E. coli Patogênicas Aviárias (APEC) são uma das causas de doenças extra-intestinais em aves, as quais trazem grande prejuízo econômico para o setor avícola mundial. Os avanços nas pesquisas vêm aumentando o entendimento dos mecanismos de patogenicidade das APEC, demonstrando a grande importância da interação dos diversos fatores de virulência na determinação da sua patogenicidade. Redes Neurais Artificiais (RNAs) têm mostrado ser uma poderosa ferramenta para uma vasta gama de aplicações. Neste trabalho, o foco na aplicação da RNA é na predição (0 a 10) da patogenicidade de amostras APEC. Em 489 isolados APEC foram analisados a presença de 38 genes associados a virulência, o Índice de Patogenicidade (IP) in vivo e a motilidade das amostras. Duas RNAs foram construídas utilizando o software Neuroshell Classifier 2.1 (Ward Systems Group, Inc., Frederick, MD, USA) em duas fases distintas: treinamento e validação. Utilizou-se como camada de entrada, informações sobre a presença ou ausência dos 38 genes de virulência e a motilidade de cada uma das amostras, com uma camada de saída formada pelo IP in vivo previamente determinado. As RNAs construídas apresentaram uma classificação correta acima de 90%, sendo que a rede 1 apresentou uma classificação de 91,62 e a rede 2 de 99,03%. A rede 2 obteve uma especificidade superior a 99,64% em todas as categorias e uma sensibilidade superior a 92,86%. Isso demonstra que o método aqui proposto, revelou ser uma ótima ferramenta de suporte às decisões de médico veterinário, descartando no futuro a inoculação de animais. / Avian Pathogenic Escherichia coli (APEC) are one of the causes of extraintestinal diseases in birds, and cause considerable economic losses to the poultry industry worldwide. Advances in research have increased understanding of pathogenic mechanisms of APEC, and have demonstrated the importance of the interaction of several virulence factors in determining their pathogenicity. Artificial Neural Networks (ANN) have shown to be a powerful tool for a wide range of applications. In this paper, the focus on neural network applications in the prediction (index of 0-10) of the pathogenicity of isolates APEC. In 489 APEC isolates were analyzed: 38 virulenceassociated genes, the Pathogenicity Index (PI) in vivo and motility of the strains. Two ANNs were constructed using the software Neuroshell Classifier 2.1 (Ward Systems Group, Inc., Frederick, MD, USA) in two distinct phases: training and validation. We used as input layer, information about the presence or absence of the 38 virulenceassociated genes and the motility of each of the samples, with an output layer formed by a previously-determined PI in vivo. The ANNs showed a correct classification of the PI above of 90%, being that the network 1 had a rating of 91.62% and the network 2 of 99.03%. The network 2 obtained a specificity of over 99.64% and sensitivity greater than 92.86% in all categories. This demonstrates that the method proposed here has proven to be a great decision support tool for the veterinarian, thereby dispensing the inoculation of animals in the future.

Avaliamos as previsões fora da amostra da curva de juros geradas por modelos de redes neurais artificiais e as comparamos com os modelos tradicionalmente usados para este fim. A curva de juros foi segmentada em três regiões distintas e para cada uma dessas regiões e horizontes de previsão, foram estimados duas classes de modelos de redes neurais (modelos dinâmicos e modelos estáticos), totalizando 198 modelos estimados. Afim de verificar a significância estatística das previsões dos modelos de RNA em relação aos outros modelos, foi realizado o teste Diebold-Mariano. Os resultados mostram que em média, os modelos estimados através de RNA conseguiram superar as previsões realizadas pelo random walk em todos os horizontes de previsão, sendo essas previsões em torno de 2% e 5% melhores para os horizontes de 1 dia e 1 semana a frente, e de 12% e 7% melhores para os horizontes mais longos, de 1 mês e 3 meses. Além disso, apresentou previsões em torno de 15% e 10% melhores que o modelo de NS para os horizontes de 1 mês e 3 meses a frente. Concluimos que os modelos de redes neurais são capazes de realizar previsões superiores para todos os horizontes testados, principalmente para região de curto prazo da curva, com destaque especial para as previsões com horizontes de 1 dia e 1 semana a frente. / We evaluate the out of sample forecasts of the yield curve generated by artificial neural network models and compare them with the models traditionally used for this purpose. The yield curve was segmented into three distinct regions and for each region and forecast horizons, we estimated two classes of neural network models (dynamic models and static models), totaling 198 models estimated. In order to check the statistical significance of the model predictions of RNA compared to other models, was performed the Diebold-Mariano’s test. The results show that on average, the models estimated using RNA overcame the predictions made by the random walk at all forecast horizons, and these forecasts around 2% and 5% better for horizons of 1 day and 1 week forward and 12% and 7% better for longer horizons, 1 month and 3 months. Moreover, forecasts showed around 15% and 10% better than the NS model for horizons of 1 month and 3 months ahead. We conclude that the neural network models are capable of superior forecasts for all horizons tested, especially for short-term region of the curve, with particular attention to the forecasts with horizons of 1 day and 1 week ahead.

