Orientadores: Paulo de Barros Correia, Ieda Geriberto Hidalgo / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica / Made available in DSpace on 2018-08-28T12:05:23Z (GMT). No. of bitstreams: 1 Barros_RegianeSilvade_D.pdf: 4190585 bytes, checksum: c320645bbd13fd28d572f5b9751d4ff7 (MD5) Previous issue date: 2015 / Resumo: Este trabalho propõe um modelo de despacho ótimo no horizonte diário de operação, que permite coordenar a operação entre uma usina eólica e uma usina hidrelétrica. Nessa abordagem, a usina eólica é despachada em primeira instância. Para suprir eventuais saídas forçadas que possam ocorrer na geração eólica, aloca-se um valor de reserva girante incremental na usina hidrelétrica usando o conceito de Value at Risk como métrica de risco da geração eólica. O modelo é formulado como um problema multiobjetivo que busca maximizar a geração de energia e minimizar o número de partidas e paradas da usina hidrelétrica. O acoplamento hidráulico é considerado através da meta diária de defluência da usina. O problema é solucionado em duas etapas. A primeira resolve 24 problemas estáticos, que representam o despacho horário da usina hidrelétrica, separadamente. Essa etapa emprega o Algoritmo Genético para otimizar a operação da usina em termos da geração de energia elétrica. A segunda etapa soluciona o problema dinâmico, ou seja, o despacho diário da usina. A natureza do problema dinâmico, correspondendo à obtenção de caminhos mínimos eficientes em termos de partidas e paradas, sugeriu o uso da técnica de Otimização por Colônia de Formigas. As restrições de reserva girante, meta de defluência, atendimento do contrato de demanda e limites operacionais das usinas são plenamente satisfeitas. A diferença entre os montantes de energia produzidos e contratados é liquidada no mercado de curto prazo e valorada ao preço de liquidação das diferenças. O modelo se mostrou adequado em termos de tempo computacional e em relação à qualidade das soluções obtidas / Abstract: This work proposes an optimal dispatch model in the daily horizon, which coordinates the operation of a wind farm and a hydroelectric plant. In this approach the wind farm is dispatched first. In order to provide eventual faults that may occur in the wind farm generation, an incremental spinning reserve is allocated in the hydroelectric plant using the concept of Value at Risk. The model is formulated as a multiobjective problem which seeks to maximize the energy generation and to minimize the number of start-ups and shut-downs of the hydroelectric plant. The plant¿s hydraulic coupling is considered through the daily released flow goal. The model is solved in two stages, the first one solves, separately, 24 static problems that represents the hourly dispatch of the hydroelectric plant. This stage employs Genetic Algorithm to optimize the operation of the hydroelectric plant in terms of electric energy generation. The second stage considers the dynamic problem, which is the plant¿s daily dispatch. The nature of the dynamic problem, which implies in obtaining efficient shortest paths in terms of start-ups and shut-downs, suggests the use of the Ant Colony Optimization. The spinning reserve, the released flow goal, the demand contract and the generating unit¿s operational limits are fully satisfied. The difference between the energy amounts produced and contracted are liquidated in the spot market and it is valuated with the settlement differences price. Regarding computational costs and solutions quality, the model suitability is shown / Doutorado / Planejamento de Sistemas Energeticos / Doutora em Planejamento de Sistemas Energéticos

Submitted by Renata Lopes (renatasil82@gmail.com) on 2016-01-13T13:01:30Z No. of bitstreams: 1 juliocesaragustinsangay.pdf: 1652010 bytes, checksum: 099a3e652e69be1b05f68b24adb6a5a4 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2016-01-25T17:30:12Z (GMT) No. of bitstreams: 1 juliocesaragustinsangay.pdf: 1652010 bytes, checksum: 099a3e652e69be1b05f68b24adb6a5a4 (MD5) / Made available in DSpace on 2016-01-25T17:30:12Z (GMT). No. of bitstreams: 1 juliocesaragustinsangay.pdf: 1652010 bytes, checksum: 099a3e652e69be1b05f68b24adb6a5a4 (MD5) Previous issue date: 2015-05-29 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Neste trabalho realizamos um estudo do método de complementaridade mista para problemas parabólicos não lineares, devido ao fato de que alguns