Made available in DSpace on 2015-03-26T13:32:06Z (GMT). No. of bitstreams: 1 texto completo.pdf: 449113 bytes, checksum: 2564edc6922d188711481e1e121d54fa (MD5) Previous issue date: 2008-11-07 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The companies have invested more in quality, to find more survivor in the market, to win more satisfied customers and to increase productivity and profitability. To get it with more success with the aid of statistical control, can be used control charts that monitor the process and indicate whether is need to fix it, so that the final product can be within the standards required by consumers. However, alternative methods to the control charts, also can be used to classify or discriminate if the process is on control or not. In this research, the following were applied: analysis discriminant, logistic regression and artificial neural networks. To apply each one of the proposed methods were used simulated data, where the measures of comparison between them were based on incidences of false and true alarms on the classification these values into or outside the control statistic. Were simulated normal values and independently distributed under control statistics. Subsequently, were imposed some changes to the values set in the middle or the end of data, left the control or to submit autocorrelations. The artificial neural networks and logistic regression were able to replace the best types of control charts in signaled out of control points located in the middle or the end of data set under different distances from the average of control and distributed independently or not. / As empresas têm investido cada vez mais na qualidade, no sentido de buscar maior sobrevivência no mercado, ganhar mais clientes satisfeitos e aumentar a produtividade e a lucratividade. Para buscá-la com mais êxito com auxilio do controle estatístico, faz-se uso dos gráficos de controle que monitoram o processo e sinalizam se há necessidade de corrigi-lo, de maneira que o produto final possa estar dentro dos padrões exigidos pelos consumidores. Na entanto, metodologias alternativas aos gráficos de controle, também podem ser utilizadas para classificar ou discriminar se o processo está ou não sob controle. Neste trabalho foram aplicadas as seguinte: análise discriminante, regressão logística e redes neurais artificiais. Para aplicar cada um dos métodos propostos utilizaram-se dados simulados, onde as medidas de comparação entre eles foram baseadas nas incidências dos alarmes falsos e verdadeiros sobre a classificação desses valores em dentro ou fora de controle estatístico. Foram simulados valores normais e independentemente distribuído sob controle estatístico. Posteriormente, foram impostas variações para que ao final do conjunto de dados saíssem de controle ou que apresentassem autocorrelações. As redes neurais artificiais e regressão logística se mostraram capazes de substituírem os melhores tipos de gráficos de controle, em sinalizarem pontos fora de controle situados ao meio ou ao final do conjunto de dados, sob diferentes distâncias da média de controle e distribuído de forma independente ou não.

Orientador: Anna Diva Plasencia Lotufo / Banca: Percival Bueno Araújo / Banca: Walmir de Freitas Filho / Resumo: Neste trabalho, dá-se ênfase à previsão de carga multinodal, também conhecida como previsão de carga por barramento. Para realizar esta demanda, há necessidade de dispor de uma técnica que proporcione a precisão desejada, seja confiável e de baixo tempo de processamento. O conhecimento prévio das cargas locais é de extrema importância para o planejamento e operação dos sistemas de energia elétrica. Para realizar a previsão de carga multinodal foram empregadas duas metodologias, uma que prevê as cargas individualmente e outra que utiliza as previsões dos fatores de participação e a previsão de carga global. O principal objetivo deste trabalho é elaborar um modelo de previsor de carga de curto prazo, genérico e que pode ser aplicado na previsão de carga multinodal. Para tanto, utilizou-se redes neurais de regressão generalizada (GRNN), cujas entradas são compostas de variáveis exógenas globais e de cargas locais, sem a necessidade da inclusão de variáveis exógenas locais. Ainda, projetou-se uma nova arquitetura de rede neural artificial, baseada na GRNN, além de propor um procedimento para a redução do número de entradas da GRNN e um filtro para o pré-processamento do banco de dados de treinamento. Os dados, para testar as metodologias e as redes neurais artificiais, são referentes a um subsistema de distribuição de energia elétrica da Nova Zelândia composto por nove subestações / Abstract: In this work, it is emphasized the multi-nodal load forecast, also known as bus load forecast. To perform this demand, there it is necessary a technique that is precise, trustable and has a short-time processing. The previous knowledge of the local loads is of extreme importance to the planning and operation of the electrical power and energy systems. To perform the multi-nodal load forecast is employed two different methodologies, one that forecast the loads individually and another that uses the participation factors forecasts and the global load forecast. The main objective of this work is to elaborate a generic model of a short-term load forecaster, which can be applied to the multi-nodal load forecast. For this, it was used general regression neural networks (GRNN), with inputs based on external global factors and local loads, without the need of external local factors. Still, it was developed a new architecture of an artificial neural network based on a GRNN and proposed a procedure to reduce the number of input variables of the GRNN and a filter for preprocessing the training data. The dataset, to test the methodologies and the artificial neural networks, refers to a New Zealand electrical distribution subsystem composed of nine substations / Mestre

