Made available in DSpace on 2014-06-12T15:53:08Z (GMT). No. of bitstreams: 2 arquivo4934_1.pdf: 2597521 bytes, checksum: 3c1a0f8d9095d4096bad3125fb30928c (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2000 / Universidade Federal Rural de Pernambuco / Os animais interagem no ambiente de diversas maneiras e o cheiro a sua volta é de extrema importância para o transporte da informação, essencial para sobrevivência. Tanto para os animais quanto para os seres humanos, o cheiro exerce um papel importante. Devido a esta importância, o estudo do olfato humano começou há bastante tempo atrás. Apesar da sua importância, ainda hoje existem muitas perguntas sem resposta a respeito do sentido do olfato. Muitos pesquisadores estão trabalhando nesta área tentando encontrar respostas para estas perguntas e os estudos que estão sendo desenvolvidos na área de narizes artificiais podem ajudar na compreensão deste sistema, além de ser possível responder algumas das muitas perguntas sem resposta. Neste sentido, existe hoje, uma grande demanda de instrumentos eletrônicos para imitador o sentido do olfato humano, com baixo custo e aquisição de informação sensorial rápida e precisa. Com esta demanda, houve um grande avanço no desenvolvimento de nariz artificial e hoje é possível encontrar aplicações em várias áreas, a saber: controle de qualidade de alimentos, indústria de bebida, monitoração ambiental, diagnósticos médicos, perfumaria , robótica e segurança. O nariz artificial é um dispositivo composto de um sistema de sensibilidade química e um sistema do reconhecimento de padrão. O sistema químico do sensor possui um conjunto de sensores diferentes para a detecção dos vapores. Há tecnologias diferentes para preparar os sensores. Neste trabalho nós aplicamos a rede neural para resolver o sistema do reconhecimento de padrão de um nariz artificial completamente projetado e construído por nós (equipe da informática, da química e da física). O uso da rede neural é essencial como uma técnica para o reconhecimento de padrão devido à flexibilidade. Especialmente em nosso caso algumas arquiteturas de rede neural particulares mostraram resultados bons para reconhecer sinais de aroma. Nosso trabalho envolveu quatro protótipos do nariz artificial, com uma melhoria gradual na tecnologia de sensor, na instrumentação da aquisição de dados e no reconhecimento de padrão. a tecnologia do sensor mudou de eletrodos preparados manualmente com uma abertura do polipirrol depositada eletroquimicamente como um material ativo para eletrodos de quatro pontas de prova e o mesmo material ativo do primeiro protótipo e finalmente a tecnologia de filmes finos orgânicos preparados pela técnica de crescimento livre. O sistema de aquisição de dados seguiu esta mudança melhorando a relação do sinal/ruído e o desempenho. O sistema de rede neural teve também diversas versões para seguir este desenvolvimento e adaptar-se às situações novas envolvendo outras abordagens. Inicialmente nós realizamos testes com diversos modelos da rede neural para tratar dados do cheiro do primeiro protótipo e analisamos os dados para encontrar um modelo bom para o reconhecimento destes dados. Os dados do segundo protótipo eram mais precisos e com menos ruído em relação ao primeiro. Nós usamos vários métodos para avaliar o desempenho dos modelos da rede neural com estes dados e encontramos bons resultados com o modelo Multi Layer Perceptron (MLP). O último estágio desta tese foi o desenvolvimento de novas abordagens para rede neural projetada especialmente para tratar com dados de odor. Nós sugerimos os narizes artificiais baseados em modelos biológicos do sistema olfativo humano. Nestes modelos a arquitetura de rede neural é um elemento fundamental na construção de narizes artificiais. Apesar de outros modelos de narizes artificiais focalizarem a dinâmica e a fisiologia dos sinais que controlam e reconhecem o sinal já pré-processado dos elementos mais externos, nós sugerimos uma aproximação baseada na anatomia. O ponto fundamental de nosso modelo é a codificação do sinal através das conexões entre células mitrais, glomérulos e os neurônios sensoriais. Este estágio corresponde a um pré-processamento do sinal, selecionando e concentrando a essência da informação de um sensor químico humano, o sistema olfativo

Made available in DSpace on 2014-06-12T15:58:51Z (GMT). No. of bitstreams: 2 arquivo4734_1.pdf: 845652 bytes, checksum: 39cdc23c4b42d0db06c848dfa8f0e2cc (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2003 / As redes neurais artificiais vêm sendo consideradas uma tecnologia consolidada e muito aplicada no reconhecimento de padrões. Vários modelos têm sido propostos e investigados para o reconhecimento de padrões, e muitos desses modelos são amplamente aceitos. Dentre esses modelos, estão o Multilayer Perceptron - MLP, as redes Booleanas e as Redes de Função Base Radial - RBF, embora existam muitos outros. Neste trabalho, foram feitos vários experimentos utilizando as redes RBF e MLP, com as substâncias: butano, etano, metano, propano e monóxido de carbono, e ainda a aguarrás, um refino do petróleo, com diferentes níveis de contaminação. Nos experimentos realizados foram aplicadas três técnicas de pré-processamento e a normalização dos dados para verificar o desempenho dessas redes no reconhecimento de padrões de odores com as substâncias citadas anteriormente. Após a realização desses experimentos observamos que a técnica de préprocessamento da mudança fracional com a normalização do sensor foi a que se destacou com o modelo MLP. Os experimentos foram realizados objetivando, também, analisar a forma dinâmica e estática de aquisição do sinal, demonstrando diferenças nos resultados conforme o tipo de aquisição. Foram testados três grupos de sensores e observamos que existem diferenças entre os resultados desses grupos. Vimos, ainda que um grupo de sensores pode apresentar resultados melhores conforme o tipo de aquisição, estática ou dinâmica. Diante dos resultados obtidos podemos afirmar que o uso de redes neurais é adequado para trabalhar com o reconhecimento de odores dessas substâncias