Fundação de Apoio a Pesquisa e à Inovação Tecnológica do Estado de Sergipe - FAPITEC/SE / The Internet of Things is a new paradigm of communication based on the ubiquitous presence of objects that, having unique address, they can cooperate with their peers to achieve a common goal. Applications in several areas can benefit from this new paradigm, but the Internet of Things is very vulnerable to attack. The large number of connected devices make an autonomic approach necessary and the small amount of resources requires the use of efficient techniques. This paper proposes a self-protection architecture for the Internet of Things using Artificial Neural Network and Dendritic Cells Algorithm, two bio-inspired techniques. The experiments of this paper show that the use of these two techniques is possible. The Artificial Neural Network implementation consume a small memory footprint, having a high accuracy rate and the Dendritic Cells Algorithm show to be interesting for it distributivity, allowing better use of network resources. / A Internet das Coisas é um novo paradigma de comunicação baseado na presença ubíqua de objetos que, através de endereçamento único, cooperam com seus pares para atingir um objetivo em comum. Aplicações em diversas áreas podem se beneficiar dos conceitos da Internet das Coisas, porém esta rede é muito vulnerável a ataques, seja pela possibilidade de ataque físico, pela alta conectividade dos dispositivos, a enorme quantidade de dispositivos conectados ou a baixa quantidade de recursos disponíveis. A grande quantidade de dispositivos conectados faz com que abordagens autonômicas sejam necessárias e a reduzida quantidade de recursos exige a utilização de técnicas eficientes. Este trabalho propõe uma arquitetura de autoproteção para a Internet das Coisas utilizando as técnicas de Rede Neural Artificial e Algoritmo de Células Dendríticas, duas técnicas bio-inspiradas que, através de experimentos, mostraram a possibilidade de serem utilizadas na Internet das Coisas. A implementação da Rede Neural Artificial utilizada consumiu poucos recursos de memória do dispositivo, mantendo uma alta taxa de acerto, comparável a trabalhos correlatos que não se preocuparam com o consumo de recursos. A utilização do Algoritmo de Células Dendríticas se mostrou interessante pela sua distributividade, permitindo uma melhor utilização dos recursos da rede, como um todo.

Identify some digestive features in people through Electrogastrogram (EGG) is important because this is a cheap, non-invasive and less bother way than traditional endoscopy procedure. This work evaluates the learning behavior of Artificial Neural Networks (ANN) and Hidden Markov Model (HMM) on components extracted by Independent Component Analysis (ICA) algorithms. In this research, an experiment was made with statistical analysis that shows the relationship between neutral, negative or positive images and digestive reactions. Training some classifiers with an EGG signal database, where the emotional states of individuals are known during processing, would it be possible to carry out the other way? Meaning, just from the EGG signal, estimate the emotional state of individuals. The initial challenge is to treat the EGG signal, which is mixed with the signals from other organs such as heart and lung. For this, the FastICA and Tensorial Methods algorithms were used, in order to produce a set of independent components, where one can identify the stomach component. Then, the EGG signal classification is performed through ANN and HMM models. The results have shown that extracting only the stomach signal component before the experiment can reduce the learning error rate in classifiers. / Identificar características digestivas de pessoas através da Eletrogastrografia (EGG) é importante pois esta costuma ser uma opção barata, não-invasiva e incomoda menos que o tradicional procedimento de Endoscopia. Este trabalho avalia o comportamento do aprendizado das Redes Neurais Artificiais (RNA) e do Modelo Oculto de Markov (HMM) diante de componentes extraídas por algoritmos de Análise de Componentes Independentes (ICA). Nesta pesquisa é realizado um experimento com análise estatística cujo objetivo apresenta a relação entre a visualização de imagens neutras, negativas ou positivas e as reações digestivas. Treinando alguns classificadores com uma base de dados de sinais EGG, onde se conhece os estados emocionais dos indivíduos durante a sua obtenção, seria possível realizar o caminho inverso? Em outras palavras, apenas a partir dos sinais EGG, pode-se estimar o estado emocional de indivíduos? O desafio inicial é tratar o sinal EGG que encontra-se misturado aos sinais de outros órgãos como coração e pulmão. Para isto foi utilizado o algoritmo FastICA e os métodos tensoriais, com o intuito de produzir um conjunto de componentes independentes onde se possa identificar a componente do estômago. Em seguida, a classifição do sinal EGG é realizada por meio dos modelos de RNA e HMM. Os resultados mostraram que classificar apenas as componentes com mais presença da frequência do sinal do estômago pode reduzir a taxa de erro do aprendizado dos classificadores no experimento realizado.

