Submitted by Reginaldo Soares de Freitas (reginaldo.freitas@ufv.br) on 2015-12-02T14:33:09Z No. of bitstreams: 1 texto completo.pdf: 869288 bytes, checksum: 1ec9e1ebef3bae322c6fce4583cbe976 (MD5) / Made available in DSpace on 2015-12-02T14:33:09Z (GMT). No. of bitstreams: 1 texto completo.pdf: 869288 bytes, checksum: 1ec9e1ebef3bae322c6fce4583cbe976 (MD5) Previous issue date: 2014-03-27 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Redes neurais artificiais (RNA) são modelos computacionais inspirados no sistema nervoso de seres vivos, capazes de aprender a partir de exemplos e empregá-lo na solução de problemas tais como predição não linear, reconhecimento de padrões e diversas outras aplicações. Neste trabalho utilizamos uma RNA para predizer o valor da área abaixo da curva de progresso da doença (AACPD) para o patossistema tomate x requeima. A AACPD é uma medida de ampla utilização na epidemiologia de doenças policíclicas, especialmente em estudos que inferem a respeito da resistência quantitativa dos genótipos. Contudo, para a obtenção do valor final desta área são necessárias, neste patossistema, uma série de seis avaliações ao longo do tempo. O objetivo deste trabalho é propor a utilização das RNAs para a obtenção da AACPD no patossistema tomate x requeima, utilizando um número reduzido de avaliações de severidade. Para tanto, foram considerados quatro experimentos independentes, totalizando 1836 plantas infectadas com o patógeno Phytophthora infestans e avaliadas a cada três dias em um total de seis oportunidades, sendo procedido o cálculo da AACPD por método convencional. A RNA criada permitiu predizer AACPD com correlação de 0,97 e 0,84 quando comparado com os métodos convencionais, utilizando-se de um número 50% e 67% menor de avaliações por genótipo respectivamente. Ao se utilizar a RNA gerada por um experimento para predizer a AACPD para os demais experimentos ocorreu correlação média de 0,94, com duas avaliações, e 0,96, com três avaliações, entre os valores preditos pela RNA e os observados com seis avaliações. Apresentamos neste trabalho um novo paradigma para a utilização da informação da AACPD em experimentos de tomateiro confrontado com P. infestans. Este novo paradigma proposto pode ser adaptado para diferentes patossistemas. / Artificial neural networks (ANN) are computational models, inspired in the nervous system of living organisms, that is able to learn from examples and uses it to solve problems such as non-linear prediction, pattern recognition, and many other applications. In this work we use an ANN to predict the value of the area under the disease progress curve (AUDPC) for pathosystem tomato x late blight. The AUDPC is a widely used measure in the epidemiology of polycyclic diseases, especially in studies about quantitative resistance of genotypes. However, to obtain the final value of this area is required, in this pathossystem, a series of six evaluations along time. The objective of this paper is to propose a new use of ANN, based on the principles of learning, for to obtain the AUDPC in pathosystem tomato x late blight, using a reduced number of disease severity evaluations. We considered four independent experiments, a total of 1836 infected plants with the pathogen Phytophthora infestans and assessed every three days for six times, and proceeded to calculate the AUDPC by conventional methods. The ANN created possible to predict the AUDPC with a correlation coefficient of 0.97 and 0.84 compared with conventional methods, using a number 50% and 67% less ratings for genotypes respectively. Using ANN generated by an experiment to predict the AUDPC for the other experiments there was an average correlation of 0.94, with two ratings, and 0.96, with three evaluations, between the value predicted from ANN and value observed with six evaluations. We present in this work a new paradigm for obtaining AUDPC in tomato experiments inoculated with P. infestans. This proposed new paradigm can be adapted to different pathosystems.

