Este trabalho apresenta um sistema para o processamento do sinal mioelétrico baseado em Redes Neurais e Wavelets. Com a aquisição dos sinais mioelétricos dos músculos do segmento mão-braço, é possível determinar diversos parâmetros para a caracterização dos movimentos executados. A Transformada Wavelets foi utilizada na etapa de segmentação do sinal e a rede neural artificial na caracterização do movimento executado. O sistema é constituído de um eletromiógrafo (EMG de 8 canais), placa de aquisição de dados e um computador responsável pelo processamento dos dados. Foram utilizado eletrodos de superfície posicionados em lugares estratégicos no segmento mão-braço. O experimento consiste em repetir movimentos do segmento mão-braço executados por um modelo virtual. Os movimentos avaliados, neste trabalho, são: contração da mão, extensão do punho, flexão do antebraço, flexão do punho, rotação do braço, rotação e flexão do antebraço, rotação do braço e contração da mão, extensão e flexão do punho, contração da mão e elevação do braço. Esses movimentos são apresentados ao sujeito em determinadas sequências através dos modelos virtuais desenvolvidos, permitindo assim, a padronização do movimento a ser executado pelo voluntário O sinal é adquirido através de uma placa de aquisição e processado. As etapas principais de processamento são: segmentação do sinal de interesse através da Wavelet Discreta, extração de características (r.m.s, variância, desvio padrão, sesgo, curtose ) e uso da Rede Neural para determinar o movimento executado final dos testes, foi verificado que o movimento contração da mão e elevação do braço apresentou uma taxa de acerto média de 75%; o movimento flexão do antebraço obteve 81% de acerto médio; a contração da mão obteve 33% de acerto médio, o movimento contração da mão 76% de acerto médio; o movimento de flexão do punho 100 % de acerto médio, rotação e flexão do antebraço 66% de acerto médio, extensão e flexão do punho um 16% de acerto médio, extensão do punho 83,3% de acerto médio, rotação do braço 16,7% de acerto médio. Rotação do braço e contração da mão 83,3% de acerto médio. / This work presents a neural-network myoelectric processing-based system. With the acquisition of myoelectric signals from the muscles of the hand-arm segment, it is possible to determine the parameters that characterize the executed movements. Therefore, in this work Artificial Neural Networks are implemented to recognize patterns in order to determine the executed movement. The system is constituted by an electromyography (8-channel EMG), a data acquisition board and a computer responsible for data processing. In this research an experimental system is developed to capture the myoelectric signals by means of an EMG and a data acquisition board. Surface electrodes located in strategic places in the hand-arm segment are used. The experiment consists of repeated movements of the hand-arm segment executed by a virtual model. The movements examined in this work are: hand contraction, fist extension, forearm flexion, fist flexion, arm rotation, forearm rotation and flexion, fist contraction and extension and arm elevation. Those movements are presented to a volunteer in a random way by means of the virtual models developed, permitting a standardization of the movements that are to be executed by the volunteer. In the last part it is verified that the hand-contraction movement and the arm-elevation movement present an accuracy rate average of 75%; the forearm-flexion movement reaches 81% of accuracy rate average, the hand-contraction movement with 33% of accuracy rate average, the hand-contraction movement with 76% of accuracy rate average, the fist-flexion movement reached a 100% in the accuracy rate average, the forearm rotation flexion movement with a 66% in the accuracy rate average, the fist extension and flexion movement reaches the 16% in the accuracy rate average and the fist-extension movement with a 83.3% of accuracy rate average.

