Submitted by JOSIANE SANTOS DE OLIVEIRA (josianeso) on 2018-08-01T13:18:07Z No. of bitstreams: 1 Márcio Moura Leal_.pdf: 1004771 bytes, checksum: 0e2cfd2ec35b3be3f90959425cc6ec81 (MD5) / Made available in DSpace on 2018-08-01T13:18:07Z (GMT). No. of bitstreams: 1 Márcio Moura Leal_.pdf: 1004771 bytes, checksum: 0e2cfd2ec35b3be3f90959425cc6ec81 (MD5) Previous issue date: 2018-04-06 / Nenhuma / O reconhecimento das línguas de sinais visa permitir uma maior inserção social e digital das pessoas surdas através da interpretação da sua língua pelo computador. Esta trabalho apresenta um modelo de reconhecimento de dois dos parâmetros globais das línguas de sinais, as configurações de mão e seus movimentos. Através da utilização de uma tecnologia de captura de infravermelho, a estrutura da mão foi reconstruída em um espaço tridimensional virtual e a Rede Neural Perceptron Multicamadas foi usada para fazer a classificação das configurações de mão e de seus movimentos. Além do método de reconhecimento de sinais, esta trabalho visa disponibilizar um conjunto de dados representativos das condições do cotidiano, constituído por uma base de dados de configurações de mão e de captura de movimento validadas por profissionais fluentes em línguas de sinais. Foi usada como estudo de caso a Língua Brasileira de Sinais, a Libras, e obteve-se como resultados uma precisão de 99.8% e 86.7% de acertos das redes neurais que classificavam as configurações de mão e seus movimentos, respectivamente. / The sign language recognition aims to allow a greater social and digital insertion of deaf people through interpretation of your language by the computer. This work presents a recognition model of two global parameters of the sign languages, hand configurations and their movements. Through the usage of infrared capture technology we built the hand structure on a virtual three-dimensional space and the Multilayer Perceptron Neural Network was used to do the hand configuration and movements classifying. Beyond of method to recognize signs, this work aims to provide a set of representative data of the daily conditions, consisting of a database of hand configurations and motion capture validated by fluent professionals in sign languages. To this work, was used, as study case, the Brazilian Sign Language, Libras, and was obtained accuracy rates of 99.8% and 86.7% from neural networks classifying hand configurations and hand motion respectively.

O presente trabalho apresenta a previsão de demanda de água em sistemas urbanos de abastecimento através de Rede Neural Artificial (RNA) utilizando dados de consumo de água e variáveis meteorológicas e socioambientais. A RNA utilizada foi uma de três camadas chamada de rede de múltiplas camadas alimentadas adiante com o algoritmo de treinamento LLSSIM (Hsu et al., 1996). Neste estudo, foram utilizados os dados de consumo de água (SABESP) e meteorológicos (IAG/USP) para o período de 2001 a 2005 para Região Metropolitana de São Paulo (RMSP). As variáveis socioambientais e meteorológicas que podem afetar o consumo de água foram analisadas. A ETA Cantareira e o setor Itaim Paulista foram utilizados para avaliar a relação entre o consumo e as variáveis antrópicas e meteorológicas para o ano de 2005. Esses conjuntos de dados foram utilizados para o treinamento, o teste e a previsão da RNA. Para a ETA Cantareira, foram criados 8 modelos e para o setor Itaim Paulista 57, sendo que os modelos 9 a 57 correspondem à previsão ideal. O desempenho dos modelos foi avaliado pelo o erro médio, erro médio absoluto, erro médio quadrático, o coeficiente de correlação, exatidão, viés, POD, FAR, CSI e POFD. Para a ETA Cantareira o melhor desempenho ocorreu para a média de 12 horas e para o Itaim Paulista a média de 6 horas. Na previsão ideal observou-se que a memória do sistema é um fator importante, principalmente quando se tem dois intervalos de tempo anterior. Os resultados mostraram a importância da memória, pois ela ajuda a melhorar o desempenho da previsão A previsão horária foi obtida com níveis de erros aceitáveis. Comparando os resultados de todas as configurações dos modelos, observou-se que há uma tendência