Submitted by Leonardo Felizardo (leonardo.kanashiro.felizardo@gmail.com) on 2017-03-14T16:29:19Z No. of bitstreams: 1 Tese de Mestrado_Leonardo K - Versão Revisada.pdf: 1565588 bytes, checksum: a3ce35f92e6b2671eb9493242b146592 (MD5) / Approved for entry into archive by Renata de Souza Nascimento (renata.souza@fgv.br) on 2017-03-14T17:28:45Z (GMT) No. of bitstreams: 1 Tese de Mestrado_Leonardo K - Versão Revisada.pdf: 1565588 bytes, checksum: a3ce35f92e6b2671eb9493242b146592 (MD5) / Made available in DSpace on 2017-03-15T16:40:18Z (GMT). No. of bitstreams: 1 Tese de Mestrado_Leonardo K - Versão Revisada.pdf: 1565588 bytes, checksum: a3ce35f92e6b2671eb9493242b146592 (MD5) Previous issue date: 2017-02-13 / In this work, we present a statistical analysis about the characteristics that we intend to influence in the performance of neural networks in terms of assertiveness. We created a population for analysis and extracted the sample that had the best assertive performance. We can observe how the characteristics of this sample stand out and affect the neural networks. In addition, we make inferences about what kind of influence the different architectures have on the performance of neural networks. In the study, the prediction of the return of Brazilian stocks from the São Paulo Stock Exchange is made to measure the error committed by the different architectures of neural networks constructed. / Neste trabalho, é apresentada uma análise estatística sobre as características que entendemos influenciar no desempenho das redes neurais em termos de assertividade. Criamos uma população para análise e desta extraímos a amostra que teve o melhor desempenho assertivo. Verificou-se como as características desta amostra se destacam e afetam as redes neurais. Além disso, fazemos inferências com relação à que tipo de influência as diferentes arquiteturas têm no desempenho das redes neurais. No estudo é realizado a previsão do retorno de ações brasileiras da bolsa de valores de São Paulo para mensurar o erro cometido pelas diferentes arquiteturas de redes neurais construídas.

Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2017-02-22T16:16:57Z No. of bitstreams: 1 texto completo.pdf: 637669 bytes, checksum: e730f93df33c88ccacf7199d6d74a720 (MD5) / Made available in DSpace on 2017-02-22T16:16:57Z (GMT). No. of bitstreams: 1 texto completo.pdf: 637669 bytes, checksum: e730f93df33c88ccacf7199d6d74a720 (MD5) Previous issue date: 2004-03-29 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Na seleção de madeira serrada para fabricação de móveis e utilização em projeto de interiores, a aparência é o requisito de maior importância. Classificando e selecionando-se as peças, pode-se conseguir um produto com a aparência desejada. Dessa forma, a indústria de madeira serrada tem dispensado especial atenção às etapas de classificação e seleção de madeira serrada. A etapa de classificação visual é considerada uma atividade estressante, em razão da exigência de concentração para identificar e mensurar defeitos nas peças de madeira e classificá-las por tempo prolongado. Os sistemas de classificação, que utilizam imagens digitais no processo de automatização são conhecidos como sistemas de visão artificial. No presente trabalho, o objetivou-se desenvolver um algoritmo com base em processamento de imagens digitais para classificação de madeira serrada de eucalipto, para aplicação em um sistema de visão artificial. Para o desenvolvimento e testes dos algoritmos, foram coletadas imagens digitais coloridas de peças de madeira serrada de eucalipto, secas ao ar e previamente aplainadas. As amostras foram escolhidas de forma que estariam presentes, além de madeiras limpas, os defeitos visuais que afetavam a qualidade da peça de madeira serrada. Características obtidas de imagens de defeitos da madeira foram utilizadas para desenvolver e testar dois tipos de classificadores: um classificador estatístico e outro com base em redes neurais. Um algoritmo foi implementado, para classificação de madeira serrada com base na norma ABNT - NBR 14806 (Madeira serrada de eucalipto Requisitos), que estabelece os requisitos exigidos para madeira serrada de eucalipto, proveniente de florestas plantadas. As características utilizadas como descritores dos defeitos e madeira limpa foram percentis de blocos da imagem das bandas do vermelho, verde e azul. Foram testados dois tamanhos de blocos da imagem 64x64 pixels e 32x32 pixels. Os resultados das exatidões globais, encontrados nestes dois tamanhos de blocos para os classificadores estatísticos, foram de 81% e 76%, enquanto para as redes neurais foram de 83% e 77%, respectivamente. O classificador estatístico apresentou melhor identificação em algumas classes especificas de defeitos. O algoritmo para classificação das faces das peças de madeira serrada foi implementado, utilizando-se o classificador estatístico e blocos de 32x32 pixels para identificar os tipos de defeito e madeira limpa. A exatidão global foi de 65%, na classificação de cada face larga da peça independentemente. Entretanto, a exatidão foi de 90% na classificação da madeira serrada, em que