podem ser escritos como problema de complementaridade mista e aparecem em muitas aplicações como fluxo de líquidos em um meio poroso, difusão, fluxo de calor envolvendo mudança de fases. Estes tipos de problemas apresentam dificuldades para obter as soluções analíticas. Estuda-se leis de conservação e os tipos de soluções associadas ao Problema de Riemann, essencialmente leis de balanço que expressam o fato de que alguma substância é conservada. O estudo desta teoria é importante pois frequentemente as leis de conservação aparecem quando nos problemas parabólicos são desprezados os termos difusivos de segunda ordem. Estudaremos um método numérico que permita a busca de uma solução aproximada da solução exata, o qual é uma variação do método de Newton para resolver sistemas não lineares que estão baseados num esquema de diferenças finitas implícito e um algoritmo de complementaridade mista não linear, FDA-MNCP. O método tem a vantagem de fornecer uma convergência global em relação ao método de diferenças finitas como o método de Newton que só tem convergência local. A teoria é aplicada ao modelo de combustão in-situ, que pode ser reescrito na forma de problema de complementaridade mista, além disso faremos uma comparação com o método FDA-NCP. / In this work, we study the mixed complementarity method for nonlinear parabolic problems, because some can be written as mixed complementarity problems and appear in many applications such as fluid flow in porous media, diffusion, heat flow wrapping phase change. These types of problems have difficulty obtaining the analytical solution. We study the conservation laws and the types of solutions associated with the Riemann Problem, these types of laws are essentially balance laws that express the fact that some substance is balanced. The study of this theory is important because the conservation laws often appear when the parabolic problems are neglected the diffusive terms of second order. We will study a numerical method that allows finding an approximate solution of the exact solution, which is a variation of the Newton’s method for solving nonlinear systems based on an implicit finite difference scheme and a nonlinear algorithm mixed complementarity, FDA-MNCP. The method has the advantage of provide a global convergence in relation to the finite difference method and method of Newton that only has local convergence. The theory is applied to model in-situ combustion, which can be rewritten in the form of mixed complementarity also we do a comparison with the FDA-NCP method.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2016-01-19T10:31:58Z No. of bitstreams: 1 gustavojosesantiagorosseti.pdf: 1281297 bytes, checksum: 0d547bba728df4c23bbf1317541f6e39 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2016-01-25T17:44:12Z (GMT) No. of bitstreams: 1 gustavojosesantiagorosseti.pdf: 1281297 bytes, checksum: 0d547bba728df4c23bbf1317541f6e39 (MD5) / Made available in DSpace on 2016-01-25T17:44:12Z (GMT). No. of bitstreams: 1 gustavojosesantiagorosseti.pdf: 1281297 bytes, checksum: 0d547bba728df4c23bbf1317541f6e39 (MD5) Previous issue date: 2015-08-31 / Esta tese apresenta uma metodologia para maximizar o restabelecimento de cargas em sistema de distribuição de energia elétrica após à ocorrência de uma ou simultâneas contingências. Para tanto, um algoritmo heurístico construtivo é proposto, determinando passo a passo os procedimentos operativos a serem adotados. Aspectos associados com as restrições de radialidade e de tensão nas barras, minimização de manobras de chaves, consumidores prioritários e mínimo corte discreto de carga são considerados a fim de uma representação mais realista do problema. A metodologia é aplicada em sistemas tradicionais da literatura, incluindo um sistema real de médio porte. / This thesis presents a methodology for maximizing the load restoration in power distribution system after simultaneous occurrence of contingency. Therefore, a heuristic constructive algorithm is proposed to determine step by step the operation procedures to be adopted. Aspects associated with the radiality and bus voltage constraints, minimization of maneuvering switches, priority consumers and minimum discrete load shedding are considered to provide a more realistic representation of the problem. The proposed approach is applied in traditional systems from literature including a real medium size test system.

