Dissertação (Mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-17T05:12:09Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-08T23:20:52Z : No. of bitstreams: 1 138042.pdf: 6648777 bytes, checksum: fa1495e25a26499e7e98787c97f5bd80 (MD5)

Tese (Doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-17T06:46:56Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-08T23:38:54Z : No. of bitstreams: 1 137834.pdf: 10841641 bytes, checksum: a4df81657d5811574a2de230a762ac99 (MD5)

Orientador: Antonio Fernando Crepaldi / Banca: Rogerio Andrade Flauzino / Banca: Kelton Augusto Pontara da Costa / Resumo: O aprendizado de máquina vem sendo utilizado em diferentes segmentos da área financeira, como na previsão de preços de ações, mercado de câmbio, índices de mercado e composição de carteira de investimento. Este trabalho busca comparar e combinar três tipos de algoritmos de aprendizagem de máquina, mais especificamente, o método Ensemble de Redes Neurais Artificias com as redes Multilayer Perceptrons (MLP), auto-regressiva com entradas exógenas (NARX) e Long Short-Term Memory (LSTM) para predição do Índice Bovespa. A amostra da série do Ibovespa foi obtida pelo Yahoo!Finance no período de 04 de janeiro de 2010 a 28 de dezembro de 2017, de periodicidade diária. Foram utilizadas as séries temporais referentes a cotação do Dólar, além de indicadores numéricos da Análise Técnica como variáveis independentes para compor a predição. Os algoritmos foram desenvolvidos através da linguagem Python usando framework Keras. Para avaliação dos algoritmos foram utilizadas as métricas de desempenho MSE, RMSE e MAPE, além da comparação entre as previsões obtidas e os valores reais. Os resultados das métricas indicam bom desempenho de predição pelo modelo Ensemble proposto, obtendo 70% de acerto no movimento do índice, porém, não conseguiu atingir melhores resultados que as redes MLP e NARX, ambas com 80% de acerto. / Abstract: Different segments of the financial area, such as the forecast of stock prices, the foreign exchange market, the market indices and the composition of investment portfolio, use machine learning. This work aims to compare and combine two types of machine learning algorithms, the Artificial Neural Network Ensemble method with Multilayer Perceptrons (MLP), auto-regressive with exogenous inputs (NARX) and Long Short-Term Memory (LSTM) for prediction of the Bovespa Index. The Bovespa time series samples were obtained daily, using Yahoo! Finance, from January 4th, 2010 to December 28th, 2017. Dollar quotation, Google trends and numerical indicators of the Technical Analysis were used as independent variables to compose the prediction. The algorithms were developed using Python and Keras framework. Finally, in order to evaluate the algorithms, the MSE, RMSE and MAPE performance metrics, as well as the comparison between the obtained predictions and the actual values, were used. The results of the metrics indicate good prediction performance by the proposed Ensemble model, obtaining a 70% accuracy in the index movement, but failed to achieve better results than the MLP and NARX networks, both with 80% accuracy. / Mestre

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Química, Florianópolis, 2009 / Made available in DSpace on 2012-10-24T13:27:12Z (GMT). No. of bitstreams: 1 274578.pdf: 914888 bytes, checksum: 8df2fd55baa57d28f483bdc966d81799 (MD5) / A possibilidade de se utilizar sensores virtuais para predição e monitoramento de algumas variáveis físico-químicas, são interessantes quando se tratam de sistemas heterogêneos de polimerização, como nas reações de polimerização em emulsão e suspensão. Apesar de existirem alguns equipamentos e técnicas bem estabelecidas para tais medidas offline e on-line, o tempo de resposta é elevado para fins de controle de processos. Em outros casos, quando são utilizados sensores físicos in situ, estes podem influenciar nas condições operacionais ou então estarem sujeitos à formação de aglomerados em sua superfície resultando na degradação e confiabilidade da medida. Como exemplo típico, pode ser citado a aplicação de medidas de espectroscopia na região de infravermelho próximo (NIRS) em reações de polimerização em suspensão, em que as medidas iniciais são confiáveis devido à baixa viscosidade do meio reacional. Entretanto, a medida que o efeito gel se torna pronunciado, ocorre a formação de aglomerados na sonda o que pode degradar o sinal medido. Diante de tais dificuldades, associados ainda ao elevado custo na instalação, manutenção e operação da instrumentação, o uso de sensores virtuais têm se difundido na área de processos de polimerização. Neste trabalho foi desenvolvido um sensor virtual empregando técnicas baseadas em redes neurais artificiais (RNAs). O modelo gerado através de RNAs têm