para pequenos erros. Finalmente, conclui-se que o método proposto pode ser utilizado para previsão de consumo obtendo uma boa previsão. / This work is concerned with the prediction of water demand in urban water supply systems using water consumption, meteorological and socioenvironmental variables in an Artificial Neural Network (ANN) system. The ANN is a three layer feed-forward network with the LLSSIM training algorithm (Hsu et. al., 1996). In this study, water consumption (SABESP) and meteorological (IAG USP) data sets between 2001 and 2005 were used for studying the Metropolitan Area São Paulo (MASP). Possible socio-environmental and meteorological conditions affecting water consumption in the MASP were analyzed. Two water treatment stations (ETA), namely, Cantareira and the Itaim Paulista were used to evaluate the relationship between water consumption against anthropic and meteorological conditions for the year 2005. These data sets were also used for training, testing and forecasting of the water consumption model with the ANN. For the Cantareira ETA, 8 model configurations were tested and 57 for the Itaim Paulista ETA. In this late case, configurations 9 to 57 were for ideal forecasts. The various model configurations were evaluated by the mean error, mean absolute error and mean square root error, correlation coefficient, bias, POD, FAR, CSI e POFD. The best performance for the Cantareira ETA was obtained for a 12-hour average of the input variables, and for the Itaim Paulista ETA, for the 6-hour average. The ANN model configurations fed with variables of previous three times steps (memory) performed best, followed by two previous time steps. The results indicate the importance of these memory to improving the performance of the forecasting. The hourly forecasting was obtained with acceptable error levels. Comparing the results of all model configurations, there is an overall tendency for minor errors. The proposed method can be used to demand forecast a good prediction.

A Avicultura Brasileira se depara atualmente com o desafio da redução de perdas. Todavia, a desinformação sobre os pontos críticos limita tal avanço, principalmente nas operações pré-abate. Portanto, estudos devem ser realizados diagnosticando cenários e identificando os pontos cr´?ticos em que se encontram as maiores perdas. Desta forma, o objetivo deste trabalho foi avaliar a climatização em galpão de espera no abatedouro e suas interações com o tempo de espera, visando caracterizar a influência das variáveis ambientais no conforto térmico, bem-estar e nas perdas produtivas da Avicultura de Corte. O estudo foi desenvolvido em um abatedouro comercial de frangos de corte, situado no Estado de São Paulo. Para o entendimento global do problema, a pesquisa foi dividida em 3 partes, sendo a primeira etapa a avaliação histórica das perdas produtivas em função das variáveis climáticas e das características relacionadas `as operações pré-abate, contendo dados históricos de 13.937 caminhões analisados quanto aos fatores climáticos e variáveis relacionadas `as etapas pré-abate, tais como a temperatura e umidade, densidade de aves por caixa, turno diário e estações do ano, e o tempo de espera. Na segunda etapa, foi avaliado o efeito da climatização e do tempo de espera no conforto térmico das aves em ambiente de espera pré-abate, através da coleta de dados de 218 caminhões no galpão de espera, sendo que fatores como a distância granja abatedouro e fatores bioclimáticos do galpão foram analisados juntamente com as variáveis registradas anteriormente, verificando-se os efeitos na mortalidade e na alteração da temperatura retal das aves. Nestas duas etapas, a análise estatística foi realizada por meio dos Modelos Lineares Generalizados Duplos (MLGD). Na terceira etapa, visando a complementação das informações das etapas anteriores, foi realizado o reconhecimento de padrões relacionados `as operações pré-abate e predição das perdas por mortalidade através do uso de Redes Neurais Artificiais (RNA). Mais de 3.000 dados do conjunto total foram utilizados para o aprendizado das redes e simulação de três cenários relacionados aos