Neste estudo realizamos uma prova de conceito através da combinação de três técnicas com a finalidade de monitorar a mosturação e fermentação da cerveja durante o processo de fabricação. O princípio deste trabalho é baseado em uma análise espectral, utilizando um equipamento de absorção na região do infravermelho médio por transformada de Fourier (FTIR - Fourier Transform Infrared) de amostras coletadas durante a fabricação da cerveja. Combinado com técnicas de processamento de Análise de Componentes Principais e Redes Neurais Artificiais é possível quantificar a concentração dos principais carboidratos e etanol presentes nestas amostras. Estas medidas físicas e químicas irão permitir a redução de erros durante a produção de cerveja além de optimizar as reações enzimáticas intrínsecas de suas principais etapas de análise. As técnicas ópticas de absorção, juntamente com o processamento neural, apresentam grandes vantagens, principalmente devido ao fato de serem facilmente adaptáveis aos equipamentos industriais, fornecendo respostas em curtos intervalos de tempo com alta sensibilidade e especificidade. / This study is fundamentally a proof of concept. By the combination of three techniques, our aim is to develop a new method of monitoring beer wort production and fermentation during brewing. The principle is based on spectral analyses, using Fourier Transform Infrared (FTIR) spectroscopy to collect absorption data from beer wort samples. This data is refined by the application of a statistical method, Principal Component Analysis (PCA), to reduce the number of variables. A computational method, Artificial Neural Network (ANN), enables quantification of carbohydrates and ethanol concentrations. Such physical-chemical measurements are expected to allow both reduction of mistakes during beer processing and optimization of enzymatic reactions, enhancing brewing processes. Optical absorption techniques associated with Artificial Neural Network present great advantages, mainly because the first ones are more easily inserted in industries than the latter ones, since they enable assessing the process status at short intervals, with high sensibility ; specificity.

Submitted by Franciele Moreira (francielemoreyra@gmail.com) on 2018-08-17T13:33:19Z No. of bitstreams: 2 Dissertação - Carlos Alberto de Sousa Parente Rodrigues - 2018.pdf: 6333824 bytes, checksum: a035fcc2026db7dbe0a7b6945a83690e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2018-08-20T10:46:35Z (GMT) No. of bitstreams: 2 Dissertação - Carlos Alberto de Sousa Parente Rodrigues - 2018.pdf: 6333824 bytes, checksum: a035fcc2026db7dbe0a7b6945a83690e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-08-20T10:46:35Z (GMT). No. of bitstreams: 2 Dissertação - Carlos Alberto de Sousa Parente Rodrigues - 2018.pdf: 6333824 bytes, checksum: a035fcc2026db7dbe0a7b6945a83690e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2018-03-16 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / This work presents a study of convolutional networks to segment and classify images. The purpose of this network is to eventually give more autonomy to LEIA 1 robot, using the computer vision information in its processing. Methods such as this attempts to adapt the visual perception system of living beings. The complexity of this task lies in not having sufficient understanding of the biological system to model a system capable of processing images with the same speed and efficiency as a human. To accomplish this work, two different convolutional network architectures were validated. The first network has 13 layers, while the second has 15 layers, and more adjustable weights than the first one. For training and validation, a slice of Playing for Data dataset was used and adapted. The training set was composed of 300 images, and the network was validated using 2500 patterns. For each architecture, three training routines were performed, using the Adam, Nadam and Adamax methods. The most relevant results used the 15-layer architecture with Adamax optimizer. / Este trabalho apresenta um estudo de redes convolucionais para segmentar e classificar imagens. O objetivo desta rede é futuramente deixar o robô LEIA 1 mais autônomo, utilizando