Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / O desenvolvimento de métodos sem referência para avaliação de qualidade de vídeo é um assunto incipiente na literatura e desafiador, no sentido de que os resultados obtidos pelo método proposto devem apresentar a melhor correlação possível com a percepção do Sistema Visual Humano. Esta tese apresenta três propostas para avaliação objetiva de qualidade de vídeo sem referência baseadas em características espaço-temporais. A primeira abordagem segue um modelo analítico sigmoidal com solução de mínimos quadrados que usa o método Levenberg-Marquardt e a segunda e terceira abordagens utilizam uma rede neural artificial Single-Hidden Layer Feedforward Neural Network com aprendizado baseado no algoritmo Extreme Learning Machine. Além disso, foi desenvolvida uma versão estendida desse algoritmo que busca os melhores parâmetros da rede neural artificial de forma iterativa, segundo um simples critério de parada, cujo objetivo é aumentar a correlação entre os escores objetivos e subjetivos. Os resultados experimentais, que usam técnicas de validação cruzada, indicam que os escores dos métodos propostos apresentam alta correlação com as escores do Sistema Visual Humano. Logo, eles são adequados para o monitoramento de qualidade de vídeo em sistemas de radiodifusão e em redes IP, bem como podem ser implementados em dispositivos como decodificadores, ultrabooks, tablets, smartphones e em equipamentos Wireless Display (WiDi). / The development of no-reference video quality assessment methods is an incipient topic in the literature and it is challenging in the sense that the results obtained by the proposed method should provide the best possible correlation with the evaluations of the Human Visual System. This thesis presents three proposals for objective no-reference video quality evaluation based on spatio-temporal features. The first approach uses a sigmoidal analytical model with leastsquares solution using the Levenberg-Marquardt method. The second and third approaches use a Single-Hidden Layer Feedforward Neural Network with learning based on the Extreme Learning Machine algorithm. Furthermore, an extended version of Extreme Learning Machine algorithm was developed which looks for the best parameters of the artificial neural network iteratively, according to a simple termination criteria, whose goal is to increase the correlation between the objective and subjective scores. The experimental results using cross-validation techniques indicate that the proposed methods are correlated to the Human Visual System scores. Therefore, they are suitable for the monitoring of video quality in broadcasting systems and over IP networks, and can be implemented in devices such as set-top boxes, ultrabooks, tablets, smartphones and Wireless Display (WiDi) devices.

CAPES; CNPq; FINEP; Fundação Araucária / Neste trabalho apresenta-se um sistema ótico inteligente apto a localizar a posição de impactos mecânicos aplicados em uma estrutura plana. Para isso, os transdutores foram caracterizados, preliminarmente, quanto à deformação mecânica. Nesta aplicação, quatro redes de Bragg em fibra ótica foram instaladas em uma placa quadrada de polimetil-metacrilato, submetida a um conjunto de impactos em condições controladas. As respostas fornecidas pelos transdutores foram utilizadas para modelar e testar redes neurais artificiais. O sistema demonstrou possuir a capacidade para realizar a tarefa de encontrar a posição do distúrbio, mesmo em pontos de impacto diferentes daqueles apresentados na etapa de treinamento. O maior erro médio quadrático medido na fase de testes foi de 1,1 cm em relação ao ponto de impacto, sendo que os pontos localizavam-se a uma distância de 5 cm uns dos outros e estavam demarcados em uma superfície de prova com 60 cm de comprimento, 60 cm de largura e 6 mm de espessura. / In this work is presented an intelligent optical sensor capable to localize the position of mechanical impacts on a flat surface structure. The transducers were previously characterized relatively to mechanical strain. In this application, four optical fiber Bragg gratings were installed on a polymethyl methacrylate square plate, subjected to a set of mechanical impacts under controlled conditions. The responses provided by the transducers were used to model and test Artificial Neural Networks. The system showed the capacity to determine the disturbance positions, even at impact points different from the ones used in the training stage. The higher mean square error obtained in the test stage was 1,1 cm relatively to the impact position, wherein the points were located at a distance of 5 cm from each other on a test surface with 60 cm length , 60 cm width and 6 mm height.

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.

