[pt] É notória a necessidade de encontrar novas tecnologias para atuação de sistemas robóticos tão eficazes quanto a do músculo natural. Os atuadores tradicionais possuem grande agilidade e força quando comparados aos músculos naturais, mas suas dimensões e peso são elevados em relação à força que são capazes de exercer, e demandam muita energia para cumprirem suas tarefas. Manipuladores robóticos menores e mais baratos poderiam existir se pudessem utilizar músculos naturais para impulsioná-los. Ao mesmo tempo, as indústrias gastariam menos com os custos envolvidos em energia e compra desses manipuladores. Este trabalho estuda o comportamento de músculos artificiais baseados no polímero acrílico VHB4905, através da construção de uma bancada de teste com sensor de força, incluindo especificação de todos os equipamentos e o desenvolvimento de circuitos de alta tensão (até 10kV) para acioná-los. Durante o desenvolvimento e implementação do circuito foram encontrados problemas intrínsecos à manipulação de tensões da ordem de vários kV. Esses problemas foram apontados e soluções satisfatórias foram implementadas, de forma a tornar os experimentos possíveis. Modelos matemáticos de algumas das principais configurações possíveis para atuadores foram desenvolvidos. Os modelos desenvolvidos para uma das configurações típicas foram comparados com resultados experimentais com um erro máximo absoluto de 1% (26,7mN) do valor real. Experimentos em atuadores de molduras fixas foram feitos com resultados de 223% de deformação da região ativa, com desempenho muito superior ao dos músculos naturais. A partir de um dos modelos desenvolvidos, implementou-se um controlador PID compensado que gerou melhores resultados a entradas em degrau que o PID padrão, o qual não leva em consideração a não linearidade e a alta sensibilidade do atuador quando submetido a tensões próximas da tensão de quebra do dielétrico. A eficácia da técnica de controle proposta foi comprovada experimentalmente. / [en] It is well known the needs of finding new technologies for robotic systems actuations, with the same efficiency of the natural muscles. The common actuators have better agility and force when compared to natural muscles, but the dimensions and weight are bigger and for that the demand of energy necessary for the actuation is higher. Smaller and cheaper robot manipulators could exist if they were able to use natural muscles to drive them. At the same time, industries would spend less money with energy and manipulators. This work studies the behavior of artificial muscles based on dielectric elastomers (VHB4905) through the development of a test bench with force transducer, including the specification of all the equipments and the development of a high voltage circuit (10kV maximum). During the development and implementation of the circuit, problems inherent to high voltage manipulation were found. Those problems were shown and tolerable solutions were taken, so that the experiments were feasible. Mathematic models of some of the main configurations for actuators were developed. One of those models (from a typical configuration) was compared with experimental results with a maximum absolute error of 1% (26.7mN) of the real value. Experiments with fixed frame actuators were made with 223% of strain, showing a much higher performance compared to natural muscles. With one of the mathematic models, a PID controller with adjustable gains was developed and presented better results, for a step response, when compared to a standard PID controller. This last one do not take into account the non-linearities and for that it behaviors with great sensibility when subjected to high voltages (close to dielectric breakdown). The effectiveness of the proposed control technique was proved experimentally.

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.

