% fat were produced. As standards, commercial fats (hydrogenated soybean fat ¿ GHS and low trans fat ¿ GLT) were used, as well as soybean oil (OLS). The fat blends formulated using the ANN (BL1, BL2, BL3 e BL4) were also used. As control (C), bread without fat addition was prepared. The farinographic analysis showed that water absorption (ABS) of pure wheat flour (59.0%) was in average 6.5% higher than that of the pre-mixes of flour and fats. Dough development time (Td) was lower for the samples GHS, GLT and BL4. The extensographic analysis showed that, amongst all samples, BL4 showed the highest resistance to extension (980 EU) and the lowest extensibility (114 mm). This probably occurred due to the lower soybean oil content in its constitution (54%) that could have contributed to a more consistent dough. The analysis of the breads produced revealed that only the specific volumes of the samples OLS (3.46 mL/g) and BL4 (4.07 mL/g) differed significantly. Firmness analysis of breads showed that throughout the storage period studied there was a significant difference between the firmness of the breads with fats and the control sample (1005.75 gf), being this value 13% higher than that of GHS ¿ the firmest amongst samples with fat. Crumb uniformity was greater with the use of fat. In the control breads (C), porosity (26.73%) was almost 3 times greater than that of the samples with the addition of the blends. The crumbs of breads BL1, BL2, BL3 and BL4 presented small and more uniformly distributed alveoli, when compared to breads C, GHS, GLT and OLS. As to moisture content, breads with fat presented lower values when compared to the control sample (35%), as their doughs absorbed less water during mixing. Thermal analysis through DSC suggested an effect of fat on bread staling, once retrogradation enthalpy changes were lower for breads with fats. The fat blends developed using the ANN and used in this study, as well as having a low trans fatty acid content (1.18% in average), showed feasibility for application in pan bread, especially BL4 / Doutorado / Tecnologia de Alimentos / Doutor em Tecnologia de Alimentos

Orientador: Marcio Luiz de Andrade Netto / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica / Made available in DSpace on 2018-07-19T21:28:22Z (GMT). No. of bitstreams: 1 Romariz_AlexandreRicardoSoares_M.pdf: 5855846 bytes, checksum: 4b7828a3a6355b3204207faea24876f4 (MD5) Previous issue date: 1995 / Resumo: Este trabalho trata da representação de conhecimento estruturado (na forma de regras) em sistemas conexionistas. Primeiramente, é feito um estudo sobre redes conexionistas modulares, nas quais grupos de neurônios podem ser associados a antecedentes e conseqüências de regras. Em seguida, mostram-se formas pelas quais estas redes são associadas a conceitos de lógica nebulosa, nos chamados sistemas neuronebulosos. Um algoritmo de aquisição incremental é proposto para tais sistemas. Nele, promove-se alteração estrutural e não apenas adaptação de parâmetros da rede. Novas regras vão sendo adicionadas para lidar com padrões ainda não cobertos pelas regras existentes. O erro decorrente da aplicação de uma regra é usado como indicador da função de pertinência da mesma ... Observação: O resumo, na íntegra, poderá ser visualizado no texto completo da tese digital / Abstract: This work addresses the problem of representing structured knowledge (as a set of rules) in connectionist systems. First, modular connectionist networks are studied. In this kind of network, groups of neurons may be associated with rule antecedents or consequents. Next, we show some ways by which these networks are associated with fuzzy logic concepts (neuro-fuzzy systems). An algorithm for incremental rule is proposed for these systems. Strucutural modification as well as parameters adaptation are considered. New rules are added periodically to deal with patterns which are not yet convered by the existing rules. The error that results from the application of each rule is used as an indication for membership function construction ... Note: The complete abstract is available with the full electronic digital thesis or dissertations / Mestrado / Mestre em Engenharia Elétrica