O teor de água no solo é um dos fatores determinantes nos processos de transferência entre o solo e a atmosfera, contribuindo nos balanços de água e de energia. Esse teor é influenciado pelas entradas de água na bacia hidrográfica, por características climáticas, topográficas, de cobertura vegetal, práticas de manejo agrícola e propriedades do solo. A grande heterogeneidade desses fatores faz com que a caracterização desse teor seja ainda um grande desafio. Essa pesquisa objetivou desenvolver abordagens baseadas em Redes Neurais Artificiais (RNAs) para determinação da variação espacial e temporal do teor de água no solo, utilizando informações climáticas, propriedade físicas do solo e variáveis topográficas de uma bacia hidrográfica, com área aproximada de 78 km², localizada na Região Sul do Brasil (bacia do Taboão). A RNA adotada é uma rede de duas camadas, com 25 neurônios na camada intermediária, sendo o treinamento realizado por meio do algoritmo retropropagativo, considerando16 iterações iniciais dos pesos sinápticos, e número máximo de ciclos igual a 30.000. No total foram testadas 40 variáveis de entrada, sendo quatro referentes à topografia (altitude, declividade, distância do ponto ao trecho do rio mais próximo e desnível do ponto ao trecho mais próximo do rio); oito relacionadas ao solo (tipo de solo, densidade do solo, resistência à penetração no solo para as camadas de 0 a 20 cm e 20 a 40 cm, tensão da água no solo em apenas um ponto na bacia e percentual de argila, silte e areia), 10 relativas ao clima (clima, evapotranspiração de referência, temperatura do ar máxima e temperatura do ar, umidade relativa do ar máxima e umidade relativa do ar mínima, pressão atmosférica, radiação solar global, velocidade do vento e temperatura na relva), e 18 variáveis de chuva (chuva de 1, 2, 3, 4, 5, 6 e 12h; chuva de 1, 2, 3, 5, 10, 15, 20, 25 e 30 dias; chuva média ponderada horária; chuva média ponderada diária). A saída dos modelos foi comparada com valores de umidade gravimétrica determinados por amostras coletadas em 26 pontos da bacia, distribuídos espacialmente na bacia, no período compreendido entre 15/01 e 10/08/2013. Neste período o teor de água no solo (umidade gravimétrica) variou entre 13,73 e 33,75%. Os resultados demonstram que é possível estimar o teor de água no solo, com distribuição espacial e temporal, com boa eficiência (NSverificação = 0,77), empregando dados topográficos da bacia, propriedades físicas do solo e dados de chuva. As informações climáticas, por outro lado, não afetam significativamente essa estimativa (NSv=0,28), podendo até diminuir a eficiência do modelo (NSv=0,77 para NSv=0,68). O emprego de muitas variáveis não gera necessariamente o melhor desempenho do modelo, pois uma variável pode mascarar a outra e, até mesmo, interferir a eficiência do modelo (NSv=0,70 e NS=0,61 para os modelos onde foram utilizadas 38 variáveis de entrada), além de aumentar o custo e o tempo para aquisição dessas variáveis, e a dificuldade de interpretação dos resultados em relação às várias entradas. Alternativamente, pode-se estimar o teor de água no solo utilizando modelos mais simplificados que empregam dados de chuva monitorados e informações extraídas de mapas (topografia e tipo de solo), mas o desempenho desses modelos é menor (NSv 0,66). A análise de importância das variáveis de entrada delimitou a tensão da água no solo e a chuva como as variáveis mais influentes nos modelos de melhor desempenho, e a densidade do solo como a menos importante. Nos modelos mais simples, a variável menos relevante é a declividade e a mais importante é a chuva. A análise de sensibilidade demonstrou que nem sempre os modelos conseguem reproduzir o que deveria ocorrer no ambiente natural. / The water content in the soil is one of the determining factors in the transfer processes between the soil and the atmosphere, contributing to the balances of water and energy. This content is influenced by inputs to the basin, climate characteristics, topography, land cover characteristics, agricultural practices, and soil properties. These wide heterogeneity factors make the soil water content characterization still a challenge. This research aimed to develop an Artificial Neural Network (ANN) model to determine the spatial and temporal variation of the water content in the soil, using climate data, physical properties of soil, and topographic variables, of a basin with an area of approximately 78 km2, located in Brazil`s southern region (Taboão basin). The model adopted is a double layer feedforward neural network with 25 neurons in the hidden layer. The learning method is the back propagation algorithm, with 16 interactions to avoid local minima, and the maximum number of cycles chosen was 30,000. A total of 40 input variables were tested, including four