Dissertação (mestrado)—Universidade de Brasília, Instituto de Geociências, 2011. / Submitted by Jaqueline Ferreira de Souza (jaquefs.braz@gmail.com) on 2011-08-02T11:54:53Z No. of bitstreams: 1 2011_EdinelsonFerreiradeSena.pdf: 24385979 bytes, checksum: c075faa6236a0e753bdb26acd6084c0e (MD5) / Approved for entry into archive by Jaqueline Ferreira de Souza(jaquefs.braz@gmail.com) on 2011-08-02T12:38:47Z (GMT) No. of bitstreams: 1 2011_EdinelsonFerreiradeSena.pdf: 24385979 bytes, checksum: c075faa6236a0e753bdb26acd6084c0e (MD5) / Made available in DSpace on 2011-08-02T12:38:48Z (GMT). No. of bitstreams: 1 2011_EdinelsonFerreiradeSena.pdf: 24385979 bytes, checksum: c075faa6236a0e753bdb26acd6084c0e (MD5) / O presente trabalho trata da utilização dos recursos nacionais para produção de conhecimento sobre a região administrativa de Planaltina no DF. Esses recursos são imagens da banda L do radar de abertura sintética do SIPAM (SAR/R99) e um classificador não-supervisionado de síntese genética de redes neurais artificiais. O objetivo principal foi avaliar o potencial desse classificador para designação de alvos terrestres. A metodologia adotada envolveu técnicas de processamento digital de imagens, classificação e análise dos resultados. Os resultados indicaram que, dentro dos parâmetros estudados, o classificador atendeu às necessidades propostas e tem aplicação de forma auxiliar nas tarefas de interpretação de imagens, visando apoio à decisão em diversos ramos profissionais. _______________________________________________________________________________ ABSTRACT / This paper deals with the use of national resources for the production of knowledge about the administrative region of Planaltina DF. These features are images of the SIPAM’s L-band Synthetic Aperture Radar (SAR/R99) and an unsupervised classifier for gene synthesis of artificial neural networks. The main objective was to evaluate the potential of these classifiers for the designation of ground targets. The adopted methodology included techniques of digital image processing, classification and analysis of results. With that, we reached the conclusion that the classification has real application in the task of image interpretation, decision support aimed at various professions.

Dissertação (mestrado)—Universidade de Brasília, Departamento de Engenharia Civil e Ambiental, 2013. / Submitted by Alaíde Gonçalves dos Santos (alaide@unb.br) on 2014-01-15T14:27:56Z No. of bitstreams: 1 2013_EduardoMontoyaBotero.pdf: 5681828 bytes, checksum: 4562a43ac661d06eecb2cde2def0302d (MD5) / Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2014-02-13T14:12:53Z (GMT) No. of bitstreams: 1 2013_EduardoMontoyaBotero.pdf: 5681828 bytes, checksum: 4562a43ac661d06eecb2cde2def0302d (MD5) / Made available in DSpace on 2014-02-13T14:12:53Z (GMT). No. of bitstreams: 1 2013_EduardoMontoyaBotero.pdf: 5681828 bytes, checksum: 4562a43ac661d06eecb2cde2def0302d (MD5) / Na presente pesquisa, validou-se a capacidade de uma ferramenta computacional conhecida como Redes Neurais Artificiais para prever escorregamentos deflagrados por chuva em encostas naturais. O modelo neuronal foi treinado, validado e verificado numa encosta montanhosa tropical localizada na cidade de Medellín, Colômbia. A construção do banco de dados, composto por 180 exemplos, consistiu na obtenção de nove declividades representativas e vinte chuvas típicas do local de estudo, caraterizadas pela sua duração e pelo seu período de retorno. Foram combinadas as nove declividades com as vinte precipitações e, assim, obtido o perfil de poropressões em um código de Elementos Finitos, para conseguir a curva de fator de segurança versus declividade num corte horizontal em cada um dos casos analisados. Para a obtenção da resistência ao cisalhamento, foi utilizada a envoltória parabólica proposta por Lade (2010). Uma vez conhecida a curva do fator de segurança, foi feita uma regressão potencial na qual se observou que esta pode ser descrita por dois parâmetros. O primeiro parâmetro varia com a declividade e o segundo é um valor que pode ser representado por seu valor médio, uma vez que segue distribuição normal. Assim, as entradas para a rede neuronal são a declividade e a precipitação e a saída é o parâmetro variável da curva de fator de segurança. Verificou-se a capacidade que as Redes Neurais têm de aprender com informação característica do problema estudado e dar uma resposta, com um erro mínimo, para qualquer outra condição, generalizando o problema e permitindo aplicar a ferramenta em um local com condições similares. _______________________________________________________________________________________ ABSTRACT / In this research it has been validated the ability of a computational tool known as Artificial Neural Networks to predict landslides triggered by rain on natural slopes. The neuronal model was trained, validated and verified for a tropical hillside in the city of Medellin - Colombia. The construction of the database, composed by 180 samples, consisted in obtaining nine representative slopes and twenty typical rains of the study site, characterized by their duration and return period. There have been combined data of nine slopes and twenty rainfalls, thereby obtaining the fluid pressure profile in a Finite Element code, in order to get the curve of safety factor versus slope in an horizontal cut in each of the analyzed cases. To obtain shear strength values for the simulations, there has been used the parabolic envelope proposed by Lade (2010). Once the safety factor curve is known, an potential regression was made and it has been observed that this can be described by two parameters. The first parameter varies with the slope and the second is a value which may be represented by its average value as it follows a normal distribution. Thus, the input data to the neural network are the slope and the precipitation and the output is the variable parameter curve of safety factor. It has been verified the ability of the neural networks to learn specific information of the studied problem and give an answer, with minimum error, for any other condition, generalizing the problem and allowing the application of the tool in a location with similar conditions.