Orientador: Marcos Eduardo Ribeiro do Valle Mesquita / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática Estatística e Computação Científica / Made available in DSpace on 2018-08-27T12:11:26Z (GMT). No. of bitstreams: 1 Souza_AlineCristinade_M.pdf: 2392301 bytes, checksum: 8b771e0b97302577daaf84624b0c4751 (MD5) Previous issue date: 2015 / Resumo: Memórias associativas são modelos matemáticos inspirados pela capacidade do cérebro humano de armazenar e recordar informações por meio de associações. Tais modelos são projetados para armazenar um conjunto finito de associações chamado de conjunto das memórias fundamentais. Além disso, espera-se que a memória associativa seja capaz de recuperar uma informação armazenada mesmo a partir de um item incompleto ou ruidoso. As Memórias Associativas Recorrentes Exponenciais Fuzzy (REFAMs, acrônimo do termo em inglês Recurrent Exponential Fuzzy Associative Memories) podem ser efetivamente utilizadas para o armazenamento e recordação de uma família finita de conjuntos fuzzy. Em geral, uma REFAM define recursivamente uma sequência de conjuntos fuzzy obtidos usando médias ponderadas e exponenciais dos valores de medida de similaridade. Experimentos computacionais relacionados à recuperação de imagens em tons de cinza ruidosas mostraram que os novos modelos podem apresentar ótima capacidade absoluta de armazenamento bem como excelente tolerância a ruído / Abstract: Associative memories are mathematical models inspired by the human brain ability to store and recall information by means of associations. Such models are designed for the storage of a finite set of associations called the fundamental memories set. Furthermore, the associative memory is expected to be able to retrieve a stored information even from an incomplete or noisy item. The Recurrent Exponential Fuzzy Associative Memories (REFAMs) can be effectively used for storage and recall of a finite family of fuzzy sets. In general, a REFAM defines recursively a sequence of fuzzy sets obtained using weighted averages and exponentials of similarity measure values. Computational experiments concerning the retrieval of noisy gray-scale images revealed that the novel models may exhibit optimal absolute storage capacity as well as excellent noise tolerance / Mestrado / Matematica Aplicada / Mestra em Matemática Aplicada

Orientador: Emilson Pereira Leite / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Geociências / Made available in DSpace on 2018-08-27T16:08:56Z (GMT). No. of bitstreams: 1 Mori_RobertaTomi_M.pdf: 3320202 bytes, checksum: 0cc28a2902a082cdb74ee3af69f82776 (MD5) Previous issue date: 2015 / Resumo: Uma boa caracterização geológica dos reservatórios é de grande importância para a diminuição dos riscos da perfuração de um poço seco, assim como os custos de exploração e desenvolvimento de tal reservatório. No presente trabalho, buscou-se predizer os valores de porosidade de um reservatório através da integração de dados sísmicos 3D com perfis geofísicos de poços através de dois métodos: Regressão Linear Multiatributo e Redes Neurais Artificiais. O reservatório em questão é de constituição carbonática de origem Albiana, do final do Cretáceo Inferior. Na primeira etapa, foram traçados horizontes baseando-se em eventos sísmicos contínuos nas seções sísmicas, chamados superfícies cronoestratigráficas, no intervalo de profundidade que abrange o reservatório. Na segunda etapa, foram obtidos predições dos valores de porosidade do reservatório, assim como os respectivos modelos 3D, através dos dois métodos acima citados. Com a RLM, foram obtidos valores altos, baixos e intermediários de porosidade, variando desde 5% até 40%. Já com a RNA, tais valores variaram de 5% a 30%. Em ambos os métodos, os valores de porosidade apresentaram um crescimento da porção sudoeste em direção à porção nordeste, apresentando baixos valores nas profundidades referentes aos horizontes traçados. Picos com os valores máximos de porosidade foram observados em pontos dispersos por todo o volume 3D. Comparando-se os resultados obtidos pelos dois métodos, ficou evidente a maior eficácia da RNA, a qual apresentou correlação de 0,90 entre os valores reais e os valores preditos e erro de 2,86%, enquanto que os resultados obtidos através da RLM apresentou correlação de 0,55 e erro de 5,45%. Além disso, foi feita uma comparação com os aspectos geológicos do reservatório, na qual concluiu-se que as baixas porosidades da porção sudoeste se deve à presença de microporosidade e as altas porosidades da porção nordeste, à macroporosidade original das rochas. Concluiu-se também que as baixas porosidades encontradas nas