Orientador: Maria de Lourdes Boeno Trindade Galo / Resumo: As formas de uso e cobertura da terra no entorno de corpos d’água é um dos fatores que mais impactam águas continentais. Diante disso, é que ambientes aquáticos se tornam cada vez mais susceptíveis a processos de eutrofização, o que favorece a proliferação de macrófitas. Uma maneira de monitorar a proliferação de macrófitas, assim como alterações nas formas de uso e cobertura da terra no entorno de reservatórios é a partir de dados de sensoriamento remoto. Sensores remotos surgem como uma alternativa com grande potencial para a análise da variabilidade espaço-temporal de macrófitas aquáticas. Classificadores baseados em aprendizado máquina são cada vez mais utilizados em alternativa às técnicas tradicionais, uma vez que alguns desses algoritmos não requerem a distribuição estatística dos dados permitindo assim a inclusão de atributos não espectrais no processo de classificação. Este estudo teve por objetivo avaliar o potencial de redes neurais artificiais (RNAs) no monitoramento sazonal da dispersão de macrófitas aquáticas no reservatório de Salto Grande, Americana (SP), simultaneamente às alterações no uso e cobertura da terra do seu entorno. No processo de classificação, foram realizados diversos experimentos a fim de selecionar os atributos e arquiteturas de RNA mais adequados para discriminar tanto as macrófitas no corpo hídrico, quanto os tipos de uso e cobertura da terra no seu entorno. Os dados de entrada constituíram-se de bandas espectrais do sistema OLI/Landsat-8, i... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The land use/cover surrounding water bodies is one of the factors that most impact continental waters. Thus, aquatic environments become increasingly susceptible to eutrophication processes, which favors the growth of macrophytes. One way to monitor the growth of macrophytes as well as changes in the forms of land use/cover surrounding reservoirs, is from remote sensing data. Remote sensors emerge as an alternative with great potential for the analysis of spatio-temporal variability of aquatic macrophytes. Classifiers based on machine learning are alternatives increasingly used in detriment to traditional techniques. Those algorithms do not require the statistical distribution of the data, thus allowing the inclusion of non-spectral attributes in the classification process. In this sense, this wok aims to evaluate the potential of artificial neural network (ANN) in the seasonal monitoring of aquatic macrophytes dispersion in Salto Grande, Americana (SP), simultaneously with the changes monitoring in the land use/cover of the surrounding areas. In the classification process, several experiments were performed to select the most appropriate attributes, as well as the best ANN architecture to discriminate the macrophytes in the water body and the types of land use/cover of the surrounding. The input data consisted of OLI / Landsat-8 system spectral bands, texture images derived from OLI images, normalized spectral indices for vegetation enhancement (NDVI), moisture content (MNDW... (Complete abstract click electronic access below) / Mestre

A popularização das tecnologias de monitoramento remoto possibilita e cria a necessidade do desenvolvimento de sistemas de calibração mais velozes, capazes de calibrar redes enquanto recebem dados, ou seja, em em tempo real. Este trabalho consistiu na proposição de dois novos métodos de calibração baseados em redes neurais artificiais construtivas, visando a aumentar a velocidade de processamento e a performance dos sistemas de calibração. O primeiro método consistiu em calibrar utilizando somente redes neurais artificiais. Um sistema foi desenvolvido para recorrentemente produzir respostas de modelos hidráulicos baseados no Epanet e transformá-los em padrões de treinamento para as RNA (redes neurais artificiais) construtivas. O segundo método consistiu no desenvolvimento de um sistema de calibração híbrido, utilizando as saídas da RNA do primeiro método para produzir valores para constituir a população inicial de soluções a serem buscadas usando os algoritmos genéticos (AG). Assim, pode-se considerar que o método híbrido proposto foi desenvolvido para produzir soluções a partir de boas aproximações para os valores ótimos. Os métodos propostos foram aplicados a quatro (4) setores de rede da cidade de Araraquara, SP. Os resultados das calibrações foram avaliados através da comparação das simulações e com os respectivos valores observados em campo, considerando critérios recomendados no Reino Unido. O primeiro método proposto mostrou-se pouco eficiente no processo de calibração, sendo útil, entretanto, como a primeira etapa da calibração através do método