Orientador: Paulo José Amaral Serni / Banca: Alessandra Goedtel / Banca: José Alfredo Covolan Ulson / Resumo: O desequilíbrio de tensão nos sistemas elétricos pode provocar problemas indesejáveis na operação de equipamentos, principalmente nos motores de indução trifásicos, devido à importância destes motores em ambientes industriais. A utilização de modelos convencionais para a modelagem destes motores operando com tensões desequilibradas impõe resultados imprecisos e a obtenção de modelos adequados apresenta grande complexidade em função das assimetrias e não linearidades. Neste contexto, a utilização de ferramentas inteligentes, mais especificamente, redes neurais artificiais (RNA), reduz substancialmente a tarefa de modelagem, permitindo sua utilização sob condições de assimetrias e não linearidades. Assim, uma bancada de testes foi montada para a aquisição de dados experimentais de um motor de indução trifásico de 1 CV, 4 polos, 220V/380V, tipo gaiola de esquilo. Os dados coletados foram usados para o treinamento e validação de uma RNA que modela a relação entre as tensões, correntes e a potência no eixo. Os resultados experimentais foram comparados com os obtidos com a RNA e com o modelo dinâmico, e constatou-se que a modelagem por meio de RNA é adequada para descrever matematicamente o comportamento de motores de indução trifásicos operando com tensões desequilibradas / Abstract: Unbalanced voltages in electrical systems can deteriorate the performance of equipments and cause potential safety hazards and be harmful for the respective applications, especially in the three-phase induction motors, the most common energy receivers in industrial. The analysis of three phase induction motors under supply voltage unbalance condictions using the well-known symmetrical components analysis provide inaccurate results, and correct models are laborious, due to the complex nature of voltage unbalance factor like asymmetries and nonlinearities. In this context, the use of intelligent tools, specifically artificial neural networks (ANN), significantly reduces the modeling task and allowing the use under conditions of asymmetries and nonlinearities. Thus, a workbench tests was buit for testing of the 4 pole, 220V/380V, 1 CV squirrel-cage induction motor. Experimental set up for testing were used to ANN's training and validation. The ANN's model showed the relationship between the voltages, currents and shaft power. The results of experimental investigation and computer calculations (ANN and dynamic model) were compared and the results indicate that the ANN is adequate model that makes it possible to mathematically describe an induction motors operating with unbalanced voltage / Mestre

In order to meet tight product quality specifications for chemical batch processes, it is vital to monitor and control product quality throughout the batch duration. However, the frequent lack of in situ sensors for continuous monitoring of batch product quality complicates the control problem and calls for novel control approaches. This thesis focuses on the study and application of multivariate statistical methods to control product quality in chemical batch processes. These multivariate statistical methods can be used to identify data-driven prediction models that can be integrated within a model predictive control (MPC) framework. The ideal MPC control strategy achieves end-product quality specifications by performing trajectory tracking during the batch operating time. However, due to the lack of in-situ sensors, measurements of product quality are usually obtained by laboratory assays and are, therefore, inherently intermittent. This thesis proposes a new approach to realise trajectory tracking control of batch product quality in those situations where only intermittent measurements are available. The scope of this methodology consists of: 1) the identification of a partial least squares (PLS) model that works as an estimator of product quality, 2) the transformation of the PLS model into a recursive formulation utilising a moving window technique, and 3) the incorporation of the recursive PLS model as a predictor into a standard MPC framework for tracking the desired trajectory of batch product quality. The structure of the recursive PLS model allows a straightforward incorporation of process constraints in the optimisation process. Additionally, a method to incorporate a nonlinear inner relation within the proposed PLS recursive model is introduced. This nonlinear inner relation is a combination of feedforward artificial neural networks (ANNs) and linear regression. Nonlinear models based on this method can predict product quality of highly nonlinear batch processes and can, therefore, be used within an MPC framework to control such processes. The use of linear regression in addition to ANNs within the PLS model reduces the risk of overfitting and also reduces the computational e↵ort of the optimisation carried out by the controller. The benefits of the proposed modelling and control methods are demonstrated using a number of simulated batch processes.