fatores de maior influência nas perdas pré-abate. Como resultados, verificou-se que as maiores perdas ocorreram durante o turno da tarde, na estação verão, com densidades de aves por caixa acima de 8, temperaturas e umidades relativas elevadas interna e externamente ao galpão e para distâncias longas. No geral, o aumento do tempo de espera resulta em diminuição na temperatura retal das aves e na mortalidade, quando a temperatura externa se encontra elevada, quando a densidade de aves por caixa ´e maior do que 7 aves e para distâncias curtas. Quanto à eficiência da climatização no galpão de espera, esta foi alcançada quando a temperatura e umidade relativa externas estiveram acima da faixa de alerta e quando as variáveis climáticas internas ao galpão estiveram na faixa de conforto. Com relação às redes neurais, estas apresentaram grande poder de generalização, predizendo satisfatoriamente a mortalidade de metade dos cenários, evidenciando seu potencial de uso para a predição da mortalidade de frangos de corte, submetidos às operações pré-abate. / Nowadays, Brazilian poultry industry has a challenge of reducing losses. However, the disinformation about the critical points limits this advance, mainly on preslaughter operations. Therefore, studies must be carried through diagnosing scenes and identifying the critical points, which is found the biggest losses. Therefore, the objective of this work was to evaluate the climatization in lairage on slaughterhouse and its interactions with the lairage time, aiming to characterize the influence of environmental variables on thermal comfort, welfare and on the productive losses of broilers chickens. The study was developed in a commercial poultry abattoir, situated in the State of S~ao Paulo, Brazil. To the entire agreement of the problem, the research was divided in 3 parts, which the first stage was the historical evaluation of productive losses in function of the climatic variables and characteristics related to preslaugher operations, where historical data set of 13,937 trucks were analyzed about climatic factors and variables related to preslaughter stages, such as temperature and humidity, density of birds per cage, turn of the day and seasons of the year, as well as the lairage time. On the second stage, the effect of climatization and lairage time were evaluated on bird\'s thermal comfort in preslaughter lairage ambient, through the data collection of 218 trucks in the lairage module, where factors as the distance farm-abattoir and bioclimatic factors of the module were analyzed jointly with the variables registered previously, verifying the effect on mortality and on bird\'s rectal temperature alteration. On these two stages, the statistical analysis were carried out by the Double Generalized Linear Models. On the third stage, aiming at the complementation of previous stages informations, was done the recognition of standards related to preslaughter operations and to predict the losses by mortality through the use of Artificial Neural Network. More than 3,000 data of total set were used on the learning of neural nets models and on simulation of three scenes related to factors of mayor influence on preslaughter losses. As results, was verified that the biggest losses occurred during the afternoon, on summer, with densities of birds per cage above 8, high internal and external temperatures and relative humidity and to long distances. On generality, the increase of the lairage time results on reduction in the bird\'s rectal temperature and in mortality when external temperature is high, when density of birds per cage was major than 7 birds and to short distances. About the efficiency of climatization in the lairage shed, that was reached when external temperature and relative humidity were above the alert band and when internal climatic variables to the shed were in the comfort band. Related to neural network, these presented a great generalization power to the presented conditions, predicting satisfactorily the mortality of half of scenes, evidencing its use potential to the prediction of broiler chicken\'s mortality, submitted to preslaughter operations.

