Orientador: Lee Luan Ling / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica / Made available in DSpace on 2018-07-21T03:38:05Z (GMT). No. of bitstreams: 1 Gomes_NatanaelRodrigues_M.pdf: 3843291 bytes, checksum: ea1c445465616bedc519575e7960e649 (MD5) Previous issue date: 1996 / Resumo: A principal dificuldade em reconhecimento de caracteres manuscritos está em desenvolver métodos que possibilitem um ótimo índice de reconhecimento, apesar da grande variabilidade dos caracteres. Este trabalho apresenta um sistema para reconhecimento de numerais manuscritos desconectados, baseado na análise da topologia e distribuição pictorial de numerais e no emprego da rede de Hopfield discreta como memória associativa. O processo de classificação de numerais é dividido em dois estágios. No primeiro estágio, o numeral desconhecido é classificado de acordo com características extraídas de sua topologia e distribuição pictorial. Caso isto não seja possível, devido a distorções e ruídos na imagem do numeral desconhecido, a classificação é efetuada no segundo estágio de classificação do sistema, via rede de Hopfield. A rede de Hopfield é implementada de dois modos. No primeiro modo, a rede tem seus pesos calculados pelo método da projeção, no segundo modo, a rede tem os pesos calculados pelo método de síntese para sistemas lineares operando em modo saturado (LSSM). O sistema é testado com 1500 numerais manuscritos, sendo obtido uma taxa de 85% de reconhecimento com o sistema utilizando, no segundo estágio, a rede de Hopfield implementada conforme o primeiro modo. Uma taxa de reconhecimento de 84,4% é obtida com o sistema utilizando, no segundo estágio, a rede de Hopfield implementada de acordo com o segundo modo / Abstract: The main difficultyin handwritten character recognition consists in developing methods that provide a high recognition rate, although of the large degree of variability of the characteres. This work presents a system for recognition of disconnected handwritten numeraIs, based in analysis of the topology and distribution of pixels from the numerals, and application of a discrete Hopfield neural net used as associative memory. ln the system, the process of classification is divided in two stages. ln the first stage, the unknown numeral is classified considering features extracted from its topology and distribution of pixels. lf it is not possible, due to distortions and noise in numeral image, the classificationis effectuated in the second stage, via Hopfield netoThe Hopfield net is implemented of two manners. ln the first manner, the net has weights calculated by projection method and, in the second manner, the net has weights calculated by sinthesis procedures to linear systems operating in the saturated mode (LSSM systems). The system is tested with 1500 handwritten numerals. A recognition rate over 85% is obtained with the system making use in the second stage of the Hopfield net implemented by the first manner. A recognition rate over 84,4% is obtained with the system making use in the second stage of the Hopfield net implemented by the second manner / Mestrado / Mestre em Engenharia Elétrica

Orientador: Daniel Barrera Arellano / Tese (doutorado) - Universidade Estadual de Campinas. Faculdade de Engenharia de Alimentos / Made available in DSpace on 2018-07-22T22:22:48Z (GMT). No. of bitstreams: 1 Block_JaneMara_D.pdf: 5700147 bytes, checksum: 719b5a0e35ae69d9f57dc4b9b9a810b9 (MD5) Previous issue date: 1997 / Resumo: Na atualidade, produtos como margarinas e gorduras hidrogenadas de uso industrial são formulados utilizando-se várias bases hidrogenadas, através de uma técnica denominada de ''blending''. Para se determinar a proporção dos componentes (bases) da mistura são utilizados métodos como a programação linear, equivalentes estatísticos ou arquivos de formulas armazenadas em computador. Tais métodos estão fortemente vinculados à experiência do formulador uma vez que apresentam sérias limitações. As redes neurais ( sistemas computacionais baseados na estrutura e comportamento dos sistemas biológicos), estão sendo muito utilizadas na resolução de problemas complexos e podem ser uma poderosa ferramenta na formulação de gorduras. No presente trabalho foram construídas e treinadas, com base no perfil de sólidos do produto a formular, três redes neurais do tipo "perceptron". As redes, desenhadas para formular gorduras com 3 ingredientes (1 óleo e 2 bases hidrogenadas derivadas de soja), atuam em 3 níveis de decisão seqüenciais: técnico, disponibilidade e custos. O treinamento