Neste trabalho foi desenvolvido o projeto e fabricação de quatro componentes de uma pinça de biópsia (concha, garfo, oito e haste), através da micromoldagem de pós metálicos por injeção. A matéria prima utilizada neste trabalho é conhecida comercialmente como CATAMOLD® 316L A. Corpos de prova foram obtidos através da injeção em uma injetora de baixa pressão para determinação da quantidade de pó de aço inoxidável 316L e sistema aglutinante contida na matéria prima. Ensaios de injetabilidade foram realizados para análise do comportamento da matéria prima no processo de injeção. Foram avaliados os parâmetros de injeção (temperatura de injeção, temperatura do molde e velocidade de injeção) e as variáveis de saída (pressão de injeção, massa, segregação entre pó e sistema aglutinante e densidade). A influência dos parâmetros de injeção sobre as variáveis de injeção foi analisada através do delineamento estatístico via Redes Neurais Artificiais (RNA), com a utilização do programa Statgraphics® Centurion XV. Os corpos de prova obtidos na injetora de baixa pressão apresentaram alta quantidade de pó de aço inoxidável (92,2% em massa). Devido a esta alta concentração de pó, os ensaios de injetabilidade realizados na injetora de alta pressão apresentaram valores elevados para as pressões de injeção, variando de 1641 a 2115 bars para que houvesse o preenchimento total das cavidades. O molde microusinado para os componentes da pinça se mostrou eficiente na fabricação dos componentes, porém apresentou dificuldades na extração das peças. Mesmo com a obtenção de todos os componentes a montagem da pinça não foi realizada, visto que as furações de montagem foram retiradas no projeto, consequentemente não foram usinados. Depois de microinjetados, os componentes da pinça foram sinterizados e apresentaram variação dimensional de 0,01 a 0,29 mm em relação às dimensões de projeto e variação na contração de 7,05 a 13,33%, diferentes dos 14,30% citados no catálogo do CATAMOLD® 316L A. / In this work the design and manufacture of four components of the biopsy forceps (ladle, fork, eight and rod), by metal powder injection molding was developed. The feedstock used in this work is known commercially as CATAMOLD® 316L A. Specimens were obtained by injection into a low-pressure injection molding machine for determining the amount of 316L stainless steel powder and binder system contained in the feedstock. Mouldability tests were performed to analyze the behavior of the feedstock in the injection process. The injection parameters (injection temperature, mold temperature and injection speed) and output variables (injection pressure, mass segregation between powder and binder system and density) were evaluated. The influence of injection parameters on the variables of injection was analyzed using the statistical design via Artificial Neural Networks (ANN), using the software Statgraphics® Centurion XV. The specimens obtained at low pressure injection showed high amount of stainless steel powder (92.2 wt%). Due to this high concentration of power, mouldability tests were performed in high-pressure injection showed high values for injection pressures ranging from 1641 to 2115 bars so that there was the complete filling of cavities. The micromachined mold for the components of the forceps proved efficient in the manufacture of components, but presented difficulties in the extraction of parts. Even with the obtaining of the all the components the biopsy forceps was not assembled, since the mounting holes were taken in the project, and therefore were not machined. After injected , the components of the forceps were sintered and showed dimensional variation from 0.01 to 0.29 mm in relation to project dimensions and variation in contraction from 7.05 to 13.33% , different from those 14.30% cited in the catalog of CATAMOLD® 316L A

This thesis presents the development of a Neural Network Based Controller (NNBC) for chain grate stoker fired boilers. The objective of the controller was to increase combustion efficiency and maintain pollutant emissions below future medium term stringent legislation. Artificial Neural Networks (ANNs) were used to estimate future emissions from and control the combustion process. Initial tests at Casella CRE Ltd demonstrated the ability of ANNs to characterise the complex functional relationships which subsisted in the data set, and utilised previously gained knowledge to deliver predictions up to three minutes into the future. This technique was then built into a carefully designed control strategy that fundamentally mimicked the actions of an expert boiler operator, to control an industrial chain grate stoker at HM Prison Garth, Lancashire. Test results demonstrated that the developed novel NNBC was able to control the industrial stoker boiler plant to deliver the load demand whilst keeping the excess air level to a minimum. As a result the NNBC also managed to maintain the pollutant emissions within probable future limits for this size of boiler. This prototype controller would thus offer the industrial coal user with a means to improve the combustion efficiency on chain grate stokers as well as meeting medium term legislation limits on pollutant emissions that could be imposed by the European Commission.