The number of plants at risk of extinction has increased gradually. With the purpose of reducing the risk is necessary identify the species for planning protection methods. The biodiversity of species existing in the plant kingdom make the use of traditional models of recognition and taxonomy a process very complex and slow. The identification of a plant can be performed observing his features, such as: fruits, seeds, flowers, roots, leaves and stems. But the simplest feature used are the leaves.This paper presents a hybrid system for identifying plant based on leaf image. This system is composed by Genetic Algorithm (GA) and Artificial Neural Network (ANN). The role played by the GA is to perform a preselection of plants forming a group that the answer of an unknown leaf is more probable and the purpose of ANN, trained by backpropagation algorithm, is to classify the unknown leaf performing the search only in the group calculated by the AG. Several tests were conducted and the results obtained demonstrate that the hybrid system achieved a recognition rate of 93,2%. / O número de plantas com risco de extinção tem aumentado gradativamente. Com a finalidade de diminuir esse risco, faz-se necessário planejar métodos de proteção e identificação das espécies. A grande biodiversidade de plantas existentes no reino vegetal torna os modelos tradicionais de identificação e de taxonomia uma função muito complexa e lenta. A identificação de uma planta pode ser realizada observando várias características, tais com: frutos, sementes, ores, raízes, folhas e caule. A característica mais simples de ser utilizada nessa identificação são as folhas. Este trabalho apresenta um sistema híbrido e automático de identificação de plantas por meio de suas folhas. Esse sistema é composto por Algoritmos Genéticos (AG) e pela Rede Neural Artificial (RNA). O objetivo do AG é realizar uma pré-seleção de plantas formando um grupo de folhas desconhecidas que seriam a resposta mais provável, enquanto que a finalidade da RNA, treinada pelo algoritmo backpropagation, é classificar a folha considerando apenas o grupo calculado pelo AG. Vários testes foram realizados e os resultados obtidos mostram que o sistema híbrido atingiu uma taxa de reconhecimento de 93,2 %. / Mestre em Ciências

Universidade Federal de Goiás - Goiânia / This work presents a contribution to the study and characterization of excitements forces applied in rotative machine, using neural netwoks starting from the measured vibration sign in the equipment. The developed methodology is used to classify the excitement among four states of operation conditions: normal operation, umbalance excitement force, asynchronous excitement force and magnetic excitement force. For the each excitement class it is possible to determine its application point and its amplitude and frequency characteristics. Applying a technique statistics data compress of the measured signs, it was possible to training with success neural networks with smaller number of neurons, consequently with smaller computational cost. The efficiency and robustness of the architectures proposals, of neural networks, they were appraised for different levels of data compress and of addictive noises using numeric simulation of a vibratory model of systems of three degrees of freedom. The methodology was validated in a experimental apparatus that represents rotative machine whit a flexible rotor. / Este trabalho apresenta uma contribuição ao estudo e caracterização de forças de excitações aplicadas em máquina rotativas, utilizando redes neurais a partir do sinal de vibração medido no equipamento. A metodologia desenvolvida é utilizada para classificar a excitação entre quatro estados de funcionamento da maquina: operação normal, excitação por força de desbalanceamento, excitação por forca assíncrona e excitação por força magnética. Uma vez encontrado o tipo de excitaçãp é possével determinar o seu ponto de aplicação e suas características de amplitude e freqüência. Aplicando uma técnica estatística de compactação dos sinais medidos, foi possível treinar com sucesso redes neurais com número de neurônios menores e consequentemente, com menor custo computacional. A eficiência e robustez das arquiteturas propostas, de redes neurais, foram avaliadas para diferentes níveis de compactação de dados e de ruídos aditivos utilizando simulação numérica de um modelo de sistemas vibratório de três graus de liberdade. A metodologia foi validada numa bancada experimental que representa uma máquina rotativa de rotor flexível. / Doutor em Engenharia Mecânica

In the past few years, computer-based training systems have been widely studied in the field of human rehabilitation. One of the cutting-edge technologies applied in this kind of system is Virtual Reality. In health applications, Virtual Reality presents itself as an appropriate tool to simulate training environments without exposing the patients to the real world associated risks. In particular, one application of Virtual Reality in human rehabilitation is in virtual prosthesis design. Virtual prosthetic devices have been used to reduce the great mental effort needed by patients fitted with myoelectric prosthesis, during the training stage. This effort is one of the main difficulties that lead patients to give up at this stage. In this paper, the application of Virtual Reality in a hand prosthesis training system is presented. To achieve this, the possibility of exploring Artificial Neural Networks in a real-time classification system is discussed. Also, a signal windowing algorithm and a communication architecture between the classification system and the virtual environment are presented. Finally, a prototype developed in order to investigate the application of the proposed system in a real-time processing and classification context is presented. / Nos últimos anos, sistemas de treinamento assistido por computador tem sido amplamente estudados no campo da reabilitação humana. Uma das tecnologias de maior impacto nesta classe de sistemas é a Realidade Virtual. Quando aplicada à saúde humana, a Realidade Virtual se apresenta como uma ferramenta adequada à simulação de ambientes de treinamento sem a exposição dos pacientes aos riscos associados ao ambiente real. Uma aplicação particular de Realidade Virtual na reabilitação humana são as próteses virtuais. Estes dispositivos têm sido utilizados para reduzir o grande esforço mental despendido por usuários de próteses mioelétricas, durante a fase de treinamento. Este esforço mental constitui apenas uma dentre as várias dificuldades encontradas pelos pacientes, que acabam culminando na desistência de muitos neste estágio do tratamento. Neste trabalho, a aplicação de Realidade Virtual em um sistema de treinamento para usuários de próteses de mão é apresentada. Para tal, a possibilidade de se utilizar Redes Neurais Artificiais como sistema de classificação em tempo real é discutida. Além disso, são apresentados um algoritmo de janelamento de sinais e uma arquitetura de comunicação entre o sistema de classificação e o ambiente virtual. Finalmente, é apresentado o protótipo desenvolvido para se investigar a aplicabilidade do sistema proposto em um contexto de processamento e classificação em tempo real. / Mestre em Ciências

