Submitted by Patricia Barros (patricia.barros@ufes.br) on 2017-07-03T10:36:35Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Andre Georghton Cardoso Pacheco Agregacao de classificadores neurais via integral de Choquet com respeito a uma medida fuzzy.pdf: 2377890 bytes, checksum: a119a6b35273222d80df45cdde5602db (MD5) / Approved for entry into archive by Patricia Barros (patricia.barros@ufes.br) on 2017-07-19T09:37:39Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Andre Georghton Cardoso Pacheco Agregacao de classificadores neurais via integral de Choquet com respeito a uma medida fuzzy.pdf: 2377890 bytes, checksum: a119a6b35273222d80df45cdde5602db (MD5) / Made available in DSpace on 2017-07-19T09:37:39Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Andre Georghton Cardoso Pacheco Agregacao de classificadores neurais via integral de Choquet com respeito a uma medida fuzzy.pdf: 2377890 bytes, checksum: a119a6b35273222d80df45cdde5602db (MD5) / CAPES / Data classification appears in many real-world problems, e.g., recognition of image patterns, differentiation among species of plants, classifying between benign and malignant tumors, among others. Many of these problems present data patterns, which are difficult to be identified, thus requiring more advanced techniques to be solved. Over the last few years, various classification algorithms have been developed to address these problems, but there is no classifier able to be the best choice in all situations. So, the concept of ensemble systems arise, which more than one methodology is used together to solve a particular problem. As a simple and effective methodology, ensemble of classifiers have been applied in several classification problems, aiming to improve performance and increase reliability of the final result. However, in order to improve the classification accuracy, an affective aggregation of classifiers must be performed. In this work, we present two contributions: first, we describe three classifiers based on neural networks, a multilayer feedforward trained by Levenberg-Marquardt algorithm; an extreme learning machine (ELM); and a discriminative restricted Boltmann machine (DRBM). Furthermore, we use conventional classifier k-nearest neighbors (KNN). Next, we propose an aggregation methodology to ensemble of classifiers using Choquet integral with respect to a fuzzy measure obtained by principal component analysis (PCA). Then, we apply this methodology to aggregate the classifiers performed to conventional benchmarks, for large database and the results are promising. / Classificação de dados pode ser aplicada em diversos problemas reais, tais como: reconhecer padrões em imagens, diferenciar espécies de plantas, classificar tumores benignos e malignos, dentre outros. Muitos desses problemas possuem padrões de dados difíceis de serem identificados, o que requer, consequentemente, técnicas mais avançadas para sua resolução. Ao longo dos anos, diversos algoritmos de classificação foram desenvolvidos para abordar esses problemas, todavia, não existe um classificador capaz de ser a melhor opção em todas as situações. Baseado nisso, surge o conceito de sistema baseado em elenco, no qual, mais de uma metodologia é utilizada em conjunto para solucionar um determinado problema. Por ser uma metodologia simples e eficaz, elenco de classificadores vem sendo aplicado em diversos problemas de classificação com intuito de melhorar o desempenho e de aumentar confiabilidade do resultado final. Entretanto, para que o elenco seja capaz de promover melhorias, uma boa técnica de agregação deve ser aplicada. Neste trabalho, duas contribui- ções são apresentadas: primeiramente será apresentado o uso de três classificadores baseado em redes neurais artificiais, sendo uma rede neural multicamadas feedforward usando o algoritmo de treinamento de Levenberg-Marquardt, uma rede neural do tipo máquina de aprendizado extremo (ELM), e uma máquina de Boltzmann restrita discriminativa (DRBM), além de um classificador convencional do tipo K vizinhos mais próximos (KNN). A seguir é proposta uma metodologia de agregação de elenco de classificadores utilizando a integral de Choquet com respeito a uma medida fuzzy obtida através da técnica de Análise de Componentes Principais (PCA). Por fim, tal metodologia é aplicada para agregar os classificadores obtidos para benchmarks convencionais da literatura, para grande base de dados e os resultados são promissores

Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2018-07-09T14:48:05Z No. of bitstreams: 1 textocompleto.pdf: 4690363 bytes, checksum: b632e5c9c6b2e8dc83bbe74085927bcc (MD5) / Made available in DSpace on 2018-07-09T14:48:05Z (GMT). No. of bitstreams: 1 textocompleto.pdf: 4690363 bytes, checksum: b632e5c9c6b2e8dc83bbe74085927bcc (MD5) Previous issue date: 2018-02-23 / As indústrias petrolíferas possuem a necessidade e obrigação de inspecionar as instalações submarinas associadas ao transporte de óleo e gás periodicamente para evitar acidentes ambientais. Os veículos autônomos subaquáticos (AUV) têm-se tornado uma opção viável em Levantamento Hidrográfico (LH) devido à excelente estabilidade da plataforma e aos sensores de alta resolução acoplados no veículo e utilizados no mapeamento submarino. Esses sensores geram grandes quantidades de dados para serem analisados, assim torna-se necessário automatizar os processos no intuito de otimizar o tempo de processamento com a melhor exatidão posicional. Dessa forma essa pesquisa tem o objetivo de determinar a qualidade posicional de levantamento com AUV, avaliar quantitativamente e qualitativamente a redução do ruído speckle em imagem do SAS, desenvolver metodologia semi-automática para mapeamentos de dutos submarinos e detecção de condição de vão livre. A qualidade posicional foi verificada pela aplicação da propagação das incertezas no modelo matemático de determinação das coordenadas no LH com AUV. Na imagem do SAS foram utilizados filtros morfológicos, filtros adaptativos e Stretchlim para reduzir os efeitos do ruído. Os dutos submarinos foram mapeados de forma semi-automática pela metodologia de pré-processamento, redução de ruídos e realce dos alvos, extração de feições e pós-processamento. A classificação de condição de vão livre foi realizada por rede neural e random forest a partir da imagem SAS e dos perfis gerados do modelo digital de superfície obtido pelo ecobatímetro. Os resultados mostraram que a incerteza posicional do LH com o AUV é compatível com as especificações de todas as ordens da IHO (2010), porém o ponto crítico está no método de posicionamento acústico realizado com o Ultra-Short Baseline. A utilização de técnicas de processamento digital de imagem é uma poderosa ferramenta na redução dos ruídos speckle e na imagem do SAS, assim permitindo mapeamento com mais de mais de 80% dos dutos submarinos de forma semi-automatizado. Os métodos de rede neural e random forest tiveram resultados similares e satisfatórias para a classificação de condição de vão livre com exatidões globais de 86,8% e 89,9% respectivamente. / The oil industries have the necessity and obligation to inspect the submarine installations associated with the transport of oil and gas periodically to avoid environmental accidents. Underwater autonomous vehicles (AUV) have become a viable hydrographic survey option due to the excellent stability of the platform and the high-resolution (Synthetic Aperture Sonar - SAS, echo sounder multibeam, high definition cameras) submarine mapping. These hydrographic survey sensors generate large amounts of data to be analyzed, so it becomes necessary to automate the processes in order to optimize the processing time with the best positional accuracy. Thus, the goal of this research is to determine the positional quality of the AUV survey, to evaluate quantitatively and qualitatively the reduction of speckle noise in SAS image, to develop semi-automatic methodology for underwater pipeline mapping and free-span detection. The positional quality was verified by the application of the propagation of the uncertainties in the mathematical model of determination of the coordinates in the hydrographic survey with AUV. Morphological filters, adaptive filters and histogram contrast were used to reduce the effects of speckle noise on the SAS image. The submarine pipelines were semi- automatically mapped by the methodology of pre-processing, noise reduction and target enhancement, feature extraction and post-processing. The classification of free span condition was performed by neural network and random forest from the SAS image and the profiles generated from the digital surface model obtained by the echo sounder multibeam. The results showed that the positional uncertainty of the hydrographic survey with the AUV is compatible with the specifications of all orders of the IHO (2010) and critical point is the acoustic positioning performed with the Ultra-Short Baseline. The use of digital image processing techniques is a powerful tool in reducing speckle noise and restoring spatial resolution in the SAS image, thus enabling more efficient and faster automated processing. More than 80% of the subsea pipelines were mapped semi- automated. The methods of neural network and random forest had similar and satisfactory results for the classification of free-span condition with global accuracy of 86,8% and 89,9%, respectively. / o autor nao possui curriculo lattes, bem como agencia de fomento

No description available.