Orientador: Takaaki Ohishi / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-08T10:06:35Z (GMT). No. of bitstreams: 1 LeoneFilho_MarcosdeAlmeida_M.pdf: 1557959 bytes, checksum: 92dc63d4e3140cc61ba7900961c0e9fb (MD5) Previous issue date: 2006 / Resumo: Neste trabalho é proposta uma metodologia para previsão de séries temporais de carga de energia elétrica de curto prazo. Esta metodologia vem sendo muito utilizada no contexto da previsão de séries temporais e do reconhecimento de padrões. Os autores que propuseram esta metodologia a chamaram de "Ensembles". Este nome tenta explicar o é este modelo: uma combinação de partes que juntas formam um só modelo. Neste sentido, este nome expressa com relativa clareza qual é o principal aspecto desta metodologia, que no caso específico deste trabalho, é o de fazer várias previsões de uma mesma série temporal utilizando diferentes ferramentas que sozinhas são suficientemente competentes para prever a série temporal em questão, e em seguida combinar as soluções para, deste modo, tentar obter uma solução melhor do que quando é usada somente uma ferramenta. As ferramentas usadas para compor a previsão dos "Ensembles" finais são Redes Neurais Artificiais (RNAs) e Redes Neurais Nebulosas. Atualmente, estas redes são largamente utilizadas em problemas de previsão de séries temporais, principalmente quando o fator gerador destas séries é um sistema não-linear. Desta forma, isto as tornou candidatas potenciais para prever valores de uma série de cargas de energia elétrica, pois este tipo de série tem características essencialmente não-lineares. Sendo assim, foram utilizados quatro tipos de redes: RNAs MLPs, RNAs Recorrentes, RNAs de Base Radial e Redes Neurais Nebulosas tipo ANFIS. Com os modelos básicos de redes foram, utilizados Algoritmos Genéticos para evoluir os parâmetros destas redes e, assim, chegar a uma população de redes suficientemente competentes para fazer as previsões da série de cargas. Na próxima etapa, com os resultados das previsões da população de redes evoluídas foi feita a seleção dos melhores agrupamentos destas redes evoluídas e, como este processo requer a avaliação de diferentes configurações de modelos, esta seleção é baseada em Algoritmos Genéticos.Os resultados obtidos ao se utilizar "ensembles" mostraram que este modelo foi capaz de alcançar uma grande robustez na previsão, reduzindo os erros de previsão, suavizando os resultados de previsão e deixando o modelo menos suscetível a grandes erros quando surgem "outliers" no conjunto de dados / Abstract: This work proposes a methodology for short-term electric power load forecasting. This methodology is being widely used under the context of time series prediction and pattern recognition. It was named "ensembles" by the authors who developed it. This name carries the meaning of an assemblage of parts considered as forming a whole. Therefore, this name expresses rather clearly the main characteristic of this methodology, which under the framework of this study is to make several predictions of the same time series using various different tools in which every single one alone is sufficiently competent to predict the above mentioned time series. After that, the predictions are combined in order to achieve a better prediction compared to the one that is obtained if a single predictor is used. The tools implemented to form the final "ensembles" prediction are Artificial Neural Networks (ANNs) and Neuro-fuzzy Networks. Nowadays, these networks are being widely used in time series predictions problems, mainly when the factor that generates these series is a non-linear system. Hence, this fact has elected them as potential candidates to predict future values of an electric power load series because this series has essentially non-linear characteristics. As a result, four types of networks were utilized in this work: MLPs ANNs, Recurrent ANNs, Radial Basis ANNs and ANFIS type Neuro-fuzzy networks. So, with the basic networks models, Genetic Algorithms were applied to evolve the parameters of these networks and, as a consequence, a population of