Made available in DSpace on 2014-12-17T14:54:52Z (GMT). No. of bitstreams: 1 DannielCL.pdf: 4466929 bytes, checksum: a4689db1730e1d1e328761ddef3c47b2 (MD5) Previous issue date: 2009-07-30 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / The number of applications based on embedded systems grows significantly every year, even with the fact that embedded systems have restrictions, and simple processing units, the performance of these has improved every day. However the complexity of applications also increase, a better performance will always be necessary. So even such advances, there are cases, which an embedded system with a single unit of processing is not sufficient to achieve the information processing in real time. To improve the performance of these systems, an implementation with parallel processing can be used in more complex applications that require high performance. The idea is to move beyond applications that already use embedded systems, exploring the use of a set of units processing working together to implement an intelligent algorithm. The number of existing works in the areas of parallel processing, systems intelligent and embedded systems is wide. However works that link these three areas to solve any problem are reduced. In this context, this work aimed to use tools available for FPGA architectures, to develop a platform with multiple processors to use in pattern classification with artificial neural networks / O n?mero de aplica??es baseadas em sistemas embarcados cresce significativamente a cada ano. Isso se deve ao fato de que, apesar de sistemas embarcados possu?rem restri??es e unidades de processamento simples, o desempenho desses tem melhorado a cada dia. Entretanto a complexidade das aplica??es tamb?m cresce, fazendo com que sempre exista a necessidade de um desempenho melhor. Portanto, apesar dessa evolu??o, existem casos, nos quais, um sistema embarcado com uma ?nica unidade de processamento n?o ? suficiente para realizar o processamento das informa??es em tempo h?bil. Para melhorar o desempenho destes sistemas, pode-se analisar a implementa??o de solu??es com processamento paralelo e assim utilizar-los em aplica??es mais complexas que exigem um alto desempenho. A id?ia ? avan?ar al?m das aplica??es que j? utilizam sistemas embarcados, explorando a utiliza??o de um conjunto de unidades de processamento cooperando entre si para execu??o de um algoritmo inteligente. O n?mero de trabalhos existentes nas ?reas de processamento paralelo, sistemas inteligentes e sistemas embarcados ? grande. Entretanto, trabalhos que unam essas tr?s ?reas para a solu??o de algum tipo de problema s?o reduzidos. Diante deste contexto, esse trabalho teve como objetivo utilizar ferramentas dispon?veis para arquiteturas FPGA, desenvolvendo uma plataforma com m?ltiplos processadores para utiliza??o em problemas de processamento inteligente com redes neurais artificiais

Made available in DSpace on 2014-12-17T14:55:20Z (GMT). No. of bitstreams: 1 WellingtonCA_TESE.pdf: 18781841 bytes, checksum: b90b2dc122e8dc0104d520bb5337a506 (MD5) Previous issue date: 2014-03-17 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / As superf?cies seletivas de frequ?ncia (FSS) t?m sido objeto de intensa pesquisa nas duas ?ltimas d?cadas, sendo utilizadas em diversas aplica??es que v?o desde sistemas de micro-ondas e antenas at? aplica??es em radomes e comunica??es via sat?lite. Uma superf?cie seletiva de freq??ncia ? um arranjo peri?dico que se constitui de elementos tipo patch ou abertura, ou mesmo por uma combina??o de ambos, e exibe reflex?o ou transmiss?o total na freq??ncia ressonante, se comportando dessa maneira como um filtro rejeita-faixa ou passa-faixa. Neste trabalho ? realizada uma investiga??o num?rica e experimental, consistindo do projeto, simula??o computacional, constru??o e medi??o de estruturas de FSS. Esta FSS ? estudada experimentalmente e suas caracter?sticas eletromagn?ticas s?o medidas e simuladas atrav?s de programas de computador, equipamentos e t?cnicas de otimiza??o. Estas estruturas s?o bastante complexas requerendo uma an?lise por t?cnicas de onda completa, como o m?todo das diferen?as finitas no dom?nio do tempo ou m?todo dos elementos finitos. Para superar os custos computacionais