Orientador: Rubens Maciel Filho / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-10T14:19:26Z (GMT). No. of bitstreams: 1 Scheffer_Ramon_D.pdf: 2739998 bytes, checksum: 73f980d4fa6566f9804050ba99816427 (MD5) Previous issue date: 2006 / Resumo: O processamento dos dados e a otimização dos processos químicos em tempo real ficarão mais importante com a competição crescente entres os produtores. Vários itens devem ser considerados para possibilitar a otimização em tempo real, como a medição, a confiança da medida e a predição do comportamento do processo. Neste trabalho considera-se vários aspectos de um esquema de controle avançado destes, quais são a monitorização de medida, identificação de sistema não linear e em tempo real (redes neuronais recorrentes) e otimização não linear com restrições. Um requisito é que este sistema é capaz de funcionar em condições severas com ruído da medição, perturbações não medidas e mudanças de processo, como a desativação de um catalisador. Todas estas ferramentas foram desenvolvidas na linguagem de programação FORTRAN e são disponíveis no laboratório LOPCA/UNICAMP. Utilizaram-se modelos validados para simular os processos, porém em alguns casos utilizaram-se dados industriais e dados de planta piloto para estudar os algoritmos desenvolvidos nesta tese. O ruído Gaussiano fracionário (fGn = fractional Gaussian noise) e o movimento Browniano fracionário (fBm = fractional Brownian motion) foram considerados de ser modelos adequados para monitorização de medida e foram aplicados nos dados de um piloto de um reator air-lift, cujo sinal de pressão demonstra um comportamento complexo e não branco (não aleatório). Demonstrou-se que o fGn descreve parcialmente os sinais da pressão e é capaz de prever os series temporais, porém, o parte que não era previsto bem pode ser previsto por um modelo (4,3) auto-regressivo e media móvel (ARMA = auto-regressive and moving average). Os modelos de fGn e fBm hão falta número de parâmetros ajustáveis e necessários para poderem ser utilizados em previsão de series temporais que tem uma função de auto-correlação de tipo senoidal. Portanto, recomenda-se o estudo da extensão do modelo ARMA que conhece-se por o modelo ARMA fracionário como algoritmo para monitorização da medida e por este via desenvolver uma ferramenta de diagnostica geral da confiança da medição. O algoritmo de treinamento de redes neurais baseado no filtro de Kalman (MEKA) mostrou se bastante rápido para o ajuste dos parâmetros da rede neural recorrente em casos distantes, tanto em casos teóricos tanto em casos práticos de dados industriais. Alem disto, as características de generalização das redes neuronais treinados são melhores dos que as obtidas com os algoritmos comuns de treinamento de rede neural como standard backpropagation (com momentum). Demonstrou-se com bastante sucesso que o filtro de Kalman pode ser utilizado em otimização com e sem restrições. A otimização sem restrições da função de Rosenbrock mostrou que o algoritmo pode ser muito rápido se a matriz de covarianca de ruído do processo é manipulada. A otimização com restrições demonstrou se em um escala grande de problemas de testes colecionados por Trvzka de Gouvêa e Odloak (), onde em quase todos os casos o ponto mínimo global foi encontrado. Alem disto utilizou se o algoritmo em um problema industrial que demonstrou que o custo computacional é alto demais ainda e que o algoritmo deveria ser modificado para ficar útil em aplicações reais / Abstract: In the continuing competition between it will be more and more necessary to optimize current chemical processes in real time. To be able to optimize a plant in real time, there have to be various aspects to be fulfilled, such as measurement, reliability of the measurement and prediction of the process behaviour. In this work some of the aspects of such an advanced control are studied and are measurement monitoring, on-line non-linear system identification (recurrent neural networks) and constrained non-linear optimisation. It is wanted that this system can work under measurement noise, unmeasured disturbance and process changes such as a catalyst deactivation. All these tools were developed in the FORTRAN programming language and are available at the laboratory LOPCA/UNICAMP. Validated models were used to simulate the processes, but in some cases real industrial and pilot-plant data were used to study the algorithms developed. The fractional Gaussian noise (fGn) and fractional Brownian motion (fBm) were thought to be models suitable as measurement predictors, and applied to pilot plant data of an airlift reactor, whose pressure signal presents a complex non-white behaviour. It was shown that the fGn does describe part of the measured signals and is able to do some prediction of the time series, but the other part could be explained well by a (4,3) Auto-Regressive and Moving Average (ARMA) model. It was noted that the fGn and fBm lack parameters to be adjusted and cannot be used for processes having a sinus type of autocorrelation function (ACF). Therefore an extension of ARMA models known as the fractional ARMA (FARMA) models can be used as a measurement monitoring tool, allowing the possibility to develop a general diagnostic tool. It is shown a various cases (from theoretical to practical industrial data) that the MEKA Kalman filter algorithm is a quite fast training algorithm for recurrent neural network training, but especially results in better generalisation properties of the neural network trained than the other sequential training algorithms (standard backpropagation (with momentum)). It was shown that the Kalman filter can be successfully used in unconstrained and constrained optimisation. The unconstrained optimisation of the Rosenbrock function demonstrates that a very fast optimisation can be obtained by manipulating the process noise covariance matrix. The applicability to constrained optimisation was shown in a large scope of different test problems and one real industrial problem / Doutorado / Processos Quimicos / Doutor em Engenharia Química