Submitted by Reginaldo Soares de Freitas (reginaldo.freitas@ufv.br) on 2016-09-28T12:48:31Z No. of bitstreams: 1 texto completo.pdf: 1706670 bytes, checksum: 7eaf65ec4f6211f7d2f96c10c3cb3f8a (MD5) / Made available in DSpace on 2016-09-28T12:48:31Z (GMT). No. of bitstreams: 1 texto completo.pdf: 1706670 bytes, checksum: 7eaf65ec4f6211f7d2f96c10c3cb3f8a (MD5) Previous issue date: 2003-02-14 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / O propósito deste estudo foi fazer determinações potenciométricas simultâneas das espécies aniônicas cloreto, brometo, iodeto e nitrato. O interesse nessas determinações vem principalmente do fato de que estes constituem fortes interferentes entre si, comprometendo e dificultando a análise dos mesmos em efluentes industriais, águas naturais, dentre outros. Além disso, estes íons podem se tornar bastante prejudiciais quando suas concentrações alcançam determinados valores, por causarem danos graves ao ecossistema aquático. Assim, com a utilização de um multiplexador e de um arranjo de eletrodos seletivos a íons foram desenvolvidas técnicas instrumentais de calibração, através de quimiometria, capazes de separar as respostas dos diferentes íons interferentes. Os métodos de calibração multivariada utilizados foram o método dos mínimos quadrados parciais polinomial (PLS polinomial) e o de redes neurais artificiais pois a relação entre as respostas não é linear, tendo-se ainda estudado os potenciais fornecidos pelos eletrodos através da análise das componentes principais (PCA). Foram feitos dois conjuntos de soluções com concentrações variadas dos ânions descritos, de acordo com um planejamento experimental cúbico de rede simplex lattice , com a adição de cinco pontos de verificação, tendo os conjuntos como diferencial, as concentrações de iodeto utilizadas. Para uma maior concentração de iodeto, a componente principal 1, que explicou 90,61 % da variância, separou completamente as respostas provenientes das soluções que possuíam tal ânion, já a componente principal 2, que explicou 6,42 % da variância, agrupou as amostras que continham as maiores concentrações para todos os íons. Em contrapartida, sob concentrações mais baixas de iodeto, a componente principal 1, que explicou 92,39 % da variância, separou todas as respostas oriundas das soluções que possuíam o íon brometo; e a componente principal 2, que explicou 7,20 % da variância, separou as amostras que continham as maiores concentrações dos íons cloreto, iodeto e nitrato. Tais observações proporcionaram a verificação dos efeitos das interferências, além de possibilitarem o estudo das respostas para a utilização do PLS polinomial e o treinamento das redes. O PLS polinomial apresentou valores de erros quadráticos médios de previsão (RMSEP) para o cloreto de 10-3 mol L-1 e para o brometo de 10-4 mol L-1, para concentrações de ambos os íons da ordem de 10-2 mol L-1; em relação ao iodeto, o RMSEP foi de 10-7 mol L-1, para concentrações 10-6 mol L-1; e, finalmente, o RMSEP para nitrato foi de 10-4 mol L-1, para concentrações da ordem de 10-3 mol L-1. A arquitetura das redes neurais foi otimizada tendo sido obtidos os menores valores de RMSEP, utilizando-se como função de transferência a função tangente sigmoidal e uma arquitetura de três camadas, sendo a primeira e a última camadas constituídas de quatro neurônios, e a camada intermediária constituída de dez. Os valores de RMSEP foi para o cloreto e brometo de 10-6 mol L-1, para concentrações de 10-2 mol L-1; para o iodeto, o RMSEP foi de 10-10 mol L-1, para concentrações de 10-6 mol L-1; e, por último, o nitrato apresentou um RMSEP de 10-6 mol L-1, para concentrações de 10-3 mol L-1. Através dos recursos quimiométricos utilizados foi possível otimizar o uso dos eletrodos seletivos a íons, o que facilitou sobremaneira as diversas aplicações. / The purpose of this study was to carry out simultaneous potenciometric determination of anionic species, more specifically, the chloride, bromide, iodide and nitrate anions. The interest in their determinations is due to the fact that these anions are strong interferents with respect to each other, jeopardizing and making difficult their analysis in industrial effluents and nature waters. Moreover, these ions can become quite prejudicial when their concentrations reach certain values, because they can cause serious damages to the aquatic ecosystem. Therefore, using a multiplex and a selective ion electrode array, instrumental calibration techniques were developed with quimiometric resources, to be able to separate the responses of the different interfering ions. The multivariated calibration methods utilized were the partial least square polynomial method (polynomial PLS) and the artificial neural networks since the relation between the responses is not linear, being also studied the potential values provided by the electrodes through the principal components analysis (PCA). Two sets of various solutions were prepared containing different concentrations of the anions described, according to the array simplex lattice net experimental planning, with the addition of more five verifying points, and the groups differential being the concentration values of the ion iodide. For a higher iodide concentration, the first major component, that explained 90,61 % of the variance, completely separated the solution responses which