Neste trabalho apresenta-se uma proposta de uma técnica para implementação em hardware, das estruturas básicas de uma Rede Neural Competitiva, baseada em técnicas analógicas. Através desta proposta, será abordada uma das classes mais interessantes de Redes Neurais Artificiais (RNA) que são as Redes Neurais Competitivas (RNC), que possuem forte inspiração biológica. As equações fundamentais que descrevem o comportamento da RNC foram derivadas de estudos interdisciplinares, a maioria envolvendo observações neurofisiológicas. O estudo do neurônio biológico, por exemplo, nos leva a clássica equação da membrana. A técnica mostrada para a implementação das Redes Neurais Competitivas se baseia no use das técnicas analógicas. Estas conduzem a um projeto mais compacto além de permitirem um processamento em tempo real, visto que o circuito computacional analógico altera simultaneamente e continuamente todos os estados dos neurônios que se encontram interligados em paralelo. Para esta proposta de implementação, a mostrado que as equações fundamentais que governam as Redes Neurais Competitivas possuem uma relação com componentes eletrônicos básicos, podendo então, serem implementados através destes simples componentes com os quais as equações fundamentais se relacionam. Para tanto, é mostrado por meio de simulações em software, o comportamento das equações fundamentais deste tipo de Redes Neurais, e então, é comparado este comportamento, com os obtidos através de simulações elétricas dos circuitos equivalentes oriundos destas equações fundamentais. Mostra-se também, em ambas as simulações, uma das características mais importantes existentes nos modelos de RNC, conhecida como Memória de Tempo Curto (STM). Por fim, é apresentada uma aplicação típica na área de clusterização de padrões utilizando pesos sinápticos, a fim de demonstrar a implementação utilizando as técnicas descritas durante o trabalho. Esta aplicação é demonstrada através de simulações elétricas, sendo estas realizadas para tipos diferentes de tecnologia, mostrando assim, o correto desempenho da proposta deste trabalho. / In this work we present a proposal of a technique to hardware implementation of the basic structures of a Competitive Neural Network, based on analog circuits techniques. This proposal approaches one of the most interesting classes of Artificial Neural Networks (ANN) that are the Competitive Neural Networks (CNN), that possess strong biological inspiration. The fundamental equations that describe the behavior of CNN were derived from interdisciplinary studies, mostly involving neurophysiological observations. The study of the biological neuron, for example, leads to the classical membrane equation. The presented technique for implementation of Competitive Neural Networks is based on the use of analog circuits techniques. This leads to a more compact project and allows real time processing, because computation in analog circuits modifies simultaneously and continuouslly all the states of the neurons that are connected in parallel. In this proposal, it is shown that the fundamental equations that describe the behavior of Competitive Neural Networks possess a relationship with some basic electronic components. This fact allows the direct implementation of CNN with these electronic components. Initially the behavior of the fundamental equations of this type of Neural Networks is studied by means of software simulations. This behavior is then compared, with the one obtained through electric simulations of the equivalent circuits originated from these fundamental equations. It is also shown, in both simulations, one of the more important characteristic in the models of CNN, known as Short Term Memory (STM). Finally, a typical application is presented in the area of pattern clustering using synaptic weights, to demonstrate an implementation using the techniques described in this work. This application is demonstrated through electric simulations, for different IC technologies, comproving the correctness of the presented proposal.

