Este estudo utilizou uma série histórica de dados de quatro etapas de uma produção avícola: reprodutoras pesadas, um incubatório, produção de frangos de corte e um abatedouro de frangos de corte pertencente a uma integração avícola do Rio Grande do Sul, no período de junho de 2009 a janeiro de 2010. As linhagens utilizadas foram COBB, ROSS e AVIAN. A diferença entre as médias das variáveis dos dados iniciais e a estatística descritiva foram calculadas com o programa computacional SigmaStat® Statistical Software para Windows 2.03. Foram analizados dados de 27 produtores de matrizes de frango de corte, um incubatório, 147 produtores de frango de corte e um abatedouro onde continham registro de: origem do nascedouro no incubatório, origem da incubadoura no incubatório, quantificação da contaminação por Salmonella sp., Aspergillus sp., Escherichia Coli, Pseudomonas sp. nos nascedouros, número de aviários por incubadoura, ovo de cama/ninho, percentual de linhagem, ovo trincado, minutos de incubação, minutos de nascedouro, horas de estoque, eclosão total, eclosão vendável, ovos incubáveis, aproveitamento de ovos, idade da matriz, perda de peso de ovo, peso de pinto, peso de ovo, contaminação na transferência, tipo de pinto, fertilidade, tipo de máquina, produtor, extensionista, peso do frango de primeira semana, peso do frango de segunda semana, peso do frango de terceira semana, peso do frango de quarta semana, peso do frango de quinta semana, mortalidade do frango na primeira semana, mortalidade do frango na segunda semana, mortalidade do frango na terceira semana, mortalidade do frango na quarta semana, mortalidade do frango na quinta semana, linhagem, condenação total, condenação parcial. As redes neurais foram construídas através do programa computacional NeuroShell®Predictor e NeuroShell®Classifier, desenvolvido pela Ward Systems Group. O programa identificou as variáveis escolhidas como “entradas” para o cálculo do modelo preditivo e variável de “saída” aquela a ser predita. Na primeira parte foram apresentados o treinamento das redes neurais artificiais onde foram utilizadas 50% das linhas de registro de junho de 2009 a janeiro de 2010, utilizou-se todas as variáveis de entrada que antecedem as seguintes variáveis de saída para cada rede: eclosão total, eclosão vendável, fertilidade, mortalidade de 1 semana, mortalidade de 5 semanas, perda de peso de ovo, peso de 5 semanas, tipo de pinto, condenação parcial e condenação total. A segunda parte destinou-se à validação dos modelos, onde se utilizou os outros 50% das linhas de registro com todas as variáveis de entrada que antecedem as mesmas variáveis de saída. Pode-se concluir que as redes neurais artificiais foram capazes de explicar os fenômenos envolvidos entre as quatro etapas da cadeia avícola, matrizes de frango de corte, incubatório, produção de frangos de corte e abatedouro. Esta técnica demonstra cientificamente que se podem criar critérios objetivos, onde estes se tornam uma importante ferramenta nas decisões que serão tomadas pelos gestores destes importantes setores da cadeia avícola. / This study used a historic series of four stages of poultry production: breeders, hatchery, production of broilers and broiler chicken slaughterhouse owned by a poultry integration of Rio Grande do Sul in the period from June 2009 to January 2010. The strains used were COBB, ROSS and AVIAN. The difference between the averages of the initial data and descriptive statistics were calculated with the computer program SigmaStat ® Statistical Software for Windows 2.03. We analyzed data from 27 breeders, 1 hatchery, 147 broiler producers and a slaughterhouse where contained the records of: origin of the hatcher in the hatchery, the origin of incubator in the hatchery, and quantification of Salmonella sp., Aspergillus sp., E. coli, Pseudomonas sp. contamination in hatcher, number of poultry per incubator, egg floor / nest, percentage of lineage, cracked egg, minutes of incubation, the birthplace of minutes, hours in inventory, total hatch, hatching salable, hatching eggs, usable eggs, breeder age, egg weight loss, chick weight, egg weight, contamination in the transfer, type of chick, fertility, machine type, producer, extension workers, the chicken weight of the first week, chicken weight of the second week, chicken weight of the third week, chicken weight of the fourth week, chicken weight of the fifth week, mortality of the chicken in the first week, mortality of chickens in the second week, mortality of the chicken in the third week, mortality of the chicken in the fourth week, mortality of the chicken in the fifth week, lineage, total condemnation, partial condemnation. The neural networks have been built through the computer program NeuroShell Predictor ® and NeuroShell®Classifier, developed by Ward Systems Group. The program identified the variables selected entries as “inputs” for the calculation of the predictive model and the variable “output” those to be predicted. In the first part were presented the training of artificial neural networks were used 50% of the lines of record from June 2009 to January 2010, was used all the input variables that precedes the following output variables for each network: total hatching , salable hatch, fertility, mortality of one week, mortality of five week , egg weight loss, weight of five weeks, type of chick, partial-condemnation and total condemnation. The second part was intended to validate the models, where were used the other 50% of the records lines with all input variables s that precedes the same output variables. It can be concluded that artificial neural networks were able to explain the phenomena involved between the four stages of poultry production, breeders, hatchery, broiler production and slaughterhouse. This technique proves scientifically that we can create objective criteria, and this methodology become an important tool in making decisions taken by managers of these important sectors of the poultry chain.