of topography (altitude, slope, distance from the point to the nearest stretch of river and unevenness of the point closest to the stretch of the river), eight of soil related variables (soil type, soil density, soil penetration resistance for layers from 0 to 20 cm and from 20 to 40 cm, soil water tension at a single point in the basin and percentage of clay, silt and sand), 10 climate-related variables (climate, evapotranspiration reference, maximum and minimum air temperature, maximum and minimum air relative humidity, atmospheric pressure, global solar radiation, wind speed and temperature on grass) and 18 variables related to rain (accumulated precipitation in 1, 2, 3, 4, 5, 6 e 12h; accumulated precipitation in 2, 3, 5, 10, 15, 20, 25 and 30 days; weighted hourly accumulated precipitation; weighted daily accumulated precipitation). The outputs of the models were compared with values determined by gravimetric moisture samples collected from 26 points spatially distributed in the basin, in the period between 15/01 and 10/08/2013. During this period the soil water content (gravimetric water content) ranged from 13.73 to 33.75%. The results show that it is possible to estimate the water content of the soil, temporal and spatial distribution, with good efficiency (NSverication = 0.77), using topographic data from the basin, soil physical properties and precipitation data. The weather information, on the other hand, did not significantly affect the estimate (NSv = 0.28) and may even decrease the efficiency (NSv) of the model (from 0.77 to 0.68). The use of many variables not necessarily generates the best performance of the model as a variable may mask another and even disrupt the efficiency of the model (NSv = 0.70 and NSv = 0.61, where 38 input variables were used), besides increasing the cost and the time to acquire these variables, and the difficulty of interpreting the results in relation to the various inputs. Alternatively, one can estimate the water content in soil using more simplified models, employing monitored rainfall data and information extracted from maps (topography and soil type), but the performance of these models is smaller (NSv 0.66). The analysis of the importance of input variables delimited the soil water tension and the rain as the most influential variables in the best models, and the density of the soil as the least important. In the simplest models, the less relevant variable is the slope and the most important is the rain. The sensitivity analysis showed that the models cannot always play what should occur in the natural environment.

Fundação Carlos Chagas Filho de Amparo a Pesquisa do Estado do Rio de Janeiro / Neste trabalho é apresentado um estudo para a determinação do tamanho ótimo da malha de elementos, utilizando redes neurais artificiais, para o cálculo da intensidade útil. A ideia principal é treinar as redes de modo a possibilitar a aprendizagem e o reconhecimento do melhor tamanho para diversas áreas superficiais em fontes sonoras com geometria plana. A vantagem de se utilizar redes neurais artificiais deve-se ao fato de apresentarem um único tamanho para a obtenção da intensidade útil, consequentemente, uma redução significativa de tempo computacional quando comparado com o tempo de cálculo de uma malha bem refinada. Ensaios numéricos com placas planas - geometria separável que permite uma solução analítica - são utilizados para se realizar comparações. É apresentado um estudo comparativo entre o tempo computacional gasto para a obtenção da intensidade útil e o mesmo com a malha otimizada via redes neurais artificiais. Também é apresentada uma comparação do nível de potência sonora mediante solução numérica, a fim de validar os resultados apresentados pelas redes neurais. / In this paper, a study to determine the optimal size of the mesh elements, using artificial neural networks, to calculate useful intensity is presented. The main idea is training the neural networks, enabling them learning and recognizing the best size for the various superficial areas in sound sources with at geometry. The advantage of using artificial neural networks is due to the fact that they present a single size for obtaining the useful intensity, thereby significantly reducing computation time compared with the calculation time for a too fine mesh. Numerical tests with at plates - separable geometry that enables an analytical solution - are used to make comparisons. A comparative study of the computational time spent to obtain the useful intensity and the computational time spent to obtain the useful intensity using the mesh optimized via artificial neural networks is presented. A comparison of the sound power level obtained by the numerical solution in order to validate the results using neural networks is also presented.

