Orientador: Aline Carvalho da Costa / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química / Made available in DSpace on 2018-08-21T12:53:49Z (GMT). No. of bitstreams: 1 BozaCondorena_EdwinGuido_D.pdf: 5093932 bytes, checksum: 505cbc2b6c875e35004ad875c0f0ac6a (MD5) Previous issue date: 2012 / Resumo: Na presente tese foram abordados problemas no contexto da produção de etanol de primeira e segunda geração. No caso de etanol de segunda geração foi abordado o problema de melhorar a eficiência da hidrolise enzimática, com as seguintes contribuições: (1) otimização da carga enzimática utilizando técnicas de modelagem por redes neurais. (2) substituição de um modelo com limitações na representatividade dos pontos experimentais obtido por desenho experimental pela superfície de resposta de um modelo de redes neurais que permite a exploração da região do ótimo no espaço de fatores e respostas. Os resultados obtidos mostram (1) boa precisão para a localização das coordenadas da região ótima de trabalho. (2) um mapeamento da evolução do processo com localização do ótimo global utilizando algoritmos genéticos e técnicas de computação evolutiva. No caso dos processos de produção de etanol de primeira geração foi estudado o problema do controle com modelo de um processo de fermentação continua com extração de etanol utilizando vácuo quando não se tem modelo fenomenológico disponível com as seguintes contribuições e resultados: (1) foi desenvolvida uma abordagem que integrou redes neurais artificiais, com o controle preditivo com modelo (MPC). (2) foram desenvolvidos modelos empíricos do processo com redes neurais artificiais (3) foi desenvolvida uma abordagem que utiliza o "conhecimento aprendido" pelas redes neurais o qual e armazenado em pesos sinápticos e bias. (4) foram desenvolvidos vários modelos empíricos de redes neurais para o monitoramento das concentrações de etanol que podem ser utilizados para desenvolver software sensores. (5) foram implementadas diferentes estruturas de controle preditivo com diferentes modelos internos de redes neurais para os controladores, com otimiza dor linear e não linear para o caso de estudo. Nos diferentes capítulos em que foram implementadas estruturas de controle integrando as redes neurais com a tecnologia MPC, se mostrou que, a abordagem desenvolvida e eficiente para os projetos dos sistemas de controle com modelo empírico / Abstract: In this thesis were studied problems in the context of ethanol production of first and second generation. In the case of second generation ethanol was studied the problem of improving the enzymatic hydrolysis efficiency, with the following contributions: 1) optimization of enzyme loading by using modeling techniques based on neural networks, 2) substitution of a model with limited representation capacity of the experimental points which was obtained by using experimental design by the response surface model of a neural network that allows the exploration of the space of factors and responses. The results show: 1) good accuracy in locating the coordinates of the optimum working region, 2) the mapping of the evolution of the process with the location of the global optimum by using genetic algorithms and evolutionary computing techniques. In case of the production of first generation ethanol was studied the problem of the control with process model of a fermentation process with continuous extraction of ethanol by using a vacuum system when there is no a phenomenological model available with the following contributions and results: 1) It was developed an approach in which were integrated artificial neural networks with model predictive control (MPC). 2) It were developed empirical process models by using artificial neural networks 3) It was developed an approach that uses the "learned knowledge" by neural networks which is stored in synaptic weights and bias. 4) It were developed several empirical models of neural networks for monitoring concentrations of ethanol that can be used to develop software sensors. 5) It were implemented different predictive control structures with different internal models based on neural networks for controllers with linear and non-linear optimizer to be applied on the case of study. In the different chapters in which were implemented control structures by integrating neural networks with MPC technology, it was showed that the developed approach is efficient to be applied in the designs of control systems with empirical model / Doutorado / Desenvolvimento de Processos Químicos / Doutor em Engenharia Química