e de tempo das t?cnicas de onda completa, podem ser utilizadas como alternativa as t?cnicas de computa??o natural. Algumas caracter?sticas como robustez, generaliza??o, adaptabilidade e r?pida converg?ncia contribuem para o aumento significativo do emprego destas t?cnicas em aplica??es na ?rea de comunica??es moveis. A modelagem das FSS citadas ? realizada com redes neurais artificiais de m?ltiplas camadas, com o algoritmo de Levenberg-Marquardt para aprendizagem e treinamento. Os modelos neurocomputacionais desenvolvidos para as FSS proveem excelentes resultados e em concord?ncia com valores obtidos atrav?s de medi??es em laborat?rio. A necessidade de estruturas com comportamento eletromagn?tico adequado em dispositivos de micro-ondas tem sido bastante estudada pelos pesquisadores da ?rea. Essas estruturas requerem, em sua an?lise de caracter?sticas espectrais, t?cnicas rigorosas e elevada complexidade computacional em sua implementa??o. O objetivo desse trabalho consiste no projeto de FSSs atrav?s de redes neurais artificiais e outros algoritmos de computa??o natural selecionados, com aplica??es na faixa de micro-ondas. A precis?o dessa t?cnica ? realizada experimentalmente e comparada com simula??es efetuadas pelos softwares comerciais Ansoft Designer e Ansoft HFSS, utilizados na an?lise num?rica do comportamento eletromagn?tico das FSSs atrav?s do M?todo dos Momentos (MoM) e do M?todo dos Elementos Finitos (FEM), respectivamente. Nesta tese um estudo bibliogr?fico em teoria de FSSs ? realizado, bem como o estudo das redes neurais artificiais, algoritmos gen?ticos e outros algoritmos de otimiza??o natural. Este estudo analisa tamb?m a solu??o da arquitetura de rede adequada aos projetos, algoritmos de treinamento, par?metros dos algoritmos como n?mero de neur?nios nas camadas e quantidade de camadas das redes, bem como os par?metros e fun??es adequadas para os algoritmos de otimiza??o

Made available in DSpace on 2014-12-17T14:55:26Z (GMT). No. of bitstreams: 1 CarlosAS_capa_ate_pag11.pdf: 8554804 bytes, checksum: 527c12a0f823f4e4aba9c7b95df0eff4 (MD5) Previous issue date: 2002-09-06 / abstract / O desenvolvimento de t?cnicas autom?ticas para a identifica??o da presen?a de namat?ides em imagens capturadas atrav?s de c?meras acopladas em microsc?pios para an?lise e obten??o de m?todos de controle destes microorganismos, acarretar? em um enorme impacto financeiro considerando os preju?zos causados por esta praga ? agricultura. O objetivo deste trabalho, consiste no desenvolvimento de um sistema inteligente com base nas t?cnicas de processamento digital de imagens e redes neurais artificiais para detectar a presen?a de nemat?ides em imagens digitais capturadas via microsc?pio com c?mera acoplada. Os elementos b?sicos do sistema inteligente consiste de um m?dulo de pr?-processamento da imagem seguido pela auto-segmenta??o e, por fim, de um m?dulo de identifica??o de namet?ides. T?cnicas como transformada KLT, auto-contraste, morfologia matem?tica, redes neurais artificiais, dentre outras, s?o objeto de estudo deste trabalho. O uso de imagens reais foi requisito fundamental para avalia??o e valida??o das t?cnicas trabalhadas. No decorrer deste trabalho s?o descritas as etapas de aquisi??o, pr?-processamento, segmenta??o e extra??o de caracter?sticas das imagens bem como apresenta-se as redes neurais artificiais utilizadas e o sistema desenvolvido encerrando-se com os experimentos e conclus?es observadas

Made available in DSpace on 2014-12-17T14:55:48Z (GMT). No. of bitstreams: 1 RodrigoSM.pdf: 448753 bytes, checksum: 2007d56d8880a1b4d3b48c20466bce2c (MD5) Previous issue date: 2006-06-09 / Instituto Federal de Educa??o, Ci?ncia e Tecnologia do Rio Grande do Norte / This work consists in the use of techniques of signals processing and artificial neural networks to identify leaks in pipes with multiphase flow. In the traditional methods of leak detection exists a great difficulty to mount a profile, that is adjusted to the found in real conditions of the oil transport. These difficult conditions go since the unevenly soil that cause columns or vacuum throughout pipelines until the presence of multiphases like water, gas and oil; plus other components as sand, which use to produce discontinuous flow off