The advances and the development of vehicles and autobalance robots make necessary the investigation of controllers able to meet the various challenges related to the use of these systems. The focus of this work is to study the equilibrium and position control of one two-wheeled robot. The particular interest in this application comes from its structure and its rich physical dynamics. Since this is a complex and non trivial problem, there is great interest in to analyze intelligent controllers. The first part of this dissertation discusses the development of a classic PID controller. Then it is compared with two types of intelligent controllers: On-line Neural Fuzzy Control (ONFC) and Proportional-Integral-Derivative Neural-Network (PID-NN). Also it is presented the implementation of controllers in a hadware plataform using the LEGO Mindstorm kit and in a simulation plataform using the MATLAB-Simulink. Two case studies are developed. The first one investigates the control of equilibrium and position of two-wheeled robot on a flat terrain to observe the intrinsec performance in lack of external factors. The second case studies the equilibrium and position control of the robot in irregular terrains to investigate the system response under influence of hard conditions in its environment. Finally, the performance of each controller developed is discussed and competitive results in the control of two-wheeled robot are achieved. / Com o avanço no desenvolvimento e utilização de veículos e robôs autoequilibrantes, faz-se necessário a investigação de controladores capazes de atender os diversos desafios relacionados à utilização desses sistemas. Neste trabalho foi estudado o controle de equilíbrio e posição de um robô auto-equilibrante de duas rodas. O interesse particular nesta aplicação vem da sua estrutura e da riqueza de sua dinâmica física. Por ser um problema complexo e não trivial há grande interesse em avaliar os controladores inteligentes. A primeira parte da dissertação aborda o desenvolvimento de um controle clássico do tipo PID, para em seguida ser comparado com a implementação de dois tipos de controladores inteligentes: On-line Neuro Fuzzy Control (ONFC) e Proportional-Integral-Derivative Neural-Network (PIDNN). Também é apresentada a implementação dos controladores em uma plataforma de hardware, utilizando o kit LEGO Mindstorm, e numa plataforma de simulação utilizando o MATLAB-Simulink. Em seguida, dois estudos de casos são desenvolvidos visando comparar o desempenho dos controladores. O primeiro caso avalia o controle de equilíbrio e posição do robô auto-equilibrante de duas rodas sobre um terreno plano tendo como interesse observar o desempenho intrínseco do sistema sob ausência de fatores externos. O segundo caso estuda o controle de equilíbrio e posição do robô em terrenos irregulares visando investigar a resposta do sistema sob influência de condições adversas em seu ambiente. Finalmente, o desempenho de cada um dos controladores desenvolvidos é discutido, verificando-se resultados competitivos no controle do robô auto-equilibrante de duas rodas.

Submitted by Maykon Nascimento (maykon.albani@hotmail.com) on 2016-06-27T19:26:14Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao Giovanni Correia.pdf: 2352633 bytes, checksum: af81ecb43db7a1390cce952e53aaff53 (MD5) / Approved for entry into archive by Patricia Barros (patricia.barros@ufes.br) on 2016-06-28T12:18:13Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao Giovanni Correia.pdf: 2352633 bytes, checksum: af81ecb43db7a1390cce952e53aaff53 (MD5) / Made available in DSpace on 2016-06-28T12:18:13Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao Giovanni Correia.pdf: 2352633 bytes, checksum: af81ecb43db7a1390cce952e53aaff53 (MD5) / FAPES / Os modelos de árvores individuais são compostos por submodelos que estimam, geralmente, a competição, a mortalidade e o crescimento em diâmetro e altura de cada árvore. São usualmente adotados quando se deseja o melhor detalhamento da informação para estimar multiprodutos da floresta. Nesses modelos, as estimativas do crescimento em diâmetro a 1,30 m do solo (DAP) e a altura total (H) é obtida por meio de análise de regressão. Recentemente, técnicas de inteligência artificial estão sendo utilizadas com bom desempenho na mensuração florestal. Portanto, o objetivo desse trabalho foi avaliar o desempenho de técnicas de inteligência artificial (redes neurais artificiais e sistemas neuro-fuzzy) para estimar o crescimento em DAP e altura de árvores de eucalipto. Utilizou-se dados de inventários florestais contínuos de eucalipto, com medições anuais de DAP, altura total das 15 primeiras árvores da parcela e altura dominante, de acordo com o conceito de Assmann (1970), de 398 parcelas. O banco de dados foi dividido em 70% das parcelas para o treinamento das redes neurais artificiais e do sistema neuro-fuzzy; 15% das parcelas para a validação cruzada; e 15% das parcelas para validação dos sistemas. Com base nos resultados, notou-se que o índice de competição independente da distância 5 – IID5, proposto por Glover; Hool (1979), foi o que teve a maior correlação com as variáveis idade, crescimento em DAP e altura. Observou-se que as técnicas de inteligência artificial apresentaram boa precisão na estimativa do crescimento em DAP e altura total. As duas técnicas abordadas podem ser utilizadas para a prognose do DAP e altura total. / The models are composed of individual trees submodels estimating generally competition, mortality and growth height and diameter of each tree. Are usually adopted when you want the best detailed information to estimate forest multiproducts. In these models, estimates of growth in diameter at 1.30 m above the ground (DBH) and total height (H) is obtained by regression analysis. Recently, artificial intelligence techniques are being used with good performance in forest measurement. Therefore, the aim of this study was to evaluate the performance of artificial intelligence techniques (artificial neural networks and neuro-fuzzy systems) to estimate the growth in DAP and height of eucalyptus trees. We used continuous data eucalyptus forest inventories annually measurements DAP total height of the first 15 trees and dominant height of the portion, according to the concept of Assmann (1970), 398 parts. The database was divided into 70% of the plots for the training of artificial neural networks and neuro-fuzzy system; 15% of the plots for the cross-validation; and 15% of the plots for validating systems. Based on the results, it was noted that the independent competition index of distance 5 - IID5 proposed by Glover; Hool (1979), was the one that had the highest correlation with the age, growth in DAP and height. It was observed that the artificial intelligence techniques showed good accuracy in estimating the growth in DBH and total height. The two techniques discussed can be used for prognosis and overall height of DAP.

