Made available in DSpace on 2017-07-21T14:19:37Z (GMT). No. of bitstreams: 1 CLAUDIO KAPP JUNIOR.pdf: 1815678 bytes, checksum: d0a947fefc0e6b1b5a0242eb975f3cb7 (MD5) Previous issue date: 2013-03-18 / No-till systems with diversified crop rotations have stood out of the most effective strategies to improve the sustainability of farming in tropical and subtropical regions. Wheat (Triticum aestivum L.) is one of the most important crops used in this rotation during the autumn-winter season. Nitrogen (N) is uptake in larger amounts by plants, it is essential for the structure and functions in the cell, for all enzymatic reactions and is part of the chlorophyll molecules. Nitrogen fertilizers represent a significant part of the costs of production and due to the dynamics of N in soil, losses of N occur and cause economic and environmental damages. In the same agricultural area may exist changing demands for this nutrient. The attributes of the plant commonly used as indicators of N are NO3- content in stem, leaf chlorophyll content, the intensity of the green color and the N foliar content, dry biomass, and the extraction of N by plants. Lower levels of N can cause chlorophyll deficiency that is recognized by whitish or pale foliar coloration, and this changing in plant color can be identified using remote sensing techniques. This study aimed to evaluate the correlations between spectral reflectance data obtained by commercial ground sensors (Clorofilog 1030, GreenSeeker, and Crop Circle ACS-470) and attributes of wheat crop in response to N rates in top dressing under a no-till system. The efficiency of the sensors was evaluated in two ways: (i) by classical statistical methods, and (ii) through the application of Artificial Neural Networks, a machine learning technique. For the use of Artificial Neural Networks, this study compared the performance of the algorithms Resilient Propagation and Backpropagation. Because wheat plants exhibited adequate nutritional status, even without N application in top dressing, Clorofilog 1030 readings were not sensitive to variations of N rates. Thus, this sensor also did not correlate significantly with the N foliar content, dry biomass, and the extraction of N by wheat plants. The indices obtained by reflectance sensors Crop Circle and GreenSeeker had close correlation with the rates of N in top dressing, dry biomass, and the extraction of N by wheat plants. The Crop Circle and GreenSeeker sensors showed weaker correlation with the N content in leaves, and especially with the wheat grain yield. In this way, it was evident that grain yield has not followed the dry biomass production when high wheat grain yields were obtained. The correlation coefficients obtained by the Resilient Propagation and Backpropagation algorithms were similar to those found by statistical analysis. The Artificial Neural Networks technique had satisfactory behavior similar to classical statistical methods. / O sistema plantio direto com rotação diversificada de culturas tem sido apontado como uma das melhores estratégias para aumentar a sustentabilidade da agricultura em regiões tropicais e subtropicais. Uma das culturas de maior importância nessa rotação durante a estação de outono–inverno é o trigo (Triticum aestivum L.). O nitrogênio (N) é um dos nutrientes extraídos em maior quantidade pelas plantas, sendo essencial para a estrutura e funções nas células, para todas as reações enzimáticas e faz parte das moléculas de clorofila. Os fertilizantes nitrogenados representam parte significativa dos custos da produção agrícola e, em razão da dinâmica do N no solo, perdas consideráveis de N podem ocorrer e causar prejuízos econômicos e ambientais. Em uma mesma área agrícola podem existir demandas variáveis por este nutriente. Os atributos da planta mais utilizados como indicadores de N são o teor de NO3- no colmo, o teor de clorofila, a intensidade da cor verde e o teor de N na folha bandeira, a produção de matéria seca da parte aérea e a extração de N pelas plantas. Níveis baixos de N podem ocasionar deficiência de clorofila que é reconhecida pela coloração pálida ou mesmo esbranquiçada da folha, e esta variação de coloração da planta pode ser identificada por meio de técnicas de sensoriamento remoto. Este trabalho teve o objetivo de estudar as correlações entre dados de refletância espectral obtidos por sensores terrestres comerciais (Clorofilog 1030, GreenSeeker e Crop Circle ACS-470) e atributos de desempenho da cultura do trigo em resposta à doses de N aplicadas em cobertura no sistema plantio direto. A eficiência dos sensores foi avaliada de duas maneiras: (i) por meio de métodos