and diverse variations. To attenuate these difficulties, the transform wavelet was used to map the signal pressure in different resolution plan allowing the extraction of descriptors that identify leaks patterns and with then to provide training for the neural network to learning of how to classify this pattern and report whenever this characterize leaks. During the tests were used transient and regime signals and pipelines with punctures with size variations from ?' to 1' of diameter to simulate leaks and between Upanema and Estreito B, of the UN-RNCE of the Petrobras, where it was possible to detect leaks. The results show that the proposed descriptors considered, based in statistical methods applied in domain transform, are sufficient to identify leaks patterns and make it possible to train the neural classifier to indicate the occurrence of pipeline leaks / Este trabalho consiste na utiliza??o de t?cnicas de processamento de sinais e redes neurais artificiais para identificar vazamentos em dutos com escoamento multif?sico. Nos m?todos tradicionais de detec??o, existe uma grande dificuldade em conseguir montar um perfil, que seja adequado aos encontrados em condi??es reais do transporte de ?leo. Estas dif?ceis condi??es v?o desde os desn?veis de terreno que causam colunas ou v?cuos ao longo dos dutos at? a presen?a de multifases como ?gua, g?s e ?leo, al?m de outros componentes como areia, que tendem a produzir escoamentos descont?nuos e varia??es diversas. Para vencer estas dificuldades, foi utilizada a transformada wavelet para mapear os sinais de press?o e vaz?o em diferentes planos de resolu??o, permitindo com isto a extra??o dos descritores que caracterizassem padr?es de vazamento e com os mesmos treinar uma rede neural para aprender a classificar estes padr?es e informar quando estes s?o um vazamento. Nos testes foram utilizados sinais de regime e transiente, em duto entre a unidade de Upanema e Estreito B, da UN-RNCE da Petrobras, onde foi poss?vel detectar vazamentos, com furos que variavam de ? a 1 de di?metro para simular os vazamentos. Os resultados obtidos mostram que os descritores propostos com base em medidas estat?sticas no dom?nio da transformada caracterizam os padr?es de vazamento e possibilitam o treinamento do classificador neural para indicar a ocorr?ncia ou n?o de vazamentos no duto

Made available in DSpace on 2014-12-17T14:56:21Z (GMT). No. of bitstreams: 1 PatricLS.pdf: 758253 bytes, checksum: 5014311c01c22242625c739abbfdc673 (MD5) Previous issue date: 2006-06-09 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / This work has as main objective the application of Artificial Neural Networks, ANN, in the resolution of problems of RF /microwaves devices, as for example the prediction of the frequency response of some structures in an interest region. Artificial Neural Networks, are presently a alternative to the current methods of analysis of microwaves structures. Therefore they are capable to learn, and the more important to generalize the acquired knowledge, from any type of available data, keeping the precision of the original technique and adding the low computational cost of the neural models. For this reason, artificial neural networks are being increasily used for modeling microwaves devices. Multilayer Perceptron and Radial Base Functions models are used in this work. The advantages/disadvantages of these models and the referring algorithms of training of each one are described. Microwave planar devices, as Frequency Selective Surfaces and microstrip antennas, are in evidence due the increasing necessities of filtering and separation of eletromagnetic waves and the miniaturization of RF devices. Therefore, it is of fundamental importance the study of the structural parameters of these devices in a fast and accurate way. The presented results, show to the capacities of the neural techniques for modeling both Frequency Selective Surfaces and antennas / Este trabalho tem como principal objetivo a aplica??o de Redes Neurais Artificiais, RNA, na resolu??o de problemas de dispositivos de RF /microondas, como por exemplo a predi??o da resposta em freq??ncia de algumas estruturas em uma regi?o de interesse. As Redes Neurais Artificiais se apresentam como uma alternativa