[pt] A presente dissertação tem por objetivo o estudo quantitativo da previsão da demanda de carga elétrica semanal para a região sudeste e em particular, para os Estados do Rio de Janeiro e São Paulo. Foram estudadas para tanto as séries reais dos últimos 7(sete) anos, ou seja, de janeiro de 1991 a novembro de 1997 das concessionárias LIGHT, CERJ, CESP, CPFL e ELETROPAULO. Para o estudo de previsão foi utilizado o conceito in sample, ou seja, parte real dos dados foram separados e mais tarde comparados com os valores previstos experimentalmente para aquela mesma época dos dados reais separados. Desta forma, permitiu-se averiguar qual seria a precisão da previsão, verificando-se os erros entre os valores experimentais e reais. Para os cálculos das previsões, também foi utilizado o conceito de bayesiano de combinação de previsões (outperformance) das duas técnicas a saber: redes neurais artificiais (software Neunet) e o modelo clássico Box & Jenkins (software Autobox). Para se obter o valor combinado das previsões, foi utilizado software matlab que se comportou de maneira adequada para o estudo em questão. Além disso vale acrescentar que o software Neunet foi utilizado, pois possui em seu ambiente a técnica de eliminação de sinapses enquadra-se dentro do conceito de redes neurais multicamadas com retropropagação dos erros. / [en] The goal of this dissertation is to present a quantitative study in time series of weekly electrical charge demand at the southeast region, particulary at Rio de Janeiro and São Paulo. In this work will be analysed the last 7 years, from january 1991 to november of 1997. The next time series were study: LIGHT, CERJ, CESP, CPFL and ELETROPAULO. Aimming to test the model against real data the concept of sample data was utilized in this dissertation. Another concept used in this work was outperformance. Outperformance is a Bayesian concept that involves the combination of two or more techniques in order to enchance the forecasting results. Artificial neural network and Box and Jenkins method are combined in this work. It is also interesting to notice that weight elimination, which is a new ANN technique, proved to be faster then classical back- propagation and yielded better results.

O presente trabalho trata da criação de uma nova abordagem para predição de séries temporais ruidosas, com modelo desconhecido e que apresentam grandes não-linearidades. O novo método neuro-estatístico proposto combina uma rede neural de múltiplas camadas com o método estatístico Filtro de Kalman Estendido. A justificativa para a junção dessas abordagens é o fato de possuírem características complementares para o tratamento das peculiaridades das séries descritas. Quanto ao ruído, o FKE consegue minimizar a sua influência, trabalhando com a variância do ruído extraído dos dados reais. Quanto ao modelo gerador da série, as redes neurais aproximam a sua função, aprendendo a partir de amostras dos próprios dados. Grandes não-linearidades também são tratadas pelas RNs. O método neuro-estatístico segue a estrutura do FKE, utilizando a RN como processo preditivo. Com isso, elimina-se a necessidade de conhecimento prévio da função de transição de estados. O poder de tratamento de não-linearidades da RN é mantido, utilizando-se a previsão desta como estimativa de estado e os seus valores internos para cálculo das jacobianas do FKE. As matrizes de covariâncias dos erros de estimativa e dos ruídos são utilizadas para melhora do resultado obtido pela RN. A rede é treinada com um conjunto de dados retirado do histórico da série, de maneira off-line, possibilitando o uso de poderosas estruturas de redes de múltiplas camadas. Os resultados do método neuro-estatístico são comparados com a mesma configuração de RN utilizada em sua composição, sendo ambos aplicados na série caótica de Mackey-Glass e em uma série combinada de senos. Ambas séries possuem grandes não-linearidades e são acrescidas de ruído. O novo método alcança resultados satisfatórios, melhorando o resultado da RN em todos os experimentos. Também são dadas contribuições no ajuste dos parâmetros do FKE, utilizados no novo método. O método híbrido proporciona uma melhora mútua entre a RN e o FKE, explicando os bons resultados obtidos. / This work presents a new forecast method over highly nonlinear noisy time series. The neural statistical method uses a multi-layer perceptron (NN) and the Extended Kalman Filter (EKF). The justification for the combination of these approaches is that they possess complementary characteristics for the treatment of the peculiarities of the series. The EKF minimizes the influence of noise, working with the variance of the noise obtained from the real data. The NN approximates the generating model’s function. High nonlinearities are also treated by the neural network. The neural statistical method follows the structure of the EKF, using the NN as the predictive process. Thus, it isn’t necessary previous knowledge of the state transition function. The power of treatment of nonlinearities of the NN is kept, using forecast of this as estimative of state and its internal values for calculation of the Jacobian matrix of the EKF. The error estimative covariance and the noise covariance matrixes are used to improve the NN outcome. The NN is trained offline by past observations of the series, which enable the use of powerfuls neural networks. The results of the neural statistical method are compared with the same configuration of NN used in its composition, being applied in the chaotic series of Mackey-Glass and an sine mistures series. Both series are noisy and highly nonlinear. The new method obtained satisfactory result, improving the result of the regular NN in all experiments. The method also contributes in the adjustment of the parameters of the EKF. The hybrid method has a mutual improvement between the NN and the EKF, which explains the obtained good results.