as informações de visão computacional no seu processamento. Métodos como esse são tentativas de adaptação do sistema de processamento de visão dos seres vivos. A complexidade desta tarefa está em não haver entendimento suficiente do sistema biológico para modelar um sistema capaz de processar imagens com a mesma velocidade e eficiência que um ser humano. Para realizar este trabalho, duas diferentes arquiteturas de redes completamente convolucionais foram validadas. A primeira rede possui 13 camadas, enquanto a segunda possui 15 camadas, e mais pesos ajustáveis do que a primeira. Para o treinamento e validação, uma parcela do dataset Playing for Data foi utlizado e adaptado. O conjunto de treinamento foi composto de 300 imagens, e a rede foi validada utilizando 2500 padrões. Para cada arquitetura, três rotinas de treinamento foram executadas, com os métodos Adam, Nadam e Adamax. Os resultados mais relevantes utilizaram a arquitetura de 15 camadas com o otimizador Adamax.

Os sistemas de classificação maciços rochosos e as redes neurais artificiais possuem diversas similaridades. Existem características que estão presentes nos dois tipos de sistemas: bases de dados são usadas para o seu desenvolvimento; e pesos são parte da representação do conhecimento. Os principais sistemas de classificação geomecânicas (Sistema Q e RMR) podem ser escritos como representações neurais locais. Tais representações permitem uma melhor compreensão do processo de classificação e identificação de padrões realizado pelas classificações convencionais. Experimentos convencionais foram realizados com modelos de redes neurais não-supervisionados. Os modelos não supervisionados permitiriam uma melhor compreensão da distribuição dos dados no espaço de feições. Um modelo supervisionado para escavações subterrâneas em todo domínio do espaço de feições. Importantes relações entre características foram encontradas. / Rock mass classification systems and artificial neural networks have several similarities. There is some characteristics present in both systems: data bases are used in they development, and weights are part of the knowledge representation. The main rock mass classification systems (Q-system and RMR) can be written as local neural network representations. This representation helps a better understanding of the pattern classification and identification process made by the conventional classifications. Computational experiments were made with unsupervised and supervised neural networks models. Unsupervised models allow a better understanding of the data in the feature space. A supervised model allow to make a mapping of the support type used in underground excavation in all feature space domain. Important relations between domain regions characteristics and type of support used were found.

Esta tese propõe a utilização de sistemas inteligentes para, automaticamente, realizar diagnósticos e localizar falhas na instalação e na operação de redes de comunicação industrial que utilizam o protocolo Profibus DP. Para tais tarefas, uma série de análises é realizada a partir dos sinais transmitidos pela camada física, de telegramas transmitidos pela camada de enlace e de funções da camada de usuário do protocolo Profibus DP. Para a análise da camada física, amostras dos sinais elétricos transmitidos são processadas e apresentadas a algumas Redes Neurais Artificiais para que sejam classificadas de acordo com a sua forma de onda. Caso estes sinais apresentem alguma deformação, o sistema indica uma provável causa para o problema, afinal, os problemas das redes Profibus originam padrões específicos e característicos impressos nas formas de onda do sinal digital. Ainda através da análise das amostras dos sinais oriundos da camada física, algumas fontes de problemas são detectadas a partir da análise do nível médio de tensão do sinal que um determinado dispositivo está transmitindo. Tal análise é realizada a partir de um Sistema Especialista. Também utilizando Sistemas Especialistas, os telegramas transmitidos pela camada de enlace deste protocolo são analisados e a partir destes, falhas de configuração são detectadas. Por fim, é proposto um sistema nebuloso responsável por indicar ao usuário um