Submitted by Raul do Vale Fonseca (rauldovale@gmail.com) on 2018-09-13T17:06:19Z No. of bitstreams: 1 Dissertacao_Raul_vFinal.pdf: 1127014 bytes, checksum: aabf9f9b4023c4e2ad169118ac8ccf52 (MD5) / Approved for entry into archive by Joana Martorini (joana.martorini@fgv.br) on 2018-09-14T14:39:33Z (GMT) No. of bitstreams: 1 Dissertacao_Raul_vFinal.pdf: 1127014 bytes, checksum: aabf9f9b4023c4e2ad169118ac8ccf52 (MD5) / Approved for entry into archive by Suzane Guimarães (suzane.guimaraes@fgv.br) on 2018-09-14T15:58:08Z (GMT) No. of bitstreams: 1 Dissertacao_Raul_vFinal.pdf: 1127014 bytes, checksum: aabf9f9b4023c4e2ad169118ac8ccf52 (MD5) / Made available in DSpace on 2018-09-14T15:58:08Z (GMT). No. of bitstreams: 1 Dissertacao_Raul_vFinal.pdf: 1127014 bytes, checksum: aabf9f9b4023c4e2ad169118ac8ccf52 (MD5) Previous issue date: 2018-08-20 / Este trabalho constrói estratégias de trading sistemáticas e sintéticas com o objetivo de procurar ferramentas para replicá-las. São testados três modelos de regressão: regressão linear, regressão logística e um tipo de redes neurais artificiais, o multilayer perceptron (MLP). Para comparar a performance das regressões foram usadas três métricas de desvio do valor verdadeiro: diferenças absolutas, diferenças absolutas discretizadas e acurácia. A MLP é mais bem sucedida que as regressões logística e linear ao replicar uma estratégia trend following que usa como parâmetros médias móveis simples. Tentou-se replicar estratégias mean reversion que usam como parâmetros desvios padrão e preços máximos e mínimos num período. Nesses casos não houve clara distinção entre qual regressão foi mais bem sucedida. A acurácia dos modelos ao tentar replicar as estratégias foi maior que o sorteio aleatório em todos os casos. / In this text, systematic trading strategies are manufactured with the goal of finding tools to replicate it. Three regression models are tested: linear regression, logistic regression and one type of artificial neural networks, the multilayer perceptron (MLP). Three measures of the true value deviation were used to compare the performance of the regressions: absolute differences, discretized absolute differences and accuracy. The MLP is best between the three models to replicate one type of trend following strategy that uses simple moving average as parameter. It was attempted to replicate mean reversion strategies that uses standard deviation, maximum and minimum prices of a period as parameters. In this cases, there was no outperforming model to replicate the strategies. The accuracy of the models were better than the random guess in every test.

Orientador: Peter Sussner / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica / Made available in DSpace on 2018-08-16T05:02:12Z (GMT). No. of bitstreams: 1 Esmi_Estevao_M.pdf: 1708768 bytes, checksum: 81d1d15b597bdc13e41b87c4847aa2f7 (MD5) Previous issue date: 2010 / Resumo: Redes neurais morfológicas (MNN) são redes neurais artificiais cujos nós executam operações elementares da morfologia matemática (MM). Vários modelos de MNNs e seus respectivos algoritmos de treinamentos têm sido propostos nos últimos anos, incluindo os perceptrons morfológicos(MPs), o perceptron morfológico com dendritos, as memórias associativas morfológicas (fuzzy), as redes neurais morfológicas modulares e as redes neurais de pesos compartilhados e regularizados. Aplicações de MNNs incluem reconhecimento de padrão, previsão de séries temporais, detecção de alvos, auto-localização e processamento de imagens hiperespectrais. Nesta tese, abordamos dois novos modelos de redes neurais morfológicas.O primeiro consiste em uma memória associativa fuzzy denominada KS-FAM, e o segundo representa uma nova versão do perceptron morfológico para problemas de classificação de múltiplas classes, denominado perceptron morfológico com aprendizagem competitiva(MP/CL). Para ambos modelos, investigamos e demonstramos várias propriedades. Em particular para a KS-FAM, caracterizamos as condições para que uma memória seja perfeitamente recordada, assim como a formada saída produzida ao apresentar um padrão de entrada qualquer. Provamos ainda que o algoritmo de treinamento do MP/CL converge em um número finito de passos e que a rede produzida independe da ordem com que os padrões de treinamento são apresentados. Além disso, é garantido que o MP/CL resultante classifica perfeitamente todos os dados de treinamento e não produz regiões de indecisões. Finalmente, comparamos os desempenhos destes modelos com os de outros modelos similares em uma série de experimentos, que incluir e conhecimento de imagens em tons de cinza, para a KS-FAM, e classificação de vários conjuntos de dados disponíveis na internet, para o MP/CL / Abstract: Morphological neural networks (MNN) are artificial neural networks whose hidden neurons perform elementary operations of mathematical morphology (MM). Several particular models of MNNs have been proposed in recent