Orientadores: Célio Maschio, Denis José Schiozer / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica e Instituto de Geociências / Made available in DSpace on 2018-08-20T18:57:18Z (GMT). No. of bitstreams: 1 Costa_LuisAugustoNagasaki_M.pdf: 3337483 bytes, checksum: b05ca6a68358b078358ec34ba7f7b07a (MD5) Previous issue date: 2012 / Resumo: O processo de ajuste de histórico consiste em uma das etapas mais importantes envolvendo estudos de reservatórios, pois com o modelo de simulação ajustado pode-se realizar previsões de produção com maior confiabilidade e avaliar diferentes estratégias de produção de forma a obter maior recuperação final com menor custo. Porém, esse processo traz consigo diversas dificuldades, sendo uma delas a não unicidade das soluções, ou seja, vários modelos podem igualmente proporcionar resultados satisfatórios dependendo do objetivo de estudo. Além disso, o reservatório pode possuir diversas heterogeneidades e não linearidades entre atributos do reservatório e valores de produção e pressão, o que também contribui para aumentar a complexidade do problema. Através dos diversos trabalhos já publicados comprovou-se que cada caso possui diferentes características, de forma que uma metodologia aplicada com sucesso a um determinado caso pode não ser aplicável a outro e vice e versa. Dessa maneira, estudos nessa área devem ser realizados e atualizados constantemente. O grande desafio em problemas envolvendo ajuste de histórico está relacionado à redução do número de simulações necessárias para alcançar ajustes satisfatórios de acordo com o objetivo proposto. Entre as diversas técnicas que podem ser encontradas na literatura para tal propósito, uma que chama atenção é a aplicação de metamodelos gerados através de Redes Neurais Artificiais. Os metamodelos, uma vez gerados, são capazes de fornecer os resultados muito mais rápido que o simulador, pois se tratam de modelos simplificados. As RNA, por sua vez, são estruturas capazes de captar com eficiência as não linearidades entre entradas e saídas de um dado problema. Assim, os metamodelos gerados por RNA possuem características que os tornam promissores para serem utilizados como substitutos do simulador em etapas do ajuste que demandam maior esforço computacional. Deste modo, nesse trabalho foi avaliada a aplicação de metamodelos gerados por RNA no processo de ajuste de histórico, principalmente no que se refere à influência que a qualidade do conjunto de entrada exerce sobre o desempenho do metamodelo gerado e com relação à confiabilidade da utilização do metamodelo como substituto do simulador para casos práticos, com características mais próximas da realidade. Os resultados mostraram que a ferramenta, apesar dos erros envolvidos, por se tratar de um modelo simplificado, pode ser utilizada como ferramenta auxiliar ao simulador de escoamento no processo de ajuste de histórico. Não é recomendada a sua utilização como substituta do simulador no processo inteiro, porém, pode contribuir em etapas do processo que não requerem grande precisão dos resultados. Para a confiabilidade dos resultados, é necessário validar a resposta (encontrada por meio do metamodelo) usando o simulador de reservatórios / Abstract: The history matching process is one of the most important stages involving studies of reservoirs, because with the adjusted reservoir model, the production forecasts can be done with higher reliability and different production strategies can be evaluated to obtain greater final recovery associated with less costs. However, this process have several problems associated, one being the multiple solution, meaning that different models provide satisfactory results, depending on the objective of the study. Furthermore, the reservoir in study can have different heterogeneities and nonlinearities between reservoir attributes and values of production and pressure, which also contributes to increase the complexity. Various published work showed that each case has different characteristics, so that a methodology that was applied successfully in one case, may not be efficient in another and vice-versa. Thus, studies in this area should be developed and updated constantly. The great challenge in problems involving history matching is related to reducing the number of simulations required to achieve satisfactory adjustments in accordance with the proposed objective. Among several procedures for this purpose, the application of proxy models generated through artificial neural networks (ANN) can be cited. The proxy models, once generated, are able to calculate the results much faster than the simulator due to the fact that they are simplified models. The ANN are structures capable of efficiently capture nonlinearities between inputs and outputs of a given problem. Thus, these proxy models have characteristics that make them promising for use as substitute of simulator in stages that require greater computational effort. Thereby, in this work the application of proxy models generated through ANN in the history matching process was evaluated, primarily regarding to the influence of the input quality in the proxy performance and the reliability of the use of proxy models as substitutes of the simulator in a realistic reservoir model. The results showed that the tool, despite the errors involved, because it is simplified model, can be used as auxiliary tool to the flow simulator in the process of history matching. It is not recommended to use as a substitute in the whole process, however, can contribute in the process stages that do not require great precision. For reliable results, it is necessary to validate the response (found through the proxy) using the reservoir simulator / Mestrado / Reservatórios e Gestão / Mestre em Ciências e Engenharia de Petróleo