A presente dissertação tem como objetivo propor uma sistemática para a construção de modelos de previsão de risco de crédito e também comparar o desempenho de três técnicas estatísticas multivariadas utilizadas para sua construção: análise discriminante, regressão logística e redes neurais. O método proposto (denominado Modelo PRC) é composto de seis etapas: (i) delimitação da população; (ii) seleção da amostra; (iii) análise preliminar; (iv) construção do modelo; (v) escolha do modelo e (vi) passos para implantação. O Modelo PRC foi aplicado em uma amostra de 17.005 clientes de uma rede de farmácias com crediário próprio. Os resultados encontrados demonstram uma superioridade das redes neurais em relação às outras duas técnicas, o que era esperado devido a sua abordagem nãolinear na combinação das variáveis. Considerando a venda anual aos clientes da base em estudo e utilizando o modelo neural desenvolvido, estima-se um acréscimo de 65% nos lucros. / This work presents a methodology for credit risk prediction, comparing the performance of three statistical techniques used in the prediction process: discriminant analysis, logistic regression and neural networks. The proposed method (entitled PRC Model) embraces six steps: (i) population definition, (ii) sampling, (iii) preliminary analysis, (iv) model development, (v) model selection and (vi) implementation steps. The PRC Model was applied to a sample of 17,005 customers from an organization, which manages his own credit system and controls a pool of drugstores. The results show the superiority of neural networks over the other two techniques. This was expected due to the non-linear approach of the neural network when dealing with the explanatory variables. Considering the neural network model and the annual sales due to customers included on this study, the use of the proposed methodology indicates a 65% potential profits.

A capacidade de prever resultados futuros, ao se analisar uma série de dados, é uma importante ferramenta para o planejamento de qualquer empresa ou indústria. Porém, a literatura oferece muitas opções de ferramentas e modelos estatísticos que permitem obter estas previsões. Cada qual com suas características e recomendações. Dentre estes modelos, destacam-se os modelos de Box e Jenkins, e os modelos de Redes Neurais Artificiais (RNA) - com destaque aos modelos de perceptron de múltiplas camadas (MLP). Estas duas diferentes abordagens são comparadas nesta dissertação com relação a sua capacidade de obter previsões acuradas em séries de dados não lineares quanto a sua média. As abordagens foram comparadas utilizando-se a série mensal do índice de produção física industrial do Estado do Rio Grande do Sul. Bem como a série anual de manchas solares, sendo a segunda utilizada como caso-controle para as comparações, devido ao fato de que as suas propriedades já foram amplamente estudadas. No estudo da série do índice de produção física mensal, os modelos de Box e Jenkins obtiveram melhor rendimento. Na série das manchas solares foram os modelos MLP que se destacaram. Desta forma, não é possível afirmar se alguma das abordagens é superior - tratando-se de séries de dados não lineares quanto a sua média. / The capacity to preview future outcomes on the time series analysis is an important tool for any business and industry planning. However, the literature offers many options on statistical tools and models which allow to obtain these forecasts. Each one with their features and recommendations. 1n these models, the Box and Jenkins and Artificial Neural Networks (ANN) models, with the multilayer perceptron (MLP) highlighted, stand out. These two different approaches are compared in this thesis related to the capacity to obtain accurate forecasts in mean related non-linear time series analysis. These approaches were compared using the monthly physical production index of Rio Grande do Sul time series and the sunspot series, being the second one used as a case-control to the comparisons, due the fact of its properties are already widely studied. 1n the monthly physical production index series study, t,he Box and Jenkins models obtained better efficiency. 1n the sunspot series, the MLP models were highlighted. So, it isn't possible to affirm if any of the approaches is superior, in the case of mean related non-linear time series.