Atualmente desenvolvem-se técnicas para a análise, identificação e o reconhecimento da fala. As mais eficientes mostram-se matematicamente complicadas, baseadas em análise estatísticas de dados, o que torna o sistema moroso, necessitando uma grande quantidade de dados para amostras. Este trabalho tem como objetivo apresentar a possibilidade do uso de Estruturas Neurais Artificiais Paraconsistentes no aprendizado e reconhecimento de sinais de fala, independentemente de análise estatística, ou número de amostras. A partir de um estudo piloto, identificou-se a necessidade de um aprofundamento no estudo dos Traços Formantes dos Fones. Com os Formantes dos Fones pode-se criar um sistema capaz de reconhecer sons produzidos em qualquer língua, pelas combinações da produção de sons através da emissão simultânea de um conjunto de Formantes. Como possível solução para a identificação dos Formantes dos Fones propõe-se neste trabalho a criação do conceito de Constelação Fônica, que consiste no reconhecimento de combinações de características matemáticas identificadas nos sinais sonoros de fala. Como uma forma de reconhecer estas Constelações, apresentam-se as Redes Neurais Artificiais Paraconsistentes, eficientes no reconhecimento de padrões por proximidade e com capacidade para tratamento de sinais contraditórios e paracompletos. Para a viabilização desta solução, criou-se um Programa de Computador (Sistema de Análise da Produção da Fala - SIAPF) capaz de promover os tratamentos necessários em um sinal falado, gerando assim a sua Constelação Fônica e sua respectiva Rede Neural Artificial Paraconsistente. A partir da Rede Neural Artificial Paraconsistente correspondente ao sinal em questão, pode-se estudá-lo de uma forma interpretativa, com menor acumulo de dados e tratamentos estatísticos do que com as ferramentas tradicionais. O SIAPF passa a ser mais uma ferramenta para análise de produção de fala, viabilizando a criação de novas formas de medidas quantitativas e normatizadas para os Formantes da Fala. / Currently, many diferent techniques are developing for the analysis identification and recognition of speech. The most efficient are shown mathematically complicated, based on analysis statistical of data, that actually makes systems very slow, creating the nessecity for a great amount of data for samples. The aim of this work is to present the possibility of the use of Paraconsistent Artificial Neural Network Structures, in the learnig and recognition of speech signals, independent of statistical analysis, or the number of samples. Starting from a pilot study, the need of a deep study of the Formants of Phones was identified. With the Formants of Phones, a system capable to recognize sounds produced in any language, through conbinations of the production of sounds and simultaneous emission of a group of Formants was created. A possible solution for the identification of Formants of Phones proposed in this work is the creation of Phonic Constellation concept, witch uses the recognition of combinations of identified mathematical characteristcs in the resoant signal of speech. As a form of recognizing these Constellation, this work present the Paraconsistent Artificial Neural Network, efficient in the recognition of patterns for proximity and with capacity to process contractory and paracomplet signals. To develop this solution a Computer Program (System of Analysis of the Production of Speech - SIAPF) capable to process the necessary calculations of a speech signal, generating its Phonic Constelattion and its respective Paraconsistent Artificial Neural Network was created. The subject signal can be studied in an interpretative way using the Paraconsistent Artificial Neural Network with a minimal accumulation of data and statistical calculations compared to traditional tools. The SIAPF is another new tool for analysis of speech production, creating new ways for quantitative and standard measures of Formants of Speech.