ambas as faces foram avaliadas simultaneamente. A ocorrência de erros proveniente da classificação não foi devida à identificação de madeira limpa, mas, principalmente, à confusão entre alguns tipos de defeitos. / In selecting the sawn lumber for production of furniture manufacture and utilization in interiors design, a very important requirement is the appearance. The grading and selection of the boards are fundamental stages for getting a product with the desired appearance. So, the sawn lumber industry has giving a special attention to these stages. The visual classification stage is considered as a stressful activity, because its requires special concentration in identifying and measuring the defects in the boards, as well as to classify them for an extended time. The grading systems using digital images in the automation process are known as machine vision systems. This study aimed at the development of an algorithm based on the digital image processing for grading the eucalyptus sawn lumber to be applied on a machine vision system. Some colored digital images of the air-dried and flattened eucalyptus boards were collected in order to develop and test the algorithms. The board samples were chosen in such a way that would show clear wood as well as the visual defects affecting the quality of the board. The characteristics obtained from the lumber defect were used to developing and testing two classifier types: a statistical one and the artificial neural network. Finally, an algorithm was implemented for the board classification based on the Brazilian norm ABNT - NBR 14806 (Eucalyptus sawn Wood Requirements) that establishes the requirements for eucalyptus sawn lumber from the planted forests. The characteristics used as descriptors of the defects and clear wood were the percentiles of the red, green and blue bands of the image blocks. Two block sizes of the image (64x64 and 32x32) pixels were tested. The overall accuracy found in these two block sizes for the statistical classifiers were 81% and 76%, whereas the neural networks reached 83% and 77%, respectively. And the statistical classifier showed a better identification for some specific defect classes. The algorithm for grading the face of the sawn lumber boards was implemented, by using the statistical classifier and the boards (32x32 to pixels) to identify both the defect types and clear wood. The overall accuracy was 65%, when classifying independently each wide face of the board. However, an accuracy of 90% was attained, when classifying the sawn lumber in which both faces were simultaneously evaluated. The occurrence of the errors upon classification were not due to the identification of clear wood, but rather to the embarrassment among some kinds of defects. / Tese importada do Alexandria

Made available in DSpace on 2010-04-20T21:00:04Z (GMT). No. of bitstreams: 4 Angela Sayuri Cristofoli Ueno.pdf.jpg: 3172 bytes, checksum: cee83d936530b3fbd5bbd2e1e33630f0 (MD5) Angela Sayuri Cristofoli Ueno.pdf.txt: 101059 bytes, checksum: 8aed03cbd2b118345bf95e9de842bd8b (MD5) license.txt: 4712 bytes, checksum: 4dea6f7333914d9740702a2deb2db217 (MD5) Angela Sayuri Cristofoli Ueno.pdf: 1282852 bytes, checksum: f569242d1dee8eb86948ddc7774f30c9 (MD5) Previous issue date: 2010-02-08T00:00:00Z / The operational risk management and measurement is an increasing concern throughout the community of financial institutions. The adequate choice of the operational risk capital calculation model can become a competitive differential. This study presents the advantages of adopting causal models for operational risk management and measuring. The investigation of the Artificial Neural Networks application for this purpose shows that the causal model results in capital amounts more aligned to the financial institution’s risk exposure. Furthermore, there is the advantage that, as more risk sensible the capital calculation methodology is, higher will be the incentive for an appropriate risk management in the day-today institution’s business. This not only reduces the needs for capital allocation, but also decreases the expected losses. Therefore, the results are positive and encourage future researches about this subject. / A gestão e a mensuração do risco operacional é uma preocupação crescente da comunidade bancária, de modo que a escolha adequada do modelo de alocação de capital para risco operacional pode tornar-se um diferencial competitivo. Este trabalho apresenta as vantagens da adoção de modelos causais para a gestão e mensuração do risco operacional e, ao investigar a aplicação de Redes Neurais Artificiais para tal propósito, comprova que o modelo causal chega a valores de capital mais alinhados à exposição ao risco da instituição financeira. Além disso, há a vantagem de que, quanto mais sensível a risco a metodologia de cálculo de capital for, maior será o incentivo para uma gestão apropriada dos riscos no dia-a-dia da instituição financeira, o que não apenas reduz sua necessidade de alocação de capital, quanto diminui suas perdas esperadas. Os resultados, portanto, são positivos e motivam estudos futuros sobre o tema.