A Escherichia coli patogênica aviária (APEC), pertence à família Enterobacteriacea, é responsável por vários processos patológicos nas aves, atuando como agente primário ou secundário na aerossaculite, pericardite, perihepatite, peritonite, salpingite, onfalite, celulite, entre outros. O presente estudo aborda a resistência a antimicrobianos de amostras de E. coli (APEC) de uma forma inovadora, utilizando como ferramenta as redes neurais artificiais, metodologia inserida na linha de pesquisa do CDPA (Centro de Diagnóstico e Pesquisa em Patologia Aviária). A utilização de inteligência artificial, especificamente, as redes neurais artificiais (RNAs), está sendo crescentemente empregada como ferramenta para a análise de dados não lineares e multivariados, característica comum em fenômenos biológicos. O objetivo do presente trabalho foi demonstrar que é possível predizer o uso de antimicrobianos, utilizando trinta e oito genes responsáveis por distintos fatores de virulência, oriundos das amostras de Escherichia coli isoladas de frango de corte, através das redes neurais artificiais (RNAs). Além disso, verificou-se a relação entre o índice de patogenicidade (IP) e a resistência aos quatorze antimicrobianos que fazem parte do banco de dados usado para o desenvolvimento deste estudo. Neste trabalho foram utilizados os dados disponíveis referentes a 256 amostras de E. coli isoladas de camas de aviários, lesões de celulite e quadros respiratórios de frangos de corte. Para a confecção das redes neurais artificiais as entradas escolhidas foram: os índices de patogenicidade, as lesões induzidas em pintos de um dia de idade, a caracterização dos genes associados à patogenicidade, o bioquimismo, a origem das amostras e por fim, a motilidade. As redes neurais artificiais foram criadas realizando associações entre as variáveis de entrada com o objetivo de encontrar o modelo mais ajustado. As saídas utilizadas de acordo com Salle (2009) foram o comportamento das cepas de Escherichia coli frente aos 14 antimicrobianos. Para verificar se existia diferença significativa entre as médias dos índices de patogenicidade (IP) e as amostras sensíveis e resistentes aos 14 antimicrobianos utilizados neste estudo, realizou-se análise estatística com o auxílio do software JMP® 9.0.1 (SAS Institute Inc., 2010). Os resultados obtidos demonstram que as redes neurais artificiais foram capazes de realizar a classificação correta do comportamento das amostras com amplitude de 74,22% a 98,44%, desta forma tornando possível predizer a resistência antimicrobiana da Escherichia coli, através de modelo das RNAs. A análise estatística realizada para verificar a relação entre o IP e a resistência aos 14 antimicrobianos demonstrou que estas são variáveis independentes. Ou seja, podem haver picos no IP sem alteração na resistência antimicrobiana, ou até mesmo o contrário, alterações na resistência antimicrobiana sem mudanças no IP. / The avian pathogenic Escherichia coli (APEC), belongs to the family Enterobacteriacea, is responsible for various pathological processes in poultry, acting as an agent in the primary or secondary lesion such as: sacculitis, pericarditis, perihepatitis, peritonitis, salpingitis, omphalitis, cellulitis, among others. This study addresses the antimicrobial resistance of E. coli (APEC) strains in an innovative way, using tools such as artificial neural networks, methodology embedded in the CDPA´s search line (Center for Diagnostics and Research in Avian Pathology). The use of artificial intelligence, specifically artificial neural networks (RNAs), is being increasingly used as a tool for data analysis and nonlinear multivariate, common feature in biological phenomena. The objective of this study was to demonstrate that it is possible to predict the use of antimicrobials, using thirty-eight distinct genes responsible for virulence factors, derived from Escherichia coli isolates from broiler, through artificial neural networks (ANNs). Besides, it was found the relationship between pathogenicity index (PI) and resistance to fourteen antimicrobial forming part of the database used for the development of this study. In this study was used the data available for 256 samples of E. coli isolated from broiler litter, lesion of cellulitis and respiratory symptoms in broilers. To make the neural network inputs have been chosen: the indices of pathogenicity, the induced lesions in chicks at day old, characterization of genes associated with pathogenicity, biochemism, the source of samples and finally motility. Artificial neural networks have been created making associations between