contained this ion, and the second major component, that explained 6,42 % of the variance, bracketed the samples which contained the higher concentrations for all the ions. Whereas, with the lower iodide concentrations, the first major component, that explained 92,39 % of the variance, isolated all the responses of the solutions which contained the bromide ion, and the second major component, that explained 7,20 % of the variance, separated the samples which contained the higher concentration of the chloride, iodide and nitrate ions. Such observations allowed to verify the interference effects besides enabling the study of the responses and consequently allowing the using of the polynomial PLS and the neural artificial networks training. The polynomial PLS presented root mean square error prediction (RMSEP) values for chloride was 10-3 mol L-1 and for bromide was 10-4 mol L-1 to concentrations of both ions in orders of 10-2 mol L-1. In relation to the iodide, the RMSEP was 10-7 mol L-1 to concentrations of 10-6 mol L-1 and finally, the nitrate RMSEP was 10-4 mol L-1, to concentration orders of 10-3 mol L-1. The neural network architecture was optimised obtaining smaller RMSEP values by using the sigmoid tangent function as the transference function, and using a three layer architecture where the first and the last ones had both four neurons and the intermediary layer had ten neurons. The RMSEP values to chloride and bromide were 10-6 mol L-1 to concentrations of 10-2 mol L-1 and to iodide was 10-10 mol L-1 to concentrations of 10-6 mol L-1 and, at last, the nitrate presented a RMSEP value of 10-6 mol L-1 to concentrations of 10-3 mol L-1. By the quimiometric resources used, it was possible to optimise the ion selective electrode use and getting more facilities in applications.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Florestal, Programa de Pós-graduação em Ciências Florestais, 2015. / Submitted by Fernanda Percia França (fernandafranca@bce.unb.br) on 2015-11-20T13:57:49Z No. of bitstreams: 1 2015_JoãoFelipeNunesDeMiranda.pdf: 1961695 bytes, checksum: 32c59daa230ca8115731bef2bb3357b2 (MD5) / Approved for entry into archive by Raquel Viana(raquelviana@bce.unb.br) on 2016-05-12T21:05:28Z (GMT) No. of bitstreams: 1 2015_JoãoFelipeNunesDeMiranda.pdf: 1961695 bytes, checksum: 32c59daa230ca8115731bef2bb3357b2 (MD5) / Made available in DSpace on 2016-05-12T21:05:28Z (GMT). No. of bitstreams: 1 2015_JoãoFelipeNunesDeMiranda.pdf: 1961695 bytes, checksum: 32c59daa230ca8115731bef2bb3357b2 (MD5) / O presente estudo avaliou e comparou a qualidade de ajuste de modelos alométricos (Spurr, Schumacher & Hall e Husch) e de redes neurais artificiais na estimativa de estoque de biomassa seca e de carbono de árvores com diâmetro a altura do peito (DAP) igual ou superior a 5 cm, em área de floresta estacional decidual, localizada no Município de Campos Belos – GO, no Brasil central. Um total de 74 árvores pertencente a diferentes espécies registradas na área e distribuído em diferentes classes de diâmetro foram cubadas rigorosamente. Tanto para a biomassa seca (total e do fuste) quanto para o carbono (total e do fuste), o modelo de Schumacher & Hall foi o que apresentou melhores medidas de precisão. Foram treinadas 300 RNAs, do tipo MLP (multilayer perceptron) para cada variável dependente e as 10 redes com melhores resultados foram retidas para a análise das medidas de precisão. Todas as melhores redes encontradas apresentaram medidas de precisão sensivelmente melhores do que as alcançadas pelo modelo de Schumacher & Hall. Os estoques de biomassa seca total e do fuste foram iguais a respectivamente 65,61 ±15,52 t.ha-1 e 34,17 ± 7,85 t.ha-1. Para carbono, os estoques total e do fuste foram 29,47 ± 6,93 t.ha-1 e 15,16 ± 3,48 t.ha-1. Guazuma ulmifolia, Callisthene fasciculata, Myracrodruon urundeuva e Dilodendron bipinnatum, além de se destacarem na área por apresentarem maiores valores de IVI (índice de Valor de Importânicia), também se destacaram por apresentarem maiores estoques de biomassa e carbono. / The aim of this study was to evaluate and compare the quality of the adjustments from the use of allometric models (Spurr, Schumacher & Hall and Husch) and artificial neural networks, and generate stock estimates of dry biomass and carbon from the best method. 15 permanent plots located in a fragment of dry seasonal forest, located in the municipality of Campos Belos - GO were inventoried of 737 individuals sampled 74 were strictly cubed. The model that presented best precision measurements, R² adjusted (0.88 to 0.96) and Syx% (9.2% to 28.0%) for both dry biomass (total and bole) and for Carbon (total and bole), was the template of Schumacher & Hall. 300 ANNs of the MLP type (multilayer perceptron) for each dependent variable were trained and the 10 networks with best results were retained for the analysis of precision measurements. All the best networks found had significantly better accuracy measures than those achieved by the Schumacher and Hall model. The stocks of dry biomass, total and bole, and carbon, total and bole, were respectively 65.61 ± 15.52 t ha-1, 34.17 ± 7.85 t ha-1, 29,47 ± 6,93 t.ha-1 e 15,16 ± 3,48 t.ha-1. The species with highest values of IVI and stock of dry biomass and carbon were Guazuma ulmifolia, Callisthene fasciculata, Myracrodruon urundeuva, Dilodendron bipinnatum.

