BEZERRA, E. C. Aplicação de ferramentas de inteligência computacional para previsão da velocidade do vento. 2012. 127 f. Dissertação (Mestrado em em Engenharia Elétrica) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2012. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2012-03-22T18:53:25Z No. of bitstreams: 1 2012_dis_ecbezerra.pdf: 23608008 bytes, checksum: 44e699b9603806222ce35ede1e2cc22d (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2012-03-22T18:53:59Z (GMT) No. of bitstreams: 1 2012_dis_ecbezerra.pdf: 23608008 bytes, checksum: 44e699b9603806222ce35ede1e2cc22d (MD5) / Made available in DSpace on 2012-03-22T18:53:59Z (GMT). No. of bitstreams: 1 2012_dis_ecbezerra.pdf: 23608008 bytes, checksum: 44e699b9603806222ce35ede1e2cc22d (MD5) Previous issue date: 2012-01 / Many countries have devoted a lot of attention in the use of renewable energy sources to ensure the growing of energy demand and sustainable development. Projections by the Global Wind Energy Council (GWEC) indicate that by 2015 the worldwide capacity of installed wind power will reach 449 GW, almost the double in 2010. The wind generation is characterized by the variability in production and the restricted control. The wind power forecast is essential for a reliable, safety and economic operation of power system. This paper presents and analyse the predicted wind velocity of Artificial Neural Networks (FTDNN, Elman, Jordan, NARX) to the forecasts horizons of 1h, 6h, 12h and 24h. Other Computacional Intelligence tools (PSO & GA) are used to improve the ANN performance. It was used as reference the results obtained through the Persistence model. It was used a time series with 45,658 measurement of wind speed, which 80% were selected for the training phase and 20% for validation purposes. As criteria for evaluate the performance of ANN were considered the error methods: MAE, RMSE and MAPE. The results shows that all the ANN ha similar results for 1h forecasts and better than the results from Persistence model. The use of PSO as a training tool results in better forecasts than the ones from backpropagation training. / Muitos países têm devotado elevada atenção ao uso de fontes renováveis para atender a demanda crescente de energia e assegurar um desenvolvimento sustentável. As projeções pelo Global Wind Energy Council (GWEC) indicam que até 2015 a capacidade mundial de potência eolielétrica instalada deverá chegar a 449 GW, o dobro existente em 2010. A geração eolielétrica tem como característica a variabilidade da produção e o controle restrito da geração, sendo a previsão da geração eólica uma necessidade para a operação confiável, segura e econômica dos sistemas de potência. Este trabalho apresenta e analisa o resultado da previsão da velocidade do vento utilizando Redes Neurais Artificiais (FTDNN, Elman, Jordan, e modelo Neural NARX) nos horizontes futuros de 1h, 6h, 12h e 24h. Outras ferramentas de Inteligência Computacional (PSO e GA) são também utilizadas para buscar melhorar o desempenho das RNAs na previsão. A análise comparativa das previsões obtidas teve como referência o modelo de Persistência. Os dados de velocidade do vento considerados provêm de uma série histórica com 45.658 amostras de medição, em que 80% foram selecionadas para a fase de treinamento e 20% para a validação. Como critério de avaliação do desempenho das Redes Neurais foram consideradas três medidas baseadas no erro da previsão (MAE, RMSE e MAPE). Para os dados utilizados, os modelos neurais testados se mostraram semelhantes (horizonte de 1h) e superiores (demais horizontes) ao modelo de Persistência, a depender do horizontes de previsão. Observou-se uma significativa melhoria das previsões dos modelos neurais ao adotar PSO como algoritmo de treinamento.