networks sufficiently capable of predicting future values of the load time series was built. On the next step, with the results obtained from the evolved population of networks, a selection of the most suitable results of the individual networks were made and, as soon as this process implies the evaluation of multiple different combinations of models, this methodology was based on Genetic Algorithms. Then, this selected networks were combined. The results when using "ensembles" revealed that this model was able to reach a great robustness in prediction tasks. In that sense, it was possible to reduce the level of prediction error, to smooth the resulting predictions and to make the model more stable reducing the possibilities of presenting high levels of errors when the used data set contains "outliers" / Mestrado / Energia Eletrica / Mestre em Engenharia Elétrica

Made available in DSpace on 2014-07-29T15:08:18Z (GMT). No. of bitstreams: 1 Previsao de Vazoes Naturais Diarias.pdf: 3835466 bytes, checksum: f927e5c8c3a89c73430512243b55c36c (MD5) Previous issue date: 2012-09-05 / The forecast of natural flows to hydroelectric plant reservoirs is an essential input to the planning and programming of the SIN´s operation. Various computer models are used to determine these forecasts, including physical models, statistical models and the ones developed with the RNA´s techniques. Currently, the ONS performs daily forecasts of natural flows to the UHE Tucuruí based on the univariate stochastic model named PREVIVAZH, developed by Electric Energy Research Center - Eletrobras CEPEL. Throughout the last decade, several papers have shown evolution in the application of neural networks methodology in many areas, specially in the prediction of flows on a daily, weekly and monthly basis. The goal of this dissertation is to present and calibrate a model of natural flow forecast using the RNA´s methodology, more specifically the NSRBN (Non-Linear Sigmoidal Regression Blocks Networks) (VALENCA; LUDERMIR, 2001), on a time lapse from 1 to 12 days forward to the Tucuruí Hydroelectric Plant, considering the hydrometric stations data located upstream from it s reservoir. In addition, a comparative analysis of results found throughout the calibrated neural network and the ones released by ONS is performed. The results show the advantage of the methodology of artificial neural networks on autoregressive models. The Mean Absolute Percentage Error - MAPE values obtained were, on average, 48 % lower than those released by the ONS. / A previsão de vazões naturais aos reservatórios das usinas hidrelétricas é insumo fundamental para o planejamento e operação do SIN. Diversos modelos são utilizados na determinação dessas previsões, entre os quais podem ser citados os modelos físicos, os estatísticos e aqueles baseados na técnica de Redes Neurais Artificiais. Atualmente, o ONS realiza as previsões diárias de vazões naturais para a Usina Hidrelétrica Tucuruí com base no modelo estocástico univariado denominado PREVIVAZH, desenvolvido pelo CEPEL. Ao longo da última década, muitos trabalhos têm mostrado a evolução da aplicação da metodologia de Redes Neurais Artificiais em diversas áreas e em particular na previsão de vazões naturais, para intervalos de tempo diários, semanais e mensais. O objetivo deste trabalho foi calibrar e avaliar um modelo de previsão de vazões naturais, utilizando a metodologia de RNA, mais especificamente as redes construtivas do tipo NSRBN(Non-Linear Sigmoidal Regression Blocks Networks) (VALENCA; LUDERMIR, 2001), no horizonte de 1 até 12 dias à frente, para a Usina Hidrelétrica Tucuruí, considerando as informações advindas de postos hidrométricos localizados à montante do seu reservatório. Adicionalmente, foi realizada uma análise comparativa dos resultados encontrados pela rede neural calibrada e aqueles obtidos e divulgados pelo ONS. Os resultados obtidos mostram a vantagem da metodologia de redes neurais artificiais sobre os modelos auto-regressivos. Os valores do Erro Percentual Médio Absoluto - MAPE foram, em média, 48% inferiores aos divulgados pelo ONS.