das redes foi realizado com 78, 63 e 112 produtos para as redes 1, 2 e 3, respectivamente. De acordo com a análise de especialistas, a Rede 1 apresentou uma eficiência de 73% na formulação de produtos realizados no treinamento. Para as Redes 2 e 3, a eficiência observada na etapa de treinamento foi de aproximadamente 1000/0. De acordo com a análise estatística, foram observadas diferenças de desempenho entre as Redes 1 e as Redes 2 e 3, sendo o pior desempenho atribuído à Rede 1. Nos testes para generalização de conhecimento, realizados com 17 produtos não utilizados na etapa de treinamento, foi observada na eficiência de aproximadamente 10001<» para as Redes 2 e 3, sendo que a análise estatística também não indicou diferença no desempenho das redes. Nos testes para verificação da amplitude de aplicação (realizado com 17 produtos comerciais), as Redes 2 e 3 obtiveram um índice de 64,1%, sendo que a análise estatística indicou desempenho melhor para a Rede 2. Em todos os testes realizados, as 3 redes forneceram respostas mais precisas nas temperaturas mais baixas (10, 20 e 25°C) e para produtos com teor de sólidos mais elevados. Para a Rede 3, foram realizados também testes de formulação de margarinas e cremes vegetais produzidos em escala piloto, com resultados similares aos produtos fabricados pela indústria de acordo com seus métodos. Os resultados obtidos demonstraram uma grande potencial de utilização das redes neurais como una alternativa aos procedimentos convencionais de formulação. / Abstract: Nowadays products such as margarine and hydrogenated fats used in industries are made using several hydrogenated bases through a technique called "blending". In order to deternrine the proportion of the components (bases) of the mixture methods such as linear programming, statistical equivalents or formula files stored in computer are used. These methods are greatly bonded to the experience of the formulator and present serious limitations. The neural networks (computer systems based on the structure and behavior of biological structures) are being used in the solving of complex problems and can be a powerful tool in formulating fats. In this work three neural networks of the "perceptron" type were built and trained based on the profile of the solids of the product to be formulated. The networks, projected to formulate fats with 3 ingredients (1 oil and 2 hydrogenated bases derived from soybean), act on three levels of sequential decisions: technical, availability and costs. The training of the networks was done with 78, 63 and 112 products for networks 1, 2 and 3, respectively. According to the analysis of specialists, network 1 showed a efficiency of 73% in the formulation of products used in the training. For network 2 and 3 the efficiency observed in the training stage was approximately 100%. According to the statistical analysis differences in performance between network 1 and 2 e 3 were observed, being the worst performance that of network 1. In the tests for generalization of knowledge, applied with 17 products not using the training stage, an efficiency of approximately 100% for network 2 and 3 was observed, being that the statistical analysis did not show a difference in performance among the networks. In the tests for verification of application amplitude (with 17 commercial products) the networks 2 and 3 resulted in a index of 64,70/0, being that, the statistical analysis indicated better performance for network 2. In all the tests the three networks offered more precise responses in lower temperatures (10, 20 e 25QC) and for products with higher solid contents. For network 3 tests for formulation of pilot scale production margarine and spreads were also done with results similar to those of products made by the industry according to its methods. The results obtained demonstrated great potential of utilization of the neural networks as an alternative to conventional formulation procedures. / Doutorado / Doutor em Tecnologia de Alimentos