Submitted by Isaac Francisco de Souza Dias (isaac.souzadias@ufpe.br) on 2016-01-27T17:25:47Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) tese Adenilton José da Silva.pdf: 4885126 bytes, checksum: d2bade12d15d6626962f244aebd5678d (MD5) / Made available in DSpace on 2016-01-27T17:25:47Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) tese Adenilton José da Silva.pdf: 4885126 bytes, checksum: d2bade12d15d6626962f244aebd5678d (MD5) Previous issue date: 2015-06-26 / CNPq / Miniaturisation of computers components is taking us from classical to quantum physics domain. Further reduction in computer components size eventually will lead to the development of computer systems whose components will be on such a small scale that quantum physics intrinsic properties must be taken into account. The expression quantum computation and a first formal model of a quantum computer were first employed in the eighties. With the discovery of a quantum algorithm for factoring exponentially faster than any known classical algorithm in 1997, quantum computing began to attract industry investments for the development of a quantum computer and the design of novel quantum algorithms. For instance, the development of learning algorithms for neural networks. Some artificial neural networks models can simulate an universal Turing machine, and together with learning capabilities have numerous applications in real life problems. One limitation of artificial neural networks is the lack of an efficient algorithm to determine its optimal architecture. The main objective of this work is to verify whether we can obtain some advantage with the use of quantum computation techniques in a neural network learning and architecture selection procedure. We propose a quantum neural network, named quantum perceptron over a field (QPF). QPF is a direct generalisation of a classical perceptron which addresses some drawbacks found in previous models for quantum perceptrons. We also present a learning algorithm named Superposition based Architecture Learning algorithm (SAL) that optimises the neural network weights and architectures. SAL searches for the best architecture in a finite set of neural network architectures and neural networks parameters in linear time over the number of examples in the training set. SAL is the first quantum learning algorithm to determine neural network architectures in linear time. This speedup is obtained by the use of quantum parallelism and a non linear quantum operator. / A miniaturização dos componentes dos computadores está nos levando dos domínios da física clássica aos domínios da física quântica. Futuras reduções nos componentes dos computadores eventualmente levará ao desenvolvimento de computadores cujos componentes estarão em uma escala em que efeitos intrínsecos da física quântica deverão ser considerados. O termo computação quântica e um primeiro modelo formal de computação quântica foram definidos na década de 80. Com a descoberta no ano de 1997 de um algoritmo quântico para fatoração exponencialmente mais rápido do que qualquer algoritmo clássico conhecido a computação quântica passou a atrair investimentos de diversas empresas para a construção de um computador quântico e para o desenvolvimento de algoritmos quânticos. Por exemplo, o desenvolvimento de algoritmos de aprendizado para redes neurais. Alguns modelos de Redes Neurais Artificiais podem ser utilizados para simular uma máquina de Turing universal. Devido a sua capacidade de aprendizado, existem aplicações de redes neurais artificiais nas mais diversas áreas do conhecimento. Uma das limitações das redes neurais artificiais é a inexistência de um algoritmo com custo polinomial para determinar a melhor arquitetura de uma rede neural. Este trabalho tem como objetivo principal verificar se é possível obter alguma vantagem no uso da computação quântica no processo de seleção de arquiteturas de uma rede neural. Um modelo de rede neural quântica denominado perceptron quântico sobre um corpo foi proposto. O perceptron quântico sobre um corpo é uma generalização direta de um perceptron clássico que resolve algumas das limitações em modelos de redes neurais quânticas previamente propostos. Um algoritmo de aprendizado denominado algoritmo de aprendizado de arquitetura baseado no princípio da superposição que otimiza pesos e arquitetura de uma rede neural simultaneamente é apresentado. O algoritmo proposto possui custo linear e determina a melhor arquitetura em um conjunto finito de arquiteturas e os parâmetros da rede neural. O algoritmo de aprendizado proposto é o primeiro algoritmo quântico para determinar a arquitetura de uma rede neural com custo linear. O custo linear é obtido pelo uso do paralelismo quântico e de um operador quântico não linear.