aos m?todos atuais de an?lise de estrutura de microondas, pois s?o capazes de aprender, e o mais importante generalizar o conhecimento adquirido, a partir de qualquer tipo de dado dispon?vel, mantendo a precis?o da t?cnica original utilizada e aliando o baixo custo computacional dos modelos neurais. Por esse motivo, as redes neurais artificiais s?o cada vez mais utilizadas para a modelagem de dispositivos de microondas. S?o utilizados neste trabalho os modelos Perceptron de M?ltiplas Camadas e de Fun??es de Base Radiais. S?o descritas as vantagens/desvantagens de cada um desses modelos, assim como os algoritmos de treinamento referentes a cada um deles. Dispositivos planares de microondas, como Superf?cies Seletivas de Freq??ncias e as antenas de microfita, ganham cada vez mais destaque devido ?s necessidades crescentes de filtragem e separa??o de ondas eletromag?ticas e ? miniaturiza??o de dispositivos de R?dio-Freq??ncia. Por isso ? de import?ncia fundamental o estudo dos par?metros estruturais desses dispositivos de forma r?pida e precisa. Os resultados apresentados, demonstram as capacidades das t?cnicas neurais para modelagem de Superf?cies Seletivas de Freq??ncia e antenas

Made available in DSpace on 2014-12-17T14:58:20Z (GMT). No. of bitstreams: 1 Josiane MMF_DISSERT.pdf: 2980386 bytes, checksum: 522d9b760131f2af9cda3feb9f1d471b (MD5) Previous issue date: 2012-02-07 / This work describes the development of a nonlinear control strategy for an electro-hydraulic actuated system. The system to be controlled is represented by a third order ordinary differential equation subject to a dead-zone input. The control strategy is based on a nonlinear control scheme, combined with an artificial intelligence algorithm, namely, the method of feedback linearization and an artificial neural network. It is shown that, when such a hard nonlinearity and modeling inaccuracies are considered, the nonlinear technique alone is not enough to ensure a good performance of the controller. Therefore, a compensation strategy based on artificial neural networks, which have been notoriously used in systems that require the simulation of the process of human inference, is used. The multilayer perceptron network and the radial basis functions network as well are adopted and mathematically implemented within the control law. On this basis, the compensation ability considering both networks is compared. Furthermore, the application of new intelligent control strategies for nonlinear and uncertain mechanical systems are proposed, showing that the combination of a nonlinear control methodology and artificial neural networks improves the overall control system performance. Numerical results are presented to demonstrate the efficacy of the proposed control system / Este trabalho descreve o desenvolvimento de uma estrat?gia de controle n?o linear para um sistema eletroidr?ulico. O sistema em quest?o ? de terceira ordem, cujas caracter?sticas f?sicas ocasionam uma n?o linearidade do tipo zona morta. A estrat?gia adotada ? baseada em uma t?cnica de controle n?o linear aliada a uma t?cnica de inteligencia artificial, o m?todo de lineariza??o por realimenta??o e uma rede neural artificial respectivamente. Ser? demonstrado que somente a utiliza??o da t?cnica n?o linear n?o ? insuficiente para garantir um bom desempenho do controlador frente a esse tipo de n?o linearidade. Por este motivo discutir-se a inclus?o de uma estrat?gia de compensa??o baseada nas redes neurais artificiais, que v?m sendo notoriamente empregadas em sistemas que necessitem imitar o processo de infer?ncia humano. Em um primeiro momento ser? utilizada uma rede perceptron de m?ltiplas camadas e posteriormente uma rede de fun??es de base radial, implementadas matematicamente na din?mica do modelo do sistema. Desta forma ? proposto neste trabalho a aplica??o de novas estrat?gias de controle inteligente para sistemas mec?nicos n?o lineares e incertos. Aliando o controle n?o linear a redes neurais artificiais pretende-se melhorar a performance de ambos, contribuindo na ?rea de controle, principalmente no que diz respeito a metodologia de controle inteligente. Resultados num?ricos s?o apresentados para demonstrar o desempenho do sistema de controle