Made available in DSpace on 2014-07-29T15:08:19Z (GMT). No. of bitstreams: 1 dissertacao_pedro_quindere.pdf: 1753745 bytes, checksum: 1a9e14157501ea719da0e4e18d0479eb (MD5) Previous issue date: 2008-02-23 / In the context of efficient information transmission among people and, particularly in the helping of learning and training processes, this investigation presents results on the use of the technology of Hybrid Intelligent Tutoring Systems, based on artificial neural networks and expert rules, developed by Martins [MEA 2004], Melo [MEL 2003] and Meireles [MEI 2003]. Due to the fact that, in its initial empirical validation, neural training data has been originated from courseware in Introduction to Data Processing , some doubts have remained on the applicability of the trained neural network to other scenarios. The present production has approached these issues by the formalization of the content format and by presenting promising empirical results in two other scenarios: Scientific Methodology and Biological Rhythms . Results were analyzed by non-parametric methods with 5% significance. They reinforce the hypotheses that the studied tutoring system is efficient, able to reduce differences of distinct groups and shows thematic adaptability actually / No contexto da transmissão eficiente de informação entre pessoas, particularmente no auxílio a processos de ensino-aprendizagem e treinamento empresarial, este trabalho apresenta resultados da investigação do uso da tecnologia de Sistemas Tutores Inteligentes Híbridos, baseada em redes neurais artificiais e regras de especialistas, desenvolvida por Martins [MEA 2004], Melo [MEL 2003] e Meireles [MEI 2003]. Por utilizar, em sua validação empírica inicial, dados de treinamento neural provenientes de conteúdo na área de Introdução ao Processamento de Dados , restaram dúvidas sobre a aplicabilidade da rede neural treinada a outros cenários. Esta pesquisa aborda tais questões, formalizando requisitos de formatação dos conteúdos e apresentando resultados promissores em dois outros cenários distintos: Metodologia Científica e Ritmos Biológicos . Os dados obtidos são analisados através de métodos não-paramétricos e nível de significância de 5%, sugerindo que o sistema tutor ensina eficientemente, uniformiza grupos distintos de indivíduos e realmente apresenta adaptabilidade temática

Made available in DSpace on 2014-07-29T15:08:23Z (GMT). No. of bitstreams: 1 Douglas.pdf: 4375187 bytes, checksum: d9accad35a506b54190dbd65888f2818 (MD5) Previous issue date: 2009-08-21 / THIS works presents information about signal intensity obtained on field and from simulations for one-seg and full-seg receptions, the city of Goi ania. The values obtained from measurements were used for a comparisson among propagation models that are presented in literature, and the goal is to determine the real condition of digital TV signal in the region of Goi ania. The propagation models presented are available in literature and can be implemented in digital transmission system. The studied models were Free Space model, Log-Distance model, Hata model and ITU-R P.1546-1 method, and the objective was to determine the signal intensity of digital television transmission in the city of Goi ania (RAPPAPORT, 1996) (UNION, 2003). Focusing on the development of a tool for signal intensity estimation, some researches were done about neural networks theory and its applications. Perceptron and Multilayer Perceptron were the analised architectures, emphasyzing on the last one and on its supervisioned trainning through the backpropagation error algorithm (HAYKIN, 2001). The Brazilian Digital Television System was described by reference rules made by Associa¸c ao Brasileira de Normas T´ecnicas, which has detailed its transmission system and reception devices (T´ECNICAS, 2008a) (T´ECNICAS, 2008h). Measurements of signal intensity for one-seg and full-seg reception methods were made on field in the region of Goi ania. These measurements followed the sugestions presented by Report ITU-R BT. 2035-1 and it used a radiofrequency analyzer and a Global Positioning System (GPS). With the obtained data, the digital signal covering situation in the city of Goi ania was mapped, which revealed a lower intensity level to the studied models. A tool for signal intensity estimation was developed using Artificial Neural Networks, which was trained with the dada obtained from the performed measurements. This tool was used to obtain the signal intensity for several proposed scenarios. The signal intensity estimation for the scenario that has tree density and target absence distinguished as the one that was closest to the reality of Goi ania, which is a consequence of high density of trees. / NESTE trabalho, são apresentadas informações sobre a