Neste trabalho, aplicamos um modelo de regressão binária com erros de medição na variável explicativa para analisar sistemas de medição do tipo atributo. Para isto, utilizamos o modelo logístico com erros na variável, para o qual obtemos as estimativas de máxima verossimilhança via o algoritmo EM e a matriz de informação de Fisher observada. Além disso, fizemos um estudo de simulação para compararmos o método analítico e os modelos logístico sem erros na variável (ingênuo) e logístico com erros na variável. Finalmente, aplicamos nossa metodologia para avaliarmos um sistema de medição passa/não passa da maior montadora de motores Diesel (MWM International). / In this work, we apply a study of binary regression model with errors-in-variable to analyze attributive measurement systems. For this, we use the logistic model with errors-in-variable to obtain parameter estimates of maximum likelihood through EM algorithm and the observed Fisher information matrix. In addition we do a simulation study to compare analytic method and the logistic model with and without measurement errors-in-variable. Finally, we apply our methodology to evaluate a attributive measurement system for the largest Diesel motor company of the world (MWM International).

O problema da descontinuidade semântica tem sido um dos principais focos de pesquisa no desenvolvimento de sistemas de recuperação de imagens baseada em conteúdo (CBIR). Neste contexto, as pesquisas mais promissoras focam principalmente na inferência de pesos de características contínuos e na seleção de características. Entretanto, os processos tradicionais de inferência de pesos contínuos são computacionalmente caros e a seleção de características equivale a uma ponderação binária. Visando tratar adequadamente o problema de lacuna semântica, este trabalho propõe dois métodos de transformação de espaço de características métricos baseados na inferência de funções de transformação por meio de algoritmo genético. O método WF infere funções de ponderação para ajustar a função de dissimilaridade e o método TF infere funções para transformação das características. Comparados às abordagens de inferência de pesos contínuos da literatura, ambos os métodos propostos proporcionam uma redução drástica do espaço de busca ao limitar a busca à escolha de um conjunto ordenado de funções de transformação. Análises visuais do espaço transformado e de gráficos de precisão vs. revocação confirmam que TF e WF superam a abordagem tradicional de ponderação de características. Adicionalmente, foi verificado que TF supera significativamente WF em termos de precisão dos resultados de consultas por similaridade por permitir transformação não lineares no espaço de característica, conforme constatado por análise visual. / The semantic gap problem has been a major focus of research in the development of content-based image retrieval (CBIR) systems. In this context, the most promising research focus primarily on the inference of continuous feature weights and feature selection. However, the traditional processes of continuous feature weighting are computationally expensive and feature selection is equivalent to a binary weighting. Aiming at alleviating the semantic gap problem, this master dissertation proposes two methods for the transformation of metric feature spaces based on the inference of transformation functions using Genetic Algorithms. The WF method infers weighting functions and the TF method infers transformation functions for the features. Compared to the existing methods, both proposed methods provide a drastic searching space reduction by limiting the search to the choice of an ordered set of transformation functions. Visual analysis of the transformed space and precision. vs. recall graphics confirm that both TF and WF outperform the traditional feature eighting methods. Additionally, we found that TF method significantly outperforms WF regarding the query similarity accuracy by performing non linear feature space transformation, as found in the visual analysis.

Em um programa de ensaio de prociência (EP) conduzido pelo Grupo de Motores, um grupo de onze laboratórios da área de temperatura realizaram medições em cinco pontos da escala de um termopar. Neste trabalho, propomos um modelo de regressão com variável explicativa X (aleatória) representando o termopar padrão que denominaremos por artefato e a variável dependente Y representando as medições dos laboratórios. O procedimento para a realização da comparação é simples, ambos termopares são colocados no forno e as diferenças entre as medições são registradas. Para a análise dos dados, vamos trabalhar com a diferença entre a diferença das medições do equipamento do laboratório e o artefato, e o valor de referência (que é determinado por 2 laboratórios que pertencem a Rede Brasileira de Calibração (RBC)). O erro de medição tem variância determinada por calibração, isto é, conhecida. Assim, vamos encontrar aproximações para as estimativas de máxima verossimilhança para os parâmetros do modelo via algoritmo EM. Além disso, propomos uma estratégia para avaliar a consistência dos laboratórios participantes do programa de EP / In a program of proficiency assay, a group of eleven laboratories of the temperature area had carried through measurements in ¯ve points on the scale of the thermopair. In this work, we propose a regression model with a random explanatory variable representing the temperature measured by the standard thermopair, which will be called device. The procedure for the comparison accomplishment is as follows. The device and the laboratory\'s thermopair to be tested are placed in the oven and the difererences between the measurements are registered. For the analysis of the data, the response variable is the diference between those diference and the reference value, which is determined by two laboratories that belong to the Brazilian Net of Calibration (RBC). The measurement error has variance determined by calibration which is known. Therefore, we ¯and the maximum likelihood estimates for the parameters of the model via EM algorithm. We consider a strategy to establish the consistency of the participant laboratories of the program of proficiency assay