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-10-18T20:27:50Z No. of bitstreams: 1 JosianeMariaDeMacedoFernandes_TESE.pdf: 1245335 bytes, checksum: 5135bc4fc7856839af432f3c4f427beb (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-10-23T22:17:47Z (GMT) No. of bitstreams: 1 JosianeMariaDeMacedoFernandes_TESE.pdf: 1245335 bytes, checksum: 5135bc4fc7856839af432f3c4f427beb (MD5) / Made available in DSpace on 2017-10-23T22:17:47Z (GMT). No. of bitstreams: 1 JosianeMariaDeMacedoFernandes_TESE.pdf: 1245335 bytes, checksum: 5135bc4fc7856839af432f3c4f427beb (MD5) Previous issue date: 2017-06-28 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico (CNPq) / Neste trabalho ? desenvolvida uma estrat?gia de controle n?o linear baseada no controle por modos deslizantes com compensa??o neural para estabiliza??o de sistemas subatuados sujeitos a vibra??es torcionais. No intuito de analisar o desempenho da abordagem proposta, a lei de controle foi implementada em uma coluna de perfura??o. As colunas de perfura??o s?o discretizadas em n partes. A atua??o ? dada no top drive, ou na mesa rotativa na extremidade superior da coluna, e todo o restante da coluna n?o recebe atua??o. As vibra??es torcionais abordadas neste trabalho s?o do tipo stick-slip, que ? o caso mais cr?tico desse tipo de vibra??o, cuja n?o linearidade ? geralmente causada pelo atrito entre a coluna e a forma??o, podendo ocorrer em qualquer ponto ao longo da coluna e deve ser levado em considera??o na modelagem. O controle por modos deslizantes apresenta robustez frente a incertezas param?tricas e perturba??es. A estrat?gia adotada n?o requer o conhecimento pr?vio de incertezas e n?o linearidades do sistema. No entanto, a fun??o descont?nua utilizada na lei de controle pode gerar o fen?meno de chattering, que em atuadores mec?nicos ? indesej?vel. Para atenuar o chattering, uma fun??o suave ? utilizada no lugar da descont?nua, sendo essa abordagem ocasionadora de diminui??o no desempenho do controlador. Nesse ponto, t?cnicas de intelig?ncia artificial podem contribuir na lei de controle para devolver o desempenho ou parte dele ao sistema. Duas arquiteturas de rede s?o empregadas para estimar a compensa??o, uma rede do tipo perceptron de m?ltiplas camadas e uma rede de fun??es de base radial. As superf?cies de controle s?o definidas como uma combina??o linear dos erros dos estados do sistema e uma rede neural ? adicionada para compensar a forma??o de ciclos limites, comumente apresentados ap?s a perda de efic?cia. Resultados s?o apresentados para demonstrar a performance do sistema de controle proposto. / In the present work, a nonlinear control strategy based on sliding mode method and artificial neural networks is presented. This approach can be applied to stabilize nonlinear under actuated systems subjected to torsional vibrations. In order to evaluate the proposed approach, the control law was implemented in a drill string. Drill strings are addressed due to their nonlinear and underactuated dynamics. The drill strings are discretized in n parts. The control output is given at the top drive whereas the other string parts are not directly actuated. Torsional vibrations employed in this work are stick-slip, which is the more critic way of torsional vibrations. Stick-slip is a nonlinearity usually caused by friction between the drill string and rock formations and can occurs at any point along its length. Sliding mode control is a very robust technique even with parametric uncertainties and external perturbations. There is no need of previous knowledge of uncertainties and nonlinearities. The discontinuous function adopted at the control law can lead to the undesired chattering effect. The discontinuous function can be replaced by a smooth function to avoid chattering, but this also implies on decrement of the system performance. In order to attenuate this effect, a compensation is added to the control law. Two different artificial neural network architectures are investigated: multilayer perceptrons and radial basis functions. The sliding surfaces are defined as a linear combination of tracking errors. The neural network is employed to mitigate the generated limit cycle. Numerical results are presented in order to demonstrate the performance of the control system.