a vantagem de serem computacionalmente eficientes, de fácil construção e implementação e ainda capazes de incorporar as variações do processo que não são possíveis de serem incorporados num modelo fenomenológico convencional. As RNAs foram treinadas com um conjunto de dados obtidos de uma unidade industrial de produção de poliestireno expansível em ciclos de batelada. As variáveis de entradas selecionadas foram: as temperaturas do reator, as temperaturas da camisa do reator e as pressões ao longo do ciclo da reação, e as variáveis de saída foram: o teor de pentano, o monômero residual, a massa molar média viscosimétrica, e as frações granulométricas no final de cada. A RNA com o algoritmo de treinamento Levenberg-Marquardt mostrou-se mais eficientes que Backpropagation padrão, pois apresentou um erro quadrático médio menor, além de precisar de menos épocas da etapa de treinamento, Porém, apresentou-se com uma boa capacidade de generalização para o novo conjunto de dados na etapa de validação. Desta forma, conclui-se que os resultados foram satisfatórios. O sensor virtual conseguiu bons resultados na predição das variáveis de interesse no final de cada reação através da utilização das variáveis secundarias do processo. / The possibility of using soft-sensors for monitoring and prediction of physico-chemical variables, are useful when dealing with heterogeneous polymerization systems, such as emulsion and suspension polymerization reactions. Although, there are some techniques and equipment well stablished for such off-line and on-line measures, the response time is high for purposes of processes control. In other cases, where physical sensors are used "in situ", it can influenced on the operating conditions or be subject to the formation of agglomerates on the surface resulting in the degradation and reliability of the measures. As a typical example, may be mentioned the application of near infrared spectroscopy (NIRS) in polymerization reactions, where the initial measures are reliable due to low viscosity of the reaction medium. However, as the gel effect becomes pronounced, occurs the formation of agglomerates in the probe which can degrade the signal measured. Faced with such difficulties, even the high cost involved in installation, maintenance and operation of the instrumentation, the use of virtual sensors have been widely used in the polymerization reaction process. In this work was developed a softsensor employing techniques based on artificial neural networks (ANNs). The model generated by an ANNs have the advantage of being computationally efficient, easy construction and implementation and also be able to incorporate the changes of the process that are not possible to be incorporated into a conventional phenomenological model. The ANNs were trained with a dataset obtained from a plant for the production of expandable polystyrene in batch cycles. The input variables selected were: temperatures of the reactor, temperatures of the jacket and the reactor pressures during the reaction cycle, and the output variables were the percentage of pentane, residual monomer, average molar mass and the size fractions in the final of each reaction. The ANN with the evenberg-Marquardt algorithm was more efficient than the standard backpropagation algorithm; the Levenberg-Marquardt algorithm presented a lower mean square error, and need less time in the training step, however, showed a better generalization for the new dataset presented at the validation step. At this time, it is concluded that the results were satisfactory. The virtual sensor has good results predicting the variables of interest at the end of each reaction using secondary variables of the process.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro de Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2010 / Made available in DSpace on 2012-10-25T06:36:39Z (GMT). No. of bitstreams: 1 278409.pdf: 7563673 bytes, checksum: e15c39ba72bcfd2cfe832f027abb56c7 (MD5) / Este trabalho propõe uma arquitetura de controle inteligente para navegação de robôs móveis que foi resultante de uma série de construções prévias cuja evolução é descrita. A fim de prover maior flexibilidade e um menor custo computacional ao modelo de navegação proposto, foram estudadas técnicas de Inteligência Artificial, tais como, Redes Neurais Artificiais e Aprendizagem por Reforço, com o foco na questão do aprendizado em tempo de operação para ambos os níveis da arquitetura. A arquitetura final integra de maneira eficiente os níveis deliberativo e reativo, dispondo de um método de aprendizado adaptativo de mapa topológico no nível mais alto, suportado por um processo de aprendizado de mapeamento percepção ação no nível mais baixo. As implementações e resultados das simulações mostram o desenvolvimento progressivo do sistema de navegação proposto,capaz de prover a um robô móvel, com limitados recursos de sensores, memória e processamento, a habilidade de executar tarefas de navegação em labirintos do tipo T desconhecidos e modificáveis durante seu tempo de operação. Uma outra contribuição deste trabalho refere-se a uma nova descrição proposta para o dilema conhecido como "exploration versus exploitation", no contexto da integração entre os níveis reativo e deliberativo e como medida de desempenho.