Em Aprendizado de Máquina - AM não existe um único algoritmo que é sempre melhor para todos os domínios de aplicação. Na prática, diversas pesquisas mostram que Redes Neurais Artificiais - RNAs têm um 'bias' indutivo apropriado para diversos domínios. Em razão disso, RNAs têm sido aplicadas na resolução de vários problemas com desempenho satisfatório. Sistemas de AM simbólico possuem um 'bias' indutivo menos flexível do que as RNAs. Enquanto que as RNAs são capazes de aprender qualquer função, sistemas de AM simbólico geralmente aprendem conceitos que podem ser descritos na forma de hiperplanos. Por outro lado, sistemas de AM simbólico representam o conceito induzido por meio de estruturas simbólicas, as quais são geralmente compreensíveis pelos seres humanos. Assim, sistemas de AM simbólico são preferíveis quando é essencial a compreensibilidade do conceito induzido. RNAs carecem da capacidade de explicar suas decisões, uma vez que o conhecimento é codificado na forma de valores de seus pesos e 'thresholds'. Essa codificação é difícil de ser interpretada por seres humanos. Em diversos domínios de aplicação, tal como aprovação de crédito e diagnóstico médico, prover uma explicação sobre a classificação dada a um determinado caso é de crucial importância. De um modo similar, diversos usuários de sistemas de AM simbólico desejam validar o conhecimento induzido, com o objetivo de assegurar que a generalização feita pelo algoritmo é correta. Para que RNAs sejam aplicadas em um maior número de domínios, diversos pesquisadores têm proposto métodos para extrair conhecimento compreensível de RNAs. As principais contribuições desta tese são dois métodos que extraem conhecimento simbólico de RNAs. Os métodos propostos possuem diversas vantagens sobre outros métodos propostos previamente, tal como ser aplicáveis a qualquer arquitetura ou algoritmo de aprendizado de RNAs supervisionadas. O primeiro método proposto utiliza sistemas de AM simbólico para extrair conhecimento de RNAs, e o segundo método proposto estende o primeiro, combinado o conhecimento induzido por diversos sistemas de AM simbólico por meio de um Algoritmo Genético - AG. Os métodos propostos são analisados experimentalmente em diversos domínios de aplicação. Ambos os métodos são capazes de extrair conhecimento simbólico com alta fidelidade em relação à RNA treinada. Os métodos propostos são comparados com o método TREPAN, apresentando resultados promissores. TREPAN é um método bastante conhecido para extrair conhecimento de RNAs. / In Machine Learning - ML there is not a single algorithm that is the best for all application domains. In practice, several research works have shown that Artificial Neural Networks - ANNs have an appropriate inductive bias for several domains. Thus, ANNs have been applied to a number of data sets with high predictive accuracy. Symbolic ML algorithms have a less flexible inductive bias than ANNs. While ANNs can learn any input-output mapping, i.e., ANNs have the universal approximation property, symbolic ML algorithms frequently learn concepts describing them using hyperplanes. On the other hand, symbolic algorithms are needed when a good understating of the decision process is essential, since symbolic ML algorithms express the knowledge induced using symbolic structures that can be interpreted and understood by humans. ANNs lack the capability of explaining their decisions since the knowledge is encoded as real-valued weights and biases of the network. This encoding is difficult to be interpreted by humans. In several application domains, such as credit approval and medical diagnosis, providing an explanation related to the classification given to a certain case is of crucial importance. In a similar way, several users of ML algorithms desire to validate the knowledge induced, in order to assure that the generalization made by the algorithm is correct. In order to apply ANNs to a larger number of application domains, several researches have proposed methods to extract comprehensible knowledge from ANNs. The primary contribution of this thesis consists of two methods that extract symbolic knowledge, expressed as decision rules, from ANNs. The proposed methods have several advantages over previous methods, such as being applicable to any architecture and supervised learning algorithm of ANNs. The first method uses standard symbolic ML algorithm to extract knowledge from ANNs, and the second method extends the first method by combining the knowledge induced by several symbolic ML algorithms through the application of a Genetic Algorithm - GA. The proposed methods are experimentally analyzed in a number of application domains. Results show that both methods are capable to extract symbolic knowledge having high fidelity with trained ANNs. The proposed methods are compared with TREPAN, showing promising results. TREPAN is a well known method to extract knowledge from ANNs.