estatísticos clássicos e (ii) por meio da aplicação de Redes Neurais Artificiais com uso da técnica de aprendizado de máquina, software MatLab. Para a utilização de Redes Neurais Artificiais, este trabalho comparou o desempenho dos algoritmos Backpropagation e Resilient Propagation. Os resultados mostraram que as leituras do Clorofilog 1030 não foram sensíveis às variações das doses de N aplicadas em cobertura na cultura do trigo, pois as plantas de trigo apresentaram bom estado nutricional, mesmo sem aplicação de N em cobertura. Logo, este sensor também não teve correlação significativa com o teor de N na folha bandeira, a produção de matéria seca da parte aérea e a extração de N pelas plantas de trigo. Os índices obtidos pelos sensores de refletância Crop Circle e GreenSeeker tiveram estreita correlação com as doses de N aplicadas em cobertura, a produção de matéria seca da parte aérea e a extração de N pelas plantas de trigo. Os sensores Crop Circle e GreenSeeker apresentaram correlação mais fraca com o teor de N no tecido foliar e, principalmente, com a produtividade de grãos de trigo. Isso aconteceu porque ficou bem evidenciado que a produtividade de grãos não acompanhou os ganhos de matéria seca da parte aérea do trigo, quando os rendimentos de grãos de trigo foram elevados. Os coeficientes de correlação obtidos pelos algoritmos Backpropagation e Resilient Propagation foram semelhantes aos encontrados pelas análises estatísticas. A técnica de Redes Neurais Artificiais teve comportamento satisfatório e similar aos métodos estatísticos clássicos.

A teoria das redes complexas tem se tornado cada vez mais em uma poderosa teoria computacional capaz de representar, caracterizar e examinar sistemas com estrutura não trivial, revelando características intrínsecas locais e globais que facilitam a compreensão do comportamento e da dinâmica de tais sistemas. Nesta tese são exploradas as vantagens das redes complexas na resolução de problemas relacionados com tarefas do âmbito musical, especificamente, são estudadas três abordagens: reconhecimento de padrões, mineração e síntese de músicas. A primeira abordagem é desempenhada através do desenvolvimento de um método para a extração do padrão rítmico de uma peça musical de caráter popular. Nesse tipo de peças coexistem diferentes espécies de padrões rítmicos, os quais configuram uma hierarquia que é determinada por aspectos funcionais dentro da base rítmica. Os padrões rítmicos principais são caracterizados por sua maior incidência dentro do discurso musical, propriedade que é refletida na formação de comunidades dentro da rede. Técnicas de detecção de comunidades são aplicadas na extração dos padrões rítmicos, e uma medida para diferenciar os padrões principais dos secundários é proposta. Os resultados mostram que a qualidade da extração é sensível ao algoritmo de detecção, ao modo de representação do ritmo e ao tratamento dado às linhas de percussão na hora de gerar a rede. Uma fase de mineração foi desempenhada usando medidas topológicas sobre a rede obtida após a remoção dos padrões secundários. Técnicas de aprendizado supervisionado e não-supervisionado foram aplicadas para discriminar o gênero musical segundo os atributos calculados na fase de mineração. Os resultados revelam a eficiência da metodologia proposta, a qual foi constatada através de um teste de significância estatística. A última abordagem foi tratada mediante o desenvolvimento de modelos para a composição de melodias através de duas perspectivas, na primeira perspectiva é usada uma caminhada controlada por critérios sobre redes complexas predefinidas e na segunda redes neurais recorrentes e sistemas dinâmicos caóticos. Nesta última perspectiva, o modelo é treinado para compor uma melodia com um valor preestabelecido de alguma característica tonal subjetiva através de uma estratégia de controle proporcional que modifica a complexidade de uma melodia caótica, melodia que atua como entrada de inspiração da rede. / The theory of complex networks has become increasingly a powerful computational tool capable of representing, characterizing and examining systems with non-trivial structure, revealing both local and global intrinsic structures that facilitate the understanding of the behavior and dynamics of such systems. In this thesis, the virtues of complex networks in solving problems related to tasks within the musical scope are explored. Specifically, three approaches are studied: pattern recognition, data mining, and synthesis. The first perspective is addressed by developing a method for extracting the rhythmic pattern of a piece of popular music. In that type of musical