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2010 / Made available in DSpace on 2012-10-25T06:37:55Z (GMT). No. of bitstreams: 1 279945.pdf: 708901 bytes, checksum: 97ca5fe12255f203a3e2cd65d29378c2 (MD5) / No mundo das finanças, a Teoria dos Mercados Eficientes (TME) afirma que a flutuação do preço dos ativos financeiros é aleatória, sendo assim, não existem maneiras de proteger o investidor, prevendo os futuros movimentos do mercado. Contudo, várias iniciativas empíricas têm demonstrado que a afirmação da TME não é totalmente correta. Entre as frentes de pesquisa que buscam prever os movimentos de ativos financeiros, pode-se destacar a área com um ponto de vista econométrico, que tenta prever movimentos mediante métodos matemáticos e estatísticos, como regressão linear e regressão não linear, bem como as redes neurais. Além disso, em outra área de pesquisa, há a Teoria Multiagente de Modelagem de Mercado (Theory of Multi-Agent Market Modeling) que foca sua atenção na microestrutura do mercado, partindo do princípio de que os movimentos de preços emergem da interação de muitos agentes individuais do mercado. Contudo, esses modelos financeiros baseados em agentes têm algumas limitações. Não é possível adequar os agentes a dados reais do mercado para gerar previsões futuras, pois na maioria dos modelos a tomada de decisão é feita por meio de funções ad-hoc ou mecanismos que não podem ser ajustados a dados externos. Para obter uma previsão real do modelo, é preciso adaptar o mecanismo de decisão dos agentes com modelos econométricos, como as redes neurais, que podem ser ajustadas a séries de dados reais. Dessa forma, por intermédio da interação dos agentes, o modelo de mercado resultante pode capturar a dinâmica oculta do mercado e prever os movimentos futuros com uma eficácia maior do que faria um sistema de regressão não linear isoladamente. Este trabalho propõe um modelo computacional baseado na utilização do comportamento emergente de uma comunidade de agentes de software com mecanismos de decisão cognitiva, baseados em redes neurais, com o objetivo de realizar previsões do comportamento do Índice da Bolsa de Valores de São Paulo # Índice Bovespa. Os agentes da comunidade interagem com um mecanismo de coleta dos valores das 65 ações mais negociadas da Bovespa que compõem o Índice Bovespa, utilizados para computar as previsões de evolução do índice. A fim de validar a hipótese da pesquisa, é feita uma comparação entre os resultados obtidos pelo modelo implementado, com uma abordagem tradicional de previsão baseada exclusivamente em redes neurais. Os resultados obtidos demonstram que as previsões do modelo proposto são mais performáticas do que a previsão isolada do índice baseada exclusivamente em redes neurais, já que o modelo proposto captura melhor a microestrutura do mercado, prevendo um passo a frente de maneira mais eficaz. / In finance world , the efficient-market hypothesis (EMH) states that the financial assets have random price fluctuation, so, there are not ways to protect the investor forecasting the future market movements. However, several initiatives have shown that empirical assertion of EMH is not entirely correct. Among the research fronts that seek to predict the movements of financial assets, we can highlight the area with an econometric point of view, which attempts to predict movements through mathematical and statistical methods such as linear regression and nonlinear regression, as well as neural networks. Moreover, in another area of research, we have the Theory of Multi-Agent Market Modeling that focuses attention on the micro-structure of the market, assuming that the price movements emerge from the interaction of many actors in the market. However, these financial models based on agents have some limitations. It is not possible to match agents to actual market data to forecast a step ahead, as in most models of decision making is done through ad-hoc functions or mechanisms that can not be adjusted to external data. For a preview of the real model, you need to adapt the decision-making mechanism of the agents with econometric models such as neural networks, which can be adjusted to actual data sets. Thus, through the interaction of the agents, the market model results can capture the hidden dynamics