Made available in DSpace on 2014-06-11T19:22:32Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-02-24Bitstream added on 2014-06-13T18:49:32Z : No. of bitstreams: 1 silva_taa_me_ilha.pdf: 370447 bytes, checksum: b861e5232da4742a12b7ae39aa142840 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Atualmente os sistemas elétricos de potência crescem em tamanho e complexidade e se faz necessário criar alternativas para minimizar o custo total de geração e operação. A previsão de cargas é uma tarefa importante para o planejamento e operação dos sistemas elétricos, pois dela dependem outras tarefas como despacho econômico, fluxo de potência, análise de estabilidade, entre outras. Para tanto esta tarefa deve ser precisa para que o sistema opere de forma segura e confiável. A precisão da previsão é de grande importância já que é através dela que é estabelecida quando e quanto de capacidade de geração e transmissão deve-se dispor para atender a carga prevista sem interrupções no fornecimento. O objetivo deste trabalho é desenvolver um modelo híbrido utilizando os modelos ARIMA de Box & Jenkins e Redes Neurais Artificiais com treinamento realizado pelo algoritmo de Levenberg-Marquartd. Este modelo será utilizado com a finalidade de melhorar a precisão dos resultados com relação à previsão de cargas elétricas a curto prazo. Os resultados obtidos através da metodologia proposta, modelo híbrido de regressão com redes neurais artificiais, foram comparados com demais trabalhos da literatura. É importante destacar que os resultados utilizados na comparação usam o mesmo banco de dados históricos (demanda de carga elétrica) de uma companhia do setor elétrico brasileiro, bem como o mesmo período de janelamento / Nowadays the electric power systems are increasing and becoming complexes and therefore it is necessary to provide alternatives to minimize the generation and operation costs. Load forecasting is a very important task for planning and operation of electric power systems of which other tasks are dependent, as for example, economic dispatch, power flow, and stability analysis, among others. Therefore, this task (load forecasting) must be precise for a secure and reliable operation of the power system. Forecasting precision is very important to set when and how much generation and transmission capacity is necessary to attend the load without interruptions. The objective of this work is to develop a hybrid model using ARIMA of Box & Jenkins and Neural Networks trained by Levenberg-Marquardt algorithm. This model is used aiming to improve the precision of the short term electrical load forecasting. The results obtained were compared with others available on the literature. It is emphasized that the data used is the same (from a Brazilian electric company) as well as the window period

Resumo: Atualmente, a fabricação é caracterizada pela sua complexidade, pluralidade de disciplinas e crescente demanda de novas ferramentas e técnicas para a solução de difíceis problemas. As redes neurais artificiais oferecem uma nova e diferente alternativa para investigar e analisar os desafiadores tópicos relacionados à manufatura. Desta forma, estudou-se neste trabalho os assuntos relacionados à aplicação das redes neurais na predição da circularidade e rugosidade da peça retificada pela análise de algumas variáveis de saída do processo. Foram empregados nos ensaios de usinagem: um fluido de corte (óleo emulsionável), um rebolo superabrasivo de CBN com ligante vitrificado e peças temperadas e revenidas de aço VC-131. Este trabalho também utilizou outras tecnologias de otimização do processo de retificação, tais como: a utilização de defletores aerodinâmicos para a quebra da camada de ar e a refrigeração otimizada por meio de um jato de fluido direcionado. Os ensaios de usinagem foram realizados para gerar a base de dados utilizada nos testes das redes neurais (ensaios computacionais). Fez-se portanto, diversos experimentos variando-se a velocidade de avanço, ou mergulho do rebolo na peça. As variáveis de saída analisadas que serviram de dados de entrada para a RNA foram: a força tangencial de corte (Ft), a energia específica de retificação (u), o desgaste diametral do rebolo, o parâmetro DPO e a emissão acústica (EA). A rugosidade e circularidade foram utilizadas para o treinamento das RNA’s. Nos testes computacionais, foram analisadas duas bases de dados: a primeira referente às médias de todos os 40 ciclos de retificação, já a segunda utilizou todos os valores destes 40 ciclos. Ainda foram examinadas diferentes combinações de dados de entrada para verificar a influência do parâmetro DPO na predição. Os resultados... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Nowadays, the manufacturing is characterized by its complexity, plurality of subjects and increasing demand of new tools and techniques for the solution of difficult problems. Artificial neural nets propose a new and different alternative to investigate and analyze the challenging topics related to the manufacturing. The objective of this work is to study the use of artificial neural nets in the prediction of roundness and roughness of a ground workpiece. It was used a CBN wheel, emulsion oil and workpieces made of VC-131 steel. This work also used other technologies of grinding optimization, such as: the use of a coolant shoe to break the air curtain layer in addition and the high pressure fluid jet. Grinding tests had been carried through to generate the database used in the artificial neural nets (computational tests). Different feed rates were used in these experiments to generate outputs such as: tangential cutting force (Ft), specific energy of grinding (u), diametrical wear of the wheel, DPO parameter and acoustic emission (EA). The roughness and roundness were used to train the RNA's. In the computational tests, it was verify the influence of the DPO parameter in the prediction as well as two different databases. The results suggest that this parameter (DPO) was not able to substitute the tangential cutting force (Ft) and the acoustic emission (EA) in the prediction. Moreover, it was verify the need of an input that represents the dynamic stiffness of the machine-tool-workpiece system to improve the roundness prediction. / Orientador: Paulo Roberto de Aguiar / Coorientador: Eduardo Carlos Bianchi / Banca: Leonardo Roberto da Silva / Banca: Rodrigo Eduardo Catai / Mestre

A demanda por metodologias para classificação de empresas que possuam características em comum e que componham um mesmo setor de atividade tem instigado pesquisadores a avaliar alternativas que sejam fidedignas à representação da realidade, e que façam uso reduzido de quesitos voltados à subjetividade de julgamento. Por isso, adotou-se como objetivo desta pesquisa a elaboração de rankings utilizando as técnicas de análise por envoltória de dados e redes neurais artificiais, com aplicação no setor de seguros privados, setor este de forte influência na economia nacional. Como dados para a aplicação das duas técnicas propostas, foram considerados alguns indicadores, via de regra adotados pelo setor, para avaliar o desempenho das empresas no cumprimento de suas atividades. Como resultado obtido, foi verificado que a ponderação direta de acordo com a importância de cada indicador não representa a única forma de apresentar uma ordenação justa das empresas consideradas com base em seus desempenhos. Por meio das técnicas utilizadas, foi observado que empresas que mantiveram um resultado satisfatório na maioria das variáveis consideradas obtiveram os melhores posicionamentos nos rankings. A rede neural, mesmo requerendo um maior tempo de processamento e oferecendo uma complexidade de aplicação maior que a técnica DEA, apresentou resultados mais consistentes. / The demand for methodologies and procedures to classify companies that have some characteristics in common and that are part of the same activity sector has instigated researchers to evaluate alternatives that represent the real situation according to their performance as business units, by making use of reduced amount of subjectivity in the performance judgment. Therefore, this research has as its main goal the objective to set up some rankings using the techniques of analysis and data envelopment by artificial neural networks, by making applying these techniques in the insurance sector, a activity with great influence in national economy. As data for the implementation of both techniques proposed, some indicators well known by specialists were considered to evaluate the performance of companies in their activities. As a result, it was found that the direct weighting used to enforce the importance of each indicator is not the only way to make a fair ranking of the insurance companies. About the techniques used, it was observed that companies that have maintained a satisfactory performance in most of the variables considered occupied best positions in the rankings. The neural network, even though requiring a longer processing time, and offering a greater complexity of application than DEA technique, showed some more consistent results.

This work deals with optimization of keyword spotting algorithms   on processor architecture ARM Cortex-A8. At first it describes this    architecture and especially the NEON unit for vector computing.   In addition it briefly describes keyword spotting algorithms and also there is proposed optimization of these algorithms for described architecture. Main part of this work is implementation of these optimizations and analysis of their impact on performance.

Orientador: Anna Diva Plasencia Lotufo / Coorientador: Mara Lúcia Martins Lopes / Banca: Francisco Villarreal Alvarado / Banca: Luciana Cambraia Leite / Resumo: Atualmente os sistemas elétricos de potência crescem em tamanho e complexidade e se faz necessário criar alternativas para minimizar o custo total de geração e operação. A previsão de cargas é uma tarefa importante para o planejamento e operação dos sistemas elétricos, pois dela dependem outras tarefas como despacho econômico, fluxo de potência, análise de estabilidade, entre outras. Para tanto esta tarefa deve ser precisa para que o sistema opere de forma segura e confiável. A precisão da previsão é de grande importância já que é através dela que é estabelecida quando e quanto de capacidade de geração e transmissão deve-se dispor para atender a carga prevista sem interrupções no fornecimento. O objetivo deste trabalho é desenvolver um modelo híbrido utilizando os modelos ARIMA de Box & Jenkins e Redes Neurais Artificiais com treinamento realizado pelo algoritmo de Levenberg-Marquartd. Este modelo será utilizado com a finalidade de melhorar