Este trabalho discorre sobre o emprego de sistemas híbridos voltados resolução de problemas de otimizando. Como problemas de otimizando entende-se como sendo o emprego de técnicas que visam aumentar a produtividade de alguma tarefa, otimizando seus procedimentos. Desta forma, utiliza-se neste trabalho o paradigma de Algoritmos Genéticos sobre um modelo de Redes Neurais para otimizar seu funcionamento, tornando-o mais rapido e de tamanho menor na tarefa de reconhecimento de padrões. O modelo de Rede Neural escolhido para o reconhecimento de padrões foi o modelo de Teuvo Kohonen, também conhecido como modelo dos mapas auto organizados (SOM - Self Organization Feature Map). Este modelo tem sido empregado, obtendo ótimos resultados, no reconhecimento dos mais diversos padrões, como padrões fonéticos e padrões visuais, destacando sua aplicação em sistemas de reconhecimento 6tico de caracteres (OCR - Optical Character Recognization), que será explorado em detalhes no decorrer deste trabalho. O paradigma de Algoritmos Genéticos, criado por John Holland, alcança ótimo desempenho na resolução de problemas de otimizando, seja na classificação e seleção do melhor procedimento, seja no desenvolvimento de um novo procedimento baseado na interação do sistema com procedimentos anteriores. Desta forma, os algoritmos genéticos podem ser aplicados em atividades como seleção e classificação, tal como a aplicação para resolver o problema do caixeiro viajante, ou na geração de uma nova estrutura baseada em estruturas anteriores, a citar o redimensionamento de uma rede neural artificial para reduzir o seu tamanho. Em última instância, este trabalho se propõe a otimizar um sistema de reconhecimento de caracteres utilizando o melhor dos dois paradigmas anteriormente discutidos, obtendo resultados muito satisfatórios na realização dos procedimentos. / This work is about applying hybrid systems to the solving of optimization problems. We consider optimization problems as the productivity increase of some tasks by fine tuning their procedures using a Genetic Algorithm paradigm on a neural network model, optimizing its functionality, making it faster and decreasing the size of neural network. We choose Teuvo Kohonen's model for pattern recognition, also know as Self-Organization Feature Map - SOM, which has been used on a wide range of pattern recognition problems, such as phonetic an visual patterns, specially on Optical Character Recognition - OCR systems, which we will discuss later. The Genetic Algorithm paradigm, created by John Holland, reaches high score performances on solving optimization problems applyed on classification and selection process. In this way, genetic algorithms are suitable for selection and classification problems, such as solving the travelling sales person problem or on generating new structures based on prior ones as neural network redimensioning to reduce its size. The proposal is optimizing the Optical Character Recognition mixing the best properties of both paradigm, aimed very satisfactory results on process execution.

Nos dias atuais, há muitos casos em que sistemas de potência estão operando perto dos seus limites de estabilidade devido a restrições econômicas e leis ambientais. A estabilidade de tensão é uma matéria de muita pesquisa e interesse devido a que é considerado como uma das maiores ameaças na segurança dos sistemas. Uma prevenção exitosa de colapso do sistema baseia-se na precisão do método, a simplicidade dos índices, e muito baixo tempo de computação. Este trabalho apresenta uma rede Perceptron Multicamada (PMC) como proposta para monitoramento em tempo real da estabilidade de tensão de sistemas de potência usando como principais dados de entrada medidas obtidas do sistema SCADA. Os dados de treinamento são obtidos com cálculos de fluxo de potência continuado. A rede Perceptron Multicamadas é apresentada como um aproximador universal de funções, que diminui o tempo computacional dos métodos convencionais como o fluxo de potência continuado. Por fim, a topologia da rede PMC proposta é avaliada com o sistema de 30 barras do IEEE, e os resultados em relação ao tempo de computação e precisão são comparados com o método de fluxo de potência continuado. / Nowadays, many power systems are operating near their limits of stability due to economic restrictions and environmental laws. Voltage stability is a subject of great interest because it is considered one of the greatest threats for power systems security. The keys to preventing blackouts are the accuracy of the method, speed indication, and low computation time. This work presents a Multi-layer Perceptron (PMC) network as a proposal for real-time monitoring of voltage stability in power systems using input data obtained from the SCADA system. The training data are obtained by running Continuation Power Flow (CPF) routine. The multi-layer Perceptron network is presented as a universal approximator, reducing the computation time of conventional methods such as the Finally, the proposed PMC network is evaluated in the IEEE 30-bus system. Computation time and accuracy are compared with the continuation power flow method.