híbrido. O segundo método superou ligeiramente a performance obtida na qualidade da calibração dos dados de cargas de pressões e vazões comparadas com métodos de calibração clássicos e foi bastante superior no quesito velocidade. / The popularization of remote monitoring technologies allows and creates the need to develop faster calibration systems capable of calibrating networks while receiving data, i.e., in real time. This work consisted in proposing two new calibration methods based on constructive neural networks, aiming to increase the processing speed and performance of calibration systems. The first method was to calibrate using only artificial neural networks. A system was developed to produce responses of hydraulic models based on Epanet and turn them into training patterns for the constructive ANN (artificial neural networks) recurrently. The second method consisted in developing a hybrid calibration system using the outputs of the first method of RNA to produce values for the initial population of solutions to be searched using the genetic algorithms (GA). Thus, it can be considered that the hybrid method was developed to produce solutions from good approximations for the optimal values. The proposed methods were applied to four sectors of the city of Araraquara , SP. The results of the calibrations were evaluated by comparing the simulations and the respective values observed in the field, considering criteria recommended in the UK. The first proposed method proved inefficient in the calibration process, it is useful, however, as the first step of the calibration using the hybrid method. The second method was slightly better in performance obtained in the quality of the calibration data of pressures and flow rates compared with classical methods of calibration and it was quite superior in speed.

A suinocultura é uma atividade de grande importância em termos mundiais e de Brasil. Entretanto, por serem animais homeotérmicos, algumas alterações no ambiente térmico de alojamento podem alterar suas respostas fisiológicas e comportamentais para manutenção da temperatura interna. Portanto, o objetivo dessa pesquisa foi avaliar o comportamento alimentar de suínos, mediante a influência do ambiente térmico, nas fases de crescimento e terminação para diferentes linhagens comerciais e sexo. Além disso, buscou-se o desenvolvimento de modelos matemáticos e sistemas inteligentes para predição do tempo em alimentação (TM, min dia-1) dos suínos. Os dados foram coletados em uma granja experimental de suínos, localizada na cidade de Clay Center, Nebraska, Estados Unidos. O período experimental contemplou duas estações durante o ano 2015/2016 (verão e inverno), totalizando 63 dias (9 semanas) de informações coletadas para cada estação. Os animais alojados foram de três linhagens comerciais distintas: Landrace, Duroc e Yorkshire. Cada baia apresentava composição mista, sendo alojados 40 animais de diferentes linhagens comerciais e sexo. No total, foram confinados 240 animais, sendo 80 animais para cada linhagem comercial entre machos castrados e fêmeas. Foram registrados dados de temperatura do ar (Tar, °C), temperatura do ponto de orvalho (Tpo, °C) e umidade relativa do ar (UR, %) a cada 5 minutos no interior da instalação. Para TM, os dados foram coletados e registrados a cada 20 segundos por meio de um sistema de coleta de dados por rádio frequência. O conforto térmico foi analisado a partir do Índice de Temperatura e Umidade (ITU) e a Entalpia Específica (H, kJ kg-1 de ar seco). Para avaliar a relação entre o ambiente térmico e TM, foi utilizada estatística multivariada por meio de análise de componentes principais (ACP) e agrupamento para obtenção de padrões e seleção de variáveis para entrada nos modelos. O modelo fuzzy e as redes neurais artificias foram desenvolvidos em ambiente MATLAB® R2015a por meio dos toolboxes Fuzzy e Neural Network, com o objetivo de predizer TM, tendo como variáveis de entrada: linhagem comercial, sexo, idade e ITU. De uma maneira geral, as médias de Tar estiveram dentro da zona de termoneutralidade (ZCT) em todo período experimental, sendo que apenas a UR apresentou valores abaixo da UR crítica inferior. Para o ITU, apenas no verão foram encontrados valores acima da ZCT, entretanto, esses valores estiveram abaixo do ITU crítico superior. Diante da análise dos resultados, pôde-se observar em relação ao comportamento alimentar, que a fêmea Landrace apresentou o menor tempo em alimentação com médias de 42,19 min dia-1 e 43,73 min dia-1 para o inverno e verão, respectivamente, seguido do macho castrado de mesma linhagem. Enquanto as demais linhagens apresentaram valores acima de 60 min dia-1. Não foi observado correlação linear significativa entre o ambiente