regiões dos horizontes sísmicos estão relacionadas às diferentes texturas de rochas, já que as rochas presentes nessas regiões possuem maiores quantidades de matriz carbonática (packstones e wackestones) quando comparadas com as rochas das regiões entre os horizontes (grainstones) / Abstract: A good geological reservoirs characterization is very important for reducing the risk of drilling a dry hole as well as the costs for reservoir exploration and development. In this study, it was attempted to predict the porosity values of a reservoir through the integrations of 3D seismic data with geophysical well logs using two different methods: Multiattribute Linear Regression and Artificial Neural Networks. The studied reservoir has a carbonate composite, with the age of Albian, in late Early Cretaceous. On the first stage of the study, horizons have been traced based on continuous seismic events on seismic sections, in depths that cover the reservoir. On the second stage, it was obtained some predictions of reservoir porosity values, as well as their 3D models by the two methods that was already mentioned. High, low and intermediate porosity values have been obtained by the MLR, ranging from 5% to 40%. With the ANN, these values ranged from 5% to 30%. In both methods, the porosity values grew from south-west portion toward the northeast portion, with low values on the depths related to the horizons traced. We can observe maximum value peaks of porosity at points scattered throughout the 3D volume. A comparison of the results obtained by the two methods evidence the greater efficiency of the ANN, with a correlation of 0,90, between actual porosity and predicted values, and 2.86% of error, while the results obtained by the MLR showed a correlation of 0,55 and an error of 5.45%. Furthermore, we have made a comparison between the results obtained and the reservoir geological features, which allows us to conclude that the low porosity in the south-west portion is because of microporosity, while the high porosity in the northeast is because of the original macroporosity of the rocks. We also conclude that low porosity found on horizon surfaces are related to different rock textures, once the rocks on these horizon regions have more carbonatic matrix in their constitution (packstones and wackestones) than the rocks in the other regions between the horizons (grainstones) / Mestrado / Geologia e Recursos Naturais / Mestra em Geociências

Made available in DSpace on 2017-06-01T17:57:31Z (GMT). No. of bitstreams: 1 dissertacao_carlos_alberto.pdf: 1579628 bytes, checksum: ac1de165bd37e65d9cb3872ad819860e (MD5) Previous issue date: 2011-03-31 / The phenomenon of carbonation as the triggering agent in the process of reinforcement corrosion is particularly important when concrete structures are exposed to urban environments and the atmosphere contamination with gases such as CO2. The concrete carbonation depth control requires the use of tools (mathematical models) that represent the behavior of the variables that interact in the process of concrete carbonation in a clear and objective way to help understand the phenomenon. In this perspective, computer models have been developed to combine complex problems in a simple way. Among those models are the artificial neural networks, which have been inspired on human nervous system and have the ability to learn and generalize, making it possible to solve complex problems. This work studied the application of artificial neural networks like multilayer perceptron, based on backpropagation, supervised learning algorithm in order to obtain a mapping between the input variables of the problem ─ the water/cement (w/c) ratio, body of proof distance from the sea and age of the body of proof ─ and the output variable of interest ─ the depth of concrete carbonation. The results validate that the use of artificial neural networks is an important tool to evaluate concrete carbonation / O fenômeno da carbonatação, como agente desencadeador do processo de corrosão de armaduras, assume especial importância quando as estruturas de concreto armado estão expostas a ambientes urbanos e à atmosfera poluída de gases como o CO2. O controle da profundidade de carbonatação do concreto exige o uso de ferramentas (modelos matemáticos) que representem o comportamento das variáveis que interagem no processo da carbonatação do concreto de forma clara e objetiva no