A rede PROFIBUS DP é o barramento de campo mais utilizado na indústria mundial atualmente. Com o uso cada vez maior desta rede de \"chão de fábrica\" nas plantas industriais, o diagnóstico rápido de falhas tornou-se extremamente necessário e importante, o que permite minimizar os tempos de parada da instalação e consequentes prejuízos no processo produtivo. Este trabalho apresenta o estudo de técnicas baseadas em Redes Neurais Artificiais (RNA) que serão utilizadas em um trabalho futuro para se fazer um diagnóstico rápido de uma rede PROFIBUS em caso de falha, permitindo através dos conceitos básicos apresentados, uma análise criteriosa do seu desempenho. Inicialmente são apresentados conceitos básicos sobre as redes PROFIBUS DP, tais como arquitetura e versões do protocolo, a descrição da Camada Física, dentre outros assuntos relevantes. Nas etapas seguintes, serão apresentados outros tópicos importantes para entendimento do projeto como, conceitos sobre RNA e métodos de pré-processamento do sinal colhido no osciloscópio. / The PROFIBUS (Process Field Bus) DP is the most popular fieldbus communication used in the worldwide industry. With the increasing use of this network fieldbus in industrial plants, the rapid faults diagnosis has become extremely necessary and important, which minimizes the lodgments time and consequent losses in the production process. This work is based into a Artificial Neural Networks (ANN) tool that will be used to make a rapidly diagnosis of a PROFIBUS network in case of failure, allowing through basic concepts, a careful review of their performance. First the basics of PROFIBUS DP networks are presented, such as architecture and protocol versions, a description of the Physical Layer, among other relevant issues. In the following steps, others important topics to understand the project will be shown, such as, concepts of ANN and pre-processing methods from collected signal.

Submitted by Silvana Teresinha Dornelles Studzinski (sstudzinski) on 2016-06-29T14:42:16Z No. of bitstreams: 1 Pablo Eduardo Pereira de Araujo Cottens_.pdf: 1315690 bytes, checksum: 78ac4ce471c2b51e826c7523a01711bd (MD5) / Made available in DSpace on 2016-06-29T14:42:16Z (GMT). No. of bitstreams: 1 Pablo Eduardo Pereira de Araujo Cottens_.pdf: 1315690 bytes, checksum: 78ac4ce471c2b51e826c7523a01711bd (MD5) Previous issue date: 2016-03-07 / Nenhuma / Normalmente Redes Neurais Artificiais (RNAs) necessitam estações de trabalho para o seu processamento, por causa da complexidade do sistema. Este tipo de arquitetura de processamento requer que instrumentos de campo estejam localizados na vizinhança da estação de trabalho, caso exista a necessidade de processamento em tempo real, ou que o dispositivo de campo possua como única tarefa a de coleta de dados para processamento futuro. Este projeto visa criar uma arquitetura em lógica programável para um neurônio genérico, no qual as RNAs podem fazer uso da natureza paralela de FPGAs para executar a aplicação de forma rápida. Este trabalho mostra que a utilização de lógica programável para a implementação de RNAs de baixa resolução de bits é viável e as redes neurais, devido à natureza paralelizável, se beneficiam pela implementação em hardware, podendo obter resultados de forma muito rápida. / Currently, modern Artificial Neural Networks (ANN), according to their complexity, require a workstation for processing all their input data. This type of processing architecture requires that the field device is located somewhere in the vicintity of a workstation, in case real-time processing is required, or that the field device at hand will have the sole task of collecting data for future processing, when field data is required. This project creates a generic neuron architecture in programmabl logic, where Artifical Neural Networks can use the parallel nature of FPGAs to execute applications in a fast manner, albeit not using the same resolution for its otputs. This work shows that the utilization of programmable logic for the implementation of low bit resolution ANNs is not only viable, but the neural network, due to its parallel nature, benefits greatly from the hardware implementation, giving fast and accurate results.

