Made available in DSpace on 2015-05-14T12:47:16Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 2608519 bytes, checksum: f3eda24df151184ace42cfb39724b179 (MD5) Previous issue date: 2013-04-04 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Food insecurity exists when the availability of nutritionally adequate and safe foods or the ability to acquire them in a socially acceptable is limited or uncertain. Therefore, the prevalence of food insecurity is of great importance for the assessment of living conditions and, consequently, for the planning of public policies to fight hunger. So it is timely and relevant indicators that can create check from the right of access to food until the concrete conditions of such access and its ultimate effects on health and nutrition of individuals and collective activities. Thus, it is intended by an artificial neural network model for decision support in food security and assist in identifying the severity of this situation in the populations of the cities of São José dos Ramos and the Nova Floresta in the interior of Paraíba. It is a population-based cross-sectional study with a sample of 618 households in the two counties, and 287 in São José dos Ramos and 331 in Nova Floresta. For this study the measurement of the rate of food insecurity and its levels were estimated using the methodology of the Brazilian Food Insecurity Scale for model creation and decision support data were grouped as mild-moderate food insecurity and severe food insecurity. We selected 10 quantitative variables on socioeconomic and demographic: number of rooms in the house; numbers used rooms in the house to sleep, total household members; schooling in years of the household head, number of children and adolescents attending school , number of children, number of adolescents, number of adults, number of elderly, relationship between workers and unemployed and with the help of MATLAB software generates a model of Artificial Neural Network feedforward with one input layer, one hidden layer with 22 neurons , and 1 output layer with 2 neurons with backpropagation learning. Based on this, the generated models achieved the following results: 81% correct in deciding on food security and food insecurity x 80.2% of food insecurity in the decision mild-moderate to severe insecurity x São José dos Ramos; Nova Floresta got 80. 7% correct in deciding on food security and food insecurity x 80.4% food insecurity in the decision to take x-moderate severe insecurity. Therefore, this model constitutes an important tool to define the trends priority intervention in municipalities, in order to permit the identification of this disease at the local level and can support the process of decision making and planning of public policies and actions aimed at promoting food security. / A insegurança alimentar existe quando a disponibilidade de alimentos nutricionalmente adequados e seguros, ou a capacidade para adquiri-los de forma socialmente aceitável é limitada ou incerta. Por isso, conhecer a prevalência da insegurança alimentar é de grande importância para a avaliação das condições de vida e, consequentemente, para o planejamento de políticas públicas de combate à fome. Então, torna-se oportuno e relevante criar indicadores que possam verificar desde o direito de acesso aos alimentos até as condições concretas desse acesso e suas consequências finais no estado de saúde e nutrição dos indivíduos e coletividades. Assim, pretende-se através de um modelo de rede neural artificial para o apoio à decisão em segurança alimentar e nutricional ajudar na identificação da gravidade desta situação nas populações dos municípios de São José dos Ramos e de Nova Floresta no interior da Paraíba. Trata-se de um estudo transversal de base populacional, com uma amostra de 618 famílias residentes nos dois municípios, sendo 287 em São José dos Ramos e 331 em Nova Floresta. Para este estudo a mensuração do índice de insegurança alimentar e dos seus níveis foi estimada com o uso da metodologia da Escala Brasileira de Insegurança Alimentar e para criação do modelo de apoio à decisão os dados foram agrupados como insegurança alimentar leve-moderada e insegurança alimentar grave. Selecionou-se 10 variáveis quantitativas sobre a realidade socioeconômica e demográfica: números de cômodos na casa; números de cômodos na casa utilizados para dormir; total de moradores na casa; escolaridade em anos do chefe de família; quantidade de crianças e adolescentes frequentando a escola; quantidade de crianças; quantidade de adolescentes; quantidade de adultos; quantidade de idosos, relação entre trabalhadores e desempregados e com auxílio do software MATLAB gerando um modelo de Rede Neural Artificial do tipo feedforward com 1 camada de entrada, 1 camada oculta com 22 neurônios, e 1 camada de saída com 2 neurônios com aprendizagem por backpropagation. Com base nisto, os modelos gerados obtiveram como resultados: 81% de acertos na decisão sobre segurança alimentar x insegurança alimentar e 80,2% na decisão de insegurança alimentar leve-moderada x insegurança grave para São José dos Ramos; Nova Floresta obteve 80,7% de acertos na decisão sobre segurança alimentar x insegurança alimentar e 80,4% na decisão de insegurança alimentar leve-moderada x insegurança grave. Portanto, este modelo constitui-se um instrumento importante para definir as tendências prioritárias de intervenção nos municípios, no sentido de permitir a identificação deste agravo em esfera local, podendo subsidiar o processo de tomada de decisão e o planejamento de políticas públicas e ações que visem à promoção da segurança alimentar.