Orientador: Lee Luan Ling / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-27T01:49:41Z (GMT). No. of bitstreams: 1 Cavalcanti_HugoMauroVasconcelosdaCunha_M.pdf: 6391593 bytes, checksum: 75cb2a1a256c8652d012f7153f370886 (MD5) Previous issue date: 2000 / Resumo: A implementação de um sistema de reconhecimento de padrões requer a solução de alguns problemas básicos: Aquisição de Dados, Extração de Características e Classificação dos padrões. Apesar de muitos trabalhos estarem sendo feitos na tentativa de resolver o problema de Reconhecimento de Padrões utilizando Redes Neurais, poucos são os trabalhos que abordam o Problema de Extração de Características. Assim, nesta Tese propomos o Algoritmo de Extração de Características via Redes Neurais Lee/Cavalcanti. Este algoritmo encontra a quantidade mínima de características necessárias para resolver o problema de classificação de padrões utilizando uma rede neural do tipo Multilayer Parceptron (MLP). E baseia-se no fato de que todas as características informativas podem ser encontradas a partir da fronteira de decisão do problema. Então, mostramos como construímos o algoritmo e apresentamos alguns experimentos que provam a eficiência do mesmo. Inicialmente, alguns experimentos foram feitos utilizando dados sintéticos, mostrando a relação entre a fronteira de decisão teórica e a fronteira de decisão prática encontrada a partir da rede treinada. Em seguida, implementamos urna rede neural para classificação de assinaturas estáticas. Neste experimento, utilizamos originalmente 32 características. E, em seguida, utilizando o algoritmo de extração de características Lee/Cavalcanti, conseguimos 98,84% de precisão de classificação, com apenas 16 características. Desta forma, mostramos que o uso do algoritmo Lee/Cavalcanti pode encontrar a quantidade mínima de características de um problema de classificação de padrões. E, desta maneira, fazer com que a classificação do padrão seja realizada de forma mais rápida do que utilizando o conjunto original de amostras / Abstract: The design and implementation of Pattern Recognition systems require the solution ofthe following problems: Data Acquisition, Feature Extraction and Pattern Classification. Although, much effort has been expended to solve a Pattern Recognition problem using the Neural Networks approach, not many works have being done to solve the Feature Extraction problem. In this thesis, we propose the Lee/Cava1canti Feature Extraction Algorithm Via Neural Networks, which finds the minimum number of features necessary to solve the classification problem using Multilayer Perception (MLP) Neural Networks. This algorithm is based on informative features found from the Decision Boundary. We present how the algorithm was built and some experiments to prove its efficiency. Some experiments using synthetic data are shown, indicating the relationship between the practical decision boundary, obtained from the trained neural network, and the theoretic one. Then, we design a neural classifier for a static signature recognition and we test it using 32 features. Finally, using only 16 features, we test the classifier obtaining a 98,84% accuracy in relation to the accuracy gained in the first test. The use of only 16 features was obtained using Lee/Cava1canti Algorithm. The use of the Lee/Cava1canti Algorithm can reduce the number of features involved in a classification problem. Furthermore, it can make the system work faster with the same classification accuracy provided by the original set of features / Mestrado / Mestre em Engenharia Elétrica

Orientadores: Ana Maria Frattini Fileti, Mauro Antonio da Silva Sa Ravagnani / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-12T02:23:30Z (GMT). No. of bitstreams: 1 Francisco_ClaudiodeOliveira_M.pdf: 3536322 bytes, checksum: 9176c63f34bc319f6ccc3537a278255c (MD5) Previous issue date: 2000 / Resumo: Neste trabalho é apresentada a modelagem de um secador industrial de gelatina através do uso de Redes Neurais Artificiais - RNA's. A complexidade associada à modelagem do sistema de secagem através de técnicas convencionais (modelos fenomenológicos) serviu como motivação para utilizar esta ferramenta, principalmente devido à habilidade das RNA's em "aprender" as relações de causa/efeito existentes em diferentes processos. Através de uma rede neural de alimentação direta, completamente conectada, formada por três camadas, foi prevista a umidade final da gelatina à saída do secador industrial, sendo estes valores comparados às medidas de umidade realizadas em laboratório. Dados reais do processo de secagem de gelatina também foram utilizados na etapa de treinamento da rede, sendo para isso, empregado o algoritmo de Levenberg Marquardt. Os resultados das simulações realizadas indicam grande potencial do uso de RNA's para modelagem do sistema de secagem, possibilitando, assim, a previsão do conteúdo de umidade da gelatina ao final da etapa de secagem / Abstract: In this work, the modeling of an industrial gelatin dryer via Artificial Neural Network - ANN - is presented. Modeling drying systems