the input variables in order to find the best adjusted model. The outputs used according Salle (2009) was the behavior of Escherichia coli strains compared to 14 antimicrobials. To check whether there was a significant difference between the average indices for pathogenicity (IP) and the sensitive and resistant samples to 14 antimicrobials used in this study, statistical analysis was performed with the help of software JMP ® 9.0.1 (SAS Institute Inc., 2010). The results show that artificial neural networks were able of performing correct classification of the behavior of the samples with an amplitude of 74.22% to 98.44%, thereby making it possible to predict the antibiotic resistance of Escherichia coli, using ANNs model. The statistical analysis performed to assess the relationship between IP and resistance to 14 antibiotics showed that these variables are independent. That is, it can happen peaks in IP without change in antimicrobial resistance, or even the opposite, changes in antimicrobial resistance without changes in IP.

O objetivo principal deste trabalho é estudar empiricamente o processo de formação de expectativas inflacionárias no Brasil, no período recente (pós metas de inflação), através de um modelo conexionista, que aproxima a forma como os agentes fazem previsões. A coordenação das expectativas do mercado em relação à inflação futura é um aspecto crucial do regime de metas de inflação. Dessa forma, entender os fatores que afetam tais expectativas é de grande relevância para o direcionamento adequado da política monetária. Os dados para expectativas de inflação utilizados são provenientes da pesquisa FOCUS do Banco Central do Brasil, e constituem um painel de dados não balanceado. Os resultados obtidos nos permitem afirmar que a maior influência sobre as expectativas inflacionárias no período como um todo foi da volatilidade cambial, seguida pela variação no preço das commodities, pela defasagem de ordem um das expectativas, pela variação cambial e pela meta. Em menor magnitude, afetam as expectativas o resultado primário do governo, a defasagem de ordem dois e a taxa Selic. O comportamento desse efeito ao longo do tempo foi verificado através da análise de sensibilidade do produto da rede em resposta a cada uma das variáveis. No período de crise de confiança, há um expressivo descolamento das expectativas em relação à meta, com um aumento do efeito das demais variáveis. Resultado inverso ocorre no período pós-crise: o efeito da meta de inflação aumenta e das demais variáveis tende a se reduzir, ainda que em alguns casos tais efeitos sejam expressivos (como da defasagem de ordem um e da volatilidade cambial). Isso nos leva a concluir que o Banco Central vem consolidando sua credibilidade ao longo do tempo, mas que há ainda espaço para melhorias. / This work aims to empirically study the formation process of inflationary expectations in Brazil, in the recent period (after the introduction of the inflation targeting policy) by a connexionist model that approaches the way agents forecast. The coordination of market expectations in relation to the future inflation is a crucial aspect of the inflation targeting. This way, understanding the factors that affect such expectations has great relevance for the adequate aiming of the monetary policies. The data for inflation expectations used in this work are from the FOCUS research of the Brazilian Central Bank, and it constitutes a unbalanced data panel. The results obtained allow us to affirm that the biggest influence on the inflationary expectations in the period as a whole was from exchange rate volatility, followed by the commodities prices variation, by the first order lag of the expectations, by the exchange rate variation and by the target. In lesser magnitude, the primary result of the government, the second order lag and the Selic tax affect the expectations. The behavior of this effect throughout the time was verified through the analysis of sensitivity of the product of the network in reply to each one of the inputs. In the period of reliable crisis, there is an expressive shift of the expectations in relation to the target, with an increase of the effect of the other variables. Inverse result occurs in the after-crisis period: the effect of the inflation target increases and of the other variables tend to be reduced, despite in some cases such effect are expressive (as the first order lag and exchange rate volatility). Thus we may conclude that the Brazilian Central Bank has been consolidating its credibility throughout the time, but there is still an open space for improvements.