Made available in DSpace on 2014-12-17T14:08:39Z (GMT). No. of bitstreams: 1 LuizHGP_DISSERT.pdf: 1454316 bytes, checksum: 0866b81b5bfb98284278c13af6a47bdc (MD5) Previous issue date: 2009-08-07 / A pesquisa tem como objetivo desenvolver uma estrutura de controle preditivo neural, com o intuito de controlar um processo de pH, caracterizado por ser um sistema SISO (Single Input - Single Output). O controle de pH ? um processo de grande import?ncia na ind?stria petroqu?mica, onde se deseja manter constante o n?vel de acidez de um produto ou neutralizar o afluente de uma planta de tratamento de fluidos. O processo de controle de pH exige robustez do sistema de controle, pois este processo pode ter ganho est?tico e din?mica n?olineares. O controlador preditivo neural envolve duas outras teorias para o seu desenvolvimento, a primeira referente ao controle preditivo e a outra a redes neurais artificiais (RNA s). Este controlador pode ser dividido em dois blocos, um respons?vel pela identifica??o e outro pelo o c?lculo do sinal de controle. Para realizar a identifica??o neural ? utilizada uma RNA com arquitetura feedforward multicamadas com aprendizagem baseada na metodologia da Propaga??o Retroativa do Erro (Error Back Propagation). A partir de dados de entrada e sa?da da planta ? iniciado o treinamento offline da rede. Dessa forma, os pesos sin?pticos s?o ajustados e a rede est? apta para representar o sistema com a m?xima precis?o poss?vel. O modelo neural gerado ? usado para predizer as sa?das futuras do sistema, com isso o otimizador calcula uma s?rie de a??es de controle, atrav?s da minimiza??o de uma fun??o objetivo quadr?tica, fazendo com que a sa?da do processo siga um sinal de refer?ncia desejado. Foram desenvolvidos dois aplicativos, ambos na plataforma Builder C++, o primeiro realiza a identifica??o, via redes neurais e o segundo ? respons?vel pelo controle do processo. As ferramentas aqui implementadas e aplicadas s?o gen?ricas, ambas permitem a aplica??o da estrutura de controle a qualquer novo processo

Orientador: Jozué Vieira Filho / Banca: Anna Diva Plasencia Lotufo / Banca: Marco Aparecido Queiroz Duarte / Resumo: Este trabalho apresenta uma metodologia para detecção e classificação de faltas do tipo curto-circuito. Esta operação de diagnóstico tem como principal operador um banco de redes neurais artificiais (RNAs) do tipo ARTMAP Nebulosa. Tal ferramenta segue a principal filosofia das RNAs: o reconhecimento de padrões, através de um trei- namento supervisionado inicial, responsável por atualizar os parâmetros das redes con- comitantemente com os resultados desejados. Finalizada a fase de adaptação, as redes serão capazes de, após receber novos padrões, classificá-los, de forma a propiciar, ao operador, informações importantes quanto ao estado de transmissão de barras presentes em um determinado complexo elétrico. Aqui, tomou-se como modelo a simulação de um grande alimentador real, composto por mais de 800 barras. Aliados às RNAs, tam- bém foram aplicadas, no que se refere à análise de dados amostrados de corrente elétri- ca, duas importantes e flexíveis ferramentas matemáticas: a Transformada de Fourier e a Transformada Wavelet. .Observa-se, ao final do trabalho, que os resultados apresenta- dos são bastante encorajadores, o que possibilitaria a utilização do programa em um ambiente real / Abstract: This work presents a detection and classification of short-circuit faults metho- dology. The main operator of this diagnostic operation is a Fuzzy ARTMAP Artificial Neural Networks (ANN) bank. This tool follows the ANN's main core: pattern recogni- tion, through an initial supervised training stage, responsible for updating the parame- ters of the networks con-comitant with the desired results. Completed the adaptation phase, the network will be able to, after receiving new standards, classifying them in order to provide to the operator important information about the state of transmission of bars present in a given complex electric. Here, there is, like a model, a simulation of a real big feeder, comprising more than 800 bars. Besides the ANNs, two important and flexible mathematical tools were also applied with regard to the analysis of sampled data of electric current: Fourier Transform and Wavelet Transform. At the end of the work the results presented are very encouraging, which would allow the use of the pro- gram in a no simulations real environment / Mestre