Made available in DSpace on 2016-08-29T15:33:24Z (GMT). No. of bitstreams: 1 tese_9629_dissertacao(1)20160411-102533.pdf: 9277551 bytes, checksum: c18df10308db5314d25f9eb1543445b3 (MD5) Previous issue date: 2016-03-03 / CAPES / O reconhecimento de expressões faciais tem sido uma área de pesquisa ativa nos últimos dez anos, com uma área de aplicação em crescimento como animação de personagens e neuro-marketing. O reconhecimento de uma expressão facial não é um problema fácil para métodos de aprendizagem de máquina, dado que pessoas diferentes podem variar na forma com que mostram suas expressões. Até uma imagem da mesma pessoa em uma expressão pode variar em brilho, cor de fundo e posição. Portanto, reconhecer expressões faciais ainda é um problema desafiador em visão computacional. Para resolver esses problemas, nesse trabalho, nós propomos um sistema de reconhecimento de expressões faciais que usa redes neurais de convolução. Geração sintética de dados e diferentes operações de pré-processamento foram estudadas em conjunto com várias arquiteturas de redes neurais de convolução. A geração sintética de dados e as etapas de pré-processamento foram usadas para ajudar a rede na seleção de características. Experimentos foram executados em três bancos de dados largamente utilizados (CohnKanade, JAFFE, e BU3DFE) e foram feitas validações entre bancos de dados(i.e., treinar em um banco de dados e testar em outro). A abordagem proposta mostrou ser muito efetiva, melhorando os resultados do estado-da-arte na literatura. / Facial expression recognition has been an active research area in the past ten years, with growing application areas such avatar animation, neuromarketing and sociable robots. The recognition of facial expressions is not an easy problem for machine learning methods, since people can vary signi cantly in the way that they show their expressions. Even images of the same person in one expression can vary in brightness, background and position. Hence, facial expression recognition is still a challenging problem. To address these problems, in this work we propose a facial expression recognition system that uses Convolutional Neural Networks. Data augmentation and di erent preprocessing steps were studied together with various Convolutional Neural Networks architectures. The data augmentation and pre-processing steps were used to help the network on the feature selection. Experiments were carried out with three largely used databases (Cohn-Kanade, JAFFE, and BU3DFE) and cross-database validations (i.e. training in one database and test in another) were also performed. The proposed approach has shown to be very e ective, improving the state-of-the-art results in the literature and allowing real time facial expression recognition with standard PC computers.

O objetivo deste trabalho é a previsão de inadimplência. Foram implementados dois modelos de previsão de inadimplência, de modo que o primeiro modelo fez uso de uma rede neural feedforward utilizando o algoritmo de retro propagação, e o segundo utilizou uma rede não supervisionada (rede Kohonen). As características relevantes de usuários de crédito foram apresentadas para as redes neurais, para o seu treinamento e teste. Os resultados obtidos demonstram que tanto as redes neurais supervisionadas quanto as redes neurais não supervisionadas mostraram-se instrumentos eficazes para o processo de previsão de inadimplência. / The objective of this work is the insolvency forecast. They were implemented two insolvency forecast models, so that the first model used a feed forward neural network utilizing the retro propagation algorithm, and the second utilized a non-supervised neural network (Kohonen networks). The prominent characteristics of credit users were presented for the neural networks, for their training and test. The results obtained showed that the supervised network as well the non-supervised neural network showed themselves efficient instruments for the insolvency forecast trial.

