Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Mecânica, Florianópolis, 2016. / Made available in DSpace on 2017-07-18T04:08:16Z (GMT). No. of bitstreams: 1 346239.pdf: 3723379 bytes, checksum: 67044a207f92479632bd9f59433e6d7c (MD5) Previous issue date: 2016 / Ensaios de desempenho energético de compressores de refrigeração têm como objetivo a obtenção de parâmetros de desempenho, dentre eles a capacidade de refrigeração, sob condições preestabelecidas de operação. É uma etapa necessária no desenvolvimento e produção de compressores e que, devido às suas características de execução, torna-se um gargalo no processo de controle de qualidade. Trabalhos anteriores apresentam soluções associadas à inteligência artificial para reduzir o tempo de execução desses ensaios. Para isso, tais ferramentas analisam o comportamento de certas variáveis durante o período transiente do ensaio para inferir o momento no qual ocorre a transição para o regime permanente. Entretanto, a grande variedade de dinâmicas relacionadas a capacidade, temperatura de corpo e pressão de sucção afeta o desempenho das redes neurais. Para contornar esse problema, ensaios provenientes de uma empresa fabricante de compressores foram agrupados manualmente de acordo com regras que levaram em consideração a capacidade inicial e a região da faixa de aceitação pela qual os ensaios adentravam o regime permanente. Isso forneceu 4 grupos, os quais foram utilizados para treinamento de redes especializadas para inferência de regime permanente. Os melhores resultados vieram de redes especializadas treinadas com dois dos quatro grupos, que quando comparadas com aquelas treinadas com ensaios não agrupados dessas mesmas dinâmicas, apresentaram desempenho superior tanto nas taxas de acerto (aumento de até 6%) quanto nas taxas de erro de falso positivo (redução de até 17%). Paralelamente, foram realizadas análises estatísticas entre grupos na busca de comportamentos consideravelmente predominantes. Como destaque, um desses grupos apresentou duração de regime transitório consideravelmente inferior a dos demais. Além disso, como o agrupamento manual é lento e demanda um operador especialista, foi criado um método automático para esse fim que apresentou acerto de 92% em uma primeira análise. De forma geral, os resultados forneceram maior confiabilidade às redes de inferência e motivam a continuação dos estudos sobre as características relacionadas ao processo de treinamento.<br> / Abstract : Energetic performance tests of refrigerating compressors are used to obtain performance parameters, among them refrigerating capacity under pre-established operating condititons. It is a necessary step on development and compressor manufacturing, and due to its execution characteristics, become a bottleneck on quality control process. Previous works presented solutions based on artificial intelligence, which were used to reduce test time. For this, such tools analyse the behaviours of certain variables during the test transient state to infer on which moment occurs the transition to steady state. However, the considerable variety of dynamics related to such used parameters affects the neural network performance. To avoid such issue, tests from a compressor manufacturer were manually grouped accordingly to rules that took into account initial capacity value and acceptance band region by which the test entered steady state. This provided four groups, which were used to train specialized neural nwtworks. The best results came from specialized neural networks trained with two of those groups, which when compared to those neural netowkrs trained with non-grouped tests of these same dynamics, presents superior performance in both of true positive rate (up to 6% increase) and false positive rate (up to 17% decrease). Parallel to it, statistical analysis were conducted between groups in the search for predominant behaviours. As a highlight, one of these groups had both overall duration and transient state duration considerably lower than the other groups. In addition, since manual grouping is slow and requires a specialized operator and automatic method developed for this purpose, which showed a 92% accuracy in a first analysis. In general, results provided greater reliability to the inference neural networks and motivate the continuity of studies about training process related characteristics.