through First PrincipIes is not a trivial task. The complexities that arises ITom the application of conventional modeling techniques, coupled to the ability of the ANN in learning cause/effect relationships of different processes, were the main driving force to the present work development. A fully connected three layer feed forward network was used to predict the gelatin moisture content of the industrial dryer outlet. Predicted values were then compared to that obtained ITom laboratory analysis. The ANN training was carried out through the Levenberg-Marquardt Algorithm and the data set was obtained ITom the industrial drying process. Simulation results demonstrate the great potential of using ANN in drying systems modeling, allowing predictions of the gelatin moisture content in the drying step outlet / Mestrado / Sistemas de Processos Quimicos e Informatica / Mestre em Engenharia Química

Orientador: Paulo Sergio Franco Barbosa / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Civil / Made available in DSpace on 2018-08-03T19:05:54Z (GMT). No. of bitstreams: 1 Silva_CarlaSilvada_D.pdf: 2330255 bytes, checksum: 359bde71551f896711594d0717bf1597 (MD5) Previous issue date: 2003 / Doutorado / Recursos Hidricos / Doutor em Engenharia Civil

Orientador: Rubens Maciel Filho / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-03T19:30:55Z (GMT). No. of bitstreams: 1 Gonzaga_JoaoCarlosBastos_M.pdf: 3620776 bytes, checksum: 0e03b8964739744c03dc3e09a32b145a (MD5) Previous issue date: 2003 / Resumo: Esta dissertação apresenta a implementação de um sensor virtual (soft-sensor) para um processo industrial de polimerização PET -Poli (Tereftalato de Etileno), baseando-se em redes neurais (RNA). O sensor atua como medidor redundante da viscosidade do polímero na fase líquida; e, no caso de falhas mecânicas, propicia um diagnostico de falhas do viscosímetro físico e substituição do mesmo no monitoramento do sistema de controle. O controle da viscosidade é executado por meio de dois controladores PID (Proporcional-Integrativo-Derivativo) em configuração cascata, sendo o controlador da viscosidade o mestre e o controlador de vácuo do alto polimerizador o escravo, que manipula a válvula de quebra-vácuo. O uso de redes neurais nesta dissertação é uma metodologia bastante adequada tendo-se em vista as complexidades cinéticas relacionadas aos sistemas poliméricos. Neste presente trabalho, foi utilizado o algoritmo de retropropagação com apenas uma camada intermediária (hidden) para uma rede do tipo feedforward. O algoritmo do soft-sensor foi implementado em um sistema supervisorio (SETCIM-Aspentech), onde um banco de dados é atualizado em tempo real. O sistema supervisorio é executado em um servidor AlphaServer 1000, que esta interconectado com CLP's (controladores lógicos programáveis). Todos os dados no Setcim são organizados em unidades fundamentais (Record). As aplicações podem ler ou escrever dados que usem (entre outras opções) uma rica Interface de Programação de Aplicações (API - Aplication Programming Interfaces), suportado por Serviços de Chamadas Remotas a Procedimentos (RPC- Remote Procedure Cal!). Isto propiciou o desenvolvimento de diversos soft-sensors, para diferentes unidades de forma simultânea. A implementação do soft-sensor para o controle da viscosidade foi realizada através de solicitações de ensaios, com a participação de todos os setores da fabrica envolvidos na qualidade do produto. Um algoritmo de restrições foi desenvolvido no CLP para garantir a segurança do processo enquanto o soft-sensor estiver funcionando como estimador on-line no controle da viscosidade. A utilização de sensor virtual como estimador de variável de processo para controle possibilita um controle robusto e ainda permite, no caso de ocorrência de algum distúrbio sobre a variável controlada, a identificação das variáveis causadoras de tal variação. O sucesso dos resultados foi constatado por engenheiros da planta industrial após o acompanhamento de testes on-line do sensor virtual. Atualmente, o soft-sensor opera como estimador da viscosidade no controle de uma linha de produção com um desempenho excelente / Abstract: This work deals with the implementation of a soft-sensor for a PET (Polyethylene terephtalate) industrial process based on neural networks. The soft-sensor acts as redundant measure current for the polymer viscosity in the liquid phase; and, in case of mechanical faults, it is able to diagnoses the faults on the viscometer and can replace it.The viscosity control is realized through to two