years, including morphological perceptrons (MPs), morphological perceptrons with dendrites, (fuzzy) morphological associative memories, modular morphological neural networks as well as morphological shared-weight and regularization neural networks. Applications of MNNs include pattern recognition, time series prediction, target detection, self-location, and hyper-spectral image processing. In this thesis, we present two new models of morphological neural networks. The first one consists of a fuzzy associative memory called KS-FAM. The second one represents a novel version of the morphological perceptron for classification problems with multiple classes called morphological perceptron with competitive learning(MP/CL). For both KS-FAM and MP/CL models, we investigated and showed several properties. In particular, we characterized the conditions for perfect recall using the KS-FAM as well as the outputs produced upon presentation of an arbitrary input patern. In addition, we proved that the learning algorithm of the MP/CL converges in a finite number of steps and that the results produced after the conclusion of the training phase do not depend on the order in which the training patterns are presented to the network. Moreover, the MP/CL is guaranteed to perfectly classify all training data without generating any regions of indecision. Finaly, we compared the performances of our new models and a range of competing models in terms of a series of experiments in gray-scale image recognition (in case of the KS-FAM) and classification using several well-known datasets that are available on the internet (in case of the MP/CL) / Mestrado / Matematica Aplicada / Mestre em Matemática Aplicada

Orientador: Eurípedes Guilherme de Oliveira Nóbrega / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica / Made available in DSpace on 2018-08-16T07:47:06Z (GMT). No. of bitstreams: 1 Raizer_Klaus_M.pdf: 2682241 bytes, checksum: 765c3dc138a1e4c9258fd0201cd56a8f (MD5) Previous issue date: 2010 / Resumo: Este trabalho apresenta a implementação de um sistema de análise de sinais de ECGs (eletrocardiogramas) embarcado em FPGA (field programmable gate array), capaz de classificar cardiopatias. A análise de ECGs é de grande importância devido a sua natureza potencialmente não-invasiva, baixo custo e alta eficiência na identificação de patologias cardíacas. Visto que um sinal de ECG pode ser composto por horas de gravação da atividade cardíaca, uma abordagem computacional para a sua análise torna-se um instrumento valioso para a redução do tempo e dos erros de diagnóstico. No presente trabalho uma série de características são extraídas dos pulsos de ECG, que foram obtidos a partir dos sinais do banco de dados MIT-BIH, através da decomposição por transformada wavelet discreta. Essas características foram então utilizadas para treinar uma Rede Neural do tipo feedforward para discernir pulsos normais de pulsos anômalos. Uma versão da rede neural foi então programada em VHDL e em seguida implementada em um Kit da Xilinx modelo Spartan 3E para a classificação pulso a pulso dos sinais de ECG. As implicações dessa arquitetura são discutidas e os resultados são apresentados / Abstract: this work presents an implementation of an embedded ECG (electrocardiogram) signal analysis system using FPGA (field programmable gate array), capable of classifying cardiopathies. The importance of ECG analysis is mainly due to its potentially non-invasive nature, low cost and high efficiency to identify heart pathologies. Since a single ECG signal can be the record of hours of heart activity, a computational approach to its analysis is invaluable to reduce diagnostic errors and the time taken by the process. In the present work, features are extracted from ECG pulses, obtained from the MIT-BIH database, by decomposing them with the Discrete Wavelet Transform. These features are then used to train a Backpropagation Neural Network in order to discriminate normal ECG pulses from anomalous ones. The neural network is programmed in VHDL and uploaded into a Spartan 3E Xilinx development kit, which performs a pulse-by-pulse classification. The implications of such architecture are discussed and its results are presented / Mestrado / Mecanica dos Sólidos e Projeto Mecanico / Mestre em Engenharia Mecânica