A máquina universal, ideia proposta por Alan Turing em 1936, seria uma máquina capaz de computar e executar qualquer máquina computável, vindo a ser tomada como um dos modelos abstratos do computador. Colocamos como problema a questão de saber o que pode uma máquina universal. Propomos dois modos de abordar a constituição de um pensamento sobre máquinas universais. O primeiro modo será desenvolvido através da construção de redes, no sentido que lhes é dado pela Teoria Ator-Rede. Com as redes teceremos uma narrativa histórica da máquina universal, com o intuito de mostrar que não há uma máquina universal, mas uma multiplicidade de máquinas, cada uma ligada e produzida por determinados coletivos que agregam as mais diversas forças, alianças e controvérsias envolvendo atores humanos e não-humanos. Esta história será realizada, primeiro, no âmbito de lógica e da matemática, e posteriormente em sua relação com linguagens de programação, engenharia de software e software livre. O segundo modo de constituição de um pensamento acerca de máquinas universais será dado por dobras, entendidas como procedimentos pelos quais o tempo dobrado, aproximando problemas, temporalidades e conceitos. Nas dobras a máquina universal será problematizada primeiro em sua relação com o pensamento na obra de Turing, segundo com o problema da interação e seus paralelos com as mônadas fechadas e abertas e, em terceiro, na relação estabelecida com a subjetividade através da figura do daemon e da concepção de uma cognição estendida. / The idea of "universal machine" was proposed by Alan Turing in 1936. The universal machine would be a machine able of computing and executing any computable machine, being taken as one abstract model of the computer. As a problem, we put the question about what can a universal machine do. We propose two ways to approach the creation of a thought about universal machines. The first mode will be developed through the construction of networks, in the sense given to them by the Actor-Network Theory. With the networks we will weave a historical narrative of the universal machine, in order to show that there is not a universal machine, but a multitude of machines, each linked and produced by certain groups that congregate the most diverse forces, alliances and disputes involving human and nohuman actors. This history will be made, first, in the context of logic and mathematics, and later in its relation to programming languages, software engineering and open source software. The second mode of thinking about universal machines will be made through folds, understood them as procedures by which time is folded, approaching problems, concepts and temporality. In the folds the universal machine will be problematized first in its relationship with the thought in the work of Turing, second, with the problem of interaction and its parallels with the open and closed monads and, thirdly, the relationship established with the subjectivity through the daemon figure and the concept of extended cognition.

Esta tese descreve um estudo quase experimental que teve como objetivo: investigar a relação entre a construção do Pensamento Computacional e o desenvolvimento do raciocínio de estudantes dos últimos anos do Ensino Fundamental. A pesquisa foi realizada utilizando um curso de extensão em Desenvolvimento de Games, ofertado em 2 escolas particulares de Porto Alegre, tendo a participação de 50 alunos. A prática de ensino-aprendizagem proposta foi construída com base em pressupostos teóricos da aprendizagem significativa e aprendizagem experiencial. O Pensamento Computacional e o raciocínio dos alunos foram avaliados antes e após o término do curso, sendo utilizados para este fim o Teste de Pensamento Computacional e as provas que compõe a Bateria de Provas de Raciocínio – BPR-5. A análise estatística dos dados permitiu evidenciar um incremento do Pensamento Computacional, bem como do Raciocínio Verbal, Raciocínio Abstrato e Raciocínio Mecânico dos alunos que participaram do experimento. Comprovou-se também uma correlação positiva entre o Pensamento Computacional e os cinco tipos de raciocínio avaliados. Os resultados deste estudo demonstram como a construção do Pensamento Computacional contribuí no desenvolvimento cognitivo dos alunos e é apresentada uma proposta pedagógica que pode servir de referência para novos estudos na área. / This thesis describes a quasi-experimental study aimed to investigate a relationship between the construction of Computational Thinking and the development of students' reasoning in Middle School. A research was carried out during a course about Games Development, offered in two private schools in Porto Alegre, with 50 students. The proposed teaching-learning practice was built on the theoretical assumptions of meaningful learning and experiential learning. Both, Computational Thinking and reasoning, of the students were measured before and after the course, using a Computational Thinking Test and a set of reasoning evidence tests (BPR-5). The statistical analysis of the data showed an increase in Computational Thinking, as well as Verbal Reasoning, Abstract Reasoning and Mechanical Reasoning of the students participating in the experiment. There was also a positive observation between Computational Thinking and the five types of reasoning. The results of this study demonstrate how the construction of Computational Thinking contributes to the cognitive development of students and presents a pedagogical proposal that can serve as a reference for new studies in the area.