valor próximo ao ideal para a variável de tempo denominada target rotation time. A proposta foi testada e validada a partir de dados obtidos de redes Profibus estabelecidas em laboratório e de alguns dados sintéticos originados por software. Os resultados obtidos foram suficientes para a comprovação da tese de que sistemas computacionais inteligentes podem contribuir de maneira efetiva no diagnóstico de problemas em redes Profibus DP e até mesmo em outros tipos de rede. / This thesis proposes the use of intelligent systems to automatically perform diagnostics and locate faults during the installation and operation of industrial communication networks that use the Profibus DP protocol. For such tasks, some analyzes are performed from the signals transmitted by the physical layer, from telegrams transmitted by the data link layer and from some user layer functions of the Profibus DP protocol. For physical layer analysis, the transmitted electrical signals samples are processed and submitted for some artificial neural networks that classifies each signal according to its waveshape. If these signals have some deformation, the system indicates a probable cause for the problem, after all, the Profibus problems originate specific and characteristic patterns printed on the digital signal waveform. Still analyzing the physical layer signal samples, some problems sources are detected from the signal voltage analysis. Such analysis is performed from an Expert System. Also using expert systems, the data link layer telegrams are analyzed and configuration faults are detected. Finally, it is proposed a fuzzy system responsible for specify a value close to ideal for the target rotation time variable. The proposal has been tested and validated with data from Profibus networks established in laboratory. Besides, some synthetic data were generated by software. The results were sufficient to prove the thesis that intelligent computational systems can contribute effectively to diagnose problems in Profibus DP networks and even in other types of networks.

Dentre as técnicas de posicionamento utilizando os sistemas de navegação por satélite globais (GNSS - Global Navigation Satellite Systems), merece destaque a que utiliza dados de uma rede de estações GNSS para gerar estações de referência virtuais. Desde que as estações da rede não estejam separadas por mais de 100 km e o receptor do usuário esteja dentro da região interna à rede de referência, esta técnica de posicionamento pode proporcionar posicionamento com precisão melhor que 10 cm a usuários de receptores de uma frequência. No entanto, o posicionamento em tempo-real pode ser inviabilizado caso ocorra problema de comunicação com as estações da rede de referência. Tendo em vista a relação do conteúdo total de elétrons (TEC - Total Electron Content) com o atraso ionosférico de primeira ordem, esta pesquisa apresenta uma forma de se prever 72 horas do TEC na direção vertical (VTEC - Vertical Total Electron Content) regionalmente com a arquitetura de redes neurais artificiais (RNA) denominada perceptrons de múltiplas camadas (MLP MultiLayer Perceptrons). A metodologia de previsão do VTEC proposta foi empregada na geração de estações de referência virtuais, onde arquivos de previsão do atraso troposférico zenital, produzidos pelo Instituto Nacional de Pesquisas Espaciais (INPE), foram utilizados para considerar o atraso provocado pela atmosfera neutra e as efemérides preditas pelo serviço internacional do GNSS (IGS - International GNSS Service) foram empregadas para calcular a posição dos satélites. As RNA foram treinadas e avaliadas com dados de VTEC extraídos dos mapas da ionosfera globais (GIM - Global Ionospheric Map) produzidos pelo IGS e dos arquivos produzidos com o software Mod_Ion, ambos no formato IONEX (IONosphere Map EXchange), mostrando que o VTEC pode ser previsto por 72 horas com diferença média quadrática (RMS Root Mean Square) que varia de 1,2 unidades de TEC (TECU - TEC Units) a 12,5 TECU, em baixa e alta atividade solar, respectivamente. Dezoito linhas de base, localizadas no oeste do Estado de São Paulo, foram calculadas utilizando estações de referência virtuais e estações de referência reais, verificando-se que