As Redes Neurais Artificiais (RNAs) vêm sendo empregadas com cada vez mais sucesso em diversas áreas de pesquisa, no campo da engenharia e em outros campos diversos. Neste trabalho foram modeladas séries fluviométricas relativas às afluências a quatro reservatórios, localizados em quatro bacias hidrográficas distintas que compõem a Bacia Metropolitana de Fortaleza, Ceará, Brasil. Tais afluências apresentam peculiaridades relativas à ocorrência de magnitudes nulas, que dificultam sua modelagem através dos convencionais modelos estatísticos da família Box-Jenkins. Neste estudo foram trabalhadas duas abordagens distintas, a primeira univariada, em que cada série era modelada de forma individual, e a segunda multivariada, em que as séries fluviométricas eram modeladas simultaneamente. Os resultados obtidos, segundo ambas as modelagens, demonstram que a técnica apresenta potencial para a aplicação pretendida. Estudos futuros merecem ser desenvolvidos ainda no sentido de verificar a melhor maneira de se enquadrar a componente aleatória nas séries sintéticas produzidas via RNAs. / Artificial Neural Networks (ANNs) are being used more and more in many different fields of research, in engineering applications or other applications. This research deals with modeling of inflows to four reservoirs, located in different watersheds that belong to the Metropolitan Watershed of Fortaleza city, Brazil. These discharge sequences have particular characteristics in that they have frequent occurence of null discharges which makes it difficult to use traditional statistical models such as those Box-Jenkis family. Two different modeling approaches were adopted in this study, the first univariate, in which each time series was modeled individually, and the second multivariate, in which the four time series were modeled simultaneously. The results from the both approaches show that the technique has potential for use in water resources planning and management. Future studies are required to propose better means of incorporing the random component in the generation of synthetic time series through ANNs.

Este trabalho apresenta um novo modelo de redes neurais para análise e previsão de séries temporais: o modelo ARMA-CIGMN (do inglês, Autoregressive Moving Average Classical Incremental Gaussian Mixture Network) além dos resultados obtidos pelo mesmo. Este modelo se baseia em modificações realizadas em uma versão reformulada da IGMN. A IGMN Clássica, CIGMN, é similar à versão original da IGMN, porém baseada em uma abordagem estatística clássica, a qual também é apresentada neste trabalho. As modificações do algoritmo da IGMN foram feitas para melhor adpatação a séries temporais. O modelo ARMA-CIGMN demonstra boa capacidade preditiva e a modelagem ainda pode ser auxiliada por conhecidas ferramentas estatísticas como a função de autorrelação (acf, do original em inglês autocorrelation function) e a de autocorrelação parcial (pacf, do original em inglês partial autocorrelation function), já utilizadas em modelagem de séries temporais e nos modelos da IGMN original. As comparações foram feitas utilizando-se séries conhecidas e dados simulados. Foram selecionados para comparação os modelos estatísticos clássicos ARIMA (do inglês, Autoregressive Integrated Moving Average), a IGMN original e duas modificações feitas ainda na IGMN original:(i) um modelo similar ao modelo ARMA (do inglês, Autoregressive Moving Average) clássico e (ii) um modelo similar ao modelo NOE (do inglês, Nonlinear Output Error). Também é apresentada um versão reformulada da IGMN, usando a abordagem clássica da estatística, necessária para o desenvolvimento do modelo ARMA-CIGMN. / This work presents a new model of neural network for time series analysis and forecasting: the ARMA-CIGMN (Autoregressive Moving Average Classical Incremental Gaussian Mixture Network) model and its analysis. This model is based on modifications made to a reformulated IGMN, the Classical IGMN (CIGMN). The CIGMN is similar to the original IGMN, but based on a classical statistical approach. The modifications to the IGMN algorithm were made to better fit it to time series. The proposed ARMA-CIGMN model demonstrates good forecasts and the modeling procedure can also be aided by known statistical tools as the autocorrelation (acf) and partial autocorrelation functions (pacf), already used in classical statistical time series modeling and also with the original IGMN algorithm models. The ARMA-CIGMN model was evaluated using known series and simulated data. The models used for comparisons were the classical statistical ARIMA model and its variants, the original IGMN and two modifications over the original IGMN: (i) a modification similar to a classical ARMA (Autoregressive Moving Average) model and (ii) a similar NOE (Nonlinear Output Error) model. It is also presented a reformulated IGMN version with a classical statistical approach, which is needed for the ARMA-CIGMN model.