A resistência e a rigidez de materiais compósitos variam consideravelmente devido a mudanças no tipo de material, espessura das camadas, ângulo de orientação das fibras e seqüência das lâminas. O projeto de uma estrutura ótima pode ser obtido dada uma determinada condição de carga. Vários métodos de otimização determinísticos foram desenvolvidos para tratar esse problema. Algumas vezes a orientação ótima das fibras muda quando as condições de carga variam e o desempenho da estrutura é altamente afetado pelas variáveis de projeto e condições de carregamento. Dessa forma, a otimização deste tipo de estrutura utilizando a confiabilidade como restrição é um importante problema a ser tratado. Este trabalho trata do problema da otimização de estruturas de materiais compósitos laminados com restrição de confiabilidade utilizando algoritmos genéticos e redes neurais. A análise da estrutura é feita via elementos finitos e as tensões na direção dos eixos principais de cada lâmina são utilizadas para o cálculo do índice de confiabilidade da estrutura, sendo a função de estado limite o critério de Tsai-Wu para falha de materiais compósitos laminados. A análise de confiabilidade é feita através de um dos seguintes métodos: FORM com um ponto de linearização, FORM para sistemas em série, Monte Carlo Direto e Monte Carlo com Amostragem por Importância. O processo de otimização via Algoritmos Genéticos (com suas fases de geração, seleção e cruzamento dos indivíduos da população), é usado em conjunto com os métodos de determinação do índice de confiabilidade e análises por elementos finitos. Isto gera um alto custo computacional, o qual é contornado utilizando-se Redes Neurais do tipo Perceptron e Base Radial, treinadas para substituir a análise via elementos finitos, diminuindo consideravelmente o tempo de processamento. É mostrado por meio de diversos exemplos que esta metodologia pode ser usada sem perda de precisão e com economia de tempo de processamento até mesmo em exemplos fortemente não lineares. / Strength and stiffness of composite materials vary considerable due to changes in the material to be used, the thickness of each layer, the fiber orientation angles and the stacking sequence. The optimum structural design may be obtained for a specific load condition. Several optimization criteria were been developed to treat that problem. Sometimes the optimal fiber orientation angles are highly dependent on the load conditions and the structural performance is also influenced by the design variables and acting loads. Thus, structural optimization using a reliability index as a constraint is an important problem to be analyzed. This work deals with the problem of reliability based optimization of laminated composite structures, using genetic algorithms and neural networks. The analysis of the structure is carried out by finite elements and the stress in the direction of the principal axes of each lamina are used to the calculation of the reliability index of the structure, where the limit state function is the Tsai-Wu criterion assuming first ply failure. The reliability analyses are accomplished through one of the following methods: FORM with one linearization point, FORM for in-series systems, Direct Monte Carlo and Monte Carlo with Importance Sampling. The optimization process through Genetic Algorithms (with its phases of generation, selection and crossover of the individuals of the population), is used jointly with the reliability evaluation methods and analysis by finite elements. This leads to high computational costs, which are overcome using trained Neural Networks of the type Perceptron and Radial Base to substitute the analysis with finite elements, reducing considerably the processing time. Several examples are used to show that this methodology can be used without loss of accuracy and with large computational timesaving even for strongly non-linear problems.