OLIVEIRA, H. A. Sistema de reconhecimento de padrões para identificação de porte de veículos através de análise de perfil magnético. 69 f. 2011. Dissertação (Mestrado em Engenharia Elétrica) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2011. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2016-03-17T12:55:10Z No. of bitstreams: 1 2011_dis_haoliveira.pdf: 4210663 bytes, checksum: e0c70a7230381c8e38615ea48ab45615 (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2016-03-17T15:47:12Z (GMT) No. of bitstreams: 1 2011_dis_haoliveira.pdf: 4210663 bytes, checksum: e0c70a7230381c8e38615ea48ab45615 (MD5) / Made available in DSpace on 2016-03-17T15:47:12Z (GMT). No. of bitstreams: 1 2011_dis_haoliveira.pdf: 4210663 bytes, checksum: e0c70a7230381c8e38615ea48ab45615 (MD5) Previous issue date: 2011-09-08 / Currently, transit agencies use traffic monitoring systems to reduce traffic accidents and as a fundamental tool for collecting statistical data for planning and management of road systems. These data are observed as the amount of information vehicles that travel at a certain point, the average speed and the identification of the category of vehicles. The identification of the category of vehicles that travels on a path allows you to control access lanes connecting to a specific class of vehicles. The objective of this work is to propose a solution for vehicle classification by analyzing signals collected from inductive sensors at the time the vehicle passes over the sensors. This set of signs for each vehicle is called the magnetic profile. This work used a classifier based on Artificial Neural Network (ANN) to identify the type of vehicle according to the pattern of magnetic profile collected. The implemented system used a Java framework that enabled the integration of ANN to the application that operates in the traffic monitoring equipment. It was developed a Java application that trains the ANN using data collected in the equipment and also allows evaluating further classification results obtained by the ANN. The vehicles were classified into the following categories: motorcycles, small vehicles, medium vehicles, buses and trucks. The developed system has been integrated into a traffic monitoring equipment manufactured by Fotosensores® and gave satisfactory results with an overall success rate above 97%. It represents an improvement in the equipment that carried out the classification. / Atualmente os órgãos de trânsito utilizam os sistemas de monitoramento de tráfego para redução de acidentes de trânsito e como ferramenta fundamental para a coleta de dados estatísticos para auxiliar no planejamento e gerenciamento dos sistemas viários. Nestes dados são observadas informações como a quantidade de veículos que trafegam em determinado ponto, a velocidade média e a identificação da categoria dos veículos. A identificação da categoria dos veículos que trafegam em uma via permite o controle de acesso a faixas de rolagem destinadas a uma classe de veículos específica. O objetivo desse trabalho é propor uma solução para classificação de veículos através da análise de sinais coletados de sensores indutivos no momento em que o veículo passa sobre os mesmos. O conjunto destes sinais para cada veículo é denominado perfil magnético. Foi utilizado um classificador baseado em Rede Neural Artificial (RNA) para identificar o tipo de veículo de acordo com o padrão do perfil magnético coletado. Na implementação do sistema foi utilizado um framework Java que possibilitou a integração da RNA ao aplicativo que opera no equipamento de monitoramento de tráfego. Também foi desenvolvido um aplicativo em Java que permite realizar o treinamento da rede utilizando dados coletados no equipamento e também permite avaliar posteriormente os resultados obtidos pela RNA. Os veículos foram classificados nas seguintes categorias: motos, veículos pequenos, veículos médios, ônibus e caminhões. O sistema desenvolvido foi integrado a um equipamento de fiscalização de tráfego fabricado pela empresa Fotosensores® e apresentou resultados satisfatórios, pois o índice de acerto geral do classificador foi de 97%, além de representar uma melhoria no equipamento que anteriormente realizava a classificação em somente quatro classes de veículos.