Submitted by Eduarda Figueiredo (eduarda.ffigueiredo@ufpe.br) on 2015-03-06T15:55:36Z No. of bitstreams: 2 Vitor_Emerenciano_Dissertação_PPGEE_2012.pdf: 5206797 bytes, checksum: ea2f6a4e56b1e9d557f8076064efac39 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-06T15:55:36Z (GMT). No. of bitstreams: 2 Vitor_Emerenciano_Dissertação_PPGEE_2012.pdf: 5206797 bytes, checksum: ea2f6a4e56b1e9d557f8076064efac39 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2012-02-03 / A crescente demanda por energia elétrica vem impactando diretamente na regulação do setor elétrico, onde a falta de energia elétrica hoje disponibilizada passa a ser inaceitável e consequentemente impactando em penalização para as empresas concessionárias do setor. Diante deste cenário a possibilidade de contar com um sistema de monitoramento em tempo real que oriente ações corretivas das equipes de manutenção constitui uma ferramenta de fundamental importância na melhoria dos indicadores operacionais das empresas do setor. No sistema elétrico de potência, devido às suas características, cerca de 60% das ocorrências de falta de energia estão associadas a curtoscircuitos de origem monofásicas, o que apresentam ondas viajantes se propagando ao longo do alimentador, em ambas as direções, sofrendo reflexões e refrações relacionadas com as singularidades do percurso realizado. Assim, os sinais eletromagnéticos transitórios gerados pela incidência da falta manifestam peculiaridades associada ao caminho percorrido por essas ondas viajantes. Essas particularidades quando extraídas adequadamente podem ser empregadas, com grande eficácia, por sistemas inteligentes indicando a localidade da falta. Com base nesta premissa esta dissertação propõe uma abordagem utilizando redes neurais artificias para localizar faltas fase-terra em sistemas elétricos de distribuição rurais fortemente dispersos e de grandes extensões. A modelagem proposta faz uso da transformada de wavelets e das técnicas multirresolução de sinais no intuito de melhorar a precisão na localização de faltas como também se ressalta o emprego de processos estatísticos, o qual visa extrair atributos representativos do trecho sob falta.

