Nesta tese são estimadas funções não lineares de importação e exportação para o Brasil, utilizando a metodologia de redes neurais artificiais, a partir de dados trimestrais, no período de 1978 a 1999. Com relação às importações, partindo-se da hipótese de país pequeno, as estimações são feitas para a demanda de importações totais, de bens intermediários e de material elétrico. Para as exportações, o pressuposto de país pequeno, num contexto de concorrência monopolística, é utilizado, de maneira que as estimações são feitas para a oferta e demanda por exportações brasileiras. As séries selecionadas são as exportações totais, as exportações de manufaturados e as exportações de material elétrico. A metodologia adotada para as importações procura visualizar a não linearidade presente nas séries de comércio exterior e encontrar a topologia de rede que melhor represente o comportamento dos dados, a partir de um processo de validação do período analisado. Procura observar, também, a sensibilidade das saídas das redes a estímulos nas variáveis de entrada, dado a dado e por formação de clusters. Semelhante método é utilizado para as exportações, com a ressalva que, diante de um problema de simultaneidade, o processo de ajuste das redes e análise da sensibilidade é realizado a partir de uma adaptação do método de equações simultâneas de dois estágios. Os principais resultados para as importações mostram que os dados apresentam-se de maneira não linear, e que ocorreu uma ruptura no comportamento dos dados em 1989 e 1994. Sobretudo a partir dos anos 90, as variáveis que se mostram mais significativas são o PIB e a taxa de câmbio, seguidas da variável utilização de capacidade produtiva, que se mostra com pouca relevância Para o período de 1978 a 1988, que apresenta um reduzido impacto das variáveis, a taxa de câmbio é relevante, na explicação do comportamento das importações brasileiras, seguida da utilização de capacidade produtiva, que demonstra-se significativa, apenas, para a série de bens intermediários. Para as exportações, os dados, também, se apresentam de maneira não linear, com rupturas no seu comportamento no final da década de 80 e meados de 1994. Especificamente, para a oferta e a demanda, as variáveis mais importantes foram a taxa de câmbio real e o PIB mundial, respectivamente. No todo, as séries mais importantes na explicação das importações e exportações foram a importação total e de bens intermediários e a exportação total e de manufaturados. Tanto para as importações, quanto para as exportações, os resultados mais expressivos foram obtidos para os dados mais agregados. Por fim, com relação às equações das exportações brasileiras, houve uma superioridade de ajuste e significância das variáveis das equações de demanda, frente às de oferta, em explicar os movimentos das exportações brasileiras.

Este estudo propõe um método alternativo para a previsão de demanda de energia elétrica, através do desenvolvimento de um modelo de estimação baseado em redes neurais artificiais. Tal método ainda é pouco usado na estimativa de demanda de energia elétrica, mas tem se mostrado promissor na resolução de problemas que envolvem sistemas de potência. Aqui são destacados os principais fatores que devem pautar a modelagem de um sistema baseada em redes neurais artificiais, que são: seleção das variáveis de entrada; quantidade de variáveis; arquitetura da rede; treinamento; previsão da saída. O modelo ora apresentado foi desenvolvido a partir de uma amostra de 125 municípios do Estado do Rio Grande do Sul (Brasil), nos anos de 1999 a 2002. Como variáveis de entrada, foram selecionados a temperatura ambiente (média e desvio-padrão anual), a umidade relativa do ar (média e desvio-padrão anual), o PIB anual e a população anual de cada município incluído na amostra. Para validar a proposta apresentada, são mostrados resultados baseados nas simulações com o modelo proposto.