o posicionamento relativo tridimensional empregando a metodologia proposta apresentou RMS de aproximadamente 46 cm. Quando avaliada no posicionamento absoluto preciso (PPP Precise Point Positioning), o RMS relacionado com o posicionamento tridimensional foi de 26 cm. / The positioning technique that uses data from a network of GNSS reference stations to generate virtual reference stations should be detached among the Global Navigation Satellite Systems (GNSS) positioning techniques. Since the inter reference station distances are up to 100 km and the user receiver is within the internal region of the network, this technique can provide single frequency receiver users positioning with better accuracy than 10 cm. However, real-time positioning can be impracticable if communication breakdown involving such reference stations occurs. Given the relation between the Total Electron Content (TEC) and the first-order ionospheric delay, this research presents a way to predict 72 hours of vertical TEC (VTEC) regionally using the Artificial Neural Networks (ANN) architecture called MultiLayer Perceptorns (MLP). The proposed VTEC prediction methodology was employed in the generation of virtual reference stations, where files of prediction of zenithal tropospheric delay, produced by the National Institute For Space Research (INPE Instituto de Pesquisas Espaciais), were used to take the neutral atmospheric delay into account and the precise ephemeris predicted by the GNSS International Service (GNSS) were employed to compute satellites positioning. ANN were trained and assessed using VTEC data from the Global Ionospheric Maps (GIM) produced by IGS and the files produced by Mod_Ion software, both in IONEX (IONosphere Map EXchange) format, showed VTEC can be predicted for 72 hours with Root Mean Square difference (RMS) of about 1.2 TEC units (TECU) and 12.5 TECU, respectively, in low solar activity and high solar activity. Eighteen baselines, in the west region of Sao Paulo State, were computed using virtual reference stations and real reference stations, verifying that the three-dimensional relative positioning using the proposed methodology showed RMS of 46 cm. When assessed by precise point positioning (PPP), the three-dimensional RMS positioning was of 26 cm.

Neste trabalho está apresentada uma alternativa para o cálculo do fator de concentração de tensões (FCT) em juntas tubulares soldadas do tipo Y. Redes Neurais Artificiais (RNA) foram utilizadas para representar a distribuição de tensões ao longo da junta tubular para os casos de carregamento força axial no plano e momento fletor no plano. As RNA podem aprender a partir de um conjunto de dados sem a necessidade de uma expressão matemática entre as variáveis dependentes e independentes; representa uma vantagem sobre o procedimento normalmente utilizado, ou seja, as equações paramétricas. O modelo proposto representa um avanço no projeto de juntas tubulares, uma vez que evita a necessidade de se conhecer uma expressão matemática para representar a distribuição de tensões na junta e fornece um método mais preciso para avaliar a distribuição de tensões ao longo da junta soldada. O conjunto de dados utilizado foi formado a partir de simulações numéricas das juntas soldadas através do MEF, nas quais foi considerada a geometria do cordão de solda. / An alternative approach to calculate stress concentration factors (SCF) in Y-type welded tubular joints is presented. Artificial Neural Networks (ANN) were used to represent the stress distribution along the tubular joints in both in-plane axial force and in-plane bending moment load cases. ANN can learn from a database without establishing a mathematical expression between dependent and independent variables, which is an advantage over the usual parametric equations approach. The proposed model represents an improvement in the tubular joints design, since it avoids the previous knowing of a mathematical expression to represent the stress distribution in the joint and provides an accurate method to evaluate the stress distribution along the welded fillet joint. The database herein used was completed with FE simulations of tubular joints which consider the geometry of the weld fillet.