Orientadoesr: Fernando José Von Zuben, Leandro Nunes de Castro / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-17T00:46:41Z (GMT). No. of bitstreams: 1 Knidel_Helder_M.pdf: 7578387 bytes, checksum: d653b5bd7e4bf2758525ced52374d42d (MD5) Previous issue date: 2006 / Resumo: Esta dissertação propõe a extensão e desenvolvimento de ferramentas imuno-inspiradas. As ferramentas desenvolvidas destinam-se à resolução de problemas de agrupamento e classificação de dados com atributos binários ou reais. Inspirados em idéias advindas do sistema imunológico, os algoritmos propostos apresentam robustez e soluções parcimoniosas. Uma característica comum presente nas ferramentas desenvolvidas é a definição automática do número de protótipos por meio de estágios de clonagem e poda. Baseado na projeção de protótipos, empregando uma técnica de escalonamento multidimensional, desenvolveu-se uma ferramenta de visualização de redes imunológicas com dados numéricos multivariados, com o propósito de obter uma descrição da estrutura global dos grupos, visualizar a presença e forma de grupos, descobrir protótipos pouco representativos e identificar outliers. Por fim, a aplicação de um algoritmo proposto em conjunto com uma heurística desenvolvida e um algoritmo de busca local iterativa solucionou de forma inovadora um problema relacionado à área de equalização de canais em telecomunicações / Abstract: This thesis considers the extension and development of immune-inspired tools. The developed tools are devoted to the resolution of clustering and classification problems with binary or real-valued data attributes. Inspired by ideas of the immune system, the considered algorithms have produced robust and parsimonious solutions. A common feature in the developed tools is the automatic definition of the number of prototypes by means of cloning and pruning stages. Based on the projection of prototypes, using a technique of multidimensional scaling, a visualization tool of immune networks with multivariate numerical data was developed, making it possible to get a description of the global structure of the groups, to visualize the presence and form of groups, to discover low representative prototypes and to identify outliers. Finally, a device composed of one of the tools considered above, a dedicated heuristic and an algorithm for iterative local search was developed. The application of this device solved in an innovative way a problem related to channel equalization / Mestrado / Engenharia de Computação

Orientadores: Fernando José Von Zuben, Jônatas Manzolli / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-17T09:26:02Z (GMT). No. of bitstreams: 1 Costa_CesarRenno_M.pdf: 8817422 bytes, checksum: f05c86a8d8717568f1afd9da373b6a55 (MD5) Previous issue date: 2007 / Resumo: Este trabalho sugere novos paradigmas de controle de mecanismos de síntese sonora. Utilizando conceitos das ciências cognitivas, o processo gerativo é modelado como um sistema de conversões entre representações, da atuação subjetiva do usuário, passando pela descritiva e culminando no material sonoro. A partir do estudo da analogia descritiva, engendra-se a analogia acústica, representação por amostras sonoras, e a analogia semântica, representação por linguagem. Aplicadas à arquitetura modelada, essas analogias permitem que o processo de síntese sonora tenha um caráter mais intuitivo. São apresentadas duas implementações práticas, sendo que técnicas de computação bio-inspirada fornecem o maquinário computacional para a realização do mapeamento entre representações e controle do processo de síntese / Abstract: This work suggests novel control paradigms of sound synthesis mechanisms. Applying cognitive science concepts, the generative process is modeled as a system of conversions throughout representations: from user's insight, through descriptive, to the sound material. From descriptive analogy studies, the acoustic analogy (representation through sound) and the semantic analogy (representation through language) are engendered. Applied to the modeled architecture, these analogies allow the synthesis process to have a more intuitive nature. Two practical implementations are presented. Bio-inspired computing provides the computational machinery used to map different representations and to control the synthesis process / Mestrado / Mestre em Engenharia Elétrica

Orientadores: Fernando Jose Von Zuben, Leandro Nunes de Castro Silva / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e Computação / Made available in DSpace on 2018-08-06T14:08:06Z (GMT). No. of bitstreams: 1 Vargas_PatriciaAmancio_D.pdf: 4626705 bytes, checksum: b203a58e3f5f1c613db0787b3e396196 (MD5) Previous issue date: 2005 / Resumo: Este trabalho propõe uma classificação circunstancial para sistemas complexos, incluindo uma estrutura unificada de descrição a ser empregada na análise e síntese de sistemas computacionais bio-inspirados. Como um ramo dos sistemas complexos organizados, os sistemas computacionais bio-inspirados admitem uma sub-divisão em sistemas de inteligência computacional e sistemas homeostáticos artificiais. Com base neste formalismo, duas abordagens híbridas são concebidas e aplicadas em problemas de navegação autônoma de robôs. A primeira abordagem envolve sistemas classificadores com aprendizado e sistemas imunológicos artificiais, visando explorar conjuntamente conceitos intrínsecos a sistemas complexos, como auto-organização, evolução e cognição dinâmica. Fundamentada nas interações neuro-imuno-endócrinas do corpo humano, a segunda abordagem propõe um novo modelo de