sentido de auxiliar a compreensão do fenômeno. Nessa perspectiva, desenvolveram-se modelos computacionais que conjugam problemas complexos de modo simples. Entre esses modelos, citam-se as redes neurais artificiais, que têm inspiração no cérebro humano e que possuem a habilidade de aprender e generalizar possibilitando a resolução de problemas complexos. Neste trabalho é estudada a aplicação de redes neurais artificiais do tipo Perceptron multicamadas, com base no algoritmo de aprendizado supervisionado backpropagation, com o objetivo de obter um mapeamento entre as variáveis de entrada do problema relação água/cimento, distância do corpo de prova do mar e idade do corpo de prova e a variável de saída de interesse profundidade de carbonatação do concreto. Os resultados obtidos validam que os modelos de redes neurais artificiais se constituem numa importante ferramenta de avaliação da profundidade de carbonatação do concreto armado

Orientador: Anna Diva Plasencia Lotufo / Coorientador: Mara Lúcia Martins Lopes / Banca: Francisco Villarreal Alvarado / Banca: Luciana Cambraia Leite / Resumo: Atualmente os sistemas elétricos de potência crescem em tamanho e complexidade e se faz necessário criar alternativas para minimizar o custo total de geração e operação. A previsão de cargas é uma tarefa importante para o planejamento e operação dos sistemas elétricos, pois dela dependem outras tarefas como despacho econômico, fluxo de potência, análise de estabilidade, entre outras. Para tanto esta tarefa deve ser precisa para que o sistema opere de forma segura e confiável. A precisão da previsão é de grande importância já que é através dela que é estabelecida quando e quanto de capacidade de geração e transmissão deve-se dispor para atender a carga prevista sem interrupções no fornecimento. O objetivo deste trabalho é desenvolver um modelo híbrido utilizando os modelos ARIMA de Box & Jenkins e Redes Neurais Artificiais com treinamento realizado pelo algoritmo de Levenberg-Marquartd. Este modelo será utilizado com a finalidade de melhorar a precisão dos resultados com relação à previsão de cargas elétricas a curto prazo. Os resultados obtidos através da metodologia proposta, modelo híbrido de regressão com redes neurais artificiais, foram comparados com demais trabalhos da literatura. É importante destacar que os resultados utilizados na comparação usam o mesmo banco de dados históricos (demanda de carga elétrica) de uma companhia do setor elétrico brasileiro, bem como o mesmo período de janelamento / Abstract: Nowadays the electric power systems are increasing and becoming complexes and therefore it is necessary to provide alternatives to minimize the generation and operation costs. Load forecasting is a very important task for planning and operation of electric power systems of which other tasks are dependent, as for example, economic dispatch, power flow, and stability analysis, among others. Therefore, this task (load forecasting) must be precise for a secure and reliable operation of the power system. Forecasting precision is very important to set when and how much generation and transmission capacity is necessary to attend the load without interruptions. The objective of this work is to develop a hybrid model using ARIMA of Box & Jenkins and Neural Networks trained by Levenberg-Marquardt algorithm. This model is used aiming to improve the precision of the short term electrical load forecasting. The results obtained were compared with others available on the literature. It is emphasized that the data used is the same (from a Brazilian electric company) as well as the window period / Mestre

Orientador: Carlos Roberto Minussi / Resumo: Esta pesquisa apresenta o desenvolvimento de uma ferramenta para a detecção e classificação de curtos-circuitos em sistemas de distribuição de energia elétrica, a qual é baseada no uso combinado da análise multirresolução e rede neural ARTMAP-fuzzy. A análise multirresolução permite a identificação de singularidades nas oscilografias e a rede da família ART garante ao sistema classificador a capacidade de aprendizado contínuo de novos padrões sem perder o conhecimento previamente adquirido. Todo o processo de diagnóstico é realizado em uma única etapa, reduzindo o custo computacional da metodologia. A eficiência do sistema é verificada por uma análise direta, na qual se contabiliza a quantidade total de acertos, e por uma avaliação comparativa, a