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.

Orientador: Percival Bueno de Araujo / Banca: Anna Diva Plasencia Lotufo / Banca: George Lauro Ribeiro de Brito / Resumo: Este trabalho apresenta estudos referentes à estabilidade a pequenas perturbações do SEP, considerando a atuação de FACTS para o amortecimento das oscilações eletromecânicas de baixa frequência. São abordados os dispositivos FACTS TCSC (Thyristor Controlled Series Capacitor) e o SSSC (Static Synchronous Series Compensator). É realizada a representação e modelagem dos dispositivos FACTS no SEP inserindo no Modelo Sensibilidade de Potência. Para melhorar o desempenho do SEP no que se refere à estabilidade a pequenas perturbações, controladores suplementares são propostos para aumentar o desempenho dos dispositivos TCSC e SSSC, introduzindo o amortecimento necessário ao SEP. Adicionam-se os controladores suplementares POD no modelo modificado para os dispositivos TCSC e SSSC para verificar sua atuação. Para encontrar a melhor localização para instalação dos dispositivos é usado a teoria dos resíduos. Esta mesma teoria é usada também para o ajuste dos parâmetros dos controlares juntamente com outro ajuste feito através de Redes Neurais Artificiais (RNA), que é proposto como alternativa de comparação ao método dos resíduos. Simulações são efetuadas em um sistema teste simétrico para se verificar resultados e a eficácia do controlador POD (parâmetros ajustados pela RNA proposta), acoplados aos dispositivos FACTS, na manutenção da estabilidade a pequenas perturbações do SEP. Palavras-chave: Controladores POD. Estabilidade de sistema de potência. Redes neurais artificiais. TCSC e SSSC / Abstract: This work presents studies referred to short term Electric Power System (EPS) perturbations, considering the actuation of FACTS devices for low frequency electromechanical oscillation damping. The devices considered are: FACTS TCSC (Thyristor Controlled Series Capacitor) and the SSSC (Static Synchronous Series Compensator). It is representation and modeling FACTS devices in the EPS inserting in the Power Sensitivity Model. To improve the performance of the EPS considering the short term perturbations, additional controllers are proposed to increase the performance of the TCSC and SSSC devices, introducing the necessary damping to the EPS. The additional POD controller is added to the modified model for TCSC and SSSC devices to verify the acting. The residual theory is used to find the best location to install the devices. The same theory is used to adjust the parameters of the controllers and an adjustment with Artificial Neural Networks (ANN) is proposed as an alternative to the residual method. Simulations are effectuated for a symmetric test system to verify the efficiency of the POD controller (parameters adjusted by the ANN proposed), coupled with the FACTS devices, to maintain the stability considering the short term perturbations / Mestre