Vários problemas do mundo real podem ser analisados como problemas de otimização. Na bioinformática, em especial, como exemplos podem ser citados o alinhamento múltiplo de sequências, a filogenia, a predição de estruturas de proteínas e RNA, entre outros. As Meta-heurísticas Populacionais (MhP) são técnicas baseadas em interações de conjuntos de soluções candidatas, como elementos de uma população, utilizadas na otimização de funções. Seu uso é especialmente interessante na otimização de problemas onde há conhecimento parcial ou nenhum do espaço de busca. O objetivo deste trabalho é investigar o uso de auto-organização da população de um sistema imunológico artificial (AIS) a fim de aplicá-lo no problema de docking, que pode ser visto como um problema de otimização multimodal complexo. O AIS é um tipo de MhP inspirado na microevolução do sistema imunológico adaptativo de organismos complexos. Neste, as soluções candidatas representam células do sistema imunológico que busca se adaptar para a eliminação de um patógeno. O desenvolvimento do algoritmo foi baseado no opt-aiNet, que utiliza dos princípios das teorias de seleção clonal e maturação de afinidade para realizar a otimização de funções. Adicionalmente, o opt-aiNet, inspirado na teoria de redes imunológicas, realiza uma etapa de supressão, que busca eliminar soluções semelhantes, aumentando assim a diversidade populacional. Esta etapa é computacionalmente custosa, dado que é feito o cálculo da distância entre todos os possíveis pares de células (soluções) afim de eliminar aquelas próximas de acordo com um dado critério. A proposta deste trabalho é o desenvolvimento de um algoritmo de supressão auto-organizável, inspirado no fenômeno da criticalidade auto-organizada, buscando diminuir a influência da seleção de parâmetros e a complexidade da etapa de supressão. O algoritmo proposto foi testado em um conjunto de funções contínuas conhecidas e comumente utilizadas pela comunidade de computação evolutiva. Os resultados obtidos foram comparados com aqueles de uma implementação do opt-aiNet. Em adição, foi proposta a utilização de operadores de mutação com distribuição q-gaussiana nos AISs desenvolvidos. O algoritmo foi também aplicado no problema de docking rígido baseado em complementaridade de superfícies e minimização de colisões, especificamente no docking de proteínas. Os resultados foram comparados com aqueles de um algoritmo genético, resultando em um melhor desempenho obtido pelo algoritmo proposto. / Many real world problems can be described as optimization problems. In bioinformatics in special, there is multiple sequence alignment, filogeny and RNA and Protein structure prediction, among others. Population based metaheuristics are techniques based in the interaction of a set of candidate solutions as elements of a population. Its use is specially interesting in optimization problems where there is little or no knowledge of the search space. The objective of this work is to study the use of self-organization of population in an artificial imune system for use in the docking problem, considered a complex multimodal optimization problem. The artificial imunme system is a type of population based methaheuristics inspired in the microevolution of the adaptive immune system of complex organisms. Candidate solutions represent cells of the immune system adapting its antibodies to eliminate a pathogen. The development of the algorithm was based in the opt-aiNet, based in the principles of clonal selection and affinity maturation for function optimization. Additionally, the opt-aiNet, inspired in theories of immune network, makes a suppression stage to eliminate similiar solutions and control diversity. This stage is computationally expensive as it calculates the distance between every possible pair of cells (solutions) eliminating those closer than a threshold. This work proposes a self-organized suppression algorithm inspired in the self-organized criticality, looking to minimize the influence of parameter selection and complexity of the suppression stage in opt-aiNet. The proposed algorithm was tested in a set of well-known functions in the evolutionary computation community. The results were compared to those of an implementation of the opt-aiNet. In addition, we proposed a mutation operator with q-Gaussian distribution for the artificial immune systems. The algorithm was then applied in the rigid protein docking problem based in surface complementarity and colision avoidance. The results were compared with a genetic algorithm and achieved a better performance.

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.

Redes neurais atratoras são redes de neurônios artificiais com realimentacão e sem estrutura de conexão pré-definida. Estes tipos de redes apresentam uma rica dinâmica dissipativa e são freqüentemente utilizadas como memórias associativas. Tais dispositivos tem a propriedade de recuperar uma memória previamente armazenada, mesmo quando expostos a informação parcial ou degradada daquela memória. Armazenar uma memória significa criar um atrator para ela na dinâmica da rede e isto e feito especificando-se adequadamente os pesos sinápticos. Nesta tese, nos concentramos basicamente em duas maneiras de se definir os pesos sinapticos, que dão origem ao modelo da pseudo-inversa e ao modelo dos pesos ótimos. Para redes neurais extremamente diluídas, onde a conectividade C e o número de neurônios N satisfazem à condição C&#171 In N obtivemos os diagramas de fase no espaço completo de parâmetros dos modelos da pseudo-inversa e dos pesos ótimos através da analise da dinâmica da correlação de recuperação dos padrões armazenados. Alem disso, investigamos as propriedades de recuperação de redes neurais completamente conectadas através de duas abordagens: a investigação analítica da vizinhança dos padrões armazenados e a enumeração exaustiva dos atratores por meio de simulações numéricas. Finalmente. estudamos analiticamente o problema da categorizarão no modelo da pseudo-inversa. A categorizar;ao em redes neurais atratoras e a capacidade da rede treinada com exemplos de um conceito desenvolver um atrator para este conceito. / Attractor neural networks are feedback neural networks with no pre-defined connection structure. These types of neural networks present a rich dissipative dynamics and, in general, are used as associative memory devices. Such devices have the capacity to retrieve a previously stored memory, even when exposed to partial or degraded information. To store a memory means to create an attractor for it in the network dynamics, and this is done by specifying the set of synaptic weighs. In this thesis, we concentrate on two classical ways of specifying the synaptics weighs: the pseudo-inverse and the optimal weighs models. For extremely diluted neural networks, for which the connectivity C and the number of neurons N satisfy the condition C &#171 In N, we obtain the phase diagrams in the complete space of the model parameters through the analytical study of the retrieval overlap dynamics. We also investigate the retrieval properties of fully connected neural networks using two approaches: the analytical study of the neighborhood of the stored patterns, and the exhaustive enumeration of the attractors via numerical simulations. Finally, we study analytically the problem of categorization in the pseudo-inverse model. Categorization in attractor neural networks is the capacity to create an attractor for a concept to which the network has had access only through a finite number of examples.

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.