qual envolve a substituição da rede ARTMAP-fuzzy pela rede ARTMAP-Euclideana. Resultados mostram que o sistema é eficiente, sendo capaz de detectar e classificar 100% das falhas elétricas. / Abstract: This research presents the development of a tool for the detection and classification of short circuits in electric power distribution systems, which is based on the combined use of multi-resolution analysis and fuzzy ARTMAP neural network. The multiresolution analysis allows the identification of singularities in the oscillographs and the ART family network guarantees to the classifier the ability to continuously learn new patterns without losing the previously acquired knowledge. The entire diagnostic process is performed in a single step, reducing the computational effort. The efficiency of the system is verified by a direct analysis, in which the total number of hits is counted, and by a comparative evaluation, which involves the replacement of the fuzzy ARTMAP network by the Euclidean ARTMAP network. Results show that the system is efficient, being able to detect and classify 100% of the electrical faults. / Mestre

Orientador: Norian Marranghello / Banca: Adilson Gonzaga / Banca: Rodrigo Capobianco Guido / Resumo: A presença de sistemas automatizados é cada vez mais comum para as pessoas. Seus exemplos vão desde máquinas de lavar, que executam praticamente todo o processo de lavagem e secagem de roupas, até linhas de produção em fábricas dos mais diversos produtos. Esses são exemplos de aplicações que exigem pouca interferência humana no processo, já que as etapas realizadas pelos sistemas são bem definidas e iterativas. Porém, outros tipos de processos podem exigir capacidade de discernimento daquele - ou daquilo - que os executam. Para automatizar esse tipo de processo uma das alternativas é o uso de técnicas de inteligência artificial. Esse trabalho visa realizar uma análise comparativa entre técnicas de inteligência artificial, quais sejam Redes Neurais Artificiais e Máquinas de Vetores de Suporte. Com essa análise espera-se estabelecer qual técnica é mais vantajosa para implementação em hardware de sistemas inteligentes, por meio do uso das principais métricas de projeto de circuitos digitais: tamanho do circuito gerado, consumo de energia e desempenho. Para tanto, foram realizados diversos testes com técnicas de pré-processamento e extração de características das imagens para determinar requisitos necessários para o funcionamento do sistema. A partir desses requisitos foram implementadas diversas arquiteturas de sistemas inteligentes para obter-se o classificador mais adequado para resolver o problema. Por fim, o classificador escolhido foi implementado em FPGA na forma de um módulo, o qual se integrará a um sistema maior, para interpretação de imagens digitais para detecção de ervas daninhas em plantações de soja / Abstract: Automated systems have become common for people. Examples range from washing machines, which perform almost the entire cloth washing and drying process, to the production of many products. These are examples of applications that require modest human interference, since the steps taken by the systems are well defined and iterative. However, other processes may require a capacity of judgment of the natural or artificial system performing them. An alternative to automate this kind of process is the use of artificial intelligence techniques. This study aims at a comparative analysis of artificial intelligence techniques, namely Artificial Neural Networks and Support Vector Machines. With this analysis we hope to establish which technique is more advantageous for hardware implementation of an intelligent system, through the use of key metrics for digital circuit design: circuit size, power consumption and performance. Therefore, several tests were performed with image preprocessing and feature extraction techniques to determine requirements for system operation. From these requirements, various architectures for intelligent systems were implemented to obtain the most appropriate classifier to solve the problem. Finally, the chosen classifier was implemented in FPGA as a module to fit into a larger system for digital image interpretation for the detection of weeds in crops of soybeans / Mestre