Made available in DSpace on 2018-08-02T00:00:48Z (GMT). No. of bitstreams: 1 tese_2871_DissertacaoMestradoMarceloSouzaFassarella.pdf: 4412674 bytes, checksum: b98757b8830dc327c5ca5578387c8eaa (MD5) Previous issue date: 2009-12-21 / Neste trabalho apresentamos as redes neurais e o problema envolvendo o dilema bias-variância. Propomos o método da Janela a ser inserido no treinamento de redes supervisionadas com conjuntos de dados ruidosos. O método possui uma característica intrínseca de função regularizadora, já que procura eliminar ruídos durante a etapa de treinamento, reduzindo a in uência destes no ajuste dos pesos da rede. Implementamos e analisamos o método nas redes lógicas adaptivas (ALN) e nas redes perceptrons de múltiplas camadas (MLP). Por último, testamos a rede em aplicações de aproximação de funções, ltragem adaptiva e previsão de séries temporais.

Orientador: Fernando Antonio Campos Gomide / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica / Made available in DSpace on 2018-07-21T03:43:02Z (GMT). No. of bitstreams: 1 Fabro_JoaoAlberto_M.pdf: 3614777 bytes, checksum: 2eed999b8ccd3a1573c5ec1bd7c10fde (MD5) Previous issue date: 1996 / Resumo: Neste trabalho é apresentada uma arquitetura de controle para navegação de veículos autônomos, usando auto-organização e técnicas de redes neurais e lógica nebulosa. O objetivo é encontrar alvos posicionados em um ambiente desconhecido, sem entretanto colidir com obstáculos. A arquitetura faz uso da teoria dos grupos neurais, de redes neurais e sistemas nebulosos, para o aprendizado de habilidades de navegação. Sensores neurais/nebulosos são utilizados para fornecer informações que possibilitem aos campos adaptativos ativarem ações nebulosas em resposta às características encontradas no ambiente. Ou seja, o sistema de controle desenvolve um comportamento adaptativo através das interações entre o veículo e o ambiente, e de estratégias de aprendizado. Resultados de simulação mostram que o sistema apresenta capacidade de aprender estratégias de navegação que proporcionam um melhor desempenho quando comparadas com esquemas alternativos utilizados para a solução do mesmo problema / Abstract: In this work a seIf organizing, neurofuzzy control architecture for a class of autonomous vehicles' navigation is presented. The aim is to find target positions, without colliding with obstacles of an unknown environment. The architecture uses neural networks and fuzzy systems together with the theory of neuronal group seIection to learn navigation skills. Neurofuzzy sensor information builds up adaptive fieIds whose intensity triggers fuzzy control actions in response to the environment characteristics. That is, the control system deveIops adaptive behavior from the interactions between the vehicle, the environment,and Iearning strategies. Simulation results show that the control system is able to efficiently learn navigation strategies that perform better when compared with altemative schemes / Mestrado / Mestre em Engenharia Elétrica

Orientador: Takaaki Ohishi / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica / Made available in DSpace on 2018-07-21T16:28:49Z (GMT). No. of bitstreams: 1 Lima_WagnerdaSilva_M.pdf: 5677949 bytes, checksum: 437946d8fba0db82e7658308303d8909 (MD5) Previous issue date: 1996 / Resumo: A habilidade de prever precisamente a carga do sistema é vital ao planejamento e operação eficiente, econômica e segura de um sistema de potência. Este trabalho investiga a utilização de redes neurais artificiais para previsão de carga no período de demanda de ponta a curto e curtíssimo prazos. Dois algoritmos de previsão são testados e avaliados com relação a precisão e esforço computacional. Uma análise da influência de dados climáticos sobre a carga é realizada. Procurou-se encontrar uma arquitetura compacta e robusta que pudesse levar em consideração a sazonalidade da carga anual, sem comprometer a precisão da previsão. o primeiro algoritmo (MWS) utiliza os dados dos últimos dez dias típicos para previsão do perfil de maneira estática e dinâmica. O segundo algoritmo (AAS) utiliza os dados históricos do ano anterior para previsão do ano vigente (previsão estática e dinâmica). O algoritmo MWS com previsão dinâmica obteve os melhores resultados para os horizontes de dez minutos (curtíssimo prazo) à frente, uma e 24 horas à frente. Várias dificuldades