Submitted by Reginaldo Soares de Freitas (reginaldo.freitas@ufv.br) on 2018-06-29T11:31:24Z No. of bitstreams: 1 texto completo.pdf: 2215686 bytes, checksum: bd3bf560e364036fc013e4b29b0904a5 (MD5) / Made available in DSpace on 2018-06-29T11:31:24Z (GMT). No. of bitstreams: 1 texto completo.pdf: 2215686 bytes, checksum: bd3bf560e364036fc013e4b29b0904a5 (MD5) Previous issue date: 2018-05-03 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / O consumo de combustível de máquinas florestais é um dos componentes mais impactantes nos custos de colheita florestal e, por isso, grande importância é dada à sua redução. Objetivou-se com este trabalho predizer o consumo especifico de combustível do harvester em função de variáveis climáticas, dendrométricas e operacionais, utilizando modelos lineares mistos (MLM) e redes neuronais artificiais (RNA). Foi utilizado um harvester John Deere 1270E para derrubar e processar as árvores em toras. Os dados foram obtidos através do software instalado no computador de bordo da máquina TimberMatic (John Deere) e do Boletim de Apropriação de Equipamento (BAE). As variáveis contínuas utilizadas foram: diâmetro médio da tora e ângulo frontal da máquina. As categóricas: local de corte, tipo de manejo da floresta, clima, turno de trabalho, combinação de rotação do motor e nível de treinamento do operador. O consumo especifico de combustível foi usado como a variável resposta. No modelo linear misto os dados foram agrupados dentro da variável operador e, portanto, esta variável foi incluída como um intercepto aleatório. Para o emprego de RNA o banco de dados foi dividido aleatoriamente em: 70% dos dados para treinamento e 30% para validação das redes. O treinamento foi o do tipo supervisionado, o algoritmo de aprendizagem utilizado foi o resilient- propagation e a função de ativação usada na camada oculta e de saída foi a sigmoide. Para verificar a qualidade do MLM foram usados o Critério de informação de Akaike (AIC) e o coeficiente de determinação baseado no teste ). Como medidas de avaliação dos resultados da razão de verossimilhança (R LR gerados pelas redes, foi utilizada a correlação entre os valores observados e estimados, a raiz quadrada do erro quadrático médio (RQEM), o erro relativo percentual médio e a distribuição de frequência dos erros relativos percentuais. Para comparar os resultados gerados pelo MLM e a RNA foram utilizados o erro relativo percentual e a RQEM, além da distribuição dos erros. O valor R LR obtido para a MLM selecionada foi de 0,84. A rede que obteve menor RQEM na validação foi a que continha oito neurônios na camada escondida. A RQME encontrada para a RNA e MLM foi de 17,6189 e 20,9686 respectivamente, indicando maior exatidão na estimativa do consumo específico de combustível do harvester pela RNA. O MLM e RNA são eficientes na estimativa do consumo específico de combustível do harvester, com ligeira superioridade (exatidão) para a rede neuronal. / The fuel consumption of forestry machines is one of the most impacting components of forest harvesting costs and, therefore, great importance is given to their reduction. The objective of this work was to predict the specific fuel consumption of the harvester as a function of climatic, dendrometric and operational variables using mixed linear models (LME) and artificial neural networks (ANNs). A John Deere 1270E harvester was used to fell and process trees into logs. The data were obtained through the software installed on the onboard computer of the machine, TimberMatic (John Deere) and the Equipment Appropriation Bulletin (EAB). The continuous variables used were: average log diameter and pitch machine. The categorical ones: cutting location, type of forest management, climate, work shift, combination of engine rotation and operator training level. The specific fuel consumption was used as the response variable. In the mixed linear model the data were grouped within the operator variable and, therefore, this variable was included as a random intercept. For the use of RNA the database was randomly divided into: 70% of data for training and 30% for validation of networks. The training was supervised type, the learning algorithm used was the resilient-propagation and the activation function used in the hidden layer and the output was the sigmoid. The Akaike Information Criterion (AIC) and the determination coefficient based ) were used to verify LME quality. As a measure on the likelihood ratio test (R LR of the results generated by the networks, the correlation between the observed and estimated values, the square root of the mean square error (RSME), the relative mean percentage error and the frequency distribution of the relative percentage errors were used. In order to compare the results generated by the LME and ANN, the percentage relative error and the RSME were used, besides value obtained for the LME selected was the distribution of the errors. The R LR 0.84. The network that obtained the lowest RSME in the validation was the one that contained eight neurons in the hidden layer. The RSME found for ANN and LME was 17.6189 e 20.9686 respectively, indicating greater accuracy in the estimation of the specific fuel consumption of the harvester by ANN. The LME and ANN are efficient in estimating the specific fuel consumption of the harvester, with slight superiority (accuracy) for the neural network.