Nos últimos anos, observamos o alvorecer de uma grande quantidade de aplicações que utilizam robôs autônomos. Para que um robô seja considerado verdadeiramente autônomo, é primordial que ele possua a capacidade de aprender sobre o ambiente no qual opera. Métodos de SLAM (Localização e Mapeamento Simultâneos) constroem um mapa do ambiente por onde o robô trafega ao mesmo tempo em que estimam a trajetória correta do robô. No entanto, para obter um mapa completo do ambiente de forma autônoma é preciso guiar o robô por todo o ambiente, o que é feito no problema de exploração. Câmeras são sensores baratos que podem ser utilizadas para a construção de mapas 3D. Porém, o problema de exploração em mapas gerados por métodos de SLAM monocular, i.e. que extraem informações de uma única câmera, ainda é um problema em aberto, pois tais métodos geram mapas esparsos ou semi-densos, que são inadequados para navegação e exploração. Para tal situação, é necessário desenvolver métodos de exploração capazes de lidar com a limitação das câmeras e com a falta de informação nos mapas gerados por SLAMs monoculares. Propõe-se uma estratégia de exploração que utilize mapas volumétricos locais, gerados através das linhas de visão, permitindo que o robô navegue em segurança. Nestes mapas locais, são definidos objetivos que levem o robô a explorar o ambiente desviando de obstáculos. A abordagem proposta visa responder a questão fundamental em exploração: "Para onde ir?". Além disso, busca determinar corretamente quando o ambiente está suficientemente explorado e a exploração deve parar. A abordagem proposta é avaliada através de experimentos em um ambiente simples (i.e. apenas uma sala) e em um ambiente compostos por diversas salas. / In recent years, we have seen the dawn of a large number of applications that use autonomous robots. For a robot to be considered truly autonomous, it is primordial that it has the ability to learn about the environment in which it operates. SLAM (Simultaneous Location and Mapping) methods build a map of the environment while estimating the robot’s correct trajectory. However, to autonomously obtain a complete map of the environment, it is necessary to guide the robot throughout the environment, which is done in the exploration problem. Cameras are inexpensive sensors that can be used for building 3D maps. However, the exploration problem in maps generated by monocular SLAM methods (i.e. that extract information from a single camera) is still an open problem, since such methods generate sparse or semi-dense maps that are ill-suitable for navigation and exploration. For such a situation, it is necessary to develop exploration methods capable of dealing with the limitation of the cameras and the lack of information in the maps generated by monocular SLAMs. We proposes an exploration strategy that uses local volumetric maps, generated using the lines of sight, allowing the robot to safely navigate. In these local maps, objectives are defined to lead the robot to explore the environment while avoiding obstacles. The proposed approach aims to answer the fundamental question in exploration: "Where to go?". In addition, it seeks to determine correctly when the environment is sufficiently explored and the exploration must stop. The effectiveness of the proposed approach is evaluated in experiments on single and multi-room environments.

Neste trabalho apresentamos o RL-CD (Reinforcement Learning with Context Detection), um método desenvolvido a fim de lidar com o problema do aprendizado por reforço (RL) em ambientes não-estacionários. Embora os métodos existentes de RL consigam, muitas vezes, superar a não-estacionariedade, o fazem sob o inconveniente de terem de reaprender políticas que já haviam sido calculadas, o que implica perda de desempenho durante os períodos de readaptação. O método proposto baseia-se em um mecanismo geral através do qual são criados, atualizados e selecionados um dentre vários modelos e políticas parciais. Os modelos parciais do ambiente são incrementalmente construídos de acordo com a capacidade do sistema de fazer predições eficazes. A determinação de tal medida de eficácia baseia-se no cálculo de qualidades globais para cada modelo, as quais refletem o ajuste total necessário para tornar cada modelo coerente com as experimentações reais. Depois de apresentadas as bases teóricas necessárias para fundamentar o RL-CD e suas equações, são propostos e discutidos um conjunto de experimentos que demonstram sua eficiência, tanto em relação a estratégias clássicas de RL quanto em comparação a algoritmos especialmente projetados para lidar com cenários não-estacionários. O RL-CD é comparado com métodos reconhecidos na área de aprendizado por reforço e também com estratégias RL multi-modelo. Os resultados obtidos sugerem que o RLCD constitui uma abordagem eficiente para lidar com uma subclasse de ambientes nãoestacionários, especificamente aquela formada por ambientes cuja dinâmica é corretamente representada por um conjunto finito de Modelos de Markov estacionários. Por fim, apresentamos a análise teórica de um dos parâmetros mais importantes do RL-CD, possibilitada pela aproximação empírica de distribuições de probabilidades via métodos de Monte Carlo. Essa análise permite que os valores ideais de tal parâmetro sejam calculados, tornando assim seu ajuste independente da aplicação específica sendo estudada. / In this work we introduce RL-CD (Reinforcement Learning with Context Detection), a novel method for solving reinforcement learning (RL) problems in non-stationary environments. In face of non-stationary scenarios, standard RL methods need to continually readapt themselves to the changing dynamics of the environment. This causes a performance drop during the readjustment phase and implies the need for relearning policies even for dynamics which have already been experienced. RL-CD overcomes these problems by implementing a mechanism for creating, updating and selecting one among several partial models of the environment. The partial models are incrementally built according to the system’s capability of making predictions regarding a given sequence of observations. First, we present the motivations and the theorical basis needed to develop the conceptual framework of RL-CD. Afterwards, we propose, formalize and show the efficiency of RL-CD both in a simple non-stationary environment and in a noisy scenarios. We show that RL-CD performs better than two standard reinforcement learning algorithms and that it has advantages over methods specifically designed to cope with non-stationarity. Finally, we present the theoretical examination of one of RL-CD’s most important parameters, made possible by means of the analysis of probability distributions obtained via Monte Carlo methods. This analysis makes it possible for us to calculate the optimum values for this parameter, so that its adjustment can be performed independently of the scenario being studied.