sistema homeostático artificial, explorando mudanças de contexto e efeitos do meio sobre o comportamento autônomo de um robô móvel. Embora preliminares, os resultados obtidos envolvem simulação computacional em ambientes virtuais e alguns experimentos com robôs reais, permitindo extrair conclusões relevantes acerca do potencial das abordagens propostas e abrindo perspectivas para a síntese de sistemas complexos adaptativos de interesse prático / Abstract: This work proposes a circumstantial classification for complex systems, including a unified description structure to be employed in the analysis and synthesis of biologically inspired computing metaphors. Considered as a branch of organized complex systems, these bio-inspired computing frameworks may be subdivided into computation intelligence systems and artificial homeostatic systems. Developed under this formalism, two novel hybrid systems are conceived and applied to robot autonomous navigation problems. The first approach involves learning classifier systems and artificial immune systems, in an attempt to investigate intrinsic concepts of complex systems as self-organization, evolution, and dynamic cognition. Drawn on the principles of the human nervous, immune and endocrine systems, the second approach envisages a new model of an artificial homeostatic system to explore context changes and environmental effects on the behaviour of an autonomous robotic agent. Though preliminary, the obtained results encompass computer simulation on virtual environments in addition to a number of real robot¿s experiments. Relevant conclusions can be invoked, mainly related to the potentiality of the proposed frameworks, thus opening attractive prospects for the synthesis of complex adaptive systems of practical interest / Doutorado / Engenharia de Computação / Doutor em Engenharia Elétrica

Orientador: Rubens Maciel Filho / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-06T23:09:13Z (GMT). No. of bitstreams: 1 Gouveia_VeraLuciaReisde_D.pdf: 3830222 bytes, checksum: 41e2cf7f0901948710226a6037c7ed76 (MD5) Previous issue date: 2006 / Resumo: Os processos biotecnológicos ou Bioprocessos necessitam de maiores cuidados do que a maioria dos processos químicos comuns devido, principalmente, à sensibilidade a variações nos estados do sistema como, por exemplo, temperatura e concentração. O crescente aumento da importância dos Bioprocessos e a maior dificuldade em seu controle e simulação resultaram na procura e utilização de novas ferramentas como a Inteligência Artificial (IA). Inteligência Artificial é uma parte da ciência da computação relacionada ao projeto de sistemas computacionais inteligentes. Nos últimos anos houve um aumento substancial do uso de ferramentas de IA tais como Redes Neurais Artificiais (R.N.A), Sistemas Especialistas e Lógica Fuzzy no controle e simulação de Bioprocessos. Este trabalho teve como objetivo o desenvolvimento de um software que atue como um assistente, auxiliando na simulação de Bioprocessos. O Bio-PSA (BioProcess Simulation Assistant) possui quatro módulos: Módulo 1: Simulação de Bioprocessos, incluindo funcionalidades para simulação de produção de etanol e dextrana, ambos com modelagem normal e híbrida. Módulo 2: Simulação de processos para purificação de proteínas, incluindo a modelagem de processos baseados no modelo CARE (Continuous Affinity Recycle Extraction). ?Módulo 3: Sistema Especialista e uma base de conhecimento que auxilia o usuário no design de processos biotecnológicos. Módulo 4: Software para treinamento de R.N.A / Abstract: The biotechnical processes or Bioprocesses require larger cares than common chemical processes due, mainly, the states of the system variations sensibility, for example, temperature and concentrations. The increasing raise of the Bioprocess importance and the largest difficulty in its control and simulation resulted in the search and use of Artificial Intelligence (AI) tools. Artificial Intelligence is a part of the computer science related to the project of intelligent computational systems. In the last years there was a substantial increase in the use of AI tools such as Artificial Neural Networks (A.N.N), Expert Systems and Fuzzy Logic in the Bioprocess control and simulation. This work had the objective of the development of software that acts as an assistant, aiding in the Bioprocess simulation. The Bio-PSA (BioProcess Simulation Assistant) has four modules: Module 1: Bioprocess simulation, including applications for simulation of ethanol and dextran production, both with normal and hybrid modeling. Module 2: Simulation of proteins purification processes, including processes modeling based in the CARE (Continuous Affinity Recycle Extraction) model. Module 3: Expert System and a knowledge base that aids the user in the Bioprocesses design.?Module 4: Software for A.N.N training / Doutorado / Desenvolvimento de Processos Biotecnologicos / Doutor em Engenharia Química