No presente trabalho, é testada e avaliada a aplicação de Redes Neurais Artificiais no combate de trapaças (cheating, em inglês) do tipo speed cheating em jogos online massivos de múltiplos jogadores, também conhecidos como MMOG (Massively Multi- player Online Games). Os MMOG representam um modelo de negócio onde quantias significativas de recursos financeiros estão envolvidas, e crescem a cada dia. Os mode- los para o combate de trapaças, que possam afastar jogadores de jogos ou servidores, estão localizados na camada de rede, à nível de protocolo. Analisando o estado-da-arte, constatou-se que não existem trabalhos explorando a área de Inteligência Artificial para este fim, tornando-se assim relevante o estudo de sua aplicabilidade. As Redes Neurais Artificiais foram escolhidas por terem grande poder de abstração, generalização e plasti- cidade. Através dos resultados obtidos comparando-se duas abordagens de arquiteturas, as redes Perceptron de múltiplas camadas (MLP) e as redes com atraso no tempo focadas (FTLFN), é possível constatar que é viável a utilização das mesmas para este fim, tendo-se alcançado resultados positivos no combate de speed cheating em MMOGs. / In the present work, Artificial Neural Networks are tested and evaluated in order to avoid a specific type of cheating, called Speed Cheating, in massively multi-player online games (MMOG). The MMOG represent a business model where meaningful financial resources amounts are involved, and increase each day. The models to avoid cheating, that could keep off players from games and servers, are localized in the network layer, at the protocol level. Examining the state-of-art, it was observed that research explor- ing the Artificial Intelligence application to this goal becomes relevant. The Artificial Neural Networks were chosen by their significant abstraction, generalization and plas- ticity characteristics. Through the results’s comparison from two different architectures approaches, the multi layer Perceptron network (MLP) and the focused time lagged net- work (FTLFN), it was possible to conclude that their utilization avoiding speed cheating in MMOG is possible, once good results were found in this work.

Por ser não-invasiva e de baixo custo, a Ecocardiografia tem se tornado uma técnica de diagnóstico muito utilizada para a determinação dos volumes sistólicos e diastólicos do ventrículo esquerdo a fim de se calcular, indiretamente, o volume de ejeção do ventrículo esquerdo, a razão de contração muscular das cavidades cardíacas, a fração de ejeção regional e global, a espessura do miocárdio e a massa ventricular. Para isso, torna-se necessária a detecção das bordas endocárdicas do ventrículo esquerdo, o que é dificultada pelo fato da imagem de Ecocardiografia possuir ruídos que prejudicam sua definição. Apesar de haver várias técnicas de segmentação de imagem, este trabalho propõe detectar as bordas do ventrículo esquerdo de imagens ecocardiográficas utilizando uma rede neural artificial para reconhecer padrões de bordas. A fim de acelerar o processo e facilitar o processamento, uma área retangular centrada dentro da janela acústica do paciente é determinada pelo operador com o uso do \'mouse\' na qual serão realizadas todas as análises e reconhecimentos de borda pela rede neural. Após a marcação dos pontos reconhecidos pela rede neural como bordas, utilizam-se técnicas de gradientes e contorno móvel para se conectar os pontos de maior probabilidade e traçar a borda do ventrículo esquerdo. Esta técnica mostrou-se eficaz quando comparados com as bordas traçadas pelo especialista, sendo um fator importante a prática do operador ao escolher adequadamente a área a ser analisada. Após treinamento com 50 amostras de padrões de \"borda\" e 10 amostras de padrões de \"não borda\", a técnica foi testada em 108 imagens, alcançando resultados com boa precisão e rapidez quando comparamos os resultados na determinação da área do ventrículo esquerdo com outras técnicas citadas na literatura nacional e internacional. / Being non-invasive and having low cost, the echocardiography has been largely applied as diagnostic technique for left ventricle systolic and diastolic volumes determination that indirectly are used to calculate the left ventricle ejection volume, the cardiac cavities muscular contraction, the regional and global ejection fraction, the myocardial thickness, the ventricular mass, etc. For this reason, the detection of the left ventricle endocardial borders become necessary, but hampered by the noise that impairs the echocardiography images definition. In spite of having many image segmentation techniques, this work intend to detect the borders of left ventricle on echocardiography images by using a artificial neural network to recognize border patterns. To accelerate the process and facilitate the procedure, the operator uses the mouse to define a rectangular region inside the acoustic window of the pacient where all analyses and border recognitions will be accomplished. After labeling the recognized points as \'border\', gradient techniques and mobile boundary are used to connect the points of greater probability and delineate the left ventricle border. This technique has proved to be efficient when compared to the borders traced by the specialist. The ability of the operator is important in choosing of the region to be analyzed. After training with 50 samples of \"border\" pattern and 10 samples of \"no-border\" pattern, this technique was tested on 108 images, achieving good results on precision and velocitiy when we compared the calculated left ventricle area with the results of other techniques published on national and international literature.