térmico e TM uma vez que os animais estiveram dentro de sua ZCT ao longo de todo período experimental, indicando que o comportamento alimentar foi influenciado principalmente pelos fatores homeostáticos e cognitivos-hedônicos. A estatística multivariada dividiu os animais em 8 grupos. Foi observado que animais de linhagens e sexos distintos se comportaram da mesma maneira, dificultando a modelagem matemática. Entretanto, alguns grupos apresentaram maior quantidade de animais de determinada linhagem e sexo, sendo estes utilizados como \"grupos padrão\" para o desenvolvimento do modelo fuzzy e a rede neural artificial. O modelo fuzzy apresentou R2 de 0,858 quando utilizado os dados do grupo padrão, entretanto, para todos os valores o R2 foi de 0,549. Já a rede neural apresentou um R2 de 0,611 para os dados completos e R2 de 0,914 para o \"grupo padrão\". Portanto, a rede neural artificial mostrou-se como uma ferramenta de maior precisão e acurácia na predição do comportamento alimentar de suínos nas fases de crescimento e terminação. / The swine production in an activity of great importance to Brazil and to the world. However, because they maintain a constant body temperature and, alterations in the thermic accommodation environment can directly affect their physiological and behavioral responses for maintaining the internal temperature. Thus, the objective of this study was to access the feeding behavior of growing-finishing pigs of different sirelines and gender and its relationship with climate variables (thermic environment). Furthermore, mathematical models based on classic logic was developed as well as an intelligent system for predicting the total time spent eating (TM, min day -1). The data was collected in an experimental farm located in Clay Center, Nebraska, United States. The experimental period contemplated two seasons (summer and winter), totalizing 63 days (9 weeks) of information collected for each season. The housed animals were from three different commercial sirelines: Landrace, Duroc and Yorkshire. Each pen presented a mix composition, being housed 40 animals of different sirelines and gender. In total, there were 240 housed animals, being 80 animals for each sireline among barrows and gilts. The data registered were air temperature (Tar, °C), dew point temperature (Tpo, °C) and relative humidity of the air (UR, %) every 5 minutes inside the facility. For TM, the data were collected and registered every 20 seconds by a radio frequency data collection system. The thermal comfort was analyzed from the Temperature and Humidity Index (THI) and Specific Enthalpy (H, kJ kg-1 of dry air). In order to evaluate the relationship between the thermic environment and TM, the multivariate statistics through principal component analysis (PCA) and grouping was utilized for obtaining the selection standards of variables to enter in the models. The fuzzy model and the artificial neural networks were developed in a MATLAB® R2015a environment through the Fuzzy and the Neural Network toolboxes with the objective to predict TM, having as entry variables: sireline, gender, age and THI. On the whole, the Tar averages were inside the thermoneutral zone (ZCT), however, these values were below the superior critic THI. In the face of the results analysis, it could be observed in ration to the feeding behavior that the Landrace gilt presented the shortest time eating with averages of 42.19 min day-1 and 43.73 min day-1 for winter and summer respectively followed by the barrow from the same sireline, while the other sirelines presented values above 60 min day-1. It was not observed a significative linear correlation between the thermic environment and TM once the animals were inside their ZCT throughout all the experimentation period, indicating that the feeding behavior was influenced mainly by the homeostatic and cognitivehedonic factors. The multivariate statistics divided the animals in 8 groups, being observed that animals of different sirelines and gender behave the same way throughout the experimentation period, making the mathematical modeling difficult. However, some groups presented a bigger amount of animals of determined sireline and gender, being utilized as \"standard groups\" for the development of the fuzzy model and the artificial neural network. The fuzzy model presented an R2 of 0,858 when utilizing the \"standard group\" data, however, for all the values the R2 was 0.549. In the other hand the neural network presented an R2 of 0.611 for the complete data and an R2 of 0.914 for the \"standard group\". Thus, the artificial neural network appeared to be a tool of a better precision and accuracy when predicting the feeding behavior of pigs on growing-finishing phases.