Dissertação (Mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-18T19:05:12Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-09T02:14:57Z : No. of bitstreams: 1 139351.pdf: 9822724 bytes, checksum: adcbf46c66b62716018016cf3e9578f3 (MD5)

Made available in DSpace on 2014-06-11T19:26:16Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-12-21Bitstream added on 2014-06-13T19:13:20Z : No. of bitstreams: 1 costa_af_me_bauru.pdf: 1184483 bytes, checksum: 1783e7ab1d2b2b0b7dab05babd2093e8 (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / A previsão de séries temporais financeiras é uma das questões mais pesquisadas no campo das finanças, sobretudo, no que diz respeito ao mercado acionário e à análise de riscos. Para tanto, essas pesquisas envolvem desde modelos estatísticos e econométricos até modelos de inteligência artificial, como as redes neurais dinâmicas. Nesse sentido este estudo tem o propósito de desenvolver e aplicar dois modelos de redes neurais artificiais dinâmicas, a rede neural focada atrasada no tempo - FTDNN (focused time delay neural network) e a rede neural auto regressiva com entradas exógenas - NARX (nonlinear autoregressive network with exogenous inputs) para previsão de séries temporais financeiras, tendo como padrão de referência de desempenho mínimo um modelo estatístico tradicional do tipo ARMA-GARCH. Essa abordagem camparativa também considera três modalidades diferentes de transformação de dados na fase pré-processamento das redes: as diferenças de primeira ordem, os retornos logarítmicos e a transformação Box-Cox, buscando analisar o impacto de cada uma delas no desempenho preditivo das redes neurais. Também propõe uma abordagem neural para o processo de reversão dos dados previstos e uma métrica de erro capaz de verificar o desempenho preditivo das redes neurais e sua capacidade de captar tendências de curto prazo e eficiência negocial. Em sentido amplo, os resultados obtidos indicam que a rede NARX apresenta melhor desempenho preditivo que a rede FTDNN, sobretudo, no que diz respeito à captura de tendências; que a transformações de dados podem melhorar o nível de acurácia das previsões em ambas as redes e que a transformação por retornos logarítimos gera os melhores desempenhos. Quanto ao processo de reversão dos dados previstos para a escala da série original, o método neural proposto foi bem sucedido apenas para a transformação Box-cox / Financial time-series forescasting is one of the most researched issues in finances, mainly with regard to the stock market and risk analysis. Therefore, these studies involve from statistical and econometric models up to artificial intelligence models, such as dynamic neural networks. In this sense, this study aims to develop and apply two models of dynamic artificial neural networks, FTDNN (focused time delay neural network) and NARX (nonlinear autoregressive network with exagenous inputs) for financial time series forescasting, with a traditional statistical model such as ARMAGARCH as the benchmark for minimum performance. The comparative approach also considers three diferent types of data transformation in the pre-processing phase of the networks: first order differences, logarithmics returns and Box-Cox transformation, and tries to analyze the impact of each on the predictive performance of the neural networks. It also proposes a neural approach to the process of reversing the predicted data set, and an error metric that could be able to verify the predictive performance of neural networks and its ability to capture short-term trends and negotiation efficiency. In a bropad sense, the reults indicate that the NARX network network performs beter than the FTDNN, especially with regard to capturing trends; that data transformations may improve the forescasting accuracy in both networks, and that the logarithmics returns transformation generates the best prediction performance. Regarding the process of reversing the predicted data for the scale of the original series, the neural method proposed succeeded only for Box-Cox transformation

Made available in DSpace on 2016-06-02T20:00:26Z (GMT). No. of bitstreams: 1 2582.pdf: 440877 bytes, checksum: 0a6ecbfc775ef23cbc8acd0cfb5eca04 (MD5) Previous issue date: 2008-12-18 / Universidade Federal de Sao Carlos / The development of Artificial Neural Networks in the Brazilian´s Sector of Transports comes carrying through great done in what it refers to the promotion of the use of the technique in the solution of problems found in this area. Artificial Neural Networks are computational techniques with capacity to simulate the cerebral activity human being, making future forecasts from the analysis of data. This technique, throughout the years comes greatly stimulating the research in planning of transports in such a way in the exterior how much in Brazil. As objective, this work brings an exploratory research, trying to lift the state of the art of the use and application of the technique Artificial Neural Networks in the Section of Transports in Brazil, drawing a comparison of what has been accomplished at the developed countries and in Brazil. In Brazil, the ANNs had started to be developed in the Sector of Transports for return of the years of 1990, today, the research in this area is generating important works very for the planning of transports, however, the technique of Artificial Neural Networks still has much to be improved better to be used as administrative tools in the country. / O desenvolvimento das Redes Neurais Artificiais no Setor de Transportes no Brasil vem realizando grandes feitos no que tange o fomento da utilização da técnica na solução de problemas encontrados nesta área. As Redes Neurais Artificiais são técnicas computacionais com capacidade de simular a atividade cerebral humana, fazendo previsões futuras a partir da análise de dados. Essa técnica, ao longo dos anos vem estimulando grandemente as pesquisas em planejamento de transportes tanto no exterior quanto no Brasil. Como objetivo, este trabalho traz uma pesquisa exploratória, procurando-se levantar o estado da arte do uso e aplicação da técnica Redes Neurais Artificiais no Setor de Transportes no Brasil, traçando uma comparação do que vem sendo realizado nos países desenvolvidos e no Brasil. No Brasil, as RNAs começaram a ser desenvolvidas no Setor de Transportes por volta dos anos de 1990, hoje, as pesquisas nesta área estão gerando trabalhos muito importantes para o planejamento de transportes, no entanto, a técnica de Redes Neurais Artificiais ainda tem muito a ser aprimorada para melhor ser utilizados como ferramentas administrativas no país.