pieces, there coexist different types of rhythm patterns which constitute a hierarchy determined by functional aspects within the basic rhythm. The main rhythmic patterns are characterized by a higher incidence within the musical discourse and this factor is reflected in the formation of communities within the network constructed from the music piece. Community detection techniques are applied in the extraction of rhythmic patterns, and a measure to distinguish the main patterns of the secondary is proposed. The results showed that the quality of extraction is sensitive to the detection algorithm, the method of representing rhythm, and treatment of percussion lines when generating the network. Data mining is performed using topological measures over the network obtained after the removal of secondary patterns. Techniques of supervised and unsupervised learning are applied to discriminate the musical genre according to the attributes calculated in the data mining phase. The quantitative results show the efficiency of the proposed methodology, which is confirmed by a test of statistical significance. Regarding the melody generation, an algorithm using a walk controlled by criteria on predefined complex networks has been developed, as well as the development of melody composition models using recurrent neural networks and chaotic dynamical systems. In the last approach, the model is trained to compose a melody with a subjective characteristic melodic value pre-established by a proportional control strategy that acts on the parameters of a chaotic melody as input inspiration.

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.

O monitoramento e diagnóstico, com a consequente localização dos curtos-circuitos em Sistemas de Distribuição (SD), fazem parte de um processo complexo, exigindo esforços e agilidade das equipes técnicas de manutenção das concessionárias de energia elétrica. Quando se trata de um SD Subterrâneo (SDS), a complexidade de localização das faltas aumenta, pois não é possível realizar a inspeção visual. Por este motivo, desenvolver e aprimorar métodos para monitorar, classificar e localizar as situações de faltas em SD tem sido de relevante interesse para a comunidade técnico-científica nos últimos anos. Neste contexto, apresenta-se nesta pesquisa um método para processar as informações necessárias para classificar e localizar a ocorrência de um curto-circuito (monofásico, bifásico e/ou trifásico, com e/ou sem o envolvimento da terra) em um SDS. O processamento das informações foi realizado por meio da observação da propagação dos afundamentos de tensão, decorrentes de curtos-circuitos passíveis de ocorrência no SDS, e pela alocação de um número reduzido de medidores, permitindo a classificação e localização precisa da falta. Um dos diferenciais da metodologia proposta é que esta utiliza somente os valores eficazes das tensões trifásicas, registradas em medidores estrategicamente alocados, para indicação da área afetada e classificação das fases envolvidas. A metodologia é baseada no emprego de redes neurais artificiais. Os resultados encontrados são promissores, indicando a aplicabilidade da metodologia proposta. / The monitoring and diagnostics, with the consequent localization of short circuits in Distribution Systems (DS), are part of a complex process, requiring efforts and agility of the technical teams of maintenance of electric utilities. In the case of an underground DS (UDS), the location of faults complexity increases, because it is not possible to perform visual inspection. For this reason, develop and improve methods to monitor, sort and locate the fault situations in DS has been of relevant interest to the technical-scientific community in recent years. In this context, this study presents a method for processing the information required to classify and locate the occurrence of a short circuit (single phase, biphasic and / or phase with and / or without the involvement of the earth) on a UDS. The information processing was carried out by observing the propagation of voltage sags, caused by short circuits that may occur in the UDS, and the allocation of a few meters, allowing classification and precise location of the fault. One of the proposed methodology differentials is that it uses only the RMS values of the three-phase voltages, registered in strategically located meters, for indicating the affected area and classification of the phases involved. The methodology is based on the use of artificial neural networks. The results found are promising, indicating the applicability of the proposed methodology.

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.