foram encontradas para considerar a entrada e saída do horário de verão. Apenas a variável temperatura máxima foi a mais significativa em termos de variáveis climáticas. A escassez de dados climáticos mais consistentes no final da tarde impediram uma avaliação mais completa da influência das condições climáticas na previsão. Os resultados obtidos demonstraram um bom desempenho das redes neurais com erro médio percentual absoluto em tomo de 2% para os três horizontes previstos / Abstract: The ability to accurately predict the system load is vital to the efficient, economic, and secure operation and planning of a power system. This work investigates the use of artificial neural networks for short and very short-term load peak demand forecasting. Two forecasting algorithms are tested and evaluated based on their precision and computational load. The influence of weather conditions on load demand is investigated. We sought a robust and compact topology which considers annual load sazonality, in order to preserve the forecast precision. The algorithm (MWS) uses data from the last 10 typical days to forecast the load peak demand profile with static and dynamic methods. The second algorithm (AAS) uses historical data from the previous year's load and weather database to forecast current year using static and dynamical methods. The MWS algorithm with dynamic forecasting yields the best 1000peak demand forecasting results for 10 minutes (very short-term forecasting), 1 and 24 hours ahead. The maximum temperature is the most significant weather variable. Scarce consistent evening weather data prevent a more complete evaluation of the influence of weather conditions on load forecasting. -The results show good performance of neural networks with around 2% mean percent absolute error for forecasts on the three horizons evaluated. / Mestrado / Mestre em Engenharia Elétrica

Orientadores: Ivana A. Gil, Fausto Berzin / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Odontologia de Piracicaba / Made available in DSpace on 2018-07-23T10:18:59Z (GMT). No. of bitstreams: 1 Almeida_DeniseAparecidaMartinelliMarquesde_M.pdf: 2862101 bytes, checksum: 66f970741647c1d36edd710e1203de04 (MD5) Previous issue date: 1998 / Resumo: A determinação de um padrão para a atividade elétrica dos músculos mastigatórios é controversa, pois a variabilidade dos métodos de registro e as características da amostra tornam difícil a obtenção de dados eletromiográficos precisos. O uso de uma técnica de Rede Neural Artificial no processamento dos sinais eletromiográficos pode ser um importante instrumento para otimizar essa metodologia. O objetivo desse estudo foi investigar a possível existência de um padrão na atividade dos músculos temporais e masséteres de voluntários considerados clinicamente normais. Foram selecionadas 12 voluntárias, com idades entre 17 e 21 anos, que apresentavam ausência de sinais e sintomas de Desordens Craniomandibulares. Os sinais eletromiográficos foram captados através do eletromiógrafo Viking 11. As voluntárias foram instruídas a assumirem 3 situações mandibulares diferentes: 1. Posição de REPOUSO MANDIBULAR (R), 2. Mordida ISOTÔNICA BILATERAL (IT), e Mordida ISOMÉTRICA BILATERAL (1M). O eletromiógrafo foi calibrado numa amplitude de 200 microvolts e num tempo de 200 milisegundos. Os sinais eletromiográficos foram analisados através de um programa de Redes Neurais Artificiais (RNA), tipo Multi-Layer Perceptron, em 2 etapas: a etapa de treinamento e a etapa de testes. Os resultados da etapa de treinamento da RNA mostraram que foram atingidos os valores previstos para as três situações mandibulares estudadas. Os resultados da etapa de teste revelaram a capacidade da RNA em reconhecer os três diferentes tipos de situações mandibulares com algum grau de acuracidade. Concluiu-se que as Redes Neurais Artificiais podem ser utilizadas como importante ferramenta no estudo da atividade elétrica muscular, todavia a implementação das Redes Neurais Artificiais no estudo dos sinais biomédicos ainda necessita de maior pesquisa / Abstract: An electrical activity pattern for the masticatory muscle is controvertible, because the variability of record methods, different electromyographic equipment, electrical and electromagnetic interference, selection of electrodes and volunteers, to try for obtainment severa I results, that beco me difficult