intensidade de sinal obtidas em campo e em simulações para as recepções one-seg e full-seg na grande Goiânia. Os valores obtidos pelas medições foram utilizados para uma comparação entre os modelos de propagação presentes na literatura, com o objetivo de determinar a real condição do sinal de TV digital na região da grande Goiânia. Foram apresentados os modelos de propagação encontrados na literatura e válidos para aplicação no sistema de transmissão digital. Os modelos estudados foram o modelo Espaço Livre, modelo Log-distância, o modelo Hata e o método ITU-RP.1546-1 com o objetivo de determinar a intensidade de sinal para a transmissão de televisão digital na cidade de Goiânia (RAPPAPORT, 1996) (UNION, 2003). Objetivando o desenvolvimento de uma ferramenta de estimação da intensidade de sinal, realizou-se estudos referentes à teoria de redes neurais e suas aplicações. Foram estudadas as arquiteturas Perceptron e Perceptron de Múltiplas Camadas, com ênfase na última arquitetura e no seu treinamento supervisionado através do algoritmo de retropropagação do erro (HAYKIN, 2001). O Sistema Brasileiro de Televisão Digital foi descrito através das normas de referências elaboradas pela Associação Brasileira de Normas Técnicas, detalhando seu sistema de transmissão e dispositivos de recepção (TÉCNICAS, 2008a) (TÉCNICAS, 2008h). Medições em campos da intensidade de sinal para os modos de recepção one-seg e full-seg foram realizadas na região da grande Goiânia. Essas medições seguiram as sugestões apresentadas pelo Relatório ITU-R BT.2035-1 e utilizou um analisador de radiofrequência e um sistema de posicionamento global (do inglês: Global Positioning System -GPS). Com os dados obtidos nas medições, mapeou-se a situação da cobertura do sinal digital na cidade de Goiânia, que revelou um nível de intensidade inferior aos modelos estudados. Foi desenvolvida uma ferramenta para a estimação da intensidade do sinal utilizando uma Rede Neural Artificial (RNA), sendo treinada com os dados obtidos das medições. A ferramenta foi utilizada para a obtenção da intensidade de sinal para diversos cenários propostos. A estimativa da intensidade de sinal para o cenário com concentração de árvores e ausência de visada direta mostrou-se mais próximo da realidade encontrada na cidade de Goiânia, consequência da grande concentração de árvores existente.

Este trabalho teve como objetivo analisar a demanda potencial para um sistema de compartilhamento de bicicletas pedelecs no campus da USP de São Carlos, com foco nos deslocamentos de estudantes entre as duas áreas do campus. Para tanto, foi elaborado um conjunto de procedimentos, que constituem duas etapas: caracterização do público-alvo e análise da demanda potencial pelas bicicletas pedelecs compartilhadas. Na primeira etapa foi aplicado um questionário, elaborado com a técnica de preferência declarada, para verificar as preferências dos usuários em relação às pedelecs compartilhadas e ao ônibus operado pela USP. Os resultados desta consulta, que envolveu variáveis de condições meteorológicas, situação de ciclovias/ciclofaixas entre as áreas do campus e lotação do ponto de ônibus USP, foram posteriormente utilizados para calibrar um modelo logit e treinar uma Rede Neural Artificial (RNA). Na segunda etapa foi elaborada uma planilha eletrônica com os dados obtidos na coleta, a fim de analisar as probabilidades de escolha da pedelec (ao invés do ônibus USP). Nesta planilha também foram utilizados dados do histórico meteorológico de São Carlos no período entre 2011 e 2015. Alguns dos resultados obtidos são destacados na sequência. A probabilidade de escolha das pedelecs é, em média, três vezes maior quando existem ciclovias/ciclofaixas (em relação à ausência da referida infraestrutura cicloviária). A ocupação do ponto de ônibus USP também é impactante, pois as probabilidades de uso da bicicleta pedelec praticamente dobram quando o ponto está cheio. No caso da meteorologia, foi constatado que as maiores probabilidades ocorrem no Outono e no Inverno, ou seja, nas épocas em que se concentram os dias mais secos e com menores temperaturas. Para o período letivo de 2011 a 2015, considerando a situação atual (isto é, sem ciclovias/ciclofaixas entre as áreas), os valores de probabilidade de uso da pedelec correspondem a 9% com o ponto vazio e 19% com o ponto cheio. Se houvesse ciclovias/ciclofaixas, a probabilidade seria de até 54%. Desse modo, a estratégia de análise desenvolvida conceitualmente, bem como implantada em planilha eletrônica, se constitui em importante ferramenta de auxílio para a condução da política de transportes que a Prefeitura do campus irá adotar para os anos futuros. Além disso, evidencia uma possível demanda potencial para um sistema com pedelecs compartilhadas. / The objective of this study