This research proposes a methodology to improve computed individual prediction values provided by an existing regression model without having to change either its parameters or its architecture. In other words, we are interested in achieving more accurate results by adjusting the calculated regression prediction values, without modifying or rebuilding the original regression model. Our proposition is to adjust the regression prediction values using individual reliability estimates that indicate if a single regression prediction is likely to produce an error considered critical by the user of the regression. The proposed method was tested in three sets of experiments using three different types of data. The first set of experiments worked with synthetically produced data, the second with cross sectional data from the public data source UCI Machine Learning Repository and the third with time series data from ISO-NE (Independent System Operator in New England). The experiments with synthetic data were performed to verify how the method behaves in controlled situations. In this case, the outcomes of the experiments produced superior results with respect to predictions improvement for artificially produced cleaner datasets with progressive worsening with the addition of increased random elements. The experiments with real data extracted from UCI and ISO-NE were done to investigate the applicability of the methodology in the real world. The proposed method was able to improve regression prediction values by about 95% of the experiments with real data. / Esta pesquisa propõe uma metodologia para melhorar previsões calculadas por um modelo de regressão, sem a necessidade de modificar seus parâmetros ou sua arquitetura. Em outras palavras, o objetivo é obter melhores resultados por meio de ajustes nos valores computados pela regressão, sem alterar ou reconstruir o modelo de previsão original. A proposta é ajustar os valores previstos pela regressão por meio do uso de estimadores de confiabilidade individuais capazes de indicar se um determinado valor estimado é propenso a produzir um erro considerado crítico pelo usuário da regressão. O método proposto foi testado em três conjuntos de experimentos utilizando três tipos de dados diferentes. O primeiro conjunto de experimentos trabalhou com dados produzidos artificialmente, o segundo, com dados transversais extraídos no repositório público de dados UCI Machine Learning Repository, e o terceiro, com dados do tipo séries de tempos extraídos do ISO-NE (Independent System Operator in New England). Os experimentos com dados artificiais foram executados para verificar o comportamento do método em situações controladas. Nesse caso, os experimentos alcançaram melhores resultados para dados limpos artificialmente produzidos e evidenciaram progressiva piora com a adição de elementos aleatórios. Os experimentos com dados reais extraído das bases de dados UCI e ISO-NE foram realizados para investigar a aplicabilidade da metodologia no mundo real. O método proposto foi capaz de melhorar os valores previstos por regressões em cerca de 95% dos experimentos realizados com dados reais.

As falsas memórias são um tipo falha de memória, em que o indivíduo pode (a) reconhecer como tendo visto antes um objeto ou evento que não tenha ocorrido ou (b) não reconhecer algo previamente presenciado. Estes são o falso reconhecimento e a rejeição errada. Segundo a teoria do rastro difuso, dois processos distintos agem em paralelo durante a memorização e reconhecimento, um sobre as informações literais (verbatim) e o outro sobre a essência do significado da palavra (gist). Neste trabalho é proposto um sistema modular de redes neurais artificiais que considera estes dois processos, características funcionais das estruturas cerebrais envolvidas na memorização e fluxo de informação análogo ao ocorrido no cérebro. O modelo neural é validado através de treinamento para armazenar e recuperar listas de palavras semanticamente relacionadas. Na formulação do modelo e da representação foram considerados a representação fonológica e significado das palavras, de forma a simular as computações ocorridas e os resultados obtidos em experimentos efetuados com sujeitos humanos. Nestes experimentos, 12 listas de aproximadamente 15 palavras, cada lista semanticamente relacionadas a um tema são ouvidas e, em seguida, algumas destas palavras, a palavra tema e outras palavras não relacionadas são também ouvidas e os indivíduos respondem se cada palavra fora ouvida previamente. Os resultados obtidos computacionalmente aproximam-se bastante dos resultados obtidos com sujeitos humanos, e o modelo produzido serve como base para estudo das influências dos diversos processos atuantes durante a memorização e reconhecimento. / False memories are a kind of memory failure, in which the subject may (a) recognize as known an never seen object or never happened fact or (b) don\'t recognize something that was already presented him. These are false memories and wrong rejections. According to false memory theory, two parallel processes act during memorization and recognition, one on verbatim information and other on gist information. In this work is proposed a artificial neural network model system that takes in account these two processes, functional issues about brain structures involved on memorization and the an information flow analog to the occurred in the brain. The neural model is validated by training to store in recover lists of semantically related words. In the model and representation scheme formulation, phonological and semantic informations were used intending to simulate brain computations and results of human subjects experiments. In such experiment, 12 lists of something about 15 semantically related words, are heard and, in the second step, in the sequence, many of these words, other related words and not related words are heard in a recognition test, when subjets say if that word was or was not heard during memorization steps. Results obtained from computer tests are very close of human results, and the produced model may be used as a tool for analysis of the influences of the many processes that take place during memorization and recognition.