Orientadores: Celso Kazuyuki Morooka, Ivan Rizzo Guilherme / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecanica, Instituto de Geociencias / Made available in DSpace on 2018-08-03T22:11:53Z (GMT). No. of bitstreams: 1 Silva_HenriqueVenturada_M.pdf: 6776642 bytes, checksum: 0f63d0ee9cc11e83387d78ccd3d5500c (MD5) Previous issue date: 2003 / Resumo: O meio mais eficiente e econômico para transportar derivados de petróleo são os dutos. Porém, o controle dos riscos associados a um vazamento acidental é fundamental. Esta questão tem motivado o desenvolvimento de vários métodos para detecção de vazamentos, a maioria deles baseados na observação de variáveis de processo já normalmente acompanhadas. Nesta dissertação, uma forte correlação existente entre o desvio apurado no balanço das vazões e os transientes operacionais é identificada e utilizada na definição da estratégia apresentada aqui, que consiste, em dois módulos, desenvolvidos para identificar, em tempo-real, os diversos transientes que ocorrem no processo, classificando-os em estados operacionais pré definidos e detectando falhas do processo de transferência - dentre elas, vazamento - baseado no modelo de balanço de volume, utilizando a classificação dos transientes identificados de modo a reduzir a ocorrência de alarmes espúrios na detecção de vazamentos ou de outra condição anormal do processo. Estes módulos foram construídos com a utilização de duas técnicas baseadas em lógica nebulosa: Sistemas de Inferência Nebulosa e Redes Neurais Nebulosas. Os sistemas foram testados com novos dados coletados do mesmo processo, e os resultados obtidos comparados entre si. Foi constatado que as soluções são promissoras, considerando a simplicidade na construção dos modelos, obtendo-se bom desempenho na detecção pequenos vazamentos com baixo custo computacional e grande confiabilidade / Abstract: Pipeline is an efficient and economic means of transporting petroleum products. However, risks associated with accidental release of transported product are still high. That issue has motivated the development of many methods for leak detection, mainly based on process variables. In the present dissertation, the high correlation between the inlet-outlet flowrate deviation and the operational transients is shown which is the important fact to define the fault detection strategy present here. The applied strategy consists, at first, in a development of classifier module that can identify the operational and process transients and determine the current stage of the transfer process. The output of this module is used by a Fault Detection module that can evaluate the inlet-outlet flowrate deviation in order to detect a leak or a abnormal operation condition, with a low level of spurious alarms. Two fuzzy methods were used to solve this problem: A Fuzzy Inference System using a rule-base developed from this database and a Neural Fuzzy Network using the same role-base. The systems were evaluated with a new data collected from the same process and the results are encouraging with increased leakage or abnormal situation detection, low computational costs and low level of spurious alarms / Mestrado / Explotação / Mestre em Ciências e Engenharia de Petróleo

Orientador: Oseas Valente de Avilez Filho / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-04T00:32:30Z (GMT). No. of bitstreams: 1 Bordon_MarioEduardo_D.pdf: 1470672 bytes, checksum: e05feebeca9a1ab481716d9a42b1a8f5 (MD5) Previous issue date: 2004 / Resumo: O objetivo deste trabalho foi o desenvolvimento de um controlador digital simples e eficiente, utilizando conceitos de lógica nebulosa, aplicado no acionamento de um motor de indução trifásico. Trata-se de um trabalho de engenharia aplicada, que apresenta o projeto de um controlador nebuloso de arquitetura simplificada, que emprega uma estrutura padronizada para representação das funções de pertinência e permite efetuar a ponderação dos termos lingüísticos. Para avaliar o desempenho deste controlador, foi implementado um sistema para acionamento do motor de indução, com freqüência de operação controlada e limitação de corrente, capaz de gerar em tempo real, um perfil de freqüência adequado, sempre que um novo valor para freqüência de operação seja estabelecido. No projeto deste controlador, optou-se pela utilização de um sistema digital de baixo custo, baseado em microcontroladores de 8 bits, mesmo assim, os resultados obtidos superaram as expectativas, comprovando a viabilidade operacional deste controlador nebuloso de arquitetura simplificada, para acionamento do motor de indução, evitando que a corrente ultrapasse o limite estipulado e impedindo o desligamento desnecessário do sistema / Abstract: This work presents a new approach of a simple and efficient digital controller, which uses the fuzzy logic concepts