Neste trabalho foi avaliado o efeito do controle de montante em sub-bacias embutidas na previsão hidrológica de curto prazo, com a investigação conjunta de dois aspectos: variação da área controlada e a variação do detalhamento temporal dos dados de vazões de entrada do modelo. O local escolhido para essa pesquisa foi a bacia do rio Ijuí com exutório no posto fluviométrico da Ponte Mística e as suas sub-bacias embutidas de Santo Ângelo, Ponte Nova do Potiribu, Colônia Mousquer, Passo do Faxinal e Turcato. Os dados de vazão utilizados foram obtidos da Agência Nacional de Águas (ANA) e do projeto de monitoramento da bacia do Potiribu (Castro et al., 2010), enquanto que os dados de precipitação foram obtidos em Silva (2011), que calculou uma série histórica de precipitações médias de uma grade de chuvas interpoladas a partir dos dados de 65 postos pluviométricos da região. Para este estudo foram utilizados dados de 22/08/1989 à 01/06/1994 (1.743 dias). Esse período foi selecionado por ser o maior período com dados concomitantes em todos os postos fluviométricos. Os modelos escolhidos para esse estudo foram as redes neurais artificiais de múltiplas camadas, com utilização do algoritmo retropropagativo. As entradas nos modelos foram os dados de precipitação e as vazões diárias da bacia de Ponte Mística e de suas sub-bacias, e as saídas foram as vazões de Ponte Mística um dia à frente. Foram apresentadas oito alternativas de controle físico de montante. Também foram aplicadas, para cada uma das alternativas, componentes antecedentes, com a utilização dos dados de vazão com antecedência de 24h e 48h. A utilização de vazões horárias do Turcato foi comparada com uma alternativa que contempla o mesmo posto, mas com dados diários, para investigar se a utilização de dados com um maior detalhamento temporal pode produzir melhores resultados. Para a análise do desempenho da rede foi aplicado como estatística de qualidade o coeficiente de Nash-Sutcliffe (NS). A avaliação estatística apresentou bons resultados na previsão de vazão para todas as alternativas de controle, sendo o menor NS de 0,91 e o maior de 0,97. A utilização de um maior detalhamento temporal, com aplicação de vazões horárias, provocou uma redução no desempenho do modelo, com o NS caindo de 0,91 para 0,89. Observou-se também que, quanto maior a área controlada das bacias, melhores são os resultados para a previsão de vazão. A análise da influência de cada variável explicativa foi feita por um método apresentado por Maier e Dandy (1997), revelando-se um recurso valioso para a compreensão das relações de importância das variáveis e do funcionamento do sistema. As contribuições das vazões das bacias de montante foram sempre mais influentes do que as precipitações diárias sobre toda a bacia, sendo demonstrado que, neste sentido, mesmo uma bacia muito pequena pode ser importante para a previsão. Além disso, esta técnica revelou-se importante para auxiliar na identificação das defasagens que são mais importantes, e também revela que, mesmo componentes que apresentam menor influência, podem atuar como potencializadoras de outras variáveis ou componentes, cuja ação atua no sentido de incrementar o desempenho das previsões do modelo. / This study evaluated the effects of the amount of controlled area with sub-basins embedded for real time hydrologic forecasting. Two aspects were studied together: The variation in the amount of controlled area and the temporal variation of detail data flow model input. The site chosen for this research was the Ijuí river basin with outlet in the gaging station of Ponte Mística and its sub-basins, namely the gaging stations at Sant'Angelo, Ponte Nova do Potiribu, Colônia Mousquer, Passo do Faxinal and Turcato. The streamflow data used were obtained from the National Water Agency (ANA) and the monitoring project of the Potiribu basin (Castro et al., 2010), while precipitation data were obtained in Silva (2011), who calculated the series of average precipitations from a grid of rainfalls resulting from the data interpolation of 65 raingauge stations in the region. For this study we used data from 22/08/1989 to 01/06/1994 (1.743 days). This period was selected because it is the longest period with complete data in all fluviometric stations. The models chosen for this study were the artificial neural networks of multiple layers, with training by the backpropagation algorithm. The entries of the models were the daily rainfall data and the streamflow of Ponte Mística basin and its sub-basins, and the outputs were the streamflows of the gaging station of Ponte Mística one day after. Eight alternatives of upstream control were presented. There were also applied, to each of these alternatives, the antecedent components, namely, the previous streamflow data of 24h and 48h. The model which uses hourly streamflows of Turcato was compared with an alternative that makes the same job, but with daily data, to investigate if the former, with the use of data with greater temporal detail, can produce better results. For the analysis of network performances it was applied the Nash-Sutcliffe coefficient (NS). Statistical evaluation showed good results in predicting streamflow for all control alternatives, being 0.91 and 0.97 the lowest and the highest NS, respectively. Using a more detailed temporal, applying hourly streamflows, caused a reduction in the performance of the model, with the NS falling from 0.91 to 0.89. It was also observed that the larger the controlled basins area, the better the results for predicting flow. The analysis of the influence of each explanatory variable was made by a method developed by Maier and Dandy (1997), proved to be a valuable resource for understanding the importance of relationships of variables and operating system. The contributions of flow from upstream basins have revealed always more influential to the forecasting than the daily precipitation over the whole basin, and demonstrated that, in this sense, even a very small basin may be important for forecasting. Furthermore, this technique proved important to help identify the more important lags, and also reveals that, even components that have less influence, can act for potentiating the other variables or components whose actions acts to increase the performance of the model predictions.