Este trabalho envolve o emprego de recentes tecnologias ligadas a promissora área de Inteligência Computacional e a tradicional área de Processamento de Sinais Digitais. Tem por objetivo o desenvolvimento de uma aplicação especifica na área de Processamento de Voz: o reconhecimento de locutor. Inúmeras aplicações, ligadas principalmente a segurança e controle, são possíveis a partir do domínio da tecnologia de reconhecimento de locutor, tanto no que diz respeito a identificação quanto a verificação de diferentes locutores. O processo de reconhecimento de locutor pode ser dividido em duas grandes fases: extração das características básicas do sinal de voz e classificação. Na fase de extração, procurou-se aplicar os mais recentes avanços na área de Processamento Digital de Sinais ao problema proposto. Neste contexto, foram utilizadas a frequência fundamental e as frequências formantes como parâmetros que identificam o locutor. O primeiro foi obtido através do use da autocorrelação e o segundo foi obtido através da transformada de Fourier. Estes parâmetros foram extraídos na porção da fala onde o trato vocal apresenta uma coarticulação entre dois sons vocálicos. Esta abordagem visa extrair as características desta mudança do aparato vocal. Existem dois tipos de reconhecimento de locutor: identificação (busca-se reconhecer o locutor em uma população) e verificação (busca-se verificar se a identidade alegada é verdadeira). O processo de reconhecimento de locutor é dividido em duas grandes fases: extração das características (envolve aquisição, pré-processamento e extração dos parâmetros característicos do sinal) e classificação (envolve a classificação do sinal amostrado na identificação/verificação do locutor ou não). São apresentadas diversas técnicas para representação do sinal, como analise espectral, medidas de energia, autocorrelação, LPC (Linear Predictive Coding), entre outras. Também são abordadas técnicas para extração de características do sinal, como a frequência fundamental e as frequências formantes. Na fase de classificação, pode-se utilizar diversos métodos convencionais: Cadeias de Markov, Distância Euclidiana, entre outros. Além destes, existem as Redes Neurais Artificiais (RNAs) que são consideradas poderosos classificadores. As RNAs já vêm sendo utilizadas em problemas que envolvem classificações de sinais de voz. Neste trabalho serão estudados os modelos mais utilizados para o problema de reconhecimento de locutor. Assim, o tema principal da Dissertação de Mestrado deste autor é a implementação de um sistema de reconhecimento de locutor utilizando Redes Neurais Artificiais para classificação do locutor. Neste trabalho tamb6m é apresentada uma abordagem para a implementação de um sistema de reconhecimento de locutor utilizando as técnicas convencionais para o processo de classificação do locutor. As técnicas utilizadas são Dynamic Time Warping (DTW) e Vector Quantization (VQ). / This work deals with the application of recent technologies related to the promising research domain of Intelligent Computing (IC) and to the traditional Digital Signal Processing area. This work aims to apply both technologies in a Voice Processing specific application which is the speaker recognition task. Many security control applications can be supported by speaker recognition technology, both in identification and verification of different speakers. The speaker recognition process can be divided into two main phases: basic characteristics extraction from the voice signal and classification. In the extraction phase, one proposed goal was the application of recent advances in DSP theory to the problem approached in this work. In this context, the fundamental frequency and the formant frequencies were employed as parameters to identify the speaker. The first one was obtained through the use of autocorrelation and the second ones were obtained through Fourier transform. These parameters were extracted from the portion of speech where the vocal tract presents a coarticulation between two voiced sounds. This approach is used to extract the characteristics of this apparatus vocal changing. In this work, the Multi-Layer Perceptron (MLP) ANN architecture was investigated in conjunction with the backpropagation learning algorithm. In this sense, some main characteristics extracted from the signal (voice) were used as input parameters to the ANN used. The output of MLP, trained previously with the speakers features, returns the authenticity of that signal. Tests were performed with 10 different male speakers, whose age were in the range from 18 to 24 years. The results are very promising. In this work it is also presented an approach to implement a speaker recognition system by applying conventional methods to the speaker classification process. The methods used are Dynamic Time Warping (DTW) and Vector Quantization (VQ).