Predictable, robust genetic parts including constitutive promoters are one of the defining attributes of synthetic biology. Ideally, candidate promoters should cover a broad range of expression strengths and yield homogeneous output, whilst also being orthogonal to endogenous regulatory pathways. However, such libraries are not always readily available in non-model organisms, such as the industrially relevant genus Geobacillus. A multitude of different approaches are available for the identification and de novo design of prokaryotic promoters, although it may be unclear which methodology is most practical in an industrial context. Endogenous promoters may be individually isolated from upstream of well-understood genes, or bioinformatically identified en masse. Alternatively, pre-existing promoters may be mutagenised, or mathematical abstraction can be used to model promoter strength and design de novo synthetic regulatory sequences. In this investigation, bioinformatic, mathematic and mutagenic approaches to promoter discovery were directly compared. Hundreds of previously uncharacterised putative promoters were bioinformatically identified from the core genome of four Geobacillus species, and a rational sampling method was used to select sequences for in vivo characterisation. A library of 95 promoters covered a 2-log range of expression strengths when characterised in vivo using fluorescent reporter proteins. Data derived from this experimental characterisation were used to train Artificial Neural Network, Partial Least Squares and Random Forest statistical models, which quantifiably inferred the relationship between DNA sequence and function. The resulting models showed limited predictive- but good descriptive-power. In particular, the models highlighted the importance of sequences upstream of the canonical -35 and -10 motifs for determining promoter function in Geobacillus. Additionally, two commonly used mutagenic techniques for promoter production, Saturation Mutagenesis of Flanking Regions and error-prone PCR, were applied. The resulting sequence libraries showed limited promoter activity, underlining the difficulty of deriving synthetic promoters in species where understanding of transcription regulation is limited. As such, bioinformatic identification and deep-characterisation of endogenous promoter elements was posited as the most practical approach for the derivation of promoter libraries in non-model organisms of industrial interest.

This first part of this thesis concerns the discovery and parameter determination of three hot Jupiter planets, first detected with by the SuperWASP collaboration, and their planetary nature is confirmed with the modelling of radial velocity measurements and further ground-based transit lightcurves. WASP-92b, WASP-93b and WASP-118b are all hot Jupiters with short orbital periods – 2.17, 2.73 and 4.05 days respectively. The analysis in this thesis finds WASP-92b to have R[sub]p = 1.461 ± 0.077 R[sub]J and M[sub]p = 0.805 ± 0.068 M[sub]J; WASP-93b to have R[sub]p = 1.597 ± 0.077 R[sub]J and M[sub]p = 1.47 ± 0.029 M[sub]J, and WASP-118b to have R[sub]p = 1.440 ± 0.036 R[sub]J and M[sub]p = 0.514 ± 0.020 M[sub]J. The second part of this thesis presents three novel approaches to modelling the effect of stellar limb darkening when fitting exoplanet transit lightcurves. The first method trains a Gaussian Process to interpolate between pre-calculated limb darkening coefficients for the non-linear limb darkening law. The method uses existing knowledge of the stellar atmosphere parameters as the constraints of the determined limb darkening coefficients for the host star of the transiting exoplanet system. The second method deploys an artificial neural network to model limb darkening without the requirement of a parametric approximation of the form of the limb profile. The neural network is trained for a specific bandpass directly from the outputs of stellar atmosphere models, allowing predictions to be made for the stellar intensity at a given position on the stellar surface for values of the T[sub]eff , log g and [Fe/H]. The efficacy of the method is demonstrated by accurately fitting a transit lightcurve for the transit of Venus, and for a single transit lightcurve of TRES-2b. The final limb darkening modelling method proposes an adjustment to the neural network model to account for the fact that the stellar radius is not constant across wavelengths. The method also allows the full variation in light at the edge of the star to be modelled by not assuming a sharp boundary at the limb.