Submitted by JOSIANE SANTOS DE OLIVEIRA (josianeso) on 2019-03-07T14:41:05Z No. of bitstreams: 1 Roger Alan Stein_.pdf: 476239 bytes, checksum: a87a32ffe84d0e5d7a882e0db7b03847 (MD5) / Made available in DSpace on 2019-03-07T14:41:05Z (GMT). No. of bitstreams: 1 Roger Alan Stein_.pdf: 476239 bytes, checksum: a87a32ffe84d0e5d7a882e0db7b03847 (MD5) Previous issue date: 2018-03-28 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Efficient distributed numerical word representation models (word embeddings) combined with modern machine learning algorithms have recently yielded considerable improvement on automatic document classification tasks. However, the effectiveness of such techniques has not been assessed for the hierarchical text classification (HTC) yet. This study investigates application of those models and algorithms on this specific problem by means of experimentation and analysis. Classification models were trained with prominent machine learning algorithm implementations—fastText, XGBoost, and Keras’ CNN—and noticeable word embeddings generation methods—GloVe, word2vec, and fastText—with publicly available data and evaluated them with measures specifically appropriate for the hierarchical context. FastText achieved an LCAF1 of 0.871 on a single-labeled version of the RCV1 dataset. The results analysis indicates that using word embeddings is a very promising approach for HTC. / Modelos eficientes de representação numérica textual (word embeddings) combinados com algoritmos modernos de aprendizado de máquina têm recentemente produzido uma melhoria considerável em tarefas de classificação automática de documentos. Contudo, a efetividade de tais técnicas ainda não foi avaliada com relação à classificação hierárquica de texto. Este estudo investiga a aplicação daqueles modelos e algoritmos neste problema em específico através de experimentação e análise. Modelos de classificação foram treinados usando implementações proeminentes de algoritmos de aprendizado de máquina—fastText, XGBoost e CNN (Keras)— e notórios métodos de geração de word embeddings—GloVe, word2vec e fastText—com dados disponíveis publicamente e avaliados usando métricas especificamente adequadas ao contexto hierárquico. Nesses experimentos, fastText alcançou um LCAF1 de 0,871 usando uma versão da base de dados RCV1 com apenas uma categoria por tupla. A análise dos resultados indica que a utilização de word embeddings é uma abordagem muito promissora para classificação hierárquica de texto.

Made available in DSpace on 2011-03-23T21:19:48Z (GMT). No. of bitstreams: 0 / Item created via OAI harvest from source: http://www.bdtd.ufpa.br/tde_oai/oai2.php on 2011-03-23T21:19:49Z (GMT). Item's OAI Record identifier: oai:bdtd.ufpa.br:312 / CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico / The FDTD method in General Coordinates (LN-FDTD) was implemented for analyzing structures not coincident to the Cartesian coordinate system. The method solves the Maxwells equations in time domain, allowing the calculation of data concerning the transitory and steady-state responses of such structures. The method is applied to analyze of special grounding electrodes. A new formulation for the truncating technique UPML, for conductive media, referred here as LN-UPML, was developed and implemented in order to make the simulations viable. A new methodology for locating grounding grid faults using two Artificial Neural Networks is presented. The LN-FDTD software was tested and validated though simulations of various grounding systems. A graphical user interface, named LANE SAGS, was implemented to simplify the use and to automate the data processing. / Neste trabalho, o método FDTD em coordenadas gerais (LN-FDTD) foi implementado para a análise de estruturas de aterramento com geometrias coincidentes ou não com o sistema de coordenadas cartesiano. O método soluciona as equações de Maxwell no domínio do tempo, permitindo a obtenção de dados a respeito da resposta transitória e de regime estacionário de estruturas diversas de aterramento. Uma nova formulação para a técnica de truncagem UPML em coordenadas gerais, para meios condutivos, foi desenvolvida e implementada para viabilizar a análise dos problemas (LN-UPML). Uma nova metodologia baseada em duas redes neurais artificiais é apresentada para a deteccão de defeitos em malhas de terra. O software FDTD em coordenadas gerais foi testado e validado para vários casos. Uma interface gráfica para usuários, chamada LANE SAGS, foi desenvolvida para simplificar o uso e automatizar o processamento dos dados.