was to analyze the potential demand for a pedelec sharing system at the São Carlos campus of the University of São Paulo (USP), aiming at the displacements of students between the two campus Areas. The set of procedures developed to reach the objective has involved two steps: characterization of the target audience and analysis of the potential demand for shared pedelecs. The first step was accomplished with a questionnaire designed with a stated preference approach for identifying users\' preferences regarding shared pedelecs and the bus system operated by the university. The survey results, which involved variables of weather conditions, existence of bike paths/bike lanes between the campus Areas, and occupancy rates at the USP bus stop, were subsequently used to calibrate a logit model and to develop an Artificial Neural Network (ANN). The survey data were also used in the second step of the process, in which an electronic spreadsheet was created to analyze the probabilities of choosing the pedelec alternative (instead of the bus route operated by university). The spreadsheet was also fed with meteorological data of São Carlos in the period between 2011 and 2015. Some of the obtained outcomes are highlighted in the sequence. The probability of a pedelec being chosen is almost three times higher if bike paths/bike lanes do exist than if they do not exist. The occupancy rates of the bus stop are also particularly relevant. The probability of someone choosing a pedelec nearly doubles when the bus stop is crowded. Regarding the weather conditions, the highest probabilities are observed in the Fall and Winter seasons, i. e. in the driest and coldest days. For the entire academic period comprised between 2011 and 2015, the probabilities range from 9% (empty bus stop) to 19% (full bus stop), considering the current situation (i. e. no cycleways connect the two campus Areas). In the presence of this cycling infrastructure, however, the probability goes up to 54%. Thus, the strategy of analysis conceptually developed, and made available through an electronic spreadsheet, may be an important support tool for the implementation of transport policies by the campus administration. In addition, it highlights a likely potential demand for a system of shared pedelecs.

Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2016-08-18T11:09:56Z No. of bitstreams: 2 Dissertação - Gilberto Antônio Marcon dos Santos - 2016.pdf: 15378242 bytes, checksum: d10f5df08686b55ad63c406e648a2b8e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2016-08-18T11:12:10Z (GMT) No. of bitstreams: 2 Dissertação - Gilberto Antônio Marcon dos Santos - 2016.pdf: 15378242 bytes, checksum: d10f5df08686b55ad63c406e648a2b8e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2016-08-18T11:12:10Z (GMT). No. of bitstreams: 2 Dissertação - Gilberto Antônio Marcon dos Santos - 2016.pdf: 15378242 bytes, checksum: d10f5df08686b55ad63c406e648a2b8e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2016-08-12 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Depth sensing methods yield point clouds that represent neighboring surfaces. Interpreting and extracting information from point clouds is an established field, full of yet unsolved challenges. Classic image processing algorithms are not applicable or must be adapted because the organized structure of 2D images is not available. This work presents three contribution to the field of point cloud processing and segmentation. These contributions are the results of investigations carried out at the Laboratory for Education and Innovation in Automation – LEIA, aiming to advance the knowledges related to applying spacial sensing to autonomous robotics. The first contribution consists of a new algorithm, based on evolutionary methods, for extracting planes from point clouds. Based on the method proposed by Bazargani, Mateus e Loja (2015), this contribution consists of adopting evolutionary strategies in place of genetic algorithms making the process less sensitive to user-defined parameters. The second contribution is a method for segmenting ground and obstacles from point clouds for autonomous navigation, that utilizes the proposed plane extraction algorithm. The use of a quadtree for adaptive area segmentation allows for classifying points with high accuracy efficiently and with a time performance compatible with low cost embedded devices. The third contribution is a variant of the proposed segmentation method that is more noise tolerant and robust by incorporating a neural classifier. The use of a neural classifier in place of simple thresholding makes the process less sensitive to point cloud noise and faults, making it specially interesting for processing point clouds obtained from real time stereo reconstruction