Este trabalho analisa o uso de redes de estações de trabalho como uma única máquina a ser utilizada para permitir o processamento de problemas que não poderiam ser computados, aceitavelmente, em apenas um de seus nodos, seja por causa do tempo dispendido ou de recursos físicos necessários, como memória principal. São enfocados dois algoritmos de redes neurais artificiais - Combinatorial Neural Model e Back Propagation - que apresentam os problemas enunciados acima, e uma proposta de um esquema para distribuição dessa classe de algoritmos, levando em consideração as vantagens disponíveis no ambiente em questão, a apresentada. A implementação do modelo proposto, sob a forma de um simulador distribuído baseado no conceito de servidor está descrita no trabalho, assim como as estratégias de paralelização dos algoritmos. Ao final, são apresentados os resultados obtidos, quantitativa e qualitativamente, e uma avaliação mais detalhada da paralelização do algoritmo Back Propagation a exposta. / The use of workstation networks as distributed multicomputers to solve resource demanding problems that cannot be feasibly solved in one node is the main concern of this work. Two different artificial neural network algorithms, Combinatorial Neural Model and Back Propagation, are faced and a scheme for distributing this class of algorithms is presented. The several advantages of the environment are focused in the proposal along with its disadvantages. This work also presents the implementation of the proposed scheme allowing an in loco performance evaluation. At the end results are shown and a more in depth evaluation of the Back Propagation parallelization is presented.

As séries temporais financeiras são marcadas por comportamentos complexos e não-lineares. No mercado financeiro, além da trajetória das cotações, a sua variabilidade, representada pela volatilidade, consiste em importante informação para o mercado. Redes neurais são modelos não lineares flexíveis com capacidade de descrever funções de distintas classes, possuindo a propriedade de aproximadores universais. Este trabalho busca empregar redes neurais, especificamente Perceptron de múltiplas camadas com uma única camada escondida alimentada para frente (Feedforward Multilayer Perceptron), para a previsão da volatilidade. Mais ainda, é proposto um modelo híbrido que combina o modelo GARCH e redes neurais. Os modelos GARCH e redes neurais são estimados para duas séries financeiras: Índice S&P500 e cotações do petróleo tipo Brent. Os resultados indicam que a volatilidade aproximada por redes neurais é muito semelhante as estimativas dos tradicionais modelos GARCH. Suas diferenças são mais qualitativas, na forma de resposta da volatilidade estimada a choques de maior magnitude e sua suavidade, do que quantitativas, apresentando critérios de erros de previsão em relação a uma medida de volatilidade benchmark muito próximos. / The financial time series are characterized by complex and non-linear behaviors. In addition to the financial market trend in prices their variability or volatility, a risk estimate, is important information for the market players. Neural networks are flexible nonlinear models capable of describing functions of different classes, having the property of universal approximators. This paper employs neural networks, specifically one hidden layer feedforward Multilayer Perceptron, for volatility forecasting. Moreover, we propose a hybrid model that combines the GARCH model with neural networks. The GARCH and neural network models are estimated over two financial series: the S&P500 composite index and prices of Brent oil. The results indicate that the volatility approximated by neural networks is very similar to that estimated by the traditional GARCH models, while their differences are more qualitative than quantitative, with information content that differs from and complements each other for different market environments.