Made available in DSpace on 2014-06-11T19:25:30Z (GMT). No. of bitstreams: 0 Previous issue date: 2003-02Bitstream added on 2014-06-13T20:53:27Z : No. of bitstreams: 1 machado_bs_me_ift.pdf: 2214231 bytes, checksum: 9040916a02748c7ddee98792eeacebcd (MD5) / Neste trabalho procurou-se desenvolver e avaliar uma metodologia consistente com a teoria do caos capaz de classificar o mecanismo gerador de séries temporais empíricas de dados. Faz-se, para tal, uma descrição de testes quantitativos na caracerização de séries temporais, bem como de um método para redução de ruído. Por fim, aplica-se a metodologia proposta em sinais experimentais da atividade elétrica cerebral / Abstracts: In this work we sought to develop and to evaluate a methodology consistent with the chaos theory capable to classify the generating mechanism of empirical time series. For such, we will make a description of quantitatve tests in the characterization of times, including a method for noise reduction. Finally, we will apply the methodology here proposed in experimental signals from the cerebral electric activity

Made available in DSpace on 2014-06-11T19:31:37Z (GMT). No. of bitstreams: 0 Previous issue date: 2003Bitstream added on 2014-06-13T20:22:35Z : No. of bitstreams: 1 nagaoka_me_dr_botfca.pdf: 501587 bytes, checksum: a5d05cfa41f21298548d31b5d95dc6b1 (MD5) / Este trabalho apresenta a aplicação de um sistema inteligente utilizando redes neurais artificiais para estimar valores de densidade do solo, a partir de parâmetros referentes à resistência do solo à penetração. Foram considerados solos preparados e não preparados, os não preparados foram os seguintes : teor de argila menor que 30 % (solo tipo 1), de 30 a 50 % (solo tipo 2) e maior que 50 % (solo tipo 3). Os preparados foram os seguintes: um com teor de argila menor que 30 % (solo tipo 1) e o outro com teor de argila maior que 50 % (solo tipo 3). O objetivo principal deste trabalho foi implementar diversas redes neurais do tipo perceptron multicamadas, alimentando-as com resistência do solo à penetração, teor de água e teor de argila, tendo como variável de saída a densidade do solo. Cada rede foi treinada variando o número de camadas escondidas e também variando o número de neurônios, de 10 a 40, em cada camada. Para cada arquitetura, a rede foi treinada 10 vezes, escolhendo-se no final do treinamento a arquitetura com menor erro relativo médio e menor variância em relação aos dados de validação. As análises realizadas mostraram que as arquiteturas de rede com apenas uma camada escondida forneceram melhores resultados. Todas as redes tiveram melhor desempenho em solo não preparado do que em solo preparado. A rede de arquitetura de 3 entradas, uma camada escondida com 30 neurônios e 1 saída forneceu excelente resultado para solo não preparado (com teor de argila entre 30 e 50 %). Constatou-se que a rede quando treinada com dados do solo preparado, juntamente com dados do solo não preparado, melhorou os resultados de estimação para o solo preparado, mas piorou para os solos não preparados. Constatou também que a rede quando treinada junto com dados que contém solo solto fornece resultados imprecisos. O mesmo ocorreu para dados com teor de água elevado. / This work presents the development of an intelligent system using artificial neural networks to estimate values of soil density. Prepared and non-prepared soils were considered in this work. The non-prepared soils were the following ones: clay content lesser than 30 % (soil type 1), 30 to 50 % (soil type 2) and larger than 50 % (soil type 3). The prepared soils were the following ones: soil with clay content lesser than 30 % (soil type 1) and soil with clay content larger than 50 % (soil type 3). The main objective of this work was to implement several neural networks of type multilayer perceptron, feeding them with data concerning to the soil compaction characteristics. The output computed by the neural network was the respective density of these soils. Each neural network was trained varying both number of hidden layers and number of neurons, which was changed from 10 to 40 neurons in each layer. In each architecture the network was trained 10 times and selected architecture was always that having either the least mean relative error or the least variance in relation to validation data. The carried out analyses showed that the neural architectures having only a hidden layer were those that provided the best results. All neural networks have presented more efficient results for non-prepared soils than prepared soils. The neural network constituted by three inputs and one output, having 30 neurons at hidden layer, has provided excellent results for non-prepared soils (clay content between 30 and 50 %). It was also verified that the neural network when trained with data referent to non-prepared and soils, which were put in the same data set, it became the results referent to prepared soils more efficient, but the results for non-prepared soils become worse. Another observed point was when the network had been trained with data constituted by soft soil... (Complete abstract, click electronic address below).