Submitted by Lucelia Lucena (lucelia.lucena@ufpe.br) on 2015-03-09T19:16:26Z No. of bitstreams: 2 DISSERTAÇÃO Leonardo Valeriano Neri.pdf: 1395784 bytes, checksum: f38db7dc7191951459624c0348b93e63 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-09T19:16:26Z (GMT). No. of bitstreams: 2 DISSERTAÇÃO Leonardo Valeriano Neri.pdf: 1395784 bytes, checksum: f38db7dc7191951459624c0348b93e63 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2014-02-21 / Neste trabalho é apresentada uma abordagem de combinação de características para a etapa de segmentação de locutores em um sistema de transcrição de locutores. Esta abordagem utiliza diferentes características acústicas extraídas da fonte de áudio com o objetivo de combinar as suas capacidades de discriminação para diferentes tipos de sons, aumentando assim, a precisão da segmentação. O Critério de Informação Bayesiana (BIC - Bayesian Information Criterion) é usado como uma medida de distância para verificar a propensão de junção de dois segmentos do áudio. Uma Rede Neural Artificial (RNA) combina as respostas obtidas por cada característica após a aplicação de um algoritmo que detecta se há mudança em um trecho do áudio. Os índices de tempo obtidos são usados como entrada da rede neural que estima o ponto de mudança do locutor no trecho de áudio. Um sistema de transcrição de locutores que inclui a abordagem proposta é desenvolvido para avaliar e comparar os resultados com os do sistema de transcrição que utiliza a abordagem clássica de segmentação de locutores Window-Growing de Chen e Gopalakrishnan, aplicada às diferentes características acústicas adotadas neste trabalho. Nos experimentos com o sistema de transcrição de locutores, uma base artificial contendo amostras com vários locutores é usada. A avaliação dos resultados da etapa de segmentação do sistema mostra um aprimoramento em ambas as taxas de perda de detecção (MDR - Miss Detection Rate) e de falsos alarmes (FAR - False Alarm Rate) se comparadas à abordagem Window-Growing. A avaliação dos resultados na etapa de agrupamento dos locutores mostra uma melhora significativa na pureza dos grupos de locutores formados, calculada como o percentual de amostras de um mesmo locutor no grupo, demostrando que os mesmos são mais homogêneos.

Submitted by Eduarda Figueiredo (eduarda.ffigueiredo@ufpe.br) on 2015-03-10T19:39:21Z No. of bitstreams: 2 Tese de Doutorado - Helenice Leite Garcia DEQ UFPE.pdf: 18198049 bytes, checksum: bb0a11c0b9e56d9bf8ace7b684c665b7 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-10T19:39:21Z (GMT). No. of bitstreams: 2 Tese de Doutorado - Helenice Leite Garcia DEQ UFPE.pdf: 18198049 bytes, checksum: bb0a11c0b9e56d9bf8ace7b684c665b7 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2012-08-02 / CNPq / A disponibilidade de água no mundo inteiro tem se tornado pauta importante em todos os fóruns de discussão sobre as condições dos recursos hídricos no planeta. As avaliações sobre esta disponibilidade são, principalmente em relação à qualidade da águ,a em termos da definição de parâmetros físicos, químicos e biológicos da água, representando um conjunto de parâmetros extremamente importantes para o contexto da sustentabilidade ambiental. Neste cenário, as técnicas de Inteligência Computacional ou de Inteligência Artificial, têm se tornando alternativas de ampla aplicabilidade para modelagem e simulação da qualidade da água. Neste trabalho foi, então, desenvolvido um estudo para que as redes neurais, a lógica fuzzy e a análise de componente principal fossem utilizadas como estratégias para avaliação da qualidade da água em corpos hídricos do Estado de Sergipe, com vista à construção de interface fáceis de serem utilizadas em ambiente MATLAB. Neste estudo, foram coletados dados ambientais dos reservatórios Jacarecica, da Marcela e da bacia do Rio Poxim, em Sergipe. Para o desenvolvimento da modelagem em termos de redes neurais, foram utilizadas as redes Multi Layer Perceptron (MLP) e as redes Radial Basis Function (RBF) e um sistema neuro-fuzzy para modelar a qualidade da água utilizando como variável de saída a concentração de clorofila-a para caracterizar o fenômeno de eutrofização do sistema. Além dessa modelagem, foi desenvolvida uma equação com base na análise de componente principal em função das medidas de pH, oxigênio dissolvido, amônia, nitrito e nitrato, além das concentrações de ortofosfato, nitrogênio total e fosforo total, e clorofila-a. Quanto à aplicação da lógica fuzzy, foi calculado o índice de qualidade da água em função das concentrações de clorofila-a, nitrogênio total e fósforo total para classificação do sistema nos quatro níveis tróficos para que as variáveis linguísticas fossem identificadas. Para a análise fuzzy foram implementadas as regras fuzzy com base no conhecimento especialista do sistema hídrico, sendo o modelo fuzzy considerado representativo para classificar as condições ambientais dos reservatórios. É importante ressaltar que os resultados foram satisfatórios em termos da classificação e descrição do fenômeno de eutrofização entre os níveis de oligotrófico e hipertrófico para corpos hídricos em análise. Dessa forma, as técnicas de inteligência artificial, em particular as redes neurais e a lógica fuzzy, foram empregadas com sucesso para um conjunto de dados ambientais, mostrando a viabilidade numérica no que concerne a representação de fenômenos ambientais complexos e importantes para sustentabilidade ambiental dos corpos hídricos.