Devido a restrições de aplicabilidade presentes nos algoritmos para a solução de problemas de otimização combinatória, os sistemas baseados em redes neurais artificiais e algoritmos genéticos oferecem um método alternativo para solucionar tais problemas eficientemente. Os algoritmos genéticos devem a sua popularidade à possibilidade de percorrer espaços de busca não-lineares e extensos. Já as redes neurais artificiais possuem altas taxas de processamento por utilizarem um número elevado de elementos processadores simples com alta conectividade entre si. Complementarmente, redes neurais com conexões realimentadas fornecem um modelo computacional capaz de resolver vários tipos de problemas de otimização, os quais consistem, geralmente, da otimização de uma função objetivo que pode estar sujeita ou não a um conjunto de restrições. Esta tese apresenta uma abordagem inovadora para resolver problemas de conexão em otimização combinatória utilizando uma arquitetura neuro-genética. Mais especificamente, uma rede neural de Hopfield modificada é associada a um algoritmo genético visando garantir a convergência da rede em direção aos pontos de equilíbrio factíveis que representam as soluções para os problemas de otimização combinatória. / Due to applicability constraints involved with the algorithms for solving combinatorial optimization problems, systems based on artificial neural networks and genetic algorithms are alternative methods for solving these problems in an efficient way. The genetic algorithms must its popularity to make possible cover nonlinear and extensive search spaces. On the other hand, artificial neural networks have high processing rates due to the use of a massive number of simple processing elements and the high degree of connectivity between these elements. Additionally, neural networks with feedback connections provide a computing model capable of solving a large class of optimization problems, which refer to optimization of an objective function that can be subject to constraints. This thesis presents a novel approach for solving connection problems in combinatorial optimization using a neurogenetic approach. More specifically, a modified Hopfield neural network is associated with a genetic algorithm in order to guarantee the convergence of the network to the equilibrium points, which represent feasible solutions for the combinatorial optimization problems.

[pt] O aumento dos custos relacionados aos processos de manutenção em estruturas como aeronaves, aliadas à crescente demanda das mesmas, alimentam a necessidade de investimentos em técnicas inovadoras de monitoramento estrutural. Dessa forma, o trabalho realizado nesta tese, busca o desenvolvimento de uma técnica de monitoramento ativo, visando o acompanhamento de parâmetros da estrutura analisada, a fim de identificar e caracterizar processos de dano não visíveis, tais como corrosão e delaminação. A metodologia empregada, teve como base a análise dos padrões de deformação superficial, obtidos com o uso de grades de sensores à fibra óptica baseadas em redes de Bragg (FBG). Inicialmente, tais padrões foram provocados por carregamentos estáticos (tração), e posteriormente por atuadores PTZ fixados à estrutura. Estes últimos são submetidos a uma voltagem alternada e frequência fixa. Esta técnica apresenta todas as vantagens dos sensores FBG (massa e dimensões reduzidas, imunidade eletromagnética, elevado poder de multiplexação e alta sensibilidade entre outras), alem de permitir a visualização de alterações nos padrões de deformação, provocados por danos, através da variação da frequência de excitação. Com relação à interpretação dos resultados, a estratégia empregada consistiu em separar o problema de detecção e caracterização dos danos. Dessa forma, a detecção é realizada comparando a energia das deformações superficiais dos corpos de prova nos casos com e sem defeito, enquanto a caracterização é obtida através a utilização de redes neurais artificiais (RNA), por meio de rotinas de reconhecimento de padrões. / [en] The higher costs related to maintenance processes in structures such as aircraft, coupled with the growing demand of them, fueling the need for investment in innovative techniques for structural monitoring. Thus, the work done in this thesis seeks to develop a technique of active monitoring, aiming at monitoring of structure parameters analyzed in order to identify and characterize processes of hidden damage such as corrosion and delamination. The maid methodology was based on the analysis of patterns of surface deformation, obtained with the use of nets of optical fiber sensors based on fiber Bragg gratings ( FBG ). Initially, these patterns were caused by static loads (tension ), and later by PTZ actuators fixed to the frame, who are subjected to an AC voltage and fixed frequency. This technique has all the advantages of the FBG s sensors (mass and small dimensions, electromagnetic immunity, high multiplexing s power and high sensitivity among others), in addition to allowing visualization of changes in the patterns of deformation caused by damage, by varying the frequency excitation. With respect to the interpretation of the results, the strategy employed was to separate the problem of detection and characterization of damage. Thus, the detection is performed by comparing the deformation energy of the surface of the specimens in the cases with and without defect, whereas the characterization is obtained through the use of artificial neural networks (ANN) by means of pattern recognition routines.