Submitted by LIVIA FREITAS (livia.freitas@ufba.br) on 2016-01-29T21:23:46Z No. of bitstreams: 1 dissert_v1009.pdf: 12452789 bytes, checksum: 6174aa6a8f5e91feb85fc2c38349fea3 (MD5) / Approved for entry into archive by LIVIA FREITAS (livia.freitas@ufba.br) on 2016-03-01T17:52:50Z (GMT) No. of bitstreams: 1 dissert_v1009.pdf: 12452789 bytes, checksum: 6174aa6a8f5e91feb85fc2c38349fea3 (MD5) / Made available in DSpace on 2016-03-01T17:52:50Z (GMT). No. of bitstreams: 1 dissert_v1009.pdf: 12452789 bytes, checksum: 6174aa6a8f5e91feb85fc2c38349fea3 (MD5) / O método de elevação artificial mais utilizado na indústria da produção de petróleo é o Sistema de Bombeio Mecânico (SBM), constituído essencialmente de três componentes: unidade de bombeio (UB), coluna de hastes (CH) e bomba de fundo (BF), tendo como principal ferramenta de diagnóstico a Carta Dinamométrica de Fundo (CDF), que apresenta um gráfico da carga, no ponto de conexão da CH com a BF, versus deslocamento do pistão da BF ao longo de um ciclo de bombeio. A utilização de CDF para diagnosticar SBM foi introduzida nos anos 30 por Walton E. Gilbert. O trabalho pioneiro de Gibbs e Neely nos anos 60 que traz a modelagem matemática do sistema possibilitou a reconstituição de uma CDF a partir de uma carta de superfície. O uso de um sistema automático de reconhecimento de padrões de CDF permite antecipar a identificação de problemas e a adoção de ações corretivas e preventivas, com impacto direto no aumento ou manutenção da produção de petróleo, na redução no consumo de energia e no aumento da disponibilidade dos equipamentos. Vários trabalhos têm sido apresentados sobre mecanismos de classificação automática de CDF, porém tendo resultados limitados a um número reduzido de classes de anomalias. Por outro lado, no final do século XX, Redes Neurais Artificiais (RNA) tem sido utilizadas com sucesso em vários campos do conhecimento, tais como modelamento de sistemas, previsão de séries temporais, classificação e reconhecimento de padrões. Esta última aplicação em especial compõe o mote deste trabalho, onde a identificação de um padrão de falha é realizada através de uma RNA treinada, alimentada pela saída de um extrator de características, que promove a redução dimensional dos dados de processo. Diferentemente de outras abordagens que utilizam um conjunto reduzido de classes para o treinamento da RNA, este trabalho mostra a viabilidade de se gerar padrões artificiais para treinamento de redes neurais com o intuito de se diagnosticar o desempenho de um SBM. Esta técnica deixa um caminho aberto para aplicações onde haja escassez de padrões, como nos casos de padrões de falhas, onde a obtenção de dados nas condições de anormalidade pode ser complexa ou possuir um alto custo.