to drive a three-phase induction motor in a practical engineering application. In order to represent the membership functions and carry out the weighting up of linguistic terms a custom structure was used in the fuzzy logic controller. The performance evaluation of the digital controller was verified using a new strategy of induction motor drive for speed control and input current restriction. This fuzzy logic controller with simplified architecture applied in a real time speed control assures the current restriction and the normal operation of the induction motor. The control strategy operates in closed loop and has a dynamic gain adjustment that provides the soft start requirements. The closed loop frequency control allows to adjust the desired value of the rotation frequency, while the closed loop current control assures that current doesn't cross the limit stipulated for motor drive. The versatility of this digital controller based on low cost 8 bits microcontrollers can be verified from the results presented. The accuracy and time response could be compared to the other conventional systems using scalar or vector techniques / Doutorado / Eletrônica, Microeletrônica e Optoeletrônica / Doutor em Engenharia Elétrica

Submitted by Elisa Mussumeci (elisamussumeci@gmail.com) on 2018-05-29T18:53:58Z No. of bitstreams: 1 machine-learning-aproach (4).pdf: 11272802 bytes, checksum: 52b25abf2711fdd6d1a338316c15c154 (MD5) / Approved for entry into archive by ÁUREA CORRÊA DA FONSECA CORRÊA DA FONSECA (aurea.fonseca@fgv.br) on 2018-05-29T19:15:35Z (GMT) No. of bitstreams: 1 machine-learning-aproach (4).pdf: 11272802 bytes, checksum: 52b25abf2711fdd6d1a338316c15c154 (MD5) / Made available in DSpace on 2018-06-14T19:45:29Z (GMT). No. of bitstreams: 1 machine-learning-aproach (4).pdf: 11272802 bytes, checksum: 52b25abf2711fdd6d1a338316c15c154 (MD5) Previous issue date: 2018-04-12 / We used the Infodengue database of incidence and weather time-series, to train predictive models for the weekly number of cases of dengue in 790 cities of Brazil. To overcome a limitation in the length of time-series available to train the model, we proposed using the time series of epidemiologically similar cities as predictors for the incidence of each city. As Machine Learning-based forecasting models have been used in recent years with reasonable success, in this work we compare three machine learning models: Random Forest, lasso and Long-short term memory neural network in their forecasting performance for all cities monitored by the Infodengue Project.

Orientador: Jose Raimundo de Oliveira / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-04T08:07:39Z (GMT). No. of bitstreams: 1 AlvarezMamani_AnaBeatriz_M.pdf: 3814133 bytes, checksum: 31badc94a32b076eeceae360c121c7d5 (MD5) Previous issue date: 2004 / Resumo: Este trabalho aborda a aplicação de diversos esquemas que usam redes neurais para identificação de sistemas e controle de velocidade, objetivando tornar o controle do sistema mais robusto às variações paramétricas, aos distúrbios de medida, e principalmente compensar os efeitos não lineares do ganho dependente da faixa de operação inerentes aos sistemas de velocidade. Para os testes e simulações foi utilizado um automodelo com motor CC. Diferentes bibliotecas do Matlab/Simulink foram utilizadas nas estações de controle para auxiliar nas atividades de simulação. Os resultados mostram um bom desempenho das RNAs na identificação de elementos não lineares, e garantem uma significativa redução do erro do valor predito da velocidade de saída. Os resultados obtidos com o controlador neural por linearização feedback foram aceitáveis e suficientes para o nosso objetivo / Abstract: This work studies the application of projects that use neural networks for identification systems and control of speed, to make the system control more robust to the parametric and measure variations, and mainly to compensate the non-linear effect of the gain related to the inherent range of operation to the speed systems. For simulation and test an automodel with a DC motor was used. Several libraries of the Matlab/Simulink were used in the control stations to assist the activities of simulation. The results show an excellent performance of the RNA¿s in the identification of non-linear elements, and promise a significant reduction of the error of the predicted value of the speed. The results gotten with the neural controller for linearization feedback were acceptable and enough for our objective / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica

Orientador: Antonio Carlos Luz Lisboa / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-04T10:42:56Z (GMT). No. of bitstreams: 1 Pimentel_WagnerRobertodeOliveira_D.pdf: 4301837 bytes, checksum: f08b0ac18f93d5fcb06a99e56d205191 (MD5) Previous issue date: 2005 / Resumo: O craqueamento catalítico fluido (FCC) é um dos mais importantes processos de refino da atualidade que produz, dentre outros produtos, gasolina e GLP. Trata-se de um processo que apresenta grande dificuldade de ser modelado fenomenologicamente. Dentro desse contexto surgem as redes neurais artificiais (RNA) como ferramenta de modelagem, visto que as RNA são capazes de ¿aprender¿ o que ocorre no processo por meio de um conjunto limitado de dados e apresentam um menor tempo de processamento se comparado aos modelos fenomenológicos. O objetivo principal deste trabalho é desenvolver modelos empíricos, baseados em RNA e na quimiometria, capazes de relacionar as variáveis de entrada com as variáveis de saída do processo de craqueamento catalítico fluido (planta piloto e unidade industrial). Os dados experimentais foram obtidos na unidade piloto de FCC da Petrobrás localizada na usina de xisto em São Mateus do Sul ¿ PR e os dados industriais foram obtidos da unidade de RLAM localizada em São Francisco do Conde ¿ BA. Para uma boa performance das redes foi utilizada a técnica de análise dos componentes principais (PCA) para um pré-processamento dos dados e em seguida foram usadas redes MLP com os seguintes algoritmos de treinamento supervisionado: Método de Broyden-Fletcher-Goldfarb-Shanno (BFGS), Método do Gradiente Conjugado Escalonado (SCG) e Levenberg-Marquardt (LM)... Observação: O resumo, na íntegra, poderá ser visualizado no texto completo da tese digital / Abstract: The fluidized bed catalytic cracking process is one of the most important refining processes. It produces, among other distillates, gasoline and liquefied petroleum gas (LPG). It is very difficult to model it by fundamental balances. On the other hand, artificial neural networks (ANN) offer convenient tools to describe complex processes. They are able to learn what is going on with in the process through a limited amount of information, requiring less computing time than phenomenological modeling. The main objective of this work was to develop empirical models ¿ based on ANNs and chemometrics ¿ able to relate input and output variables of the FCC process, using data from a pilot and from an industrial plant. Experimental data were obtained from the Petrobras FCC pilot plant located in São Mateus do Sul, Parané, nd from the Petrobras Landulpho Alves Refinery PCC industrial plant located in São Francisco do Conde, Bahia. The principal component analysis (PCA) technique was initially used to preprocess the data. Artificial neural networks were then employed with the following supervising training algorithms: Broyden-Fletcher-Godfarb-Shanno (BFGS), Scale Conjugated Gradient (SCG) and Levenberg-Marquardt (LM). Methods devised to increase the artificial network prediction power were also used... Note: The complete abstract is available with the full electronic digital thesis or dissertations / Doutorado / Engenharia de Processos / Doutor em Engenharia Química

Orientador: Olivio Novaski / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecanica / Made available in DSpace on 2018-08-07T14:11:27Z (GMT). No. of bitstreams: 1 Almeida_SergioLuisRabelode_D.pdf: 2212505 bytes, checksum: b547ce8e7c1a1faea1a6c7468054f32f (MD5) Previous issue date: 2006 / Resumo: Os softwares CAM existentes hoje no mercado permitem facilmente automatizar a geração de programas em linguagem CNC a partir de um modelo CAD. As trajetórias da ferramenta são calculadas respeitando-se a geometria final da peça. No entanto, estes programas, em geral, não disponibilizam recursos para corretamente estimar os parâmetros de usinagem (velocidade de corte, avanço, profundidade de usinagem), bem como sua influência em grandezas relevantes ao processo, como a força de corte e a rugosidade. Cria-se, assim, um descompasso com a realidade fisica do processo. Adicionalmente, tais programas não foram desenvolvidos com abordagem didática, possuindo pré-requisitos (interface CAD, domínio de idioma estrangeiro etc.) que dificultam ao estudante o fácil aprendizado de processos de usinagem a CNC. Este trabalho busca então abordar estes problemas vivenciados por escolas técnicas, desenvolvendo um módulo computacional, acoplado a um software CNC didático comercial para torneamento, que permita a predição de esforços de usinagem e rugosidade em tempo de programação CNC. Optou-se pela técnica da rede neural como núcleo, uma vez que permite aproximações bastante satisfatórias do processo de torneamento. Os resultados indicam que os modelos de rede neurais adotados (perceptron multi-camadas e função de base radial) aproximam de forma satisfatória o comportamento da força de corte e rugosidade, em função dos parâmetros de usinagem escolhidos (velocidade de corte, avanço e profundidade de corte) em uma série de casos de uso, utilizando-se o módulo computacional desenvolvido / Abstract: The majority of CAM software in the market allows the user to easily create the CNC program through CAD models. The tool paths are ca1culated in respect to the final piece geometry. However, these software do not permit, as part of their functionality, to estimate the cutting parameters (cutting speed, feed and depth of cut), as well as their influence in process variables such as cutting force and roughness. There is, in that