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2016. / Made available in DSpace on 2017-08-22T04:22:16Z (GMT). No. of bitstreams: 1 347911.pdf: 1690914 bytes, checksum: e43f9150ef3cb130f6d5696b46a68fa5 (MD5) Previous issue date: 2016 / Abstract : Geostatistics aggregates a set of tools designed to deal with spatially correlated data. Two significant problems that Geostatistics tackles are the spatial interpolation and geostatistical simulation. Kriging and Sequential Gaussian Simulation (SGS) are two examples of traditional geostatistical tools used for these kinds of problems. These methods perform well when the provided Variogram is well modeled. The problem is that modeling the Variogram requires expert knowledge and a certain familiarity with the dataset. This complexity might make Geostatistics tools the last choice of a non-expert. On the other hand, an important feature present in neural networks is their ability to learn from data, even when the user does not have much information about the particular dataset. However, traditional models, such as Multilayer Perceptron (MLP), do not perform well in spatial interpolation problems due to their difficulty in accurately modeling the spatial correlation between samples. With this motivation in mind, we adapted the Incremental Gaussian Mixture Network (IGMN) model for spatial interpolation and geostatistical simulation applications. The three most important contributions of this work are: 1. An improvement in the IGMN estimation process for spatial interpolation problems with sparse datasets; 2. An algorithm to perform Sequential Gaussian Simulation using IGMN instead of Kriging; 3. An algorithm that mixes the Direct Sampling (DS) method and IGMN for cluster-based Multiple Point Simulation (MPS) with training images. Results show that our approach outperforms MLP and the original IGMN in spatial interpolation problems, especially in anisotropic and sparse datasets (in terms of RMSE and CC). Also, our algorithm for sequential simulation using IGMN instead of Kriging can generate equally probable realizations of the defined simulation grid for unconditioned simulations. Finally, our algorithm that mixes the DS method and IGMN can produce better quality simulations and runs much faster than the original DS. To the best of our knowledge, this is the first time a Neural Network model is specialized for spatial interpolation applications and can perform a geostatistical simulation.<br> / A Geoestatística agrega um conjunto de ferramentas especializadas em dados espacialmente correlacionados. Dois problemas importantes na Geoestatística são a interpolação espacial e a simulação. A Krigagem e a Simulação Sequencial Gaussiana (SGS) são dois exemplos de ferramentas geoestatísticas utilizadas para esses tipos de problemas, respectivamente. A Krigagem e a SGS possuem bom desempenho quando o Variograma fornecido pelo usuário representa bem as correlações espaciais. O problema é que a modelagem do Variograma requer um conhecimento especializado e certa familiaridade com o conjunto de dados em estudo. Essa complexidade pode tornar difícíl a popularização dessas técnicas entre não-especialistas. Por outro lado, uma característica importante presente em Redes Neurais Artificiais é a capacidade de aprender a partir dos dados, mesmo quando o usuário não possui familiaridade com os dados. No entanto, os modelos tradicionais, como o Multilayer Perceptron (MLP), têm dificuldade em identificar a correlação espacial entre amostras e não apresentam um bom desempenho em problemas de interpolação espacial. Com essa motivação, nós adaptamos e aplicamos a Incremental Gaussian Mixture Network (IGMN) em problemas de interpolação espacial e simulação geoestatística. As três principais contribuições deste trabalho são: 1. Melhoria no processo de estimação da IGMN para problemas de interpolação espacial; 2. Um algoritmo para realizar simulação sequencial gaussiana utilizando a IGMN como interpolador; 3. Um algoritmo que mistura o método Direct Sampling (DS) e a IGMN para realizar simulação multiponto (MPS) a partir de imagens de treinamento. Os resultados mostram que a nossa abordagem é mais precisa que o MLP e a IGMN original em problemas de interpolação espacial, especialmente em conjuntos de dados esparsos e com anisotropia (em termos de RMSE e CC). Nosso algoritmo de simulação sequencial que utiliza a IGMN como interpolador é capaz de gerar simulações não condicionadas que respeitam características do conjunto original de dados. Finalmente, nosso algoritmo de simulação multiponto, que mistura o método DS e a IGMN, é capaz de realizar simulações condicionadas e produz realizações com qualidade superior num tempo de execução inferior ao do DS. Até onde sabemos, esta a primeira vez que um modelo de rede neural é especializado para aplicações de interpolação espacial e é capaz de realizar simulação geostatística.