A retirada das fôrmas e do escoramento de estruturas de concreto armado só pode ser realizada quando o concreto estiver suficientemente endurecido para resistir às ações que sobre ele atuarem e não conduzir a deformações inaceitáveis. Estes são dois condicionantes importantes impostos pela norma brasileira NBR 14931 de 2004. Para o atendimento dessas condições, o responsável pelo projeto da estrutura deve informar ao responsável pela execução da obra os valores mínimos de resistência à compressão e módulo de elasticidade que devem ser obedecidos, concomitantemente, para a retirada das fôrmas e do escoramento em determinada idade. Para se determinar a resistência à compressão in loco dos concretos em elementos estruturais é comum o recurso a ensaios destrutivos realizados em corpos de provas padronizados confeccionados do mesmo concreto que será utilizado neste elemento. Esta situação, entretanto, não configura um estrito atendimento às demandas da norma brasileira, já que são diferentes as condições dos ensaios daquelas encontradas no elemento. A presente pesquisa discute possibilidades de atendimento a estas exigências através da utilização de ensaios não destrutivos com ondas ultrassônicas associado com ferramentas de inteligência artificial. Embora o teste de ultrassom seja relativamente simples de se executar, a interpretação dos seus resultados encerra importantes dificuldades, uma vez que são influenciados por vários fatores. A pesquisa, então, explorou a possibilidade de agregar as potencialidades das simulações com Redes Neurais Artificiais com ensaios não destrutivos de ultrassom para a estimativa da resistência à compressão do concreto. Duas linhas de ação distintas foram seguidas: uma linha experimental e outra linha computacional. No programa experimental, foram confeccionados nove diferentes traços de concreto, moldados 162 corpos de prova de 10x20 cm e confeccionados 27 prismas com dimensão de 25x25x50 cm. Os corpos de prova foram rompidos em compressão em três idades diferentes 7, 28 e 60 dias e foram realizadas leituras de ultrassom nos prismas nestas mesmas idades. De posse dos resultados do programa experimental, foram realizadas simulações computacionais com Redes Neurais Artificiais com vistas à obtenção de um mapeamento entre as variáveis de entrada do problema - comprimento dos prismas, teor de metacaulim, diâmetro dos agregados, idade dos corpos de prova e velocidade ultra-sônica e a variável de saída de interesse a resistência à compressão. Os resultados obtidos mostraram que a simulação com redes neurais associada a ensaios de ultrassom se constituem em importantes ferramentas para se avaliar a resistência à compressão de concretos / Stripping of formworks in reinforced concrete structures can only be done when concrete is hardened enough to carry the loads without generating unacceptable deformations. These are two important demands from Brazilian Code NBR 14931-2004. To get those conditions the structural design engineer should inform the building engineer the minimum values of compressive strength and elasticity modulus that must be obtained, simultaneously, to strip of the formworks on the specified age. To determine the in situ compressive strength of concrete in an specific structural elements is usual to perform destructive tests using test standard samples made with the same concrete that will be used in the element. This situation, however, does not configure a strict attendance to the demands of the Brazilian Code since the conditions of the tests in standard samples are quite different from the concrete in the structural element. The research discusses the possibilities to adopt and follow those requirements using non destructive ultrasonic waves tests associated with artificial intelligence tools. Although the ultrasound test is relatively simple to perform, the interpretation of its results brings important difficulties, since it is influenced by several factors. The research, then, explored the possibility to use potentialities of Artificial Neural Nets simulations associated with ultrasonic wave tests to estimate compressive strength of the concretes. Two distinct ways to investigate the subject were used: experimental and numerical computational simulation. In the experimental program, nine different concrete mixtures, 162 standard test samples 10x20 cm and 27 prisms with dimension of 25x25x50 cm were made. The test samples were tested in direct compression on three different ages - 7, 28 and 60 days - and ultrasonic wave tests were made in the prisms on the same ages. With the results from experimental tests, computational simulations using Artificial Neural Networks to obtain a mapping among the problem variables length of the prisms, metacaulim content, aggregate diameter, age of the test samples and ultrasonic speed - and the output properties which was the compressive strength of the concrete. Obtained results showed that the simulations with Artificial Neural Networks together with ultrasonic wave tests are import tools that can help engineers to evaluate the compressive strength of in situ concrete