Proportional-Integral-Derivative (PID) controllers in cascade configuration. The viscosity controller is the master and vacuum controller of the high polymerizer is the slave, manipulating the vacuum valve. The use of neural network in this work is suitable due to kinetic complexities related to polymeric system. In this paper, it was employed the retro-propagation algorithm with only an intermediary layer for a feed-forward net. The soft-sensor algorithm was implemented in the supervisory system (SETCIM-Aspentech), where the database is actualized in real time. The supervisory system is executed in a Alpha-Server 1000, that is interconnected with PLC's (Programmable Logic Controllers). All data in the Setcim are organized in fundamental units (records). The applications are able to read and write data that use (among other options) one rich Application Programming Interfaces (API), supported by Remote Procedure Call (RPC). This became possible the development of several soft-sensors. The soft-sensor implementation for viscosity control was realized through requisitions of experiments with the participation of all the factory sectors related to product quality. An algorithm of restrictions was developed in the PLC, for assure the process safety, while the soft-sensor is controlling the viscosity.The use of a soft-sensor as process variable estimator for controllers is an interesting strategy; it assures a robust control and, in the presence of some disturbance, identifies which the process variables sensitize such variation. Process engineering group verified this conclusion after the attendance of on-line tests using the soft-sensor. Nowadays, the soft-sensor operates as viscosity estimator in the control of one production plant line with excellent results / Mestrado / Desenvolvimento de Processos Químicos / Mestre em Engenharia Química

Organizador: Marcio Luiz de Andrade Neto / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica / Made available in DSpace on 2018-07-24T07:14:59Z (GMT). No. of bitstreams: 1 Schlunzen_ElisaTomoeMoriya_M.pdf: 4771460 bytes, checksum: b8412b3352883587aa29ea546736ab50 (MD5) Previous issue date: 1994 / Resumo: Redes Neurais Artificiais são modelos computacionais inspirados no sistema nervoso biológico. Seus elementos de processamento são neurônios que produzem a soma ponderada das entradas e aplicam o resultado a uma função de transferência não linear, para gerar uma saída. Estes mojdelos têm-se mostrado adequados para o reconhecimento de padrões e classificação de dados mufltiespectrais de Sensoriamento Remoto. Neste contexto, foi desenvolvido um trabalho com o objetivo de implementar uma Rede Neural Multicamadas com algoritmo de treinamento "Bi Lckpropagation", para utilização na classificação de ura segmento de imagem TM/LANDSAT, ref;rente a uma área teste pré-selecionada e comparar os seus resultados com os de um cia isificador de Máxima Verossimilhança (MAXVER). O treinamento da Rede foi feito segundo trê: abordagens distintas, inicialmente com a apresentação pixel a pixel e, em seguida, da aqi isição de grupos de pixels. Os resultados obtidos mostram que, genericamente, à medida que sãc incorporadas informações de vizinhança ao treinamento da Rede, ocorre um melhor dei empenho do classificador. A comparação das classificações geradas pela Rede com aquelas obl idas com a aplicação do MAXVER mostrou um melhor desempenho da Rede, em termos de número de pixel classificados e similaridade com a verdade terrestre, quando se consideram condições semelhantes de amostragem durante o treinamento. Isto permite concluir que o treinamento da Rede Neural não implica em uma localização tão criteriosa das amostras, nem quj: o tamanho amostrai seja tão abrangente quanto no caso do MAXVER / Abstract: Artificial Neural Networks are computing models inspired in the biological nervous system, whose processing elements are neurons highly interconnected which produce a pondered sum of the fentrances and use the result to a function of non-linear transfer in order to generate a way out. These models have shown to be adequate to a Pattern Recognition and to the Remote Sent ling Multiespectral data classification, as well. Thus, an interesting task has been developed aiming to implement a multilayer Perception Neural Network with Backpropagation training and using it to serve as a digital classification of an area test segment of a TM/LANDSAT image, refaing to a preselected test area and so comparing the result of the utilization of this algorithm to tie result of a