A ocorrência de variações nos sinais de eletroencefalograma (EEG) de indivíduos que apresentam predisposição a desenvolver a doença do alcoolismo é conhecida e documentada na literatura médica e científica. Dentre as possíveis variações, encontram-se as anormalidades no potencial relacionado ao evento (ERP) P300, um dos principais endofenótipos da doença. Geralmente, este componente tem uma amplitude significativamente menor em indivíduos com alto risco (AR) de desenvolver a doença, quando comparada à amplitude observada em sinais de indivíduos com baixo risco (BR). A técnica atualmente empregada para distinguir os sinais de ERPs P300 dos indivíduos com AR e BR para desenvolver o alcoolismo é baseada na análise visual da amplitude máxima no domínio do tempo e do espectro de frequencias do sinal, obtido através da transformada de Fourier. O objetivo deste trabalho é contribuir para o estudo da identificação da predisposição ao alcoolismo, utilizando técnicas de processamento de sinais, como a transformada wavelet (WT), e de inteligência artificial, por meio das redes neurais artificiais (ANNs). A WT foi utilizada por ser mais adequada ao tratamento de sinais como os ERPs (sinais nãoestacionários), quando comparada, por exemplo, à transformada de Fourier. As redes neurais possibilitam a automatização do processo de identificação dos diferentes grupos. Através de um sistema híbrido formado por estas duas técnicas, pretende-se extrair características de sinais de ERP que identifiquem indivíduos com predisposição ao alcoolismo, e automatizar a identificação destes indivíduos. No desenvolvimento da pesquisa, foi identificada a necessidade de aplicar um préprocessamento aos sinais de ERP, preparando-os para a transformação wavelet. Os coeficientes wavelet assim obtidos formaram os dados de entrada que alimentaram as (ANNs), as quais utilizaram o algoritmo de erro backpropagation no treinamento. Com as técnicas utilizadas, após o treinamento, as ANNs foram capazes de classificar cerca de 90% dos sinais de ERP dos indivíduos com AR e BR. / The occurrence of variations in electroencephalogram (EEG) signals of individuals who are predisposed to develop the disease of alcoholism is known and documented in the medical and scientific literature. Among these variations, are the abnormalities in the event related potential (ERP) P300, a major endophenotype of this disease. Generally, this component has an amplitude significantly smaller in patients at high risk (HR) of developing the disease when compared to the amplitude seen in the signals of individuals with low risk (LR). The technique currently used to distinguish signals of P300 ERPs in individuals with HR and LR for developing alcoholism is based on visual analysis of the maximum amplitude in the time domain and of the frequency spectrum of the signal, obtained via Fourier transform. The aim of this thesis is to study the identification of predisposition to alcoholism, by techniques of signal processing such as wavelet transform (WT) and artificial intelligence through artificial neural networks (ANNs). The WT was used because it is more appropriate for processing signals such as ERP (non-stationary signals), when compared, for example, to the Fourier transform. Neural networks enable the automation of the process of identifying the different groups. Using a hybrid system formed by these two techniques, it is intended to extract features of ERP signals that identify individuals predisposed to alcoholism, and automate the identification of these individuals. The research has identified the need to apply a pre-processing to the signals of ERP, preparing them for the wavelet transformation. The wavelet coefficients thus obtained formed the input data to fed the ANNs, which used the error algorithm backpropagation in training. Using these techniques, after training, the ANNs were able to classify about 90% of ERP signs of individuals with LR and HR.

Made available in DSpace on 2014-06-11T19:24:38Z (GMT). No. of bitstreams: 0 Previous issue date: 2005-10-14Bitstream added on 2014-06-13T18:20:52Z : No. of bitstreams: 1 brinhole_er_me_bauru.pdf: 2082084 bytes, checksum: e9da8790c90b7d67f56ee24ea0858f1c (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Cefet - Cornelio Procopio / Neste trabalho, apresenta-se o desenvolvimento de uma metodologia utilizando redes neurais artificiais, para auxiliar na determinação da freqüência de ressonância no projeto de antenas tipo microfita de equipamentos móveis, tanto para antenas retangulares como para antenas triangulares. Compararam-se modelos deterministas e modelos empíricos baseados em Redes Neurais Artificiais (RNA) da literatura pesquisada com os modelos apresentados neste trabalho. Apresentam-se modelos empíricos baseados em RNAs tipo Perceptron Multicamadas (PMC). Os modelos propostos também são capazes de serem integrados em um ambiente CAD (Computed Aided Design) para projetar antenas tipo microfita de equipamentos móveis. / This work presents the development of models that can be used in the design of microstrip antennas for mobile communications. The antennas can be triangular or rectangular. The presented models are compared with deterministic and empirical models based on artificial neural networks (ANN) presented in the literature. The models are based on Perceptron Multilayer (PML). The models can be embedded in CAD systems, in order to design microstrip antennas for mobile communications.