sense, a gap between the geometrical and physical scenario of the machining process. Additionally, such software were not developed with didactical requirements, which makes difficult to the students the learning of the machining concepts using the CNC technology. The CAD and the foreign language interface are examples of such fact. This work targets to approach these remarks which are particularly common among the Technical Schools, developing a computational module, embedded in a commercial CNC didactic software, capable of predicting cutting forces (in roughing) and surface roughness (in finishing) at programming time. It was used a neural network technique as the base core, since it allows good estimative of turning process. The results indicate that the ANN topologies (Multilayer Perpectron and Radial Basis function) correlate satisfactorily with the experimental behavior of the cutting force and roughness regarding the input parameters chosen (cutting speed, feed and depth of cut) for different cases using the software prototype / Doutorado / Materiais e Processos de Fabricação / Doutor em Engenharia Mecânica

Orientador: Peter Sussner / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-07T23:05:00Z (GMT). No. of bitstreams: 1 Mesquita_MarcosEduardoRibeirodoValle_D.pdf: 1277085 bytes, checksum: 70e93671eb62f360b430f7b81b3c71e3 (MD5) Previous issue date: 2007 / Resumo: Uma Memória Associativa (AM, Associative Memory) é um modelo projetado para armazenar pares de entrada e saída. Sobretudo, uma AM deve ser capaz de recordar uma sida desejada ao mesmo após a apresentação de uma versão incompleta ou destorcida de um padrão de entrada. Essa tese de doutorado discute as Memórias Associativas Morfológicas Nebulosas (FMAMs, Fuzzi Morphological Associative Memories), uma classe de memórias associativas elaboradas para armazenar padrões nebulosas cujos neurÔnios realizam operações elementares da morfologia matemática, i.e., dilatação, erosão, anti-dilatação e anti-erosão. É verificado que os principais modelos de Memória Associativa Nebulosa (FAM, Fuzzy Associative Memory) pertencem à classe das FMAMs. Essa tese introduz as Memórias Associativas Nebulosas Implicativas (IFAMs, Implicative Fuzzy Associative Memories) e suas versões duas com respeito à negação e adjunção. Uma IFAM é uma FMAM onde os pares de entrada e saída são armazenados usando o armazenamento nebuloso implicativo. No armazenamento nebuloso implicativo, os pesos sinápticos. Resultados sobre a fase de armazenamento faz IFAMs e das IFAMs duas são apresentados. Em particular, são demonstrados teoremas sobre a convergência, capacidade de armazenamento, tolerância à ruído e pontos fixos das IFAMs e das IFAMs duais para o caso autoassoplos e resultados teóricos. Finalmente, são apresentadas duas aplicações das FMAMs em problemas de previsão de séries temporais. O primeiro problema trata da previsão da mão-de-obra requerida em industrias metalúrgicas enquanto que a segunda aplicação refere-se a previsão da vazão média mensal da usina hidrelétrica de Furnas / Abstract: Associative memories (AMs) are models that allow for the storage of pattern associations and the retrieval of the desired output pattern upon presentation of a possibly noisy or incomplete version of an input pattern. This thesis discusses fuzzy morphological associative memories (FMAMs), a general class of AMs designed to store fuzzy patterns and described by fuzzy neural networks. Each neuron of a FMAM model performs an elementary operation of mathematical morphology such as dilation, erosion, anti-dilation, and anti-erosion. We show that the most widely known models of fuzzy associative memories (FAMs) belong to the FMAM class. This thesis introduces the implicative fuzzy associative memories (IFAMs) and their dual versions with respect to negation and adjunction. An IFAM is a FMAM model where the patterns are stored by means of implicative fuzzy learning. Specifically, in implicative fuzzy learning, the synaptic weights are given by the minimum of the implication of pre- and postsynaptic activations. We present results concerning the recall and storing phase of IFAM and the dual IFAM models. In particular, we present theorems concerning the convergence, the storage capacity, the noise tolerance, and the fixed points of the IFAM and dual IFAM models in the auto-associative case. We compare the IFAMs with several others FAM models by means of theoretical results and examples. Finally, we present two applications of FMAM models in problems of time-series prediction. The first problem concerns the engineering manpower requirement in steel manufacturing industry while the second refers to the stream flow prediction of a large hydroelectric plant, namely Furnas / Doutorado / Doutor em Matemática Aplicada

Orientador : Fernando Jose Von Zuben / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-31T22:26:41Z (GMT). No. of bitstreams: 1 Lima_ClodoaldoAparecidodeMoraes_M.pdf: 1617182 bytes, checksum: c111902f1fdc2cc6f196fb06e210fc08 (MD5) Previous issue date: 2000 / Mestrado