Os ensaios não destrutivos servem como uma importante ferramenta para a análise de estruturas de concreto armado. A utilização de ensaios de velocidade de propagação do pulso ultra-sônico (VPU) permite realizar um acompanhamento das características do material ao longo de sua vida útil. Através da análise dos dados obtidos, pode-se averiguar a uniformidade do concreto, controlar a sua qualidade, acompanhar sua deterioração e, através de comparação com corpos de prova de referência e, até mesmo, estimar a resistência do mesmo. No entanto, as técnicas atuais para análise dos resultados coletados são, em grande parte, baseadas na sensibilidade dos profissionais que as aplicam. Para facilitar o controle e inspeção de estruturas de concreto armado é fundamental desenvolver estratégias para tornar esta análise mais simples e precisa. Este trabalho se baseia na hipótese de que a aplicação de Redes Neurais Artificiais (RNAs) pode gerar modelos de relacionamento úteis e acurados entre as características do concreto, sua compacidade e sua resistência à compressão. O intuito é determinar se com o uso de RNAs é possível estabelecer relações não-lineares que permitam estimar a resistência do concreto a partir do conhecimento de algumas propriedades básicas e da verificação da sua compacidade por meio de ensaios de VPU. Os resultados indicam que as RNAs podem ser usadas para gerar métodos numéricos robustos e flexíveis para estimativa da resistência à compressão a partir de dados de VPU. O estudo evidencia uma considerável melhora nos resultados de estimação da resistência quando se empregam modelos neurais, em comparação a modelos estatísticos tradicionais. Para os dados coletados, provenientes de diversas pesquisas, os modelos tradicionais geram estimativas com coeficientes de determinação que não ultrapassam um valor de R² de 0,40. Já as redes neurais conseguem ajustes com R² da ordem de 0,90. Além de contribuir para uma melhor análise de situações em que haja dúvidas sobre a resistência ou homogeneidade de elementos de concreto, o trabalho demonstra que modelos neurais são uma forma eficiente de ordenar e transferir conhecimento não estruturado. Constatou-se, ainda, que, dada sua capacidade de aprendizagem e de generalização do conhecimento adquirido, as RNAs se constituem em um meio rápido e preciso para modelagem de fenômenos complexos. / Nondestructive Testing (NDT) techniques are useful tools for analyzing reinforced concrete (RC) structures. The use of Ultrassonic Pulse Velocity (UPV) measurements enables the monitoring of changes in some critical characteristics of concrete over the service life of a structure. The interpretation of the data collected allows an assessment of concrete uniformity, and can be used to perform quality control, to monitor deterioration and even, by means of comparison against reference samples, to estimate compressive strength. Nonetheless, the current techniques for UPV data analysis are, on a large degree, based on the sensitivity of the professionals who apply these tests. For accurate diagnosis it is necessary to consider the various factors and conditions that can affect the results. To proper control and inspect RC facilities it is essential to develop appropriate strategies to make the task of data interpretation easier and more accurate. This work is based on the notion that using Artificial Neural Networks (ANNs) is a feasible way to generate workable estimation models correlating concrete characteristics, compacity and compressive strength. The goal is to determine if it is possible to establish models based on non-linear relationships that are capable of estimating with good accuracy the concrete strength based on previous knowledge of some basic material characteristics and UPV measurements. The study shows that this goal is achievable and indicates that neural models perform better than traditional statistical models. For the data collected in this work, provided by various researchers, traditional regression models cannot exceed R² = 0.40, while the use of ANNs allows the creation of models that can reach a determination coefficient R² = 0.90. The results make clear that, besides contributing to better the analysis of situations where there is doubts regarding concrete strength or uniformity, neural models are an efficient way to order and transfer unstructured knowledge. It was shown that, given the learning capacity and its ability to generalize acquired information into mathematical patterns, ANNs are a quick and adequate way to model complex phenomena.