One of the biggest challenges in speech recognition today is its use on a daily basis, in which distortion and noise in the environment are present and hinder this task. In the last thirty years, hundreds of methods for noise-robust recognition were proposed, each with its own advantages and disadvantages. In this thesis, the use of Convolutional Neural Networks (CNN) as acoustic models in automatic speech recognition systems (ASR) is proposed as an alternative to the classical recognition methods based on Hidden Markov Models (HMM) without any noise-robust method applied. Experiments were performed with a audio set modified by additive and natural noises, and showed that the presented method reduces the Equal Error Rate (EER) and improves the acuracy of speech recognition in noisy environments when compared to traditional models of classifiation, indicating the robustness of the approach. / Um dos maiores desafios no reconhecimento de fala atualmente é usá-lo no contexto diário, no qual distorções no sinal da fala e ruídos no ambiente estão presentes e re- duzem a qualidade do reconhecimento. Nos últimos trinta anos, centenas de métodos para reconhecimento robusto ao ruído foram propostos, cada um com suas vantagens e desvantagens. Este trabalho propõe o uso de uma rede neural convolucional no papel de modelo acústico em sistemas de reconhecimento automático de fala,como uma alter- nativa ao métodos clássicos de reconhecimento baseado em modelos ocultos de Markov (HMM, do inglês, Hidden Markov Models) sem a aplicação de um método robusto ao ruído. Experimentos foram realizados com áudios modi ficados com ruídos aditivos e reais, e mostraram que o método proposto reduz o Equal Error Rate (EER) e aumenta a acurácia da classificação de comando de voz quando comparado a modelos tradicionais de classificação, evidenciando a robustez da abordagem apresentada.

Made available in DSpace on 2016-12-23T14:33:44Z (GMT). No. of bitstreams: 1 Helio Perroni Filho - Parte 1.pdf: 3384577 bytes, checksum: 0d5b939b9a0aba325eeba2cd1c1dc632 (MD5) Previous issue date: 2010-02-28 / Um problema central para a Visão Computacional é o de depth estimation ( estimativa de profundidades ) isto é, derivar, a partir de uma ou mais imagens de uma cena, um depth map ( mapa de profundidades ) que determine as distâncias entre o observador e cada ponto das várias superfícies capturadas. Não é surpresa, portanto, que a abordagem de stereo correspondence ( correspondência estéreo ), tradicionalmente usada nesse problema, seja um dos tópicos mais intensamente investigados do campo... / Depth estimation taking one or more images from a scene and estimating a depth map, which determines distances between the observer and points taken from various object surfaces is a central problem in computer vision...