A ocorrência de variações nos sinais de eletroencefalograma (EEG) de indivíduos que apresentam predisposição a desenvolver a doença do alcoolismo é conhecida e documentada na literatura médica e científica. Dentre as possíveis variações, encontram-se as anormalidades no potencial relacionado ao evento (ERP) P300, um dos principais endofenótipos da doença. Geralmente, este componente tem uma amplitude significativamente menor em indivíduos com alto risco (AR) de desenvolver a doença, quando comparada à amplitude observada em sinais de indivíduos com baixo risco (BR). A técnica atualmente empregada para distinguir os sinais de ERPs P300 dos indivíduos com AR e BR para desenvolver o alcoolismo é baseada na análise visual da amplitude máxima no domínio do tempo e do espectro de frequencias do sinal, obtido através da transformada de Fourier. O objetivo deste trabalho é contribuir para o estudo da identificação da predisposição ao alcoolismo, utilizando técnicas de processamento de sinais, como a transformada wavelet (WT), e de inteligência artificial, por meio das redes neurais artificiais (ANNs). A WT foi utilizada por ser mais adequada ao tratamento de sinais como os ERPs (sinais nãoestacionários), quando comparada, por exemplo, à transformada de Fourier. As redes neurais possibilitam a automatização do processo de identificação dos diferentes grupos. Através de um sistema híbrido formado por estas duas técnicas, pretende-se extrair características de sinais de ERP que identifiquem indivíduos com predisposição ao alcoolismo, e automatizar a identificação destes indivíduos. No desenvolvimento da pesquisa, foi identificada a necessidade de aplicar um préprocessamento aos sinais de ERP, preparando-os para a transformação wavelet. Os coeficientes wavelet assim obtidos formaram os dados de entrada que alimentaram as (ANNs), as quais utilizaram o algoritmo de erro backpropagation no treinamento. Com as técnicas utilizadas, após o treinamento, as ANNs foram capazes de classificar cerca de 90% dos sinais de ERP dos indivíduos com AR e BR. / The occurrence of variations in electroencephalogram (EEG) signals of individuals who are predisposed to develop the disease of alcoholism is known and documented in the medical and scientific literature. Among these variations, are the abnormalities in the event related potential (ERP) P300, a major endophenotype of this disease. Generally, this component has an amplitude significantly smaller in patients at high risk (HR) of developing the disease when compared to the amplitude seen in the signals of individuals with low risk (LR). The technique currently used to distinguish signals of P300 ERPs in individuals with HR and LR for developing alcoholism is based on visual analysis of the maximum amplitude in the time domain and of the frequency spectrum of the signal, obtained via Fourier transform. The aim of this thesis is to study the identification of predisposition to alcoholism, by techniques of signal processing such as wavelet transform (WT) and artificial intelligence through artificial neural networks (ANNs). The WT was used because it is more appropriate for processing signals such as ERP (non-stationary signals), when compared, for example, to the Fourier transform. Neural networks enable the automation of the process of identifying the different groups. Using a hybrid system formed by these two techniques, it is intended to extract features of ERP signals that identify individuals predisposed to alcoholism, and automate the identification of these individuals. The research has identified the need to apply a pre-processing to the signals of ERP, preparing them for the wavelet transformation. The wavelet coefficients thus obtained formed the input data to fed the ANNs, which used the error algorithm backpropagation in training. Using these techniques, after training, the ANNs were able to classify about 90% of ERP signs of individuals with LR and HR.

Understanding the behavior of pedestrians in road transportation is critical to maintain a safe en- vironment. Accidents on road transportation are one of the most common causes of death today. As autonomous vehicles start to become a standard in our society, safety on road transportation becomes increasingly important. Road transportation is a complex system with a lot of dierent factors. Identifying risky behaviors and preventing accidents from occurring requires better under- standing of the behaviors of the dierent persons involved. In this thesis the activities and behavior of a pedestrian is analyzed. Using sensor data from phones, eight dierent events of a pedestrian are classied using machine learning algorithms. Features extracted from phone sensors that can be used to model dierent pedestrian activities are identied. Current state of the art literature is researched to nd relevant machine learning algorithms for a classication model. Two models are implemented using two dierent machine learning algorithms: Articial Neural Network and Hid- den Markov Model. Two dierent experiments are conducted where phone sensor data is collected and classied using the models, achieving a classication accuracy of up to 93%.