establishment of real EMG data, able to represent normal electrical activity. The possibility of use an Artificial NeLiral Network (ANN) in digital processing correspond an important instrument to optimize this methodology. The aim of this study was to investigate the possible existence of a pattern in muscular activity of I Temporalis and Masseter muscle in clinically normal volunteers by using the digital processing of electromyographic signals ( Artificial Neural Network ). We selected randomly 12 female voluntears, aging 17 -21 years, with no signals and symptoms of craniomandibular disorders. The electromyographic signals was obtained by surface Beeckman electrodes, using Nicolet Electromyograph Viking 11. Ali volunteers were instructed to the obtainment three types of mandibular situation: Rest Mandibular Position ( R ), Bilateral Isotonic Bite ( IT ), Bilateral Isometric Bite ( 1M ). 200 miliseconds for time. The electromyographic signals was stored in flexible disc 3311." in ASC 11 language, transformated in DOS language by SISDIN program and that temporal arrangement allowed the analysis in Artificial Neural Network ( ANN ) program, type Multi-Layer Perceptron MLP ( Copyright @ Rational Systems, Inc, 1990-1991, Version 1.4 ), with three layers, in supervised learning; using back-propagation algorithm, with dual exit. The analysis of electromiographic signals in ANN was divided into 2 stages: training stage and test stage. The training of ANN was realized with archives of 3 and 6 volunteers for each one of 4 muscles involved, and in the test stage we used the volunteers was not submitted to the training stage. The results of training stage of ANN showed that was reached the anticipated value for the 3 mandibular situation studied for 3 and 6 volunteers. The result of the test stage I showed the capacity of ANN by recognize the 3 different types of mandibular situation, with some degree of accuracy, and the Rest Mandibular Position was the most distinguished of the others mandibular situations. Apparently due muscle and anatomical variable, an increased sample would permit to ANN a bigger capacity of generalization ( learning ), improving the recognition of muscles activities in the bilateral isotonic and isometric bites situations. We concluded that ANN will can be used how an important tool in study of electrical activity of muscle, as well as in differential diagnosis of muscles pathologies. However, the implementation of the ANN in study of biomedical signals, require much more investigation / Mestrado / Fisiologia e Biofisica do Sistema Estomatognatico / Mestre em Ciências

Orientador: Marcio Luiz de Andrade Netto / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-26T04:43:04Z (GMT). No. of bitstreams: 1 MonneratJunior_PedroHenrique_M.pdf: 3286266 bytes, checksum: ef419cb4869efea23fe6fa0429d6c230 (MD5) Previous issue date: 2000 / Resumo: Para o controle da marcha lenta em motores de automóveis podem ser encontrados diversos modelos matemáticos baseados em técnicas lineares. O motor é um sistema tipicamente não-linear e tais modelos são obtidos por processos de linearização que, em geral, resultam em aproximações pouco realistas para boa parte do espaço de suas variáveis de estado. O presente trabalho busca diminuir este distanciamento da realidade, utilizando um modelo neural do motor obtido por identificação e, por meio deste, treinando um controlador neural para atingir o desempenho desejado em marcha lenta. Todas as etapas são descritas e apresentam-se os resultados obtidos com a implementação do controlador na injeção eletrônica de dois veículos distintos / Abstract: For the automotive Idle Speed Control one can find a number of mathematical models based on linear techniques. The engine is a typical non-linear system and these models are obtained by a linearization process resulting, in general, in a poor aproximation for a large part of its state-space variables. This work tries to reduce the distance ITom reality, using a neural model of the engine obtained by identification and, based on this model, training a neural controller to attain a desired performance for Idle Speed. Every step is described and results are shown for this controller as implemented inside the eletronic fuel injection system of two different vehicles / Mestrado / Mestre em Engenharia Elétrica