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 a aplicação de Redes Neurais Artificiais (RNAs) como um classificador de padrões para as operações do relé de distância. As grandezas analisadas referem-se aos valores trifásicos de tensões e correntes do sistema elétrico, incluindo a seqüência zero. Para a obtenção dos valores amostrais da linha de transmissão em condição faltosa, valores estes utilizados como entradas para as arquiteturas de RNAs em seus processos de treinamento e teste, utilizou-se do software Alternative Transients Program - ATP. Para se observar o desempenho do relé de distância implementado, duas formas de análise dos valores trifásicos foram adotadas. Uma utilizando-se como entrada os cinco valores amostrados em meio ciclo pós-falta do sinal analisado e a segunda, pelo emprego da magnitude dos fatores de tensões e correntes, incluindo a seqüência zero. A função da rede neural implementada é de capturar o conhecimento da correta atuação do relé de distância, para posteriormente atuar com melhores resultados frente às situações de operações que por ventura venham a ocorrer. Para criar, treinar (obtenção dos pesos associados como saída) e testar as arquiteturas de RNAs, utilizou-se do software Stuttgard Neural Network Simulator (SNNS). Dos resultados encontrados comenta-se o desempenho do relé de distância implementado frente às duas abordagens anteriormente descritas. Do uso de RNAs como um classificador de padrões, observa-se uma melhora no desempenho do sistema de proteção, alcançando-se uma definição de 96% do comprimento da linha de transmissão como sendo a zona de proteção primária do relé de distância digital. / This work demonstrates the use of Artificial Neural Networks (ANNs) theory as a pattern classifier for a distance relay operation. The approach utilizes the magnitudes of the three phase voltage and current phasors (including the zero sequence) as inputs. The Alternative Transients Program (ATP) software is used to generate data for the transmission line in a faulted condition both for the training process and the tests. Two different types of ANN architecture, concerning the input data, are taken into account. The main objective was to analyse the relay performance considering each of them. One approach utilises the five post-fault samples as inputs. The other one employs the magnitudes of the three phase voltage and current phasors (including the zero sequence) as inputs. The implemented neural network should capture the knowledge for the correct relay operation facing the different network conditions. A comparison of how well the schemes performed is carried out. The Stuttgard Neural Network Simulator (SNNS) was used to create the ANN diagram, train it and obtain the weights as an output. An improvement concerning the use of ANNs for distance protection purposes is found. Through the use of ANN as a pattern classifier, a reach of 96% of the transmission line length as the relay primary protection zone was implemented in this work.