A presente dissertação trata da estipulação de limite de crédito para empresas clientes, de modo automático, com o uso de técnicas de Inteligência Computacional, especificamente redes neurais artificiais (RNA). Na análise de crédito as duas situações mais críticas são a liberação do crédito, de acordo com o perfil do cliente, e a manutenção deste limite ao longo do tempo de acordo com o histórico do cliente. O objeto desta dissertação visa a automação da estipulação do limite de crédito, implementando uma RNA que possa aprender com situações já ocorridas com outros clientes de perfil parecido e que seja capaz de tomar decisões baseando-se na política de crédito apreendida com um Analista de Crédito. O objetivo é tornar o sistema de crédito mais seguro para o credor, pois uma análise correta de crédito de um cliente reduz consideravelmente os índices de inadimplência e mantém as vendas num patamar ótimo. Para essa análise, utilizouse a linguagem de programação VB.Net para o sistema de cadastro e se utilizou do MatLab para treinamento das RNAs. A dissertação apresenta um estudo de caso, onde mostra a forma de aplicação deste software para a análise de crédito. Os resultados obtidos aplicando-se as técnicas de RNAs foram satisfatórias indicando um caminho eficiente para a determinação do limite de crédito. / This research deals with the credit limit stipulation for corporate clients, automatically, with the use of Computational Intelligence techniques, specifically artificial neural networks (ANN). In the analysis of credit, the two most critical situations are release of credit, according to the customer profile, and maintain the credit according to the customer history. The object of this work aims at automating the stipulated credit limit at the time of initial registration of the customer. The main focus of this work is to make an ANN can provide the credit limit, learning from situations that have occurred with other clients of similar profile and is able to make decisions based on the credit policy seized with a Credit Analyst. The goal is to make the system more secure credit to the lender, for a correct analysis of the creditworthiness of a customer drops considerably default rates and maintains a sales plateau great. For this analysis, we used the VB.Net programming language for the registration system of MatLab and was used for training ANNs. The paper presents a case study, which shows how to apply this software to credit analysis. The results obtained applying the techniques ANNs were satisfactory showing an efficient way to determine the credit limit.

Resumo: A previsão de carga, em sistemas de energia elétrica, constitui-se numa atividade de grande importância, tendo em vista que a maioria dos estudos realizados (fluxo de potência, despacho econômico, planejamento da expansão, compra e venda de energia, etc.) somente poderá ser efetivada se houver a disponibilidade de uma boa estimativa da carga a ser atendida. Deste modo, visando contribuir para que o planejamento e operação dos sistemas de energia elétrica ocorram de forma segura, confiável e econômica, foi desenvolvida uma metodologia para previsão de carga, a previsão multinodal, que pode ser entendida como um sistema inteligente que considera vários pontos da rede elétrica durante a realização da previsão. O sistema desenvolvido conta com o uso de uma rede neural artificial composta por vários módulos, sendo esta do tipo perceptron multicamadas, cujo treinamento é baseado no algoritmo retropropagação. Porém, foi realizada uma modificação na função de ativação da rede, em substituição à função usual, a função sigmoide, foram utilizadas as funções de base radial. Tal metodologia foi aplicada ao problema de previsão de cargas elétricas a curto-prazo (24 horas à frente) / Abstract: Load forecasting in electric power systems is a very important activity due to several studies, e.g. power flow, economic dispatch, expansion planning, purchase and sale of energy that are extremely dependent on a good estimate of the load. Thus, contributing to a safe, reliable, economic and secure operation and planning this work is developed, which is an intelligent system for multinodal electric load forecasting considering several points of the network. The multinodal system is based on an artificial neural network composed of several modules. The neural network is a multilayer perceptron trained by backpropagation where the traditional sigmoide is substituted by radial basis functions. The methodology is applied to forecast loads 24 hours in advance / Orientador: Carlos Roberto. Minussi / Coorientador: Francisco Villarreal Alvarado / Banca: Anna Diva Plasencia Lotufo / Banca: Maria do Carmo Gomes da Silveira / Banca: Gelson da Cruz Junior / Banca: Edmárcio Antonio Belati / Doutor