Orientador: Rubens Maciel Filho / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-07-26T22:04:47Z (GMT). No. of bitstreams: 1 Gouveia_VeraLuciaReisde_M.pdf: 2839283 bytes, checksum: 59ec5eced6f71be7216d4ccb93a8d768 (MD5) Previous issue date: 2000 / Resumo: Os bioprocessos estão ganhando cada vez mais espaço nos processos produtivos por sua versatilidade, alta taxa de produção em produtos específicos e alto valor agregado dos produtos gerados. A característica comum destes processos é que apresentam um comportamento complexo onde diversos mecanismos estão envolvidos para a obtenção de produtos específicos. Este projeto de pesquisa tem como principal objetivo o desenvolvimento de modelos híbridos para descrição do comportamento dinâmico de bioprocessos. Estes modelos híbridos são desenvolvidos acoplando-se Redes Neurais Artificiais (RNA) a modelos determinísticos sendo úteis, como representações matemáticas, para aplicações em controle e otimização em tempo real e principalmente como "soft-sensors". O bioprocesso tratado neste trabalho, como caso de estudo, é a produção de etanol via fermentativa utilizando-se o microrganismo Saccharomyces cerevisae. O processo é representado por um modelo determinístico, constituído por um sistema de equações diferenciais ordinárias, resolvido pelo método Runge-Kutta de 4! ordem. Este modelo foi devidamente validado e é utilizado como fonte de dados para estudos da dinâmica, e de desenvolvimento de modelos baseados em RNA e bt'bridos. Para construção do modelo híbrido (modelo "Caixa Cinza") foi treinada uma RNA que prediz a velocidade específica de crescimento quando fornecidos os valores das concentrações de produto, células e substrato. Após o ajuste esta RNA foi acoplada ao modelo determinístico fornecendo os perfis dinâmicos das variáveis: 8, X e P (para os quatro reatores), rendimento e produtividade. Foi desenvolvido também um modelo tipo "Caixa Preta" do bioprocesso. Este modelo, baseado em RNA, fornece o perfil dinâmico de 8(4), X(4) e P(4) durante 20h de processo. Todos os modelos foram devidamente testados sendo comprovadas suas eficiências / Abstract: The biological processes are each time more important in the productive processes due to its versatility, high production rate in specific products and high value of the generated products. These processes present a complex behavior where several mechanisms are involved to obtain specific products. The main goal of this research project is the development of hybrid models for description of the dynamic behavior of biological processes. These models are developed by coupling Artificial Neural Networks (ANN) and deterministic models. The hybrid models will be used as mathematical representations of the process, for applications in real time control and otimization and mainly as soft-sensors. The biological process studied in this work is related with the fennentative ethanol production using the microorganism Saccharomyces cerevisae. The process is represented by a detenninistic model, constituted by a system of differential ordinary equations, that is solved by 4th order Runge-Kutta method. This model was validated proper1y in industrial scale and it is used as data source for studies of the dynamics of the process, development of the models with ANN as well as of the hybrid models. For the construction of the hybrid model ("Gray Box" model) it was accomplished the training of a ANN that predicts the specific speed of growth of the microorganism when supplied the values of the product, celIs and substract concentrations. After adjustment of the ANN, it is coupled to the deterministic model supplying the dynamic profiles of the variables: 8, X and P (for the four reactors), efficiency and productivity. It was also developed a "Black Box" model of the biological processo This model, based in ANN, supplies the dynamic profile of 8(4), X(4) and P(4) during 20h of processo AlI the models were proper1y tested and their efficiency were verified. / Mestrado / Desenvolvimento de Processos Biotecnologicos / Mestre em Engenharia Química

Orientadores : Maria Izabel M. S. Bueno, Ronei J. Poppi / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Quimica / Made available in DSpace on 2018-07-28T01:44:32Z (GMT). No. of bitstreams: 1 Schimidt_Fernando_D.pdf: 3963915 bytes, checksum: 0b6d3dd96b8d563ccc7d84906504fdc1 (MD5) Previous issue date: 2000 / Doutorado