Garantir a qualidade da carne bovina produzida no Brasil tem sido uma preocupação dos produtores, pois contribui para aumentar a exportação e o consumo interno do produto. Por isso, tem-se pesquisado novos métodos que analisam e garantam a qualidade da carne, de forma rápida, eficiente e não destrutiva. A ressonância magnética nuclear (RMN) tem se destacado como uma das técnicas de controle de qualidade de carne. Neste trabalho as redes neurais artificiais estão sendo utilizadas para o reconhecimento de padrões dos dados de ressonância magnética nuclear oriundos de carne bovina. Mais especificamente, os respectivos dados têm sido utilizados por uma rede perceptron multicamadas para a extração de características da carne bovina, possibilitando a classificação do grupo genético e do sexo dos animais a partir de uma amostra da referida carne. Os resultados dos experimentos são também apresentados para ilustrar o desempenho da abordagem proposta. / Guaranteeing the quality of the bovine meat produced in Brazil has been a concern of the producers because it contributes to increase the export and the domestic consumption of the product. Therefore, new methods have been researched that analyze and guarantee the quality of the meat in a fast, efficient and non destructive way. Nuclear magnetic resonance (NMR) has been highlighted as one of the techniques of meat quality control. In this work study artificial neural networks are being used for pattern recognition from data obtained by the resonance equipment, originating from bovine meat. More specifically, the respective data have been used by a multilayer perceptron network for extraction of bovine meat characteristics, making possible the classification of both genetic group and animal sex starting from a single meat sample. Several results of experimental tests are also presented to illustrate the performance of the proposed approach.

Este trabalho consiste em apresentar um método alternativo para a identificação de fontes de correntes harmônicas comumente encontradas em sistemas elétricos residenciais. Desta identificação, soluções viáveis poderão ser aplicadas com o intuito de mitigar os níveis de emissão das correntes harmônicas geradas, principalmente, por cargas com características não lineares. Para a identificação empregou-se redes neurais artificiais (RNAs), sendo esta técnica inteligente, apresentada como uma alternativa aos métodos convencionais. Os resultados reportados neste contexto procuram validar a proposta apresentada com dados experimentais obtidos em ensaios laboratoriais. / This work presents an alternative method for the identification of current harmonic sources commonly encountered in residential electrical systems. For this purpose, feasible solutions can be applied to minimize the levels of harmonic currents emission caused by nonlinear loads. Artificial neural networks are employed as alternative to conventional methods. The experimental results will be reported in order to validate the proposal presented with the experimental data obtained in laboratory.

Considerado a alternativa mais pesquisada para substituir o diesel, o biodiesel, oriundo da transesterificação, é cotado como a mais promissora opção de combustível obtido de fontes renováveis para o lugar dos ameaçados combustíveis de origem fóssil. A reação de transesterificação para produção do biodiesel pode ocorrer de forma catalítica, a mais utilizada atualmente, e não-catalítica, por meio de fluidos supercríticos. A grande diversidade de matérias-primas que pode ser usada na obtenção do biodiesel supercrítico é apenas um dos atrativos para sua produção, porém uma produção em larga escala esbarraria nos altos custos operacionais do processo. Devido ao potencial revelado nos processos supercríticos, o estudo do comportamento de fases dentro de um reator se mostra relevante ao domínio do processo, visto que pesquisas indicam que é possível balancear os custos de uma produção de biodiesel em condições supercríticas com os custos de uma produção de biodiesel com uso de catalisadores. Na termodinâmica, a modelagem é um método prático e rápido de se estimar o comportamento do equilíbrio líquido-vapor (ELV) do sistema e reduzir gastos com excessivos experimentos, através de um modelo termodinâmico apropriado. Para isso, os modelos testados foram obtidos pela equação de estado (EdE) de Peng-Robinson com as regras de misturas de van der Waals com um (vdW1) e dois (vdW2) parâmetros de interação binária em sistemas formados por componentes presentes na produção do biodiesel. Utilizando a abordagem phi-phi e o método de BOLHA P, sistemas binários em condições próximas ao ponto crítico e em condições supercríticas, encontrados na literatura, foram modelados. A modelagem termodinâmica foi realizada após a aplicação de um teste de consistência termodinâmica, uma vez que foram encontradas diferenças nas propriedades críticas de um mesmo composto em diferentes referências. A adequação dos modelos termodinâmicos variou de acordo com as condições do processo, o que fará necessária uma análise específica da situação de acordo com o caso em que estiver sendo empregada. Na simulação termodinâmica, as redes neurais artificiais foram utilizadas para o ajuste computacional dos dados experimentais, produzindo os melhores resultados com a introdução dos descritores moleculares, junto às variáveis independentes do processo (temperatura e composição na fase líquida), na primeira camada de neurônios nas diversas configurações analisadas dentre as arquiteturas utilizadas, demonstrando ser uma ferramenta interessante para o estudo do equilíbrio