A demanda e, consequentemente, a geração de energia elétrica são questões de suma importância para o desenvolvimento econômico e social dos países. Modelos para previsão destes parâmetros no longo e médio prazo são empregados com a finalidade de antever possíveis cenários e propor estratégias para a realização de um planejamento energético adequado. Neste contexto, o presente estudo tem como objetivo realizar a previsão da geração de energia elétrica no estado do Rio Grande do Sul (RS) em um horizonte de médio prazo (um ano), utilizando Redes Neurais Artificiais (RNA’s) do tipo feedforward com algoritmo de aprendizado supervisionado backpropagation. Para o desenvolvimento deste trabalho elaborou-se um script para executar as simulações necessárias, as quais foram realizadas através do software Matlab®. As variáveis de influência selecionadas como entradas do modelo de previsão referem-se à economia (estadual e nacional), ao balanço de energia elétrica e à meteorologia do estado, durante o período de janeiro de 2009 a março de 2016. Para realizar o treinamento da rede neural, adicionou-se a matriz de entrada este conjunto de dados, com frequência mensal, referentes a janeiro de 2009 a março de 2015 e para previsão foram inseridos dados de abril de 2015 a março de 2016. Por fim, depois de realizada a simulação completa da RNA, comparou-se o resultado observado da geração de energia elétrica do estado com o obtido através do modelo de previsão, indicando um erro percentual absoluto médio (MAPE) de 5,86% e um desvio absoluto médio (MAD) de 134,15 MW médio. Os resultados obtidos neste trabalho mostram-se promissores, além de semelhantes aos encontrados na literatura, demonstrando assim confiabilidade e eficácia do método empregado. / The demand and, consequently, the generation of electric power are very important issues for social and economic development of countries. Models to forecast these parameters in long and medium terms are used to anticipate possible sceneries and propose strategies for the energy planning of countries. In this context, the present study aims to forecast the generation of electric energy in Rio Grande do Sul State (RS) in a medium-term horizon (one year) using, Artificial Neural Networks (ANNs) of the feedforward type with algorithm of supervised learning backpropagation. For the development of this work, a script was elaborated in order to execute the necessary simulations, which were carried out through Matlab® software. The selected variables of influence as inputs of forecasting model refer to economy (State and National), to the electric energy balance and to the meteorology State, during the period from January, 2009 to March, 2016. In order to train the neural network, this data set was added to the entrance matrix, with monthly frequency, from January, 2009 to March, 2015 and for prediction, data were inserted from April, 2015 to March, 2016. Finally, after RNA complete simulation, the observed result of the electric power generation of the State was compared with the one obtained through the prediction model, indicating a mean absolute percent error (MAPE) of 5.86% and a mean absolute deviation (MAD) of 134.15 average MW. The obtained results in this work are promising, besides; they are similar to those found in literature, in this way demonstrating the reliability and efficacy of the using method.