Este trabalho tem como objetivo principal apresentar uma metodologia para estimação da idade óssea baseada no método de Eklof & Ringertz utilizando redes neurais artificiais como classificador, com a finalidade de auxiliar o diagnóstico do radiologista e diminuir a dimensionalidade dos dados analisados pela rede neural, diminuindo a quantidade de centros de ossificação do método utilizado. A metodologia contém um processo automático de extração de características de imagens radiográficas da mão. Na etapa de classificação é utilizada a rede neural perceptron multicamadas, com o algoritmo de treinamento de Levenberg-Marquardt. As características extraídas da imagem são utilizadas como entrada para a rede neural, e os dados do Atlas de Eklof & Ringertz são utilizados como matriz de treinamento. Os resultados da etapa de classificação chegaram a uma taxa de 95% de acerto ao utilizar um centro de ossificação a menos que o método de Eklof & Ringertz simplificado / Grounded an Eklof & Ringertz’s method and using artificial neural networks as classifier, the main purpoise of this work is to present a methodology to reckon the bone age to the effect to help the radiologist’s diagnosis and to reduce the dimensionality of the data analyzed by neural network, reducing the quantity of the ossification’s centers of the used method. The methodology holds an automatic process to the hands radiographies image’s features. The multilayer perceptron neural network is used in the classification stage, with the Levemberg-Marquardt’s training algorithm. The taken image’s features are used as an input to the neural network, and Eklof & Ringertz’s Atlas data are used as training source. The results of the classification stage reached a rate of 95% of accuracy when applying the Eklof & Ringertz’s simplified method, excluding one of the ossification center

CoordenaÃÃo de AperfeiÃoamento de Pessoal de NÃvel Superior / Esta investigaÃÃo propÃe o desenvolvimento de um mÃtodo para a localizaÃÃo e prediÃÃo das caracterÃsticas geotÃcnicas dos solos que possa contribuir para o processo da tomada de decisÃo, quanto à sua utilizaÃÃo, para fins de pavimentaÃÃo. Utilizou-se Geoprocessamento e Redes Neurais Artificiais (RNAs) como tÃcnicas de modelagem, bem como variÃveis biofÃsicas e espaciais como explicativas dos fenÃmenos modelados. As caracterÃsticas pesquisadas (pedologia, geologia, geomorfologia, vegetaÃÃo, altimetria e posiÃÃo) se correlacionaram com as variÃveis geotÃcnicas estimadas (classificaÃÃo TRB - Transportation Research Board e CBR - California Bearing Ratio) para solos provenientes da RegiÃo Metropolitana de Fortaleza (RMF). Assim, desenvolveu-se trÃs modelos de RNAs que foram calibrados, validados e testados. Dois desses modelos foram dedicados à geraÃÃo de estimativas de CBR nas energias de compactaÃÃo normal (CBR-N) e intermediÃria (CBR-I). O terceiro modelo foi elaborado para geraÃÃo de estimativas da classificaÃÃo TRB dos solos da RMF. As caracterÃsticas geotÃcnicas estimadas por estes modelos possibilitaram a elaboraÃÃo dos chamados Mapas GeotÃcnicos Neurais, estratificados para previsÃo dos valores de CBR-N, CBR-I e ClassificaÃÃo TRB. Adicionalmente, os mapas produzidos e todas as informaÃÃes da pesquisa foram disponibilizados em um Sistema de InformaÃÃes GeogrÃficas Web (SIG-Web), de forma a possibilitar seu uso em projetos viÃrios e estudos acadÃmicos futuros, tanto para download dos mapas gerados, quanto para geraÃÃo de estimativas para uma Ãrea especÃfica da RMF. AlÃm disso, disponibilizou-se ao SIG-Web um realimentador de pontos geotÃcnicos para permitir uma recalibraÃÃo futura dos modelos na tentativa de melhorar a qualidade das estimativas geradas que atualmente à superior a 90% de taxa de acerto. / This research focuses on the development of a method, aimed to predicting and positioning the geotechnical characteristics of soils that may contribute to the process of decision making of its use for paving purposes. Were used Geoprocessing and Artificial Neural Networks (ANN) modeling techniques, as well as spatial and biophysical variables of the phenomena modeled. The characteristics studied (pedology, geology, geomorphology, vegetation, altimetry and position) were correlated with the estimated geotechnical variables (TRB Classification and CBR) for soils from the metropolitan region of Fortaleza, Cearà (RMF). Three models of ANNs were developed calibrated, validated and tested. Two of these models were dedicated to generating estimates of CBR in the normal (CBR-N) and intermediate (CBR-I) compaction modes. The third model was developed to generate estimates of the geotechnical characteristics of the soils from the RMF Classification TRB. The geotechnical characteristics estimated by these models enabled the preparation of Neural Geotechnical Maps, stratified for values of CBR-N, CBR-I and TRB Classification. The maps produced and all the survey information was made available on a Web Geographic Information System (Webmapping), thus allowing its use in road projects and future academic studies, both to download the maps and to generate estimates for RMF. In addition, provided to the Webmapping a geotechnical receiver points, to allow recalibration of future models in an attempt to improve the quality of the estimates that currently is more than 90% accuracy rate.