Dissertação (mestrado) - Universidade Federal de Santa Catarina. Centro Tecnologico / Made available in DSpace on 2016-01-08T16:52:12Z (GMT). No. of bitstreams: 1 82432.pdf: 1408678 bytes, checksum: 850bfa1126230477e1b8c803f6a3e46d (MD5) Previous issue date: 1990 / Os engenheiros encarregados da conservação rodoviária (bem como de outras áreas da engenharia) usam bom senso, intuição, analogia e experiência pessoal para resolver problemas desta área. Este conjunto de processos, denominados heurísticos, oferece uma dificuldade muito grande para ser armazenado em um programa convencional de computador, utilizando técnicas tradicionais de programação. A inteligência artificial, no entanto, dá condições para que isto ocorra, via construção de um sistema especialista, permitindo que o processo contínuo de aquisição de conhecimento na área de conservação rodoviária possa ser preservado. O computador, poderia assim, ser um excelente consultor de quem o engenheiro poderá ter uma segunda opinião na solução de problemas referentes à conservação rodoviária. Esta é a proposta de CONSER, um sistema especialista para apoio à escolha de estratégias de conservação de rodovias não pavimentadas.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnologico / Made available in DSpace on 2016-01-08T18:43:30Z (GMT). No. of bitstreams: 1 99106.pdf: 5270815 bytes, checksum: 50a8ca31dd7be43e6d7568aa6c8291ff (MD5) Previous issue date: 1994 / É apresentado um sistema computacional para o reconhecimento de padrões complexos, o qual a abordagem conexionista de inteligência artificial. O sistema é constituído de uma rede neural híbrida capaz de abstrair características invariantes a translação, rotação e escala de diferentes padrões. Aplicado à indústria cerâmica, na detecção e diagnóstico de defeitos em revestimentos cerâmicos, o sistema obteve resultados significativos com uma taxa de acerto variando de 80 a 100 % das peças examinadas.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnologico / Made available in DSpace on 2016-01-08T19:49:02Z (GMT). No. of bitstreams: 1 100849.pdf: 2916243 bytes, checksum: 5e3671efc2f5ddbff4814454d80d2d09 (MD5) Previous issue date: 1995 / O sensoriamento remoto da terra com satélites e aeronaves está intimamente relacionado e dependente de tecnologia em computação com processamento de dados para análise de imagens digitais desde 1960. O sensoriamento remoto ao longo da história vem abrindo novos campos de pesquisa e conduzindo a avanços no ?pool? de capacidades do computador, como a incrementação de memória, velocidade e outros avanços que resultam na resolução de cores através de poderosos gráficos. Imagens de satélites constituem uma ferramenta extremamente poderosa e de custo relativamente baixo, na solução de vários problemas de recursos naturais, como por exemplo, o monitoramento da cobertura vegetal para facilitar o controle sobre desmatamento e queimadas; a identificação e avaliação de áreas cultivadas para auxiliar na previsão de safras e permitir o planejamento de áreas urbanas para análise e planejamentos macroeconômicos. Embora existam disponíveis no Brasil desde 1975, ainda hoje desenvolvem-se metodologias de uso dessas imagens nas várias áreas de aplicação: análise ambiental, florestas, agricultura, geologia e cartografia. Apesar da falta de conhecimento técnico a respeito desta ferramenta dificultar sua maior disseminação, o uso de imagens de satélites tem aumentado ano a ano. A utilização de técnicas de inteligência artificial, como sistemas especialistas para a especificação de produtos de imagens de satélites e a utilização adequada dos produtos obtidos pelos diferentes sensores, faz-se necessário para auxiliar o usuário leigo em sensoriamento remoto na tarefa de especificar um produto imagem, dado um conjunto de recursos disponíveis, ou seja, saber qual o produto a ser utilizado para extrair a informação desejada da imagem gerada.

Dissertação (mestrado) - Universidade Federal de Santa Catarina. Centro Tecnologico / Made available in DSpace on 2016-01-08T19:59:46Z (GMT). No. of bitstreams: 1 100877.pdf: 3307133 bytes, checksum: 67ea44703f91d48f3c1de551a83c2863 (MD5) Previous issue date: 1995 / Análise dos aspectos relacionados a construção e utilização de sistemas especialistas. Mostra os principais conceitos, o histórico da evolução destes sistemas e as funções e características dos elementos que os compõem. As formas de representação e armazenamento do conhecimento, as técnicas de raciocínio ou inferência e as ferramentas utilizadas no desenvolvimento são abordados detalhadamente. É especificado, e implementado em PROLOG, um protótipo de uma ferramenta para a construção de sistemas especialistas baseados em regras de produção. Com o protótipo é realizada uma aplicação experimental sobre uma base de conhecimentos na área médica. A aplicação experimental permite o diagnóstico de algumas doenças comuns do aparellho digestivo e respiratório.