Maximum Likelihood algorithm classification. The Neural Net training was mac e through three different approaches: at the beginning using a pixel to pixel presentation and, as a sequence the acquisition of pixel groups. The result showed that as the information collected firon the neighborhood is incorporated to the network training, there will be a superior performance of the classifier. Moreover, the neural network classification resulted in a fewer nunber of non-classified pixels and a better similarity with ground truth than MAXVER classification. This allowed us to conclude that the Neural Network training is faster and easier thai] the training of a MAXVER classification algorithm / Mestrado / Mestre em Engenharia Elétrica

Orientador: Anselmo Eduardo Diniz / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecanica / Made available in DSpace on 2018-07-20T11:19:24Z (GMT). No. of bitstreams: 1 Hara_CelsoMinoru_M.pdf: 18210091 bytes, checksum: 703d96e069724514e2248d6a5cd4ff7f (MD5) Previous issue date: 1995 / Resumo: O objetivo principal deste trabalho é mostrar a eficácia da utilização de redes neurais em sistemas de monitoramento da vida da ferramenta usando sinais de vibração. Para tal, montou-se um sistema composto de acelerômetros piezoelétricos adaptados ao porta-ferramentas, acopladores que podem ler o sinal fornecido pelos acelerômetros e uma placa analógica/digital que converte esses sinais de maneira que possam ser armazenados e lidos pelo computador. Realizou-se ensaios de torneamento cilíndrico variando-se as condições de usinagem (velocidade de corte e avanço) em aço ABNT 4340. O sinal de vibração foi adquirido e armazenado e as rugosidades média e máxima da superfície da peça foram medidas. Posteriormente, executou-se uma rede neural "back-propagation" tendo como valores de entrada os sinais de vibração e as condições de usinagem e fornecendo como saída a indicação do estado de desgaste da ferramenta. A contribuição mais importante deste trabalho é a indicação através da rede neural, de um intervalo de melhor aproveitamento da ferramenta de corte no que se refere ao desgaste, possibilitando utilizá-Ia da melhor forma até o momento de sua troca / Abstract: The main goal of this work is to show the feasibility of employing neural networks techniques on tool life monitoring systems using vibration signals. For this purpose, a system was set with two piezoelectrical accelerometers attached on the tool holder, couplers that can read the signal emitted by the accelerometers and an A/D board that converts these signals in order to save and read them in the computer. Several turning tests were carried out with different cutting conditions using ABNT 4340 steel as the workpiece material. The vibration signals were sampled and stored and the average and maximum surface roughness of the workpiece were measured. Later, a back-propagation neural network was run with cutting conditions and vibr~tion signals as input parameters and with tool wear status as output parameter. The most important conclusion of this work is that the neural network is able of establishing an interval of cutting time where the tool must be replaced, optimizing the utilization of the tool / Mestrado / Materiais e Processos de Fabricação / Mestre em Engenharia Mecânica

Orientador : Marcio Luiz de Andrade Netto / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica / Made available in DSpace on 2018-07-19T07:55:54Z (GMT). No. of bitstreams: 1 Campanha_JoseRoberto_D.pdf: 5894259 bytes, checksum: 50a6db00a4aedfc2f04ddd819fc66307 (MD5) Previous issue date: 1994 / Resumo: Propomos neste trabalho um método mais simples, para o cálculo dos parâmetros de ordem de redes neurais, baseados nos cumulantes de uma distribuição. Aplicamos este método ao modelo de Hopfield,obtivemos seus parâmetros de ordem m.q e r e baseados nestes parâmetros, construímos seu diagrama de fase. A seguir, estudamos com nosso método, um modelo de rede neural com esquecimento, e outra rede com baixo nível de atividade neural obtendo novamente, os mesmos resultados que os obtidos pelos métodos da Mecânica Estatística. Trata-se de uma generalização da regra de Hebb, em que consideramos a variação espacial da interação. A partir do método dos cumulantes calculamos os parâmetros de ordem do 1t modelo e mostramos que para k > -2L não há recuperação dos padrões aprendidos pela rede. A principal vantagem do método proposto é ser mais simples do que os métodos da Mecânica Estatística, e por isto acredito, ser acessível a profissionaisde outras áreas / Abstract: Not informed. / Doutorado / Automação / Doutor em Engenharia Elétrica