Submitted by Isaac Francisco de Souza Dias (isaac.souzadias@ufpe.br) on 2016-03-30T16:36:17Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Fernandes Isabella Maria Moura.pdf: 2317287 bytes, checksum: 5d0df4d2cf6c431c7797377c318fd44a (MD5) / Made available in DSpace on 2016-03-30T16:36:17Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Fernandes Isabella Maria Moura.pdf: 2317287 bytes, checksum: 5d0df4d2cf6c431c7797377c318fd44a (MD5) Previous issue date: 2015-02-25 / O câncer de mama é uma preocupação mundial, pois é o segundo mais frequente no mundo e o mais comum entre as mulheres. Até o momento, o único método para rastreamento de cân-cer de mama provado ser efetivo é a mamografia, sendo o exame padrão ouro para tal finali-dade. No entanto, este exame é de difícil leitura e interpretação, principalmente pelo baixo contraste da imagem gerada, inclusive devido à semelhança da densidade radiológica entre o tecido mamário normal e o patológico, principalmente para mamas densas. Estudamos neste trabalho diversos sistemas de apoio ao diagnóstico médico, estruturados a partir da classifica-ção de imagens de mamografia através da descrição da região de interesse da imagem em re-lação às suas características de forma e de textura e da utilização de classificadores baseados em redes neurais artificiais de treinamento supervisionado. Os sistemas CAD estudados foram aplicados à base de dados IRMA e verificamos que ao organizarmos e separarmos previamen-te a base de dados utilizada em relação à característica tecidual da mama e sua densidade ob-temos melhores resultados do que quando a consideramos de forma completa. Verificamos também que maior quantidade de características utilizadas para descrever a imagem possibili-ta melhores resultados no desempenho das redes neurais utilizadas para classificação. Obti-vemos uma taxa de classificação correta de 94% para mamas pouco densas e de 89% para mamas extremamente densas, sendo esta ultima de maior dificuldade de classificação devido intrinsecamente às características do exame de mamografia e, mais especificamente, ao baixo contraste entre tecido patológico e tecido normal. / Breast cancer is a global concern and it is the second most common in the world and the most common among women. So far the only breast cancer screening method that has proved to be effective is mammography screening, being the gold standard for this purpose. However, this exam is difficult to read and to interpret, especially because the low contrast image generated due to the radiographic density similarity between normal breast tissue and the pathological tissue, especially for dense breasts. In this work we study different computer-aided diagnosis systems (CAD) applied to medical support, based on mammography image classification through the description of texture and shape feature of the image’s region of interest. We used classifiers based on artificial neural network with supervised training. The CAD systems stud-ied were applied to the IRMA database. We verified that the organization of the database ac-cording to the breast density and tissue characteristics we obtained better lesion classifica-tion in mammograms than when we use the entire IRMA database. Also we were able to demonstrate that as must characteristics used to describe the image the better is the perfor-mance of the artificial neural network in the classification task. As a result we obtained a percentage of instances correctly classified over 94% to slightly dense breasts and 89% to extreme dense breasts. This last is more difficult to be classified because the characteristic of the mammography exam that uses x ray radiation, which reduces the contrast between patho-logical and normal breast tissue.