Submitted by Isaac Francisco de Souza Dias (isaac.souzadias@ufpe.br) on 2016-01-25T18:22:30Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertação_Ramon_Bezerra_Souza_versão_final.pdf: 3177211 bytes, checksum: 017ba69bf52dcd924ae27162d811437a (MD5) / Made available in DSpace on 2016-01-25T18:22:30Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertação_Ramon_Bezerra_Souza_versão_final.pdf: 3177211 bytes, checksum: 017ba69bf52dcd924ae27162d811437a (MD5) Previous issue date: 2014-08-29 / CAPES / O Brasil apresenta um amplo potencial eólico a ser explorado, atualmente, observa-se a grande expansão desta fonte de geração, principalmente no nordeste do Brasil, onde os ventos apresentam uma importante característica de complementaridade em relação às vazões do rio São Francisco. Porém, devido à incerteza associada à potência disponível, o aprimoramento das ferramentas de previsão de curto prazo representa um fator determinante para a operação do sistema, contribuindo para facilitar a comercialização de energia elétrica, o controle dos parques eólicos e fornecer uma estimativa futura para determinada localidade. Este trabalho é uma contribuição aos modelos de previsão de velocidades médias horárias dos ventos, para o horizonte de previsão de uma a quatro horas, utilizando as Redes Neurais Artificiais, sistemas Neuro-Fuzzy e o Reservoir Computing como métodos de inteligência artificial e as variáveis velocidade média do vento, umidade do ar, radiação solar e temperatura como entradas dos modelos de previsão. Os resultados obtidos para as previsões com alguns modelos propostos, revelaram ganhos da ordem de 50 % quando comparados com o modelo de referência, ratificando a eficiência dos modelos desenvolvidos. / Brazil has a large wind potential to be exploited, currently, there is a great expansion of this source of generation, primarily in northeastern Brazil, where winds have an important feature of complementarity with the flows San Francisco River. However, due to the uncertainty associated with the available power, the improvement in short-term forecasting tools is a key factor for system operation, helping to facilitate the sale of electricity, control of wind farms and provide an estimate for future Local determined. This work is a contribution to the average speeds hourly forecast models of the winds, to the forecasting horizon of one to four hours, using the Artificial Neural Networks, Neuro-Fuzzy systems and Reservoir Computing as methods of artificial intelligence and speed variables average wind, humidity, solar radiation and temperature as inputs for forecasting models. The results obtained for predictions with some proposed models, showed gains of about 50% compared to the reference model, confirming the efficiency of the developed models.

Submitted by (ana.araujo@ufrpe.br) on 2016-05-20T13:54:50Z No. of bitstreams: 1 Ana Virginia Pedrosa Figueiredo.pdf: 2045507 bytes, checksum: 8ec16ce7fe3a69992ddd7f91512eb706 (MD5) / Made available in DSpace on 2016-05-20T13:54:50Z (GMT). No. of bitstreams: 1 Ana Virginia Pedrosa Figueiredo.pdf: 2045507 bytes, checksum: 8ec16ce7fe3a69992ddd7f91512eb706 (MD5) Previous issue date: 2007-02-26 / One of the human senses that has several aspects get to be elucidated is the olfactory sense. Therefore, many scientists have been studying this sense in order to better understand how does the information processing happens until the brain recognize it. There were lots of theories regarding olfactory system functioning, in which its authors try to explain how the reception, the analysis and the odor detection occur. Many people still use their own noses as a working tool. In this kind of job, people are trained to inhale and detect different odors. It is considered as an exhausting and risky job for those professional that, for example, could inhale toxics gases. In order to solve this problem, many systems that try to simulate a biological nose were developed. These systems are known as artificial noses. An artificial nose is an equipment composed of sensors and a pattern recognition system. The sensors are responsible for detecting odor signs from the external environment. The pattern recognition system is used to classify the signs sent by sensors and to provide a result from these signs.In the present work, artificial neural network techniques were used for the patternrecognition process, once these techniques are non-parametric and usually nonlinear. The usage of artificial neural networks as an odor recognition system has been quite advantageous. These networks are capable of working with non-linear data and also have an adaptation capability, they are tolerant to errors and noise, and have parallel processing. MLP, RBF e PNN were used in the development of an odor recognizing system based on a biologic system model and its results were compared, using the Wilcoxon test on the respective network models without the adaptation to the biologic model. / Um dos sentidos humanos que apresenta vários aspectos que ainda precisam ser elucidados é o sentido do olfato. Para isto muitos pesquisadores vêm estudando este sentido para melhor entender como ocorre o processamento das informações até a etapa de reconhecimento feita pelo cérebro. Desses estudos muitas foram as teorias propostas sobre o funcionamento do sistema olfativo, onde seus autores procuram esclarecer como ocorre a recepção, análise e detecção do odor. Muitas pessoas ainda têm como ferramenta de trabalho seus próprios narizes. Nesse tipo de trabalho pessoas são treinadas para inalar e detectar odores. Esse trabalho é considerado exaustivo e de risco para o profissional que, por exemplo, pode vir a inalar gases tóxicos. Para solucionar esse problema foram criados sistemas que simulam o nariz biológico. Esses sistemas são chamados de narizes artificiais. O nariz artificial é um equipamento formado por sensores e um sistema de reconhecimento de padrões. Os sensores são responsáveis por captar do meioexterno os sinais de odor. O sistema de reconhecimento de padrões é utilizado para classificar os sinais enviados pelos sensores e apresentar um resultado. No presente trabalho, foram utilizadas as técnicas de redes neurais artificiais para o reconhecimento de padrões. Pois essas técnicas são não-paramétricas e geralmente são não-lineares. A utilização de redes neurais artificiais como sistema de reconhecimento de odor tem sido bastante vantajosa. Elas têm a capacidade de trabalhar com dados não-lineares, possuem capacidade de adaptação, são tolerantes a erros e a ruídos e também possuem processamento paralelo. Foram utilizadas as redes MLP, RBF e PNN para o desenvolvimento de um sistema de reconhecimento de odor baseado em um modelo do sistema olfativo biológico e seus resultados foram comparados, utilizando o teste de Wilcoxon, com os respectivos modelos de redes sem a adaptação ao modelo biológico.