methods. A through sensitivity, accuracy, and efficiency analysis is presented for each algorithm. The dihedral angle metric (angle between the detected plane and the reference polygons that share at least one point) proposed by Bazargani, Mateus e Loja (2015) is used to quantify the plane detection method accuracy. The ratio between the correctly classified points and the total number of points is utilized as an accuracy metric for the ground segmentation methods. Additionally, computing costs and execution times are considered and compared to the main state-of-the-art methods. / Métodos de sensoriamento de profundidade produzem nuvens de pontos que representam as superfícies vizinhas. Interpretar e extrair informações de nuvens de pontos é um campo estabelecido e repleto de desafios ainda não superados. Algoritmos de processamento de imagens clássicos não se aplicam ou têm de ser adaptados porque a estrutura organizada que se poderia supor em imagens bidimensionais não se faz presente. Este trabalho apresenta três contribuições ao campo de processamento e segmentação de nuvens de pontos. Tais contribuições são resultados da investigação realizada no Laboratório para Educação e Inovação em Automação – LEIA, com o fim de avançar os conhecimentos relacionados a aplicações de sensoriamento espacial para robótica autônoma. A primeira contribuição consiste de um novo algoritmo para extração de planos de nuvens de pontos, que se baseia em métodos evolutivos. Partindo do método proposto por Bazargani, Mateus e Loja (2015), esta contribuição consiste em utilizar estratégias evolucionárias no lugar de algoritmos genéticos, de forma a tornar o processo menos sensível aos parâmetros definidos pelo usuário. A segunda contribuição é um método para segmentação de piso e obstáculos em nuvens de pontos para navegação autônoma, que utiliza o algoritmo de extração de planos proposto. O uso de uma árvore quaternária para segmentação adaptativa de área permite classificar os pontos com elevada taxa de acerto de forma eficiente e com desempenho compatível com dispositivos embarcados de baixo custo. A terceira contribuição é uma variação do método de segmentação proposto que se faz mais robusta e tolerante a ruído através da agregação de um classificador neural. O uso do classificador neural no lugar da limiarização simples torna o processo menos sensível a ruídos e falhas nas nuvens de pontos, o tornando especialmente interessante para o processamento de nuvens de pontos obtidas por métodos de reconstrução estéreo de tempo real. Uma completa análise de sensibilidade, acurácia e eficiência é apresentada para cada algoritmo. A métrica de ângulo diedral (ângulo entre os planos detectados e os polígonos de referência que compartilham ao menos um ponto em comum) proposta por Bazargani, Mateus e Loja (2015) é utilizada para quantificar a acurácia do método de detecção de planos. A razão entre os pontos corretamente classificados e o número total de pontos é utilizada como métrica de acurácia para os métodos de segmentação de piso. Também são considerados os custos computacionais e o tempo de execução, comparados aos principais métodos estado-da-arte.

O desenvolvimento econômico e o aumento da produtividade agrícola intensificaram o uso de produtos químicos nas lavouras. Quando se pretende quantificar o impacto ambiental de tal uso é necessário empregar modelos que descrevam o fluxo de água e solutos na região não saturada do solo. Para esse fim, um dos parâmetros mais eficazes é conhecer a retenção de água no solo. O objetivo deste trabalho foi desenvolver funções de pedotransferência (FPTs) que estimassem a partir de análise em redes neurais artificiais (RNAs) a retenção de água nos solos da microbacia hidrográfica do ribeirão Canchim, município de São Carlos, SP. Os atributos físicos, textura (argila, silte e areia), densidade e resistência à penetração dos solos: LVAd, LVe, LVdf e NVef, manejados com e sem cobertura vegetal e sob mata foram determinados com equipamentos não convencionais na Embrapa Instrumentação Agropecuária em São Carlos, SP. Esses parâmetros foram utilizados como variáveis de entrada nas duas redes neurais artificiais. Foram obtidas, ainda, as curvas de retenção de água no solo por meio da câmara de pressão de Richards e da tomografia computadorizada, além da porosidade total e da condutividade hidráulica não saturada. O analisador granulométrico de solos e o penetrômetro associado a TDR possibilitaram a obtenção de um grande número de dados. Os atributos físicos dos solos apresentaram grande variabilidade em função da constituição granulométrica e manejos adotados. As RNAs foram eficientes no desenvolvimento de FPTs capazes de estimar a retenção de água com base em propriedades básicas de solo obtidas em grande número. / Economic