Tese (Doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-18T20:31:21Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-09T02:25:00Z : No. of bitstreams: 1 145025.pdf: 7745299 bytes, checksum: 84841e3dc505d10af146921ae15c21aa (MD5)

Made available in DSpace on 2014-06-11T19:32:22Z (GMT). No. of bitstreams: 0 Previous issue date: 2011-08-09Bitstream added on 2014-06-13T21:04:12Z : No. of bitstreams: 1 pontes_fj_dr_guara.pdf: 2076253 bytes, checksum: e0151bbfd7f5dd6f59a5364cd9097f4d (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / O presente trabalho oferece contribuições à modelagem da rugosidade da peça em processos de usinagem por meio de redes neurais artificiais. Propõe-se um método para o projeto de redes. Perceptron Multi-Camada (Multi-Layer Percepton, ou MLO) e Função de Base radial Radial Basis Function, ou RBF) otimizadas para a predição da rugosidade da pela (Ra). Desenvolve-se um algoritmo que utiliza de forma hibrida a metodologia do projeto de experimentos por meio das técnicas dos fatoriais completose de Variações Evolucionária em Operações (EVOP). A estratégia adotada é a de utilizar o projeto de experimentos na busca de configurações de rede que favoreçam estatisticamente o desempenho na tarefa de predição. Parâmetro de corte dos processos de usinagem são utilizados como entradas das redes. O erro médio absoluto em porcentagem (MAE %) do decil inferioir das observações de predição para o conjunto de testes é utilizado como medida de desempnho dos modelos. Com o objetivo de validar o métido proposto são empregados casos de treinamento gerados a partir de daods obtidos de trabalhos de literatura e de experimentos de torneamento do aço ABNT 121.13. O método proposto leva á redução significativa do erro de predição da rugosidade nas operações de usinagem estudadas, quando se compara seu desempenho ao apresentado por modelos de regressão, aos resultados relatados pela literatura e ao desempenho de modelos neurais propostos por um pacotecomputacional comercial para otimização de configurações de rede. As redes projetadas segundo o método proposto possuem dispersão dos erros de predição significativamente reduzidos na comparação. Observa-se ainda que rede MLP atingem resultados estatisticamente superior aos obtidos pelas melhores redes RBF / The present work offers some contributions to the area of surface roughness modeling by Artificial Neural Network in machining processes. Ir proposes a method for the project networks of MLP (Multi-Layer Perceptron) and RBF (Radial Basis Function) architectures optimized for prediction of Average Surface Roughness (Ru). The methid is expressed in the format of an algorithm employing two techniques from the DOE (Design of Experiments) methodology: Full factorials and Evolutionary Operations(EVOP). The strategy adopted consists in the sistematic use of DOE in a search for network configurations that benefits performance in roughess prediction. Cutting para meters from machining operations are employed as network inputs. Themean absolute error in percentage (MAE%) of the lower decile of the predictions for the test set is used as a figure of merit for network performance. In order to validate the method, data sets retrieved from literature, as well as results of experiments with AISI/SAE free-machining steel, are employed to form training and test data sets for the networks. The proposed algorithm leads to significant reduction in prediction error for surface roughness when compared to the performance delivred by a regression model, by the networks proposed by the original studies data was borrowed from and when compared models proposed by a software package intend to search automatically for optimal network configurations. In addition, networks designed acording to the proposed algorithm displayed reduced dispersion of prediction error for surface roughness when compared to the performance delivered by a regression model, by the networks proposed by the original studies data was borrowed from and when compared to neural models proposed by a software package intended to searchautomatically for optimal network configurations. In addition, networks designed according to the proposed algorith ... (Complete abstract click electronic access below)