Menée en partenariat avec Thales Alenia Space et le Centre National d’Etudes Spatiales (CNES), cette thèse s’inscrit dans un contexte international très actif sur une nouvelle technologie de systèmes antennaires : les réseaux réflecteurs (RA). Combinant les atouts des réflecteurs classiques et ceux des réseaux, les RA pourraient remplacer, à terme, les réflecteurs formés utilisés aujourd’hui. Ils sont constitués d’une source primaire placée en regard d’un réseau de cellules contrôlant les propriétés du champ électromagnétique réfléchi. Si de nombreuses études portent déjà sur la caractérisation des cellules, une des problématiques consiste à les sélectionner judicieusement pour réaliser l’antenne finale : c’est l’étape de synthèse.Un tour d’horizon consacré aux différentes méthodes de synthèse a révélé toute la complexité d’obtenir rapidement de bonnes performances simultanément sur les polarisations directes et croisées, pour une large bande de fréquences et pour la réalisation de diagrammes formés. La cellule Phoenix est sélectionnée dans ce travail pour ses bonnes propriétés puisqu’elle fournit l’ensemble de la gamme de phase suivant un cycle continu de géométries.Parce qu’une des contraintes dans la conception de RA est de maintenir des variations de géométries continues entre deux cellules juxtaposées à la surface du RA, un outil de représentation sphérique permettant de classer l’ensemble des cellules d’étude est proposé. Il répertorie judicieusement toutes les cellules sur une surface continue, fermée et périodique.Une nouvelle étape est franchie avec la conception de modèles comportementaux à l’aide de réseaux de neurones (ANN). Ces modèles permettent une caractérisation électromagnétique très rapide des cellules en termes de phase et d’amplitude des coefficients directs et croisées de la matrice de réflexion.L’originalité de l’algorithme de synthèse proposé dans ce travail se base sur l’utilisation combinée de la représentation sphérique et de la caractérisation rapide par ANN. Un outil d’optimisation de type min / max est utilisé pour améliorer les performances globales du panneau RA. Il est ensuite appliqué à un cas concret dans le cadre d’une mission de télécommunication. / In collaboration with Thales Alenia Space and the French Space Agency (CNES), this PHD takes part in a very active international context on a new antenna: the reflectarrays (RA).Combining the advantages of conventional reflectors and those of networks, RA could eventually replace the currently used shaped reflectors. They consist of a primary source placed in front of a network of cells controlling the properties of the reflected electromagnetic field. Although many studies already focus on the characterization of cells, one of the issues is to carefully select them to achieve the final antenna: this is the synthesis step.An overview of different synthesis methods revealed the complexity to quickly obtain good performance simultaneously on the co- and cross-polarizations, for a wide frequency band and for the realization of shaped radiation pattern. The Phoenix cell is selected in this work for its good properties since it provides the entire phase range following a continuous cycle of geometries.Because one of the constraints in the design of RA is to maintain continuous geometry variations between two juxtaposed cells on the layout, a spherical representation tool made it possible to classify all the studied cells. It judiciously lists all the cells on a continuous, closed and periodic surface.A new step is reached with the design of behavioral models using Artificial Neural Networks (ANN). These models enable to a fast electromagnetic characterization of cells in terms of phase and amplitude of the direct and cross coefficients of the reflection matrix.The originality of the synthesis algorithm proposed in this work is the combined use of the spherical representation and a rapid cell characterization by ANN. A min / max optimization tool is used to improve the overall performance of the RA panel. It is then applied to a concrete case as part of a telecommunication mission.