development and increasing agricultural productivity have intensified the use of chemical products in farming. The quantification environmental impact of these products requires the use of models that describe the flow of water and solutes in the unsaturated region of the soil. For this purpose, one of the most effective parameters belong to the water retention curve of the soil. The purpose of this work was to develop pedotransfer functions (PTFs) to estimate the retention of water by soils of the hydrographic microbasin of the Canchim river, in the municipality of São Carlos, state of São Paulo, Brazil, based on artificial neural networks (ANNs). The physical attributes, granulometry (clay, silt and sand), density and resistance to penetration of LVAd, LVe, LVdf and NVef soils, managed with and without vegetal cover and under forest, were determined using nonconventional equipment at Embrapa Instrumentação Agropecuária in São Carlos, SP. These parameters were used as input variables for two artificial neural networks. The soils\' water retention curves were also obtained using a Richards pressure chamber and computed tomography, as well as their total porosity and unsaturated hydraulic conductivity. A soil granulometric analyzer and a penetrometer allied to TDR provided a large number of data. The soils\' physical attributes displayed a wide variability as a function of their granulometric constitution and adopted managements. The ANNs were effective in developing PTFs able to estimate the water retention based on the large number of basic soil properties.

Made available in DSpace on 2016-03-15T19:38:09Z (GMT). No. of bitstreams: 1 Jose Antonio Corrales Torres.pdf: 1028407 bytes, checksum: b5574af2fd8d98d1a9fe03ff29b6aa07 (MD5) Previous issue date: 2008-03-05 / In the contemporary society, information and knowledge grew in importance and have become the most valuable assets, space and time are less relevant and more vulnerable due to the increasing mobile technology. New procedures and processes were created towards security. The information classification is the primary requirement to adjust rules and procedures, the protection level and cost. The current process is manual, restricted by the knowledge of few people and subject to imperfections. This study suggests a method to classify the information, regarding its confidentiality, using groups generated by an Artificial Neural Network. The development of this method was supported by studies of methodologies applied to information protection, to the technology and business risk management, classification methodologies and control structures. The implementation made use of a Neural Network, based on the Self-Organization Maps (SOM) of Kohonen, due to its heavy specialization on groups handling. The study case objective was the implementation and it considered the information from universities, due to their various properties (administrative, pedagogic and scientific research). The analysis of the results indicated the similarity among the elements that composed the groups generated by the training of the Neural Network, complemented by calculations using the original weights. The viability of the application of the considered method to an organization was confirmed. / Na sociedade contemporânea, a informação e o conhecimento assumiram a importância de representar os ativos de maior valor, num cenário em que o espaço e o tempo, devido à tecnologia voltada à mobilidade, perderam a relevância e tornaram-se mais vulneráveis. Surgiram novos procedimentos e mecanismos destinados à segurança. A classificação das informações é o requisito fundamental para direcionar as medidas, o nível de proteção e o custo. Atualmente o processo é manual, restrito ao entendimento de algumas pessoas e sujeito a imperfeições. Este estudo propõe um método para classificar as informações, quanto à sua confidencialidade, em grupos gerados por uma Rede Neural Artificial. O desenvolvimento deste método foi pautado por estudos em metodologias destinadas à segurança das informações, ao gerenciamento de risco de negócio e tecnológico, metodologias para classificação e estruturas de controle. A implementação usou a Rede Neural, baseada nos Mapas Auto-Organizáveis (SOM) de Kohonen, devido à sua acentuada especialização no tratamento de grupos. O estudo de caso objetivou a implementação e contemplou as informações das universidades, em razão da diversidade de suas propriedades (administrativa, pedagógica e pesquisa científica). A análise dos resultados obtidos permitiu observar a semelhança dos elementos que compõe os grupos gerados pelo treinamento da Rede Neural, complementado por cálculos que utilizam os pesos iniciais. Mostrou-se a viabilidade da aplicação do método proposto para uma organização.