Made available in DSpace on 2014-06-12T15:48:49Z (GMT). No. of bitstreams: 1 license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Esta tese apresenta um método de otimização global e local, baseado na integração das heurísticas das técnicas Simulated Annealing, Tabu Search, Algoritmos Genéticos e Backpropagation. O desempenho deste método é investigado na otimização simultânea da topologia e dos valores dos pesos das conexões entre as unidades de processamento de redes neurais artificiais Multi-layer Perceptron, a fim de gerar topologias com poucas conexões e alto desempenho para qualquer conjunto de dados. A heurística proposta realiza a busca de forma construtiva e baseada na poda das conexões entre as unidades de processamento da rede. Assim, são geradas redes com arquitetura variável e que podem ser ajustadas para cada problema de forma automática. Experimentos demonstram que o método pode também ser utilizado para a seleção de atributos relevantes. Durante a otimização da arquitetura da rede, unidades de processamento de entrada podem ser eliminadas de acordo com sua relevância para o desempenho do modelo. Desta forma, é obtida uma seleção de atributos inerente ao processo de otimização das redes neurais artificiais. Os principais parâmetros de configuração do método tiveram sua influência estimada através da técnica de planejamento fatorial de experimentos. Com base no planejamento fatorial de experimentos, foi possível verificar a influência, interação e a inter-relação entre os parâmetros de configuração do modelo. Estas análises são importantes para identificar a influência de cada parâmetro e possivelmente diminuir a quantidade de parâmetros ajustáveis no projeto deste método. Nesta tese são realizados experimentos com cinco diferentes bases de dados de classificação e duas bases de dados de previsão. A técnica proposta apresentou resultados estatisticamente relevantes em comparação com outras técnicas de otimização global e local

Made available in DSpace on 2014-06-12T15:50:25Z (GMT). No. of bitstreams: 2 arquivo1971_1.pdf: 1243968 bytes, checksum: c2b0ffac3863dd2dac1588531b3c8f78 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Este trabalho propõe e avalia sistemas híbridos para organização automática de documentos texto baseado em Mapas Auto-Organizáveis (do inglês Self-Organizing Maps - SOM). O objetivo é obter um sistema que ao combinar SOM com outros algoritmos de agrupamento seja capaz de gerar mapas de documentos de qualidade a um custo computacional baixo para grandes coleções de documentos texto. Um mapa de documentos é resultado de pós-processamento de uma rede neural SOM treinada com os vetores representativos dos documentos de uma coleção. Um mapa de documentos é considerado de boa qualidade quando este representa bem as relações de similaridade de conteúdo entre documentos de uma coleção. Um mapa de documentos possibilita a organização de uma coleção de documentos texto de acordo com a similaridade de conteúdo e tem aplicação na melhoria dos processos de recuperação de informação, exploração, navegação e descoberta de conhecimento sobre uma coleção. Vários trabalhos na literatura de redes neurais têm utilizado SOM para criar mapas de documentos. Entretanto, o treinamento de redes SOM ainda é uma tarefa cara computacionalmente para grandes coleções de documentos texto. Alguns métodos propostos na literatura para construir mapas de documentos mais rapidamente reduzem drasticamente a qualidade do mapa gerado; além disso, sistemas híbridos envolvendo SOM com outros algoritmos de agrupamento têm sido pouco investigados na literatura. Estes fatos motivaram o presente trabalho. Os resultados mostram que a combinação cuidadosa de algoritmos tradicionais de agrupamento como K-means e Leader com redes SOM é capaz de produzir sistemas híbridos bastante eficientes. Por este motivo, sistemas híbridos foram propostos, visando à construção automática de mapas de documentos com qualidade e a um custo computacional mais baixo. Estes sistemas híbridos representam um avanço na área de sistemas de organização automática de documentos texto, bem como sistemas neurais híbridos baseados em SOM, fornecendo resultados importantes para diversas aplicações práticas no projeto de sistemas, tais como engenhos de busca, sistemas para bibliotecas digitais e sistemas para descoberta de conhecimento em texto