Sofisticadas técnicas para estimação de modelos baseadas em simulação, os filtros de partículas ou métodos de Monte Carlo Seqüenciais, foram empregadas recentemente para solucionar diversos problemas difícieis no campo da robótica móvel. No entanto, o sucesso dos fitros de partículas limitou-se à computação de parâmetros em espaços de baixa dimensionalidade. Os atuais esforços de pesquisa em robótica móvel têm comecado a explorar certas propriedades estruturais de seus domnios de aplicação que envolvem a utilização de filtros de partculas em espacos de maior dimensão, aumentando consideravelmente a complexidade da simulação envolvida. Simulações estatsticas dessa natureza requerem uma grande quantidade de numeros pseudo-aleatorios que possam ser gerados eficientemente e atendam a certos criterios de qualidade. O processo de geração de numeros pseudo-aleatorios torna-se o ponto crtico de tais aplicações em termos de desempenho. Neste contexto, a computação reconguravel insere-se como uma tecnologia capaz de satisfazer a demanda por alto desempenho das grandes simulações estatsticas pois sistemas baseados em arquiteturas reconguraveis possuem o potencial de mapear computação em hardware visando aumento de eficiência sem comprometer seriamente sua exibilidade. Tecnologias reconguraveis também possui o atrativo de um baixo consumo de energia, uma caracterstica essencial para os futuros robôs moveis embarcados. Esta dissertação apresenta a implementação um sistema embarcado baseado em FPGA e projetado para solucionar o problema de localização de robôs por meio de tecnicas probabilsticas. A parte fundamental de todo este sistema e um veloz gerador de numeros aleatorios mapeado ao hardware reconguravel que foi capaz de atender rígidos criterios estatsticos de qualidade / Sophisticated techniques for estimation of models based on simulation, particle filters or Sequential Monte Carlo Methods, were recently used to solve many difficult problems in the field of mobile robotics. However, the success of particle filters was limited to the computation of parameters in low dimensionality spaces. The current research efforts in mobile robotics have begun to explore some structural properties of their application\'s domain involving the use of particle filters in spaces of a higher dimension, greatly increasing the complexity of the involved simulation. Statistical simulations of this nature require a lot of pseudorandom numbers that can be generated efficiently and meet certain quality criteria. The process of generating pseudorandom number becomes the critical point of such applications in terms of performance. In this context, reconfigurable computing is a technology capable of meeting the demand for high performance of large statistical simulations because systems based on reconfigurable architectures have the potential to map computation to hardware aiming to increase eficiency without a serious drawback in exibility. Reconfigurable technologies are also attractive because of their low energy consume, a essential feature for the future mobile robots. This dissertation presents an implementation of a FPGA based embedded system designed to solve the robot localization problem by the means of probabilistic technics. The fundamental part from the whole system is a fast random number generator mapped to reconfigurable hardware wich atends a rigid quality criteria

O objetivo deste trabalho é apresentar os conceitos relacionados a Teste Adaptativo Informatizado, ou abreviadamente TAI, para o modelo logístico unidimensional da Teoria de Resposta ao Item. Utilizamos a abordagem bayesiana para a estimação do parâmetro de interesse, chamado de traço latente ou habilidade. Apresentamos os principais algoritmos de seleção de itens em TAI e realizamos estudos de simulação para comparar o desempenho deles. Para comparação, usamos aproximações numéricas para o Erro Quadrático Médio e para o Vício e também calculamos o tempo médio para o TAI selecionar um item. Além disso, apresentamos como instalar e usar a implementação de TAI desenvolvida neste projeto chamada de TAI2U, que foi desenvolvido no VBA-Excel usando uma interface com o R / The main of this work is to introduce the subjects related to Computerized Adaptive Testing, or breafly CAT, for the unidimensional three-parameter logistic model of Item Response Theory. We use bayesian approach to estimate the parameter of interest. We present several item selection algorithms and we perform simulations comparing them. The comparisons are made in terms of the mean square error, bias of the trait estimates, the average time for item selection and the average length of test. Furthermore, we show how to install e use the CAT implementation of this work called built in MIcrosoft Excel - VBA using interface with the statistical package R