of the market and predict future movements with greater effectiveness than would a system of non-linear regression alone. This paper proposes a computational model based on the use of emergent behavior of a community of software agents with cognitive decision-making mechanisms base on neural networks in order to make predictions of the behavior of the index of He Stock Exchange of São Paulo # Bovespa Index. The agents of the community interact with one engine collects the values of the 65 most actively traded stocks that comprise the Bovespa Bovespa Index, used to compute the projected trend of the index. In order to validate the hypothesis of the study, a comparison is made between the results obtained by the model implemented with a traditional approach to forecasting based solely on neural networks. The results show that by the proposed model are more performing than the forecast index alone based solely on neural networks, since the proposed model better captures the microstructure of the market, and one step ahead more effectively.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2010 / Made available in DSpace on 2012-10-25T07:31:33Z (GMT). No. of bitstreams: 1 285592.pdf: 942677 bytes, checksum: d27da8f48b91079aee8d81b72ef01712 (MD5) / Redes Neurais são amplamente empregadas em problemas de classificaçao e regressão, porém os modelos mais comuns fornecem apenas a estimação de regressão sem nenhuma medida de confiança associada à saída da rede. Medidas de desempenho global como o Erro Médio Quadrático não são capazes de reconhecer regiões onde a resposta da rede possa estar contaminada com incertezas, devido ao ruído presente nos dados ou à baixa densidade de dados de treinamento nessas regiões. Incorporar medidas de confiança na saída da rede, como intervalos de predição, valida a regressão e auxilia tomadores de decisão a estabelecerem critérios de risco, necessários em muitas aplicações práticas. Entretanto, existe uma série de restrições para o calculo do Intervalo de Predição nas redes neurais, que são dificeis de serem cumpridas em problemas reais. Neste trabalho, estudou-se as medidas de confiança fornecida pela rede de função de base radial, algumas das suas deficiencias foram tratadas com o objetivo de obter medidas de confiança mais satisfatórias e com menos restrições sobre o modelo, que possam ajudar os tomadores de decisão em aplicações reais.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Ciência da Computação. / Made available in DSpace on 2012-10-22T21:54:52Z (GMT). No. of bitstreams: 1 235234.pdf: 640855 bytes, checksum: 5d1a26bf07f47528c353630615f7a265 (MD5) / Este trabalho apresenta uma abordagem teórica e prática da aplicação de conceitos de uma classe específica de redes neurais, formadas por neurônios com potencial de ação, na área do aprendizado de sistemas robóticos. Adaptou-se o modelo de Redes Neurais Hierárquicas Orientadas a Objetos (Hi-NOON) para um dispositivo robótico simples. A fim de validar estas adaptações implementou-se alguns circuitos neurais em um robô LEGO onde algumas formas de aprendizado em tempo de operação foram observadas. Os resultados obtidos e a discussão associada descrevem graficamente os relacionamentos entre neurônios e sinapses, bem como as alterações dos estados internos dos neurônios como efeito dos estímulos do aprendizado.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduação em Ciência da Computação / Made available in DSpace on 2012-10-23T08:12:44Z (GMT). No. of bitstreams: 1 245142.pdf: 1600011 bytes, checksum: 57b89170ae14aeba5cf181358c856b1b (MD5) / As novas condi!"es do mercado de energia el#trica exigem que as concession$rias mantenham altos n%veis de qualidade nos seus sistemas. Isso se traduz em aspectos co-mo n%vel de carregamento, continuidade de fornecimento e, mais recentemente, atua!&o inteligente no mercado atacadista de energia. Neste contexto, as informa!"es atuais ou hist'ricas n&o s&o suficientes para subsidiar o processo decis'rio: # desej$vel conhecer as condi!"es do sistema no futuro, em especial a carga el#trica. Dada a complexidade t%pica dos sistemas el#tricos, diversos trabalhos apresentam solu!"es para a predi!&o de carga que se baseiam em sistemas inteligentes h%bridos. Entretanto, embora estes siste-mas sejam eficazes e assegurem uma precis&o maior do que a obtida com modelos b$si-cos, muitas vezes eles demandam um alto custo computacional. Esse custo torna-se es-pecialmente cr%tico na determina!&o da relev(ncia preditiva das vari$veis dispon%veis. Neste trabalho, # apresentado um m#todo de classifica!&o para os perfis de consumo que otimiza a sele!&o das vari$veis preditoras. Como os perfis de consumo s&o processos estoc$sticos variantes no tempo, as t#cnicas convencionais de extra!&o de caracter%sticas n&o s&o eficazes na sua representa!