Este estudo propõe um modelo híbrido que reúne uma rede neural do tipo SOM (Self-Organizing Map) com uma rede neural do tipo Multicamadas com Retropropagação (BPN: Backpropagation Network). A utilização da rede SOM tem o intuito de segmentar a base de dados em diversos clusters, onde são ressaltadas suas diferenças. A rede BPN é usada para construir um modelo matemático de previsão que descreve a relação entre os indicadores e o valor de fechamento de cada cluster formado na rede SOM. A viabilidade e o percentual de efetividade do modelo proposto são demonstrados através de experimentos de predição de índices utilizados pelo NYSE (New York Stock Exchange). O modelo foi elaborado a partir de uma base de dados composta pelo índice NYSE Composite U.S. 100 no período entre 02 de abril de 2004 a 08 de novembro de 2012. Como variáveis de entrada para as redes neurais, foram utilizados 10 índices: MA_10, BIAS_20, WMS%R_9, K_9, D_9, MTM_10, ROC_10, CCI_24, AR_26, BR_26. Os resultados obtidos com o modelo híbrido proposto se mostraram superiores aos obtidos com modelos convencionais estatísticos. / This study proposes a hybrid model that combines a neural network SOM (Self-Organizing Map) with a neural network with Multilayer Backpropagation (BPN: Backpropagation Network). The SOM aims to segment the database into different clusters, where they highlight their differences. The BPN network is used to build a predictive mathematical model that describes the relationship between the indicators and the closing value of each cluster formed in the SOM. The percentage of viability and effectiveness of the proposed model are demonstrated through experiments predict index used by the NYSE (New York Stock Exchange). The model was developed from a database composed of 100 U.S. NYSE Composite Index in the period from April, 02, 2004 to November, 08, 2012. As input variables for neural networks, we used 10 indices: MA_10, BIAS_20, WMS%R_9, K_9, D_9, MTM_10, ROC_10, CCI_24, AR_26, BR_26. Results obtained with the proposed hybrid model were higher than those obtained with conventional statisticals techniques.

Avaliamos as previsões fora da amostra da curva de juros geradas por modelos de redes neurais artificiais e as comparamos com os modelos tradicionalmente usados para este fim. A curva de juros foi segmentada em três regiões distintas e para cada uma dessas regiões e horizontes de previsão, foram estimados duas classes de modelos de redes neurais (modelos dinâmicos e modelos estáticos), totalizando 198 modelos estimados. Afim de verificar a significância estatística das previsões dos modelos de RNA em relação aos outros modelos, foi realizado o teste Diebold-Mariano. Os resultados mostram que em média, os modelos estimados através de RNA conseguiram superar as previsões realizadas pelo random walk em todos os horizontes de previsão, sendo essas previsões em torno de 2% e 5% melhores para os horizontes de 1 dia e 1 semana a frente, e de 12% e 7% melhores para os horizontes mais longos, de 1 mês e 3 meses. Além disso, apresentou previsões em torno de 15% e 10% melhores que o modelo de NS para os horizontes de 1 mês e 3 meses a frente. Concluimos que os modelos de redes neurais são capazes de realizar previsões superiores para todos os horizontes testados, principalmente para região de curto prazo da curva, com destaque especial para as previsões com horizontes de 1 dia e 1 semana a frente. / We evaluate the out of sample forecasts of the yield curve generated by artificial neural network models and compare them with the models traditionally used for this purpose. The yield curve was segmented into three distinct regions and for each region and forecast horizons, we estimated two classes of neural network models (dynamic models and static models), totaling 198 models estimated. In order to check the statistical significance of the model predictions of RNA compared to other models, was performed the Diebold-Mariano’s test. The results show that on average, the models estimated using RNA overcame the predictions made by the random walk at all forecast horizons, and these forecasts around 2% and 5% better for horizons of 1 day and 1 week forward and 12% and 7% better for longer horizons, 1 month and 3 months. Moreover, forecasts showed around 15% and 10% better than the NS model for horizons of 1 month and 3 months ahead. We conclude that the neural network models are capable of superior forecasts for all horizons tested, especially for short-term region of the curve, with particular attention to the forecasts with horizons of 1 day and 1 week ahead.