Submitted by Nadir Basilio (nadirsb@uninove.br) on 2016-07-01T14:58:21Z No. of bitstreams: 1 Marisa Carla Voigt Gava.pdf: 1946904 bytes, checksum: 369bf987709311eddcb1f66a7c5fad55 (MD5) / Made available in DSpace on 2016-07-01T14:58:21Z (GMT). No. of bitstreams: 1 Marisa Carla Voigt Gava.pdf: 1946904 bytes, checksum: 369bf987709311eddcb1f66a7c5fad55 (MD5) Previous issue date: 2016-02-29 / The cutting problem involves cutting larger objects into smaller items with the aim of minimizing waste. The objects can be raw materials, such as rolls of paper, glass sheets, metal plates, steel, aluminum or wood. The items represent the shape to be cut and may be described as concave or convex irregular geometries. The cut of raw material is an industrial process which has attracted the attention of many researchers, since it can generate large waste, increasing the production cost. Nevertheless, the set of possible solutions to this problem has a large number of combinations and, therefore, its computational complexity is considered NP-Hard. In this work, we proposed an approach based on Genetic Algorithm (GA) and Digital Image Processing (DIP) to deal with the problem of to cut rectangular plates (objects) in equal parts (items) with irregular shapes, categorized in the literature as 2D-I-IIPP. The aim is to maximize the number of items to be cut into the available area of the object in order to reduce waste and thus adding economic gains to the cutting process. In this approach the object and the items are represented as digital images. The GA is responsible for generating possible solutions (sets of translations and orientations of items). The evaluation of each solution generated by GA is performed by a RPID algorithm, which basically detects overlaps between the items placed on the object and calculates the quality of solution. To develop the proposed approach it was used the programming language C/C++ in addition to GAlib and Proeikon libraries. Based on computational experiments conducted the results indicate that the proposed approach is a good alternative to solve the problem investigated. / O problema de corte consiste em cortar objetos maiores em itens menores com o objetivo de minimizar as sobras. Os objetos podem ser matérias-primas, tais como bobinas de papel, folhas de vidro, placas de metal, aço, alumínio ou madeira. Os itens representam o formato que deverá ser cortado e podem ser descritos como de geometrias irregulares côncavas ou convexas. O corte de matéria-prima é um processo industrial que tem atraído a atenção de muitos pesquisadores, visto que pode gerar grandes desperdícios, elevando o custo da produção. Não obstante, o conjunto de possíveis soluções para esse tipo de problema possui um grande número de combinações e, por esse motivo, sua complexidade computacional é considerada NP-Hard. Neste trabalho é proposta uma abordagem baseada em Algoritmo Genético (AG) e Processamento de Imagens Digitais para lidar com o problema de cortar placas retangulares (objetos) em peças idênticas (itens) com formas irregulares, categorizado na literatura como 2D-I-IIPP. O objetivo é maximizar o número de itens a serem cortados na área disponível do objeto, visando diminuir os desperdícios e, consequentemente, agregando ganhos econômicos ao processo de corte. Nesta abordagem tanto os objetos como os itens são representados como imagens digitais. O AG é responsável por gerar as possíveis soluções (conjuntos de translações e orientações dos itens). A avaliação de cada solução gerada pelo AG é realizada por um algoritmo de Processamento de Imagens Digitais que basicamente detecta as sobreposições entre os itens posicionados sobre o objeto e calcula a qualidade da solução. Para desenvolver a abordagem proposta foi utilizada a linguagem de programação C/C++, além das bibliotecas GAlib e Proeikon. Os resultados obtidos nos experimentos computacionais realizados indicam que a abordagem proposta é uma boa alternativa para solução do problema investigado.