Orientador: Carlos Roberto Minussi / Banca: Francisco Villarreal Alvarado / Banca: Jozué Vieira Filho / Banca: Osvaldo Ronald Saavedra Mendez / Banca: Eduardo Nobuhiro Asada / Resumo: Nesta tese apresenta-se uma proposta para análise da estabilidade estática de tensão de sistemas de energia elétrica utilizando uma rede neural baseada na arquitetura ART (Adaptive Resonance Theory), designada rede neural ARTMAP Fuzzy. As redes neurais ARTdescendentes apresentam as características de estabilidade e plasticidade, as quais são propriedades imprescindíveis para a realização do treinamento e execução da análise de forma rápida e confiável. A versão ARTMAP Fuzzy é uma rede neural supervisionada, ou seja, a extração do conhecimento se processa por estímulos de entrada e de saída. O problema da análise de estabilidade de tensão é formulado considerando-se o estímulo de entrada composto pelas potências ativa e reativa nodais. O estímulo de saída é adotado como sendo a margem de segurança, a qual representa a "distância" entre o ponto de operação do sistema e a fronteira da estabilidade estática de tensão. Esta margem de segurança é calculada, via análise de sensibilidade e álgebra matricial de Kronecker, a partir da função determinante da matriz jacobiana relativa ao problema do fluxo de potência de Newton-Raphson. A operacionalidade das redes neurais é constituída por três fases principais: treinamento (ou aprendizado), análise e treinamento continuado. A fase de treinamento requer uma grande quantidade de processamento, enquanto que a fase de análise é realizada, efetivamente, sem esforço computacional. Esta é, por conseguinte, a principal justificativa para o uso das redes neurais para a resolução de problemas complexos que exigem soluções rápidas, como é o caso de aplicações em tempo real. Na fase de treinamento, o perfil de geração e de carga do sistema elétrico é gerado empregando-se uma distribuição aleatória (ou pseudo-aleatória) e a respectiva saída (margem de segurança) calculada via execução... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: This work develops a methodology to effectuate static voltage stability of electrical power systems by neural network. The neural network used is based on the ART (Adaptive Resonance Theory) architecture, named ARTMAP Fuzzy neural network. The ART descendent neural networks present the characteristics of stability and plasticity, which are important properties to execute the training and the analysis fast and reliable. The ARTMAP Fuzzy version is a supervised neural network, i.e. the extraction of the knowledge is processed by input/output stimulus. The voltage stability analysis problem is formulated considering the input stimulus composed by the active and reactive nodal power. The output stimulus is adopted as the security margin, which represents the distance with the operation point and the static voltage stability frontier. The security margin is calculated by sensitivity analysis and Kronecker algebra from the determinant function of the Jacobian matrix related to the power flow problem by Newton-Raphson. Neural Network operation is constituted by three principal phase: training (or learning), analysis and continuous training. The training phase needs great processing effort, while the analysis is effectuated without computational effort. This is the principal advantage to use neural networks to solve complex problems that need fast solutions as the real time applications. On the training phase, the generation and load profile is generated using a random (or pseudo random) distribution and the respective output (security margin) is calculated by executing a conventional power-flow with adequate adaptations. The procedure proposed is independent of how is defined the generation dispatch and how the system load evolves. This is a more realistic approach, when compared to the most of the proposals found on the specialized literature that considers the load increasing linearly... (Complete abstract click electronic access below) / Doutor