&o, formando padr"es inconsistentes. Por esta raz&o, # apresentada uma nova forma de representa!&o baseada no desempenho de regressores SVM )Support Vector Machine* que estimam a carga el#trica em fun!&o das diversas vari$veis com potencial preditivo. Esta t#cnica # validada mediante a inspe!&o do espa!o de caracter%sticas gerado, o qual forma grupamentos que compartilham os mesmos conjuntos de preditoras. In order to achieve high quality standards in electrical power systems, utility companies rely upon load forecasting to accomplish critical activities such as optimal dynamic dispatch and smart performance in the power wholesale market. Several works propose hybrid intelligent forecasting models to deal with the dynamic and non-linear characteristics of the load at a relatively high computational cost. While such approaches give emphasis to the forecasting itself, this work presents a procedure to detect similarities among distinct consumption profiles. Empirical results show that similar profiles share similar sets of relevant predictors. As finding similarities among profiles is less costly than finding the set of relevant predictors from scratch, a new parameter selection method is proposed. Such method is employed to build some neural forecasters with considerable improvement in the learning time.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Ciência e Engenharia de Materiais. / Made available in DSpace on 2012-10-23T20:07:43Z (GMT). No. of bitstreams: 1 260418.pdf: 1109349 bytes, checksum: ac88685360ab866c18cc3f193b9c6316 (MD5) / Aplicou-se a metodologia de delineamento de misturas combinado com redes neurais em dois sistemas cerâmicos multicomponentes: porcelana elétrica e porcelanato, contendo número de matérias-primas similar ao utilizado nas indústrias de fabricação de isoladores elétricos e de revestimentos cerâmicos, respectivamente. As matérias-primas industriais disponíveis foram caracterizadas quanto à composição química e propriedades físicas, as quais foram utilizadas para o delineamento de misturas. Após processamento e obtenção de propriedades das misturas planejadas, em laboratório preparado para reprodução de condições industriais, efetuou-se análise pelos métodos de regressão polinomial e treinamento de redes neurais artificiais. A capacidade preditiva dos dois métodos de análise foi avaliada com experimentos de verificação a partir de misturas não contidas no planejamento inicial. No sistema #porcelana elétrica# modelos polinomiais de segunda ordem ajustaramse para relação entre teor de matérias-primas e propriedades finais das misturas, havendo melhor capacidade preditiva das redes neurais em comparação aos modelos resultantes da regressão polinomial. No sistema #porcelanato#, modelos lineares ajustaram-se bem para relação entre variáveis de entrada e saída, assim como as redes neurais, as quais apresentam menor desvio padrão ao prever propriedades a partir de entradas não contidas no planejamento. De maneira geral, as RNAs #aprendem# a relação entre o teor das matérias-primas e as propriedades finais das misturas cerâmicas tradicionais, independente do grau da função que a descreve e do número de matérias-primas envolvidas, podendo ser utilizadas para prever propriedades de misturas não contidas no treinamento. Artificial neural networks were applied to the prediction of properties of two multicomponent ceramic systems: electrical porcelain and porcelain stoneware. Design of mixture experime the number of raw materials commonly used in ceramic industries of electrical insulators and floor tiles, respectively. Physical and chemical properties were determined for available raw materials, which were used in the design of mixture experiments. Designed mixtures were processed in laboratory according to an industrial approach. After reaching the properties of the designed ceramic mixtures, data analyses were performed by linear regression and artificial neural networks. The predictive ability of both data analysis methods was evaluated by verification experiments. In the electrical porcelain system, second order polynomial model fitted the relation between the raw materials content and final properties of mixtures. Artificial neural networks were successfully used for prediction of properties, compared with polinomial regression. In the floor tile system, linearity was achieved for the relation between raw materials content and final properties. Artificial neural networks were successful too and provided lower standard deviation compared to the fitted linear model. Artificial neural networks #learn# the relationship between raw materials content and ceramic mixture properties, independently of the number of raw materials used and the mathematical model that describes this relationship.