[pt] Estudos empíricos na área de séries temporais indicam que combinar modelos preditivos, originados a partir de diferentes técnicas de modelagem, levam a previsões consensuais superiores, em termos de acurácia, às previsões individuais dos modelos envolvidos na combinação. No presente trabalho é apresentada uma metodologia de combinação convexa de modelos estatísticos de previsão, cujo sucesso depende da forma como os pesos de combinação de cada modelo são estimados. Uma Rede Neural Artificial Perceptron Multi-camada (Multilayer Perceptron - MLP) é utilizada para gerar dinamicamente vetores de pesos ao longo do horizonte de previsão, sendo estes dependentes da contribuição individual de cada previsor observada nos dados históricos da série. O ajuste dos parâmetros da rede MLP é efetuado através de um algoritmo de treinamento híbrido, que integra técnicas de busca global, baseadas em computação evolucionária, junto com o algoritmo de busca local backpropagation, de modo a otimizar de forma simultânea tanto os pesos quanto a arquitetura da rede, visando, assim, a gerar de forma automática um modelo de ponderação dinâmica de previsores de alto desempenho. O modelo proposto, batizado de Neural Expert Weighting - Genetic Algorithm (NEW-GA), foi avaliado em diversos experimentos comparativos com outros modelos de ponderação de previsores, assim como também com os modelos individuais envolvidos na combinação, contemplando 15 séries temporais divididas em dois estudos de casos: séries de derivados de petróleo e séries da versão reduzida da competição NN3, uma competição entre metodologias de previsão, com maior ênfase nos modelos baseados em Redes Neurais. Os resultados demonstraram o potencial do NEWGA em fornecer modelos acurados de previsão de séries temporais. / [en] Empirical studies on time series indicate that the combination of forecasting models, generated from different modeling techniques, leads to higher consen+sus forecasts, in terms of accuracy, than the forecasts of individual models involved in the combination scheme. In this work, we present a methodology for convex combination of statistical forecasting models, whose success depends on how the combination weights of each model are estimated. An Artificial Neural Network Multilayer Perceptron (MLP) is used to generate dynamically weighting vectors over the forecast horizon, being dependent on the individual contribution of each forecaster observed over historical data series. The MLP network parameters are adjusted via a hybrid training algorithm that integrates global search techniques, based on evolutionary computation, along with the local search algorithm backpropagation, in order to optimize simultaneously both weights and network architecture. This approach aims to automatically generate a dynamic weighted forecast aggregation model with high performance. The proposed model, called Neural Expert Weighting - Genetic Algorithm (NEW-GA), was com- pared with other forecaster combination models, as well as with the individual models involved in the combination scheme, comprising 15 time series divided into two case studies: Petroleum Products and the reduced set of NN3 forecasting competition, a competition between forecasting methodologies, with greater emphasis on models based on neural networks. The results obtained demonstrated the potential of NEW-GA in providing accurate models for time series forecasting.