The greening of air transport is the driver for developing technologies to reduce the environmental impact of aviation with the aim of halving the amount of carbon dioxide (COଶ) emitted by air transport, cutting specific emissions of nitrogen oxides (NO୶) by 80% and halving perceived noise by the year 2020. Fuel Cells (FC) play an important role in the new power generation field as inherently clean, efficient and reliable source of power especially when comparing with the traditional fossil-fuel based technologies. The project investigates the feasibility of using an electric hybrid system consisting of a fuel cell and battery to power a small model aircraft (PiperCub J3). In order to meet the desired power requirements at different phases of flight efficiently, a simulation model of the complete system was first developed, consisting of a Proton Exchange Membrane hybrid fuel cell system, 6DoF aircraft model and neural network based controller. The system was then integrated in one simulation environment to run in real-time and finally was also tested in hardware-in-the-loop with real-time control. The control strategy developed is based on a neural network model identification technique; specifically Model Reference Control (MRC), since neural network is well suited to nonlinear systems. To meet the power demands at different phases of flight, the controller controls the battery current and rate of charging/discharging. Three case studies were used to validate and assess the performance of the hybrid system: battery fully charged (high SOC), worst case scenario and taking into account the external factors such as wind speeds and wind direction. In addition, the performance of the Artificial Neural Network Controller was compared to that of a Fuzzy Logic controller. In all cases the fuel cell act as the main power source for the PiperCub J3 aircraft. The tests were carried-out in both simulation and hardware-in-the-loop.

Muitos procedimentos vêm sendo desenvolvidos para auxiliar no diagnóstico precoce do câncer de mama. Nesse âmbito, a ultrassonografia tornou-se uma ferramenta indispensável na distinção entre lesões benignas e malignas. Devido a subjetividade na interpretação de imagens, os esquemas CAD têm oferecido ao especialista uma segunda opinião mais precisa e confiável. Nesse propósito, essa pesquisa apresenta uma metodologia para a detecção e caracterização automática de achados ultrassonográficos da mama. Os ensaios tiveram por base a utilização de imagens obtidas por simuladores e, a partir de resultados consideráveis, foram aplicados sobre exames clínicos. O processo teve início com o emprego de um pré-processamento (filtro de wiener, equalização e filtro da mediana) para a minimização do ruído. Em seguida, cinco técnicas de segmentação foram averiguadas a fim de determinar a representação mais concisa. Dentre elas, a rede neural SOM mostrou-se como a mais relevante. Após a delimitação do objeto, foram definidas as características mais expressivas para a descrição morfológica do achado. Esses dados serviram de entrada para o classificador neural MLP. A acurácia alcançada durante o treinamento em imagens simuladas foi de 94,2%, produzindo um Az de 0,92. Para avaliar a generalização dos dados, foi efetuada a classificação com imagens desconhecidas ao sistema, tanto em simuladores quanto em exames clínicos, nesses casos a acurácia foi de 90% e 81%, respectivamente. O classificador proposto apresentou-se como uma importante ferramenta de auxílio ao diagnóstico em ultrassonografias de mama. / Many procedures have been developed to assist in the early diagnosis of breast cancer. In this context, ultrasound has become an indispensable tool to distinguish benign and malignant lesions. Due to the subjectivity on interpreting images, CAD schemes have provided to the specialist a second opinion more accurate and reliable. Thus, this research presents a methodology for the automatic detection and characterization of breast sonographic findings. The tests were based the use of images obtained by simulators and, as considerable results, were applied to clinical examinations. The process was started employing of a preprocessing (wiener filter, equalization and median filter) to minimize noise. Then, five segmentation techniques were investigated to determine the most concise representation of the lesion contour, enabling to consider the neural network SOM the most relevant. After the delimitation of the object, the most expressive features were defined to the morphological description of the finding, generating the input data to the neural classifier MLP. The accuracy achieved during training with simulated images was 94.2%, producing an Az of 0.92. To evaluating the data generalization, the classification was performed with a group of unknown images to the system, both to simulators as to clinical trials, resulting in an accuracy of 90% and 81%, respectively. The proposed classifier proved to be an important tool for the diagnosis in ultrasonography breast.