Made available in DSpace on 2014-06-12T15:50:51Z (GMT). No. of bitstreams: 2 arquivo1990_1.pdf: 7818220 bytes, checksum: 429a01f4c97958df3a607ea6fa5c8fc8 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Este trabalho apresenta um novo modelo de Rede Neural Artificial de Topologia Dinâmica chamado State Trajectory Generator (STRAGEN) capaz de gerar trajetórias de estados a partir do mapeamento do espaço de estados de um sistema. O modelo permite a utilização de diferentes critérios para a composição de uma trajetória ótima de acordo com o domínio de interesse, ou diferentes características do mesmo domínio. A representação do mapa de estados feita pelo STRAGEN preserva informações heterogêneas que descrevem a configuração do sistema, evitando assim a deformação de suas propriedades. O modelo é apresentado nas abordagens off-line e on-line. O STRAGEN off-line trabalha em três fases: treinamento, poda e geração de trajetórias; enquanto que a abordagem on-line trabalha em duas fases: treinamento e geração de trajetórias. Simulações e resultados para os domínios de robótica (com um manipulador bidimensional e tridimensional, uma mão antropomórfica operando no espaço) e a análise de progressões harmônicas musicais são consideradas ao final como exemplos de domínios distintos

Made available in DSpace on 2014-06-12T15:51:33Z (GMT). No. of bitstreams: 1 license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / Este trabalho investiga a otimização de Redes Neurais Artificiais (RNA) por métodos baseados em Enxame de Partículas (PSO) para a resolução do problema de previsão de séries temporais. O PSO, apesar de ser uma técnica linear, quando hibridizado com uma técnica não linear, como as redes neurais artificiais, formam um sistema híbrido inteligente (SHI) com um poderoso mecanismo de busca global(exploração) e local (explotação) capaz de capturar as características não lineares presentes em problemas complexos do mundo real. O problema de previsão de séries temporais é abordado através de diferentes modelos de otimização por enxame de partículas, que visam a ajustar os parâmetros livres das RNAs, ora de forma isolada, ora em conjunto com algoritmos de aprendizagem comumente encontrados na literatura. Cada um dos sistemas híbridos inteligentes baseados em PSO age de forma distinta para modelar o fenômeno gerador da série, sendo seu desempenho testado de acordo com um conjunto de cinco métricas robustas para análise de comportamento dos modelos na previsão de séries temporais. Diversos experimentos foram realizados sobre um conjunto de cinco séries temporais de complexidades distintas, sendo duas naturais (série de Manchas Solares e Série de Medidas de Brilho de uma Estrela) e três econômico-financeiras (série das cotações das ações da Petrobras, Índice Dow Jones Industrial Average, e Índice Standard & Poor 500), e os resultados obtidos com os modelos fundamentados em PSO são analisados e comparados com outros métodos clássicos baseados em redes neurais artificiais isoladas e com redes neurais conjugadas com algoritmos genéticos. Os experimentos com modelos baseados em enxames de partículas obtiveram bom desempenho quando comparados com técnicas já consolidadas na literatura (RNA e AG+RNA), mostrando-se capazes de auxiliar de forma significativa na resolução do problema de previsão