Orientador: Prof. Dr. Pedro Carajilescov / Dissertação (mestrado) - Universidade Federal do ABC. Programa de Pós-Graduação em Energia, 2015. / Fluxo Crítico de Calor (FCC) consiste no principal limite termohidráulico de reatores do tipo PWR, que representa a opção nuclear brasileira. Trata-se, ainda, de um fenômeno de entendimento limitado. Em projetos, a estimativa de seu valor é realizada apenas por correlações empíricas, resultando valores aproximados, com elevadas incertezas. O presente projeto consiste no desenvolvimento de um método computacional para o cálculo do FCC, através de conceitos de Redes Neurais Artificiais, programado na linguagem Fortran, utilizando para treinamento e teste os dados das chamadas "Look up Tables" (LUT). Considerou-se a faixa de variação dos dados das tabelas, com a pressão variando de 1 e 21 MPa, fluxo de massa, na faixa de 50 a 8000 kg m-2 s-1 e título do escoamento entre - 0,5 a 0,9. Comparando os resultados da RN com a LUT, a média da razão dos valores resultou em 0,993, com o erro médio quadrático de 13,3%. Com a rede neural foi realizado o estudo paramétrico do FCC, para observar a influência dos parâmetros operacionais tais como pressão, fluxo de massa e título termodinâmico. Observa-se o aumento do FCC com o aumento do fluxo de massa e a atenuação do FCC com o aumento da pressão e título, como esperado. Porém algumas tendências imprevistas ocorreram, as quais podem ser atribuídas à incerteza dos dados, ou por fatos desconhecidos do fenômeno. A aplicação da rede neural em geometrias de feixe de varetas com arranjo quadrado apresentou bons resultados pelo método de balanço de energia (HBM) e a correção de PEI com erro médio quadrático de até 20,08%. Pelo método da substituição direta (DSM), foram elaborados diversos métodos de correção para adaptar os valores da rede neural à geometria de feixe de varetas. Os resultados não foram satisfatórios, pois apresentaram erro médio quadrático elevado, sendo o menor erro médio quadrático alcançado de 19,92%, utilizando uma rede neural com o espectro de parâmetros de entradas restritos e fator de correção multivariável. A correlação de EPRI com a correção de PEI apresentou resultado de erro médio quadrático de 18,73%, sendo menor que todos os métodos desenvolvidos nesse projeto. Portanto, o método de rede neural, desenvolvido nesse trabalho, não se revelou satisfatório para aplicação em feixe de varetas. / The critical heat flux (CHF) is one of the principal thermal hydraulic limits of PWR type nuclear reactors. To date, the CHF phenomenon is not well understood. So, for design purpose, the CHF is usually estimated by empirical correlation, resulting in approximate values, with high uncertainties. As an alternative to traditional methods, the present work consists in the development of an artificial neural network (ANN) to estimate the CHF, based on Look Up Table CHF data, published by Groeneveld (2006). Three parameters were considered in the development of the ANN: the pressure in the range of 1 to 21 MPa, the mass flux in the range of 50 to 8000 kg m-2 s-1 and the thermodynamic quality in the range of - 0,5 to 0,9. Comparing the ANN predictions with the data of the Look Up Table, it was observed an average of the ratio of 0.993 and a root mean square error (rms) of 13.3%. With the developed ANN, a parametric study of CHF was performed to observe the influence of each parameter in the FCC. It was possible to note that the CHF decreases with the increase of pressure and thermodynamic quality, while CHF increases with the mass flow rate, as expected. However, some erratic trends were also observed which can be attributed to either unknown aspect of the FCC phenomenon or uncertainties in the data. The ANN application in square array of rods bundle demonstrated nice result for the heat balance method (HBM) with the PEI correction resulting in rms of 20,08%. A few methods of correction were developed for the direct substitution method (DSM) to adapt the ANN in rod bundle geometry. The results wasn¿t satisfactory, because the best rms reached was 19.92%, using the ANN with restricted input range and multivariable correction factor. EPRI correlation with PEI correction results in rms of 18.73%, being better than all of developed methods in this project. Therefore, the ANN method, developed in this work, does not seem to be satisfactory for the application in rod bundle.

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.

Made available in DSpace on 2014-06-11T19:31:36Z (GMT). No. of bitstreams: 0 Previous issue date: 2004-11-19Bitstream added on 2014-06-13T20:02:24Z : No. of bitstreams: 1 vilela_lc_dr_botfca.pdf: 1121305 bytes, checksum: 3282ea28a25aa278cdf1414bdb80e574 (MD5) / Universidade Estadual Paulista (UNESP)