Made available in DSpace on 2014-06-12T15:50:57Z (GMT). No. of bitstreams: 1 license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / O reconhecimento automático de textos manuscritos vem a cada dia ganhando importância tanto no meio científico quanto no comercial. Como exemplos de aplicações, têm-se sistemas bancários onde os campos de valor dos cheques são validados, aplicativos presentes nos correios para leitura de endereço e código postal, e sistemas de indexação de documentos históricos. A segmentação automática do texto em palavras ou caracteres é um dos primeiros passos realizados pelos sistemas de reconhecimento dos textos manuscritos. Portanto, é essencial que seja alcançado um bom desempenho de segmentação para que as etapas posteriores produzam boas taxas de reconhecimento do texto manuscrito. O presente trabalho trata do problema de segmentação de sentenças manuscritas em palavras através de duas abordagens: (i) método baseado na métrica de distância Convex Hull com modificações que objetivam melhorar o desempenho de segmentação; (ii) um novo método baseado em Redes Neurais Artificiais que visa superar problemas existentes em outras técnicas de segmentação, tais como: o uso de heurísticas e limitação de vocabulário. O desempenho dos métodos de segmentação foi avaliado utilizando-se de uma base de dados pública de texto manuscrito. Os resultados experimentais mostram que houve melhora de desempenho das abordagens quando comparadas à abordagem tradicional baseada em distância Convex Hull

Made available in DSpace on 2014-06-12T15:55:19Z (GMT). No. of bitstreams: 2 arquivo2232_1.pdf: 2168681 bytes, checksum: 52cce4fca21c1e30911e1184708c64f7 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / A mitigação de riscos é uma das grandes preocupações das empresas da área financeira. Dispor de ferramentas que possam sinalizar possíveis ocorrências de perdas e permitam realizar ações no sentido de evitá-las é de grande interesse. A inteligência artificial tem sido empregada na solução dos mais diversos problemas envolvendo processos de tomada de decisão. Este trabalho, apoiado no Ciclo de Vida de Mineração de Dados ou Data Mining Life Cycle (DMLC), analisa o ciclo de um Método de Avaliação do Risco Operacional (MARO) utilizado em bancos. A análise investiga aspectos como processos, profissionais, recursos de armazenamento de dados, fluxos de decisão e iteração entre os elementos envolvidos. Baseado na metodologia CRISP-DM (Cross Industry Standard Process for Data Mining) e em Redes Neurais Artificiais, é proposto um modelo que suporta o método MARO, desenvolvendo um classificador neural para a análise de risco operacional de agências bancárias a partir de um conjunto de indicadores. Os experimentos realizados demonstram a eficiência do modelo proposto com adequações no modelo MARO original e desempenho de classificação que abre perspectivas de utilização da abordagem na análise rápida do risco operacional em bancos. Os principais benefícios são a aceleração das informações sobre o risco operacional, com redução do tempo necessário para geração dos indicativos de risco, o aumento da acurácia na identificação precoce de situações de alto risco e a pró-atividade em evitar perdas financeiras ou desperdício de recursos nos processos de tomada de decisão

Made available in DSpace on 2014-06-12T15:56:23Z (GMT). No. of bitstreams: 2 arquivo2920_1.pdf: 2753004 bytes, checksum: d9cabbcda1b022b793399cc38a9d033c (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / A previsão de séries temporais tem sido usada em diversos problemas do mundo real, tais como: meteorologia, previsão de carga em redes de computadores, análise de mercado, entre outras, com o objetivo de minimizar riscos, auxiliar no planejamento e na tomada de decisões. Nesta dissertação, as séries temporais são analisadas para realizar previsões de cotações de ações do mercado financeiro e, para tanto, uma metodologia baseada no uso de séries exógenas e de combinação de classificadores é proposta. As principais contribuições do presente trabalho são: i) utilização de séries exógenas como variáveis de entrada para o classificador a fim de capturar informações externas que influenciam na série a ser prevista; ii) utilização de combinação de classificadores, em especial, combinação de Redes Neurais do tipo MLP (Multi-Layer Perceptron); e, iii) concepção de uma nova medida de desempenho SLG (Sum of Loses and Gains), que é mais aderente na área de investimentos. Além disso, foram propostas diferentes abordagens para pré-processar os dados. Os estudos experimentais foram realizados utilizando a série temporal correspondente à ação preferencial da Petrobras (PETR4). Os resultados mostraram que o modelo proposto superou os modelos tradicionais, conseguindo prever a série com maior precisão e relevância para os investidores