Orientador: João Marcos Travassos Romano / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica / Made available in DSpace on 2018-07-19T08:13:48Z (GMT). No. of bitstreams: 1 DestroFilho_JoaoBatista_M.pdf: 8643175 bytes, checksum: 31e4a919df4446d9b58e6ebea11efa78 (MD5) Previous issue date: 1994 / Resumo: Nesta tese realiza-se um estudo cujo objetivo é estabelecer uma base teórica para o processamento neural-adaptativo de sinais, uma nova técnica que visa conjugar as potencialidades intrínsecas das propriedades coletivas emergentes de redes neurais ao sólido formalismo matemático da filtragem adaptativa. Isto possibilita, ao mesmo tempo, uma análise matemática mais aprofundada dos princípios básicos do processamento de informação neural (auto-organização e processamento paralelo distribuído) e a generalização da aplicação de filtros adaptativos a situações mais complexas (por exemplo, no caso de aplicações que envolvam ruído não-gaussiano). A base teórica proposta nesta tese está fundamentada numa série de analogias matemáticas e conceituais existentes entre as redes neurais e a filtragem adaptativa, que envolvem estruturas, algoritmos de treinamento e princípios básicos. Evidencia-se como redes neurais podem ser fundamentadas pelo formalismo matemático associado à filtragem adaptativa, em termos da equação de Wiener-Hopf, da predição linear , do algoritmo do gradiente estocástico e da desconvolução cega. Simultaneamente, demonstra-se como filtros adaptativos podem ser relacionados aos princípios básicos de redes neurais, por exemplo, ao sistema nervoso vertebrado, à sinapse de Hebb, ao processamento paralelo distribuído, à auto-organização e à psicologia cognitiva. Apresenta-se uma metodologia de trabalho para sinais o desenvolvimento do processamento neural-adaptativo de e discutem-se alguns resultados já alcançados por esta nova abordagem, que consistem na análise matemática simultânea do processamento paralelo distribuído intrínseco a uma rede neural Perceptron multi-camadas (linear e parcialmente interconectada) e à cascata de filtros adaptativos transversais. Com base nesta análise, propõe-se uma versão modificada do algoritmo do gradiente estocástico na forma cascata, cujo desempenho é avaliado para a predição linear de um sinal auto-regressivo. Simulações evidenciam que, para este caso, o novo algoritmo é mais rápido e mais independente das condições iniciais que sua versão original / Abstract: We propose the theoretical foundations of the " Neural Adaptive Signal Processing" , an emerging technique which establishes an useful co-operation between the collective properties of neural networks and the solid mathematical theory connected to adaptive filtering. Neural adaptive signal processing enables, at the same time, a deeper mathematical anaIysis of neural networks basic principIes (eg. parallel distributed processing and self-organization) and the efficient application of adaptive fiIters to more eomplex tasks (eg. signal processing in the presence of non-Gaussian noise). The theoretical foundations are based upon several mathematical and conceptual anaIogies between neural networks and adaptive fiItering structures, training algorithms and basic principIes. We point out how some adaptive fiItering theories and equations (such as Wiener-Hopf equation, linear prediction, stochastie gradient algorithm and blind deconvolution) can be applied as an useful formalism to neural networks mathematical anaIysis. Conversely, we show how adaptive fiIters can be reIated to neural networks basic principIes (for exempIe, vertebrate nervous system, Hebbian synapsis, paraIIel distributed processing, seIf-organization and cognitive psychology). We present a research methodology for neural adaptive signal processing deveIopment and we discuss some resul ts attained by distributed processing two systems: a parallel linear making use of it. We anaIyse of mathematically the partially-interconnected multi-layer Perceptron and a cascade of transversal adaptive filters. Based upon this analysls, we propose an alternative cascade-form stochastic gradient algorithm, and we evaluate its performance when the cascaded fiIters are appIied to the linear prediction of an auto-regressive signal. For this case, simulations outline that the new algorithm seems to be faster and more independent of system initial conditions than its original counterpart / Mestrado / Eletronica e Comunicações / Mestre em Engenharia Elétrica