de fases. / Considered the most researched alternative to replace the diesel fuel, the biodiesel, from transesterification, is rated as the most promising fuel option from renewable sources for the place of threatened fossil fuels. The transesterification reaction for biodiesel production can occur catalytically, commonly used, and non-catalytic, through supercritical fluids. The diversity of raw materials that can be used to obtain supercritical biodiesel is only one of the attractions for its production, but a large-scale production would encounter obstacles in the high operating costs of the process. Due to the potential revealed in the supercritical processes, the study of phase behavior in a reactor is relevant for domaining the process, since researches indicates that it is possible to balance the costs of producing biodiesel in supercritical conditions with the costs of a production of biodiesel using catalysts. In thermodynamics, modeling is a quick and practical method of estimating the vapor-liquid equilibria (VLE) behavior of the system and reducing expenses with excessive experiments, using an appropriated thermodynamic model. For this, the models tested were obtained by the Peng-Robinson equation of state (EoS) with the mixture rules of van der Waals with one (vdW1) and two (vdW2) binary interaction parameters in systems formed by components present in the production of biodiesel. Using the phi-phi approach and the BOL P method, binary systems in conditions near to the critical point and under supercritical conditions, found in the literature, were modeled. The thermodynamic modeling was performed after the application of a thermodynamic consistency test, since differences were found in the critical properties of the same compound in different references. The suitability of the thermodynamic models varied according to the process conditions, which will require a specific analysis of the situation according to the case in which it is being used. In the thermodynamic simulation, the artificial neural networks were used for the computational adjustment of the experimental data, producing the best results when the molecular descriptors were used with the independent variables of the process (temperature and composition of the liquid phase) in the first layer of nodes in the different configurations analyzed among the architectures used, proving to be a tool of interest for the study of phase equilibria.

A evolução de redes neurais artificiais encontra aplicações em diversos campos na área de aprendizado de máquina, em particular, simulações de vida artificial onde uma população de indivíduos controlados por redes neurais se adaptam num ambiente virtual a fim de realizar uma determinada tarefa. Similar ao processo natural pelo qual o comportamento do organismo se modifica filogeneticamente através da complexificação do sistema nervoso, tais simulações oferecem uma nova abordagem sintética no estudo da inteligência, em contraposição aos métodos simbólicos tradicionais. Um recente método, conhecido por NEAT (NeuroEvolution of Augmenting Topologies), é capaz de obter os pesos e a própria topologia de rede neural utilizando algoritmos genéticos. A codificação utilizada pelo NEAT é flexível o suficiente para permitir evolução aberta e arquiteturas neurais arbitrárias. Este trabalho apresenta uma implementação do NEAT que pode ser utilizada em conjunto com um simulador de propósito geral, chamado Breve, formando uma plataforma para experimentos de vida artificial. A implementação proposta também estende o NEAT para lidar com redes neurais dinâmicas, onde o nível de ativação dos neurônios varia continuamente no tempo. Este novo modelo é comparado com o método tradicional numa tarefa clássica de controle não-supervisionado, mostrando um aumento de eficiência na busca pela solução do problema. Os resultados obtidos motivam o uso desta plataforma para experimentos de vida artificial, onde uma população de indivíduos interage continuamente com um ambiente dinâmico, se adaptando ao longo das gerações. / The evolution of artificial neural networks has a wide range of applicability in diverse areas in the field of machine learning, particularly, in artificial life simulations where a population of individuals, controlled by neural networks, adapts in a virtual environment in order to solve a given task. Resembling the natural process in which an organism\'s behavior is subjected to phylogenetic modifications through the complexification of the nervous system, such simulations offer a new synthetic approach in the investigation of intelligence, counter posing traditional symbolic methods. A recent method known as NEAT (NeuroEvolution of Augmenting Topologies), is able to obtain the synaptic weights and the topology with the aid of genetic algorithms. The encoding used by NEAT is flexible enough to allow for open-ended evolution and arbitrary neural architectures. This work presents a NEAT implementation especially suitable to be used with a general purpose simulator known as Breve, constituting a framework for artificial life experiments. The proposed implementation extends NEAT to include dynamical neuron models, where their inner state continuously varies over time. The new model is then compared to the traditional method in a classic unsupervised control benchmark task, showing an efficiency increase while solving the problem. The obtained results motivate the proposed framework for general experiments in artificial life, in which a population of individuals continuously interact with a dynamical environment, adapting through generations.