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2017. / Submitted by Raquel Almeida (raquel.df13@gmail.com) on 2018-05-09T17:28:50Z No. of bitstreams: 1 2017_FranciscoVitorLopesdaFrota.pdf: 1425444 bytes, checksum: cdf0b87a99142ffd18171bcc61100de0 (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2018-05-29T20:20:08Z (GMT) No. of bitstreams: 1 2017_FranciscoVitorLopesdaFrota.pdf: 1425444 bytes, checksum: cdf0b87a99142ffd18171bcc61100de0 (MD5) / Made available in DSpace on 2018-05-29T20:20:08Z (GMT). No. of bitstreams: 1 2017_FranciscoVitorLopesdaFrota.pdf: 1425444 bytes, checksum: cdf0b87a99142ffd18171bcc61100de0 (MD5) Previous issue date: 2018-05-29 / Este trabalho apresenta uma metodologia para a criação de testes de software automatizados. A automação dos testes de software teve como base a utilização de Aprendizado de Máquina, através de Rede Neural Artificial, para o reconhecimento de padrões em páginas HTML. Para identificação das referências de entrada e saída de dados, é utilizado um Banco de dados baseado em grafos, gerando o mapeamento da aplicação sobre teste (do inglês Application Under Test - AUT). Para a automatização da geração dos dados de entrada para os testes é utilizada a metodologia de Algoritmo Genético. Os resultados obtidos demonstram, que a partir da metodologia proposta, é possível simplificar a realização dos casos de teste, através de uma linguagem de alto nível. Observou-se também a possibilidade de viabilizar um ambiente de alta performance para realização de testes automatizados de software e interpretação dos resultados através de Processamento Natural de Linguagem (NLP). Como conclusão é possível afirmar que a metodologia proposta, quando comparada a algumas soluções disponíveis no mercado de teste de software, pode atender aos mesmos requisitos e também suprir algumas possibilidades de testes que agregam o processo como um todo. / This dissertation proposes a methodology for automating the process of creating test cases using Machine Learning. This procedure is performed through Artificial Neural Networks, used to identify patterns in HTML pages (Hyper Text Markup Language); identificationofGeneticAlgorithms,usedforthecreationoftestvalues;Graphsdatabaseareused to perform the mapping; and, finally, general understanding of the application to be tested. With the bibliographic review carried out in this work, we identified some problems related to the implementation and automation of tests, such as the difficulties of writing and keeping the test cases in operation, and the high costs related to the creation of scripts and maintenance required to ensure the continued operation of test cases. Finally, experiments were carried out to verify the simplification of the language used and the speed of execution of the test cases, as well as the possibility of performing the automation of a good part of thetestcasecreationprocess.Thispaperproposesamethodologyforautomatingtheprocess of creating test cases using Machine Learning. This procedure is performed through Artificial Neural Networks techniques, used to identify patterns in HTML (Hyper Text Markup Language) pages ; identification of Genetic Algorithms, used for the creation of test values; Database in graphs, used to perform the mapping; and, finally, general understanding of the application to be tested.

A identificação e o monitoramento de microorganismos aquáticos, como bactérias e microalgas, tem sido uma tarefa árdua e morosa. Técnicas convencionais, com uso de microscópios e corantes, são complexas, exigindo um grande esforço por parte dos técnicos e pesquisadores. Uma das maiores dificuldades nos processos convencionais de identificação via microscopia é o elevado número de diferentes espécies e variantes existentes nos ambientes aquáticos, muitas com semelhança de forma e textura. O presente trabalho tem por objetivo o desenvolvimento de uma metodologia para a caracterização e classificação de microorganismos aquáticos (bactérias e microalgas), bem como a determinação de características cinemáticas, através do estudo da mobilidade de microalgas que possuem estruturas que permitem a natação (flagelos). Para caracterização e reconhecimento de padrões as metodologias empregadas foram: o processamento digital de imagens e redes neurais artificiais (RNA). Para a determinação da mobilidade dos microorganismos foram empregadas técnicas de velocimetria por processamento de imagens de partículas em movimento (Particle Tracking Velocimetry - PTV). O trabalho está dividido em duas partes: 1) caracterização e contagem de microalgas e bactérias aquáticas em amostras e 2) medição da velocidade de movimentação das microalgas em lâminas de microscópio. A primeira parte envolve a aquisição e processamento digital de imagens de microalgas, a partir de um microscópio ótico, sua caracterização e determinação da densidade de cada espécie contida em amostras. Por meio de um microscópio epifluorescente, foi possível, ainda, acompanhar o crescimento de bactérias aquáticas e efetuar a sua medição por operadores morfológicos. A segunda parte constitui-se na medição da velocidade de movimentação de microalgas, cujo parâmetro pode ser utilizado como um indicador para se avaliar o efeito de substâncias tóxicas ou fatores de estresse sobre as microalgas. O trabalho em desenvolvimento contribuirá para o projeto "Produção do Camarão Marinho Penaeus Paulensis no Sul do Brasil: Cultivo em estruturas Alternativas" em andamento na Estação Marinha de Aquacultura - EMA e para pesquisas no Laboratório de Ecologia do Fitoplâncton e de Microorganismos Marinhos do Departamento de Oceanografia da FURG. O trabalho propõe a utilização dos níveis de intensidade da imagem em padrão RGB e oito grandezas geométricas como características para reconhecimento de padrões das microalgas O conjunto proposto de características das microalgas, do ponto de vista de grandezas geométricas e da cor (nível de intensidade da imagem e transformadas Fourier e Radon), levou à geração de indicadores que permitiram o reconhecimento de padrões. As redes neurais artificiais desenvolvidas com topologia de rede multinível totalmente conectada, supervisionada, e com algoritmo de retropropagação, atingiram as metas de erro máximo estipuladas entre os neurônios de saída desejados e os obtidos, permitindo a caracterização das microalgas.

Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, 2006. / Submitted by Aline Jacob (alinesjacob@hotmail.com) on 2010-01-26T13:54:01Z No. of bitstreams: 1 2007_HernanEduardoMCarvajal.pdf: 6285139 bytes, checksum: 7e91da456e2cdab6fd92f964b1e4e87c (MD5) / Approved for entry into archive by Carolina Campos(carolinacamposmaia@gmail.com) on 2010-01-26T18:46:52Z (GMT) No. of bitstreams: 1 2007_HernanEduardoMCarvajal.pdf: 6285139 bytes, checksum: 7e91da456e2cdab6fd92f964b1e4e87c (MD5) / Made available in DSpace on 2010-01-26T18:46:52Z (GMT). No. of bitstreams: 1 2007_HernanEduardoMCarvajal.pdf: 6285139 bytes, checksum: 7e91da456e2cdab6fd92f964b1e4e87c (MD5) Previous issue date: 2006-03-28 / Tradicionalmente, a relação tensão-deformação tem sido representada por uma série de equações matemáticas que tenta descrever o comportamento do solo com base em um conjunto de parâmetros. O problema principal dessas aproximações paramétricas é a alta complexidade matemática envolvida principalmente quando se incluem efeitos não lineares ou quando diferentes tipos de solo são considerados. Uma aproximação diferente consiste na utilização de redes neurais artificiais (RNA) treinadas com informação experimental para capturar diretamente o comportamento constitutivo do solo e eventualmente atuar como um operador constitutivo dentro de um código de elementos finitos para solucionar problemas de contorno. No caso das areias, o seu comportamento mecânico depende basicamente da sua natureza física e do seu estado. A primeira está relacionada com a composição da areia como material granular e tem sido descrita por meio da distribuição granulométrica, teor de finos, forma e mineralogia dos grãos. Por outra parte, o estado físico tem sido descrito por meio de variáveis como a densidade relativa, o estado de tensão efetiva e o tipo de arranjo entre os grãos. Conseqüentemente, numa aproximação com RNA o conjunto de variáveis de treinamento deve conter informação sobre o estado tensão-deformação do solo e sobre a sua natureza física. Nesta tese foram usados o fator de forma, ns, o indice de vazios inicial, e0, e o emax-emin como variáveis físicas para treinar um PMC (Perceptron de Múltiplas Camadas) de tal forma que se pudesse estimar os acréscimos de tensão dados os correspondentes acréscimos de deformação além dos estados tensão-deformação atual e anterior. Isto com o intuito de usar a RNA treinada, como operador constitutivo dentro de um código de elementos finitos (programa ALLFINE) agindo ao nível de ponto de Gauss em substituição de uma relação elasto-plástica convencional. A base de dados para o treinamento da RNA está conformada por uma série de ensaios de laboratório que incluem uma ampla gama de trajetórias de tensão tanto do tipo convencional como de compressão isotrópica e trajetórias no plano octaédrico. A informação dos ensaios foi majoritariamente obtida de publicações de trabalhos anteriores, incluindo 13 tipos diferentes de areia. Após finalizada a fase de treinamento, a RNA constitutiva foi implementada no programa ALLFINE, e algumas simulações foram realizadas para a validação do comportamento do sistema conjunto. Inicialmente, foram realizadas simulações do comportamento das areias ao nível de ponto constitutivo. A seguir, o grau de complexidade das análises aumentou ao considerar a amostra de solo como um volume discretizado com uma malha de elementos finitos. Finalmente foi analisado o comportamento de uma sapata retangular assente num depósito de areia homogênea. Não tendo informação experimental para fazer as devidas comparações, considerou-se pertinente comparar com os resultados obtidos por meio do modelo Cam-Clay. O comportamento do sistema híbrido (SH) RNA-Elementos Finitos nas simulações realizadas se mostrou satisfatório, o que é um alento para seguir pesquisando nesta área da geotecnia que se mostra bastante promissora. _______________________________________________________________________________ ABSTRACT / In a traditional geotechnical approach, the relationship between stresses and strains has been represented by a series of mathematical equations that tries to describe the soil behavior, based on a set of fundamental parameters. The main problem with this parametric approximation is the high mathematical complexity involved mainly when non-linear effects have to be included and when different types of soils are considered. In addition, many of the traditional mathematical models were deduced based exclusively on conventional axissymmetric triaxial stress paths. A fundamentally different approach consists in the use of Artificial Neural Networks (ANN) to model the material behavior directly from laboratory tests results. In this non-parametric approach, the soil constitutive behavior will be directly captured by the ANN, and stored for later generalization. The interest of such an application of ANN in the case when the model is built directly from available experimental data is obvious. In such a case a suitably trained ANN can replace an unknown conventional analytical description, and perform as a constitutive operator embedded into a finite element code. A source of knowledge for ANN is not a symbolic formula but the set of experimental data. In the case of sandy soils, their mechanical behavior depends fundamentally on their physical nature and state. The first, is related with the sand composition as a granular material, and has been frequently described with the use of properties such a grain size distribution, fines content, grain shape and mineralogy, among others. On the other hand, the state of the sand is related with the “in situ” physical conditions under which the soil exists, and it has been traditionally described with the aid of variables such a relative density (Dr), the effective stress state, and the fabric. Consequently, in a knowledge-based approach, where an ANN acts as a constitutive operator, the set of input variables must contain not only information about the stress-strain state, but also about the sand