Made available in DSpace on 2014-06-11T19:24:47Z (GMT). No. of bitstreams: 0 Previous issue date: 2004-04-16Bitstream added on 2014-06-13T18:52:40Z : No. of bitstreams: 1 takahashi_l_me_bauru.pdf: 1226517 bytes, checksum: 79773d4c627eaab79ac4319f0121ae0b (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / O presente trabalho desenvolve duas abordagens baseadas em sistemas inteligentes, redes neurais artificiais e algoritmos genéticos, para resolver problemas de Despacho Econômico (DE) com a incorporação das características não lineares e pontos de válvula na função custo das unidades geradoras em sistemas de geração. Os algoritmos de otimização convencionais têm apresentado problemas para resolver o DE nos casos em que as funções envolvidas apresentam características de não convexidade e/ou não diferenciabilidade. As abordagens neurais, mas especificamente a rede de Hopfield, mostram-se como ferramentas adequadas no estudo do DE quando funções objetivo não convexas são estudadas. Na Rede de Hopfield Modificada (RHM) aqui analisada, alguns problemas rotineiramente encontrados em outras abordagens neurais, tais como soluções infactíveis e a não convergência aos pontos de equilíbrio (que representam uma solução para o sistema), são tratados de forma eficiente... / The present work develops two intelligent system approaches: artificial neural networks and genetica algorithms to solving economic dispatch (DE) problems in which the valve point loading is introduced in the cost function analysis. Conventional optimization algorithms have presented some drawbacks when solving certain DE problems presenting non-convexity or non-differentiability issues. The neural approaches, specially the Hopfield network, have proven its efficiency as good tools for solving the DE when such problem presents non-convex objective functions. In the Modified Hopfield network (RHM) studied in this work some problems being highlighted in the literature, such as infeasible solutions or bad convergence rates to the equilibrium points, have been effectively handled. The RHM has also presented a good convergence rate when compared to other neural approaches, which, in general, take thousands of iteration to reach the solution. The Genetic Algorithms (GA) have proven to be suitable for solving optimization presenting non-linear and non-differentiable cost functions. Thus, the genetic... (Complete abstract click electronic access below)

Resumo: O presente trabalho desenvolve duas abordagens baseadas em sistemas inteligentes, redes neurais artificiais e algoritmos genéticos, para resolver problemas de Despacho Econômico (DE) com a incorporação das características não lineares e pontos de válvula na função custo das unidades geradoras em sistemas de geração. Os algoritmos de otimização convencionais têm apresentado problemas para resolver o DE nos casos em que as funções envolvidas apresentam características de não convexidade e/ou não diferenciabilidade. As abordagens neurais, mas especificamente a rede de Hopfield, mostram-se como ferramentas adequadas no estudo do DE quando funções objetivo não convexas são estudadas. Na Rede de Hopfield Modificada (RHM) aqui analisada, alguns problemas rotineiramente encontrados em outras abordagens neurais, tais como soluções infactíveis e a não convergência aos pontos de equilíbrio (que representam uma solução para o sistema), são tratados de forma eficiente... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The present work develops two intelligent system approaches: artificial neural networks and genetica algorithms to solving economic dispatch (DE) problems in which the valve point loading is introduced in the cost function analysis. Conventional optimization algorithms have presented some drawbacks when solving certain DE problems presenting non-convexity or non-differentiability issues. The neural approaches, specially the Hopfield network, have proven its efficiency as good tools for solving the DE when such problem presents non-convex objective functions. In the Modified Hopfield network (RHM) studied in this work some problems being highlighted in the literature, such as infeasible solutions or bad convergence rates to the equilibrium points, have been effectively handled. The RHM has also presented a good convergence rate when compared to other neural approaches, which, in general, take thousands of iteration to reach the solution. The Genetic Algorithms (GA) have proven to be suitable for solving optimization presenting non-linear and non-differentiable cost functions. Thus, the genetic... (Complete abstract click electronic access below) / Orientador: Ivan Nunes da Silva / Coorientador: Leonardo Nepomuceno / Banca: Geraldo Roberto Martins da Costa / Banca: Takaaki Ohishi / Mestre

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2011. / Submitted by Albânia Cézar de Melo (albania@bce.unb.br) on 2012-09-05T15:13:09Z No. of bitstreams: 1 2011_GeorgerRommelFerreiraAraujo.PDF: 2835953 bytes, checksum: dd16eaff79eecf269f263e5c9d9db626 (MD5) / Approved for entry into archive by Luanna Maia(luanna@bce.unb.br) on 2012-09-10T13:05:29Z (GMT) No. of bitstreams: 1 2011_GeorgerRommelFerreiraAraujo.PDF: 2835953 bytes, checksum: dd16eaff79eecf269f263e5c9d9db626 (MD5) / Made available in DSpace on 2012-09-10T13:05:29Z (GMT). No. of bitstreams: 1 2011_GeorgerRommelFerreiraAraujo.PDF: 2835953 bytes, checksum: dd16eaff79eecf269f263e5c9d9db626 (MD5) / Coleções textuais de Informática Forense são normalmente muito heterogêneas. Embora técnicas de classificação, por tipo de arquivo ou outros critérios, possam auxiliar na exploração dessas coleções textuais, elas não ajudam a agrupar documentos com conteúdo assemelhado. A Teoria da Ressonân- cia Adaptativa (Adaptive Resonance Theory – ART) descreve várias Redes Neurais Artificiais auto-organizáveis que utilizam um processo de aprendizado não-supervisionado e são especialmente projetadas para resolver o dilema da estabilidade/plasticidade. Este trabalho aplica o algoritmo ART1 (ART com vetores de entrada binários) para agrupar tematicamente documentos retor- nados de uma ferramenta de busca utilizada com coleções textuais forenses. Documentos que antes seriam apresentados em uma lista desorganizada e frequentemente longa passam a ser agrupados por conteúdo, oferecendo ao perito uma forma organizada de obter uma visão geral do conteúdo dos documentos durante o exame pericial. Os resultados experimentais são indicativos da validade da abordagem proposta, obtendo uma correspondência adequada entre a solução de agrupamento processada com o protótipo de aplicação desenvolvido e as classes-padrão definidas por um especialista. ______________________________________________________________________________ ABSTRACT / Computer forensic text corpora are usually very heterogeneous. While classifi- cation, by file type or other criteria, should be an aid in the exploration of such corpora, it does not help in the task of grouping together documents themati- cally. Adaptive Resonance Theory (ART) describes a number of self-organizing artificial neural networks that employ an unsupervised learning process and are specially designed to learn new patterns without forgetting what they have al- ready learned, overcoming the important restriction defined by the stability/ plasticity dilemma. This work applies the ART1 algorithm (ART with binary input vectors) to thematically cluster documents returned from a query tool used with forensic text corpora. Documents that would previously be presented in a disorganized and often long list are thematically clustered, giving the ex- aminer an organized way of obtaining a general picture of document content during forensic examinations. Experimental results validated the approach, achieving adequate agreement between the clustering solution processed with the developed prototype software package and the gold standard defined by a domain specialist.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2008. / Submitted by Thaíza da Silva Santos (thaiza28@hotmail.com) on 2010-02-27T13:21:30Z No. of bitstreams: 1 Dissert_KatiaCristinaBLMelo.pdf: 1770951 bytes, checksum: ce67e59c63431aab75d29ba1bb17578f (MD5) / Approved for entry into archive by Lucila Saraiva(lucilasaraiva1@gmail.com) on 2010-03-02T00:48:12Z (GMT) No. of bitstreams: 1 Dissert_KatiaCristinaBLMelo.pdf: 1770951 bytes, checksum: ce67e59c63431aab75d29ba1bb17578f (MD5) / Made available in DSpace on 2010-03-02T00:48:12Z (GMT). No. of bitstreams: 1 Dissert_KatiaCristinaBLMelo.pdf: 1770951 bytes, checksum: ce67e59c63431aab75d29ba1bb17578f (MD5) Previous issue date: 2008-02-15 / O presente trabalho propõe um simulador de rede neural capaz de predizer a intensidade do campo elétrico de uma onda de superfície, a partir de algumas características físicas do ambiente de propagação. Para o treinamento da rede, foram utilizados dados coletados na região central do Brasil, próximo à cidade de Brasília, consistindo de um sinal de rádio AM transmitido na freqüência de 980 kHz. Inicialmente, apresenta-se um resumo teórico sobre os dois assuntos centrais da pesquisa: propagação de ondas de rádio e redes neurais. Em seguida, especifica-se o projeto da rede neural, incluindo o detalhamento da arquitetura dessa rede e a descrição do processo de tratamento dos dados utilizados no treinamento e na validação da rede neural. Na busca por um resultado satisfatório, foram desenvolvidas três redes neurais distintas. Com o objetivo de validar a eficiência e a aplicabilidade de cada uma das redes neurais projetadas, os resultados obtidos foram comparados com os valores medidos de campo elétrico nessa região e também com valores teóricos obtidos segundo as orientações fornecidas pela recomendação ITU-R P.368-7. Os resultados encontrados neste trabalho validam o uso do simulador projetado como uma ferramenta prática para o projeto de novos sistemas de comunicação, bem como no planejamento dos futuros sistemas digitais de rádio. _________________________________________________________________________________________ ABSTRACT / The purpose of the current work is to create a neural network simulator capable of predicting the electric field intensity of a surface wave, from some physical characteristics of the propagation environment. For the network training, it was used data collected on the central region of Brazil, near the Brasília city, consisting of an AM radio signal transmitted at 980 kHz frequency. Initially, it is presented a brief theoretical review of the two major topics of this research: radio wave propagation and neural networks. Next, it specifies the neural network project, including details of the network architecture and description of the data treatment process used on the neural networking training and validation. Aiming for a satisfactory result, three distinct neural networks were built. In order to validate the efficiency and applicability of each designed network, its obtained results were compared with the measured electric field values for the region, and with the theoretical electric field values obtained by following the ITU-R P.368-7 prescriptions. The results obtained in this work validate the use of the designed simulator as a practical tool for new communications systems projects, including the future digital radio project.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2009. / Submitted by Jaqueline Ferreira de Souza (jaquefs.braz@gmail.com) on 2011-06-11T01:59:35Z No. of bitstreams: 1 2009_RobertoRodriguesLoiola.pdf: 8933604 bytes, checksum: 35516e2dcac7ddee716226fa67e9a6d0 (MD5) / Approved for entry into archive by Jaqueline Ferreira de Souza(jaquefs.braz@gmail.com) on 2011-06-11T02:00:24Z (GMT) No. of bitstreams: 1 2009_RobertoRodriguesLoiola.pdf: 8933604 bytes, checksum: 35516e2dcac7ddee716226fa67e9a6d0 (MD5) / Made available in DSpace on 2011-06-11T02:00:24Z (GMT). No. of bitstreams: 1 2009_RobertoRodriguesLoiola.pdf: 8933604 bytes, checksum: 35516e2dcac7ddee716226fa67e9a6d0 (MD5) / Essa dissertação aborda o problema da localização em ambientes fechados baseada em técnicas de redes neurais artificiais. Nesse sistema, a informação da intensidade do sinal recebido (RSSI) disponibilizada por interfaces de rede sem fio padrão é a base para a previsão de localização de dispositivos móveis. Métodos tradicionais de localização indoor possuem diversas características indesejáveis, tais como dificuldade de implementação, pouca flexibilidade (não permitem a utilização da infra-estrutura presente no local sem grandes alterações na disposição de APs), número elevado de parâmetros e alto custo computacional. Foram realizadas implementações de algoritmos tradicionais de localização (Algoritmo do Vizinho mais Próximo), métodos baseados em Redes Neurais Multicamadas (Perceptron MLP) e mapas auto-organizáveis de Kohonen. Conclui-se que esta última implementação (Kohonen) é capaz de prover resultados significativamente superiores àqueles obtidos em estudos recentes de localização indoor. _______________________________________________________________________________ ABSTRACT / This thesis addresses the indoor location problem using on artificial neural networks-based techniques. In this system, the received signal strength information (RSSI) provided by standard network wireless interfaces are the basis for mobile device's location prediction. Traditional methods of indoor location have several undesirable characteristics, such as implementation difficulties, lack of flexibility (requiring APs specific position), high number of parameters and high computational cost. Traditional indoor location algorithms such as the Nearest Neighbor Algorithm were compared to methods based on Multilayer Neural Networks (Perceptron MLP) and the Kohonen self-organized map. We conclude that the Kohonen's implementation is able to provide significantly better results (less errors, faster localization) than those obtained in recent studies of indoor localization.