As características irrelevantes, presentes em bases de dados de diversos domínios, deterioram a acurácia de predição de classificadores induzidos por algoritmos de aprendizado de máquina. As bases de dados geradas por uma língua eletrônica são exemplos típicos onde a demasiada quantidade de características irrelevantes e redundantes prejudicam a acurácia dos classificadores induzidos. Para lidar com este problema, duas abordagens podem ser utilizadas. A primeira é a utilização de métodos para seleção de subconjuntos de características. A segunda abordagem é por meio de ensemble de classificadores. Um ensemble deve ser constituído por classificadores diversos e acurados. Uma forma efetiva para construção de ensembles de classificadores é por meio de seleção de características. A seleção de características para ensemble tem o objetivo adicional de encontrar subconjuntos de características que promovam acurácia e diversidade de predição nos classificadores do ensemble. Algoritmos genéticos são técnicas promissoras para seleção de características para ensemble. No entanto, a busca genética, assim como outras estratégias de busca, geralmente visam somente a construção do ensemble, permitindo que todas as características (relevantes, irrelevantes e redundantes) sejam utilizadas. Este trabalho apresenta uma abordagem baseada em algoritmos genéticos para construção de ensembles de redes neurais artificiais com um conjunto reduzido das características totais. Para melhorar a acurácia dos ensembles, duas abordagens diferenciadas para treinamento de redes neurais foram utilizadas. A primeira baseada na interrupção precoce do treinamento com o algoritmo back-propagation e a segunda baseada em otimização multi-objetivo. Os resultados obtidos comprovam a eficácia do algoritmo proposto para construção de ensembles de redes neurais acurados. Também foi constatada sua eficiência na redução das características totais, comprovando que o algoritmo proposto é capaz de construir um ensemble utilizando um conjunto reduzido de características. / The irrelevant features in databases of some domains spoil the accuracy of the classifiers induced by machine learning algorithms. Databases generated by an electronic tongue are examples where the huge quantity of irrelevant and redundant features spoils the accuracy of classifiers. There are basically two approaches to deal with this problem: feature subset selection and ensemble of classifiers. A good ensemble is composed by accurate and diverse classifiers. An effective way to construct ensembles of classifiers is to make it through feature selection. The ensemble feature selection has an additional objective: to find feature subsets to promote accuracy and diversity in the ensemble of classifiers. Genetic algorithms are promising techniques for ensemble feature selection. However, genetic search, as well as other search strategies, only aims the ensemble construction, allowing the selection of all features (relevant, irrelevant and redundant). This work proposes an approach based on genetic algorithm to construct ensembles of neural networks using a reduced feature subset of totality. Two approaches were used to train neural networks to improve the ensembles accuracy. The first is based on early stopping with back-propagation algorithm and the second is based on multi-objective optimization. The results show the effectiveness and accuracy of the proposed algorithm to construct ensembles of neural networks, and also, its efficiency in the reduction of total features was evidenced, proving its capacity for constructing an ensemble using a reduced feature subset.