physical nature and some other variables. In this thesis, the use of the void ratio range (emax-emin), the shape factor (ns) and the initial void ratio (e0) were used as physical input variables for training a multilayered perceptron ANN, to simulate the stress path response for given strain paths imposed during 3D triaxial tests on sand. In this case the ANN is trained to compute the stress increment, given a known strain increment and the current and previous stress-strain states. The laboratory tests correspond to axis-symmetric stress paths as well as paths defined in the π-plane, and some hydrostatic compression tests. Almost all of them were obtained from published literature on the area, and covered 13 different types of well known sands. Once trained, the ANN was implemented into a Finite Element Code (ALLFINE) and some simulations were carried out for validating the behavior of the system as a whole. First, the behavior of the model at a level of gauss point were tested, after that, cubical soil samples were simulated and finally a rectangular slab resting on a mass of soft sand were simulated as a final validation of the hybrid system (ALLFINE-ANN). The results were compared against those obtained with the use of the Cam-Clay model, showing that the neural model is a very promising technique, able to predict complete and complex stress paths.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2014. / Submitted by Alaíde Gonçalves dos Santos (alaide@unb.br) on 2014-04-28T10:38:25Z No. of bitstreams: 1 2014_JorgeAndresGironCruz.pdf: 3529472 bytes, checksum: 6673284587acaa25f8006d7efd8b29a0 (MD5) / Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2014-04-28T15:00:46Z (GMT) No. of bitstreams: 1 2014_JorgeAndresGironCruz.pdf: 3529472 bytes, checksum: 6673284587acaa25f8006d7efd8b29a0 (MD5) / Made available in DSpace on 2014-04-28T15:00:46Z (GMT). No. of bitstreams: 1 2014_JorgeAndresGironCruz.pdf: 3529472 bytes, checksum: 6673284587acaa25f8006d7efd8b29a0 (MD5) / Novas metodologias que possibilitem a redução do tempo e custo na soldagem, além da melhoria da qualidade das soldas são de grande interesse para o meio científico e industrial. Ao longo dos anos, a necessidade de melhorar a produtividade e qualidade levou ao desenvolvimento e aperfeiçoamento de técnicas e sistemas automatizados para o monitoramento e controle dos processos de soldagem. No desenvolvimento das pesquisas relacionadas ao monitoramento e controle em tempo real da soldagem, observa-se a utilização de várias abordagens direcionadas à aplicação e melhor entendimento do monitoramento direto ou indireto da geometria do cordão de solda. Este trabalho apresenta uma metodologia para modelagem, otimização e controle da altura do reforço e da largura do cordão de solda, permitindo ajustar os parâmetros do processo em tempo real. Desenvolveu-se para cada parâmetro geométrico estudado um sistema integrado de aquisição de imagens, modelagem e controle do processo de soldagem, permitindo uma resposta em tempo real, através de redes neurais artificiais, em que os parâmetros de velocidade de soldagem, velocidade de alimentação do arame e a tensão são preditos em função de uma altura do reforço ou largura desejada. Projetou-se um controlador “fuzzy” para realizar o controle em malha fechada do sistema, onde se toma como referência a diferença entre o valor desejado do parâmetro geométrico que se pretende controlar e o valor real do parâmetro no cordão de solda. Este cordão é medido através de um sistema de aquisição e processamento de imagens usando-se uma câmera web de baixo custo. As ações de controle são exercidas preferencialmente na velocidade de alimentação do arame para a altura do reforço e na velocidade de soldagem para a largura do cordão, parâmetros escolhidos por apresentar a maior influência em cada um dos parâmetros geométricos do cordão estudados respectivamente. Obtiveram-se satisfatoriamente cordões de solda com altura do reforço e largura pré-definida, além de boa aparência e qualidade. _______________________________________________________________________________________ ABSTRACT / New methodologies that make possible the reduction of time and cost in welding, besides the improvement of the welding bead quality have shown to be the great interest for scientists and industries. Along the years, the needs of improving the productivity and quality carry out to the development and improvement of techniques and automated systems for monitoring and control of welding processes. The use of several approaches in researches related to the monitoring and control in real time of the welding is addressed to the application and understanding of direct or indirect monitoring of weld bead geometry. This work presents a methodology for modeling, optimization and control of the weld height reinforcement and bead width, allowing adjusting the parameters of the process in real time. It was developed for each welding geometric parameter an integrated system of images acquisition, modeling and control of the welding process, allowing a response in real time, through artificial neural networks, where the parameters of welding speed, wire feed speed and the voltage are predicted in function of the desired height reinforcement or bead width. It was designed a controller "fuzzy" to accomplish the control of the system in closed loop, where it is taken as reference the difference between the desired value of the geometric parameter to be controlled and the actual value of the parameter in the weld bead produced. This weld bead is measured through an acquisition system and processing of images using a low cost web cam. The control actions are preferentially implemented in the wire feed speed for height reinforcement and in welding speed for bead width, parameters chosen for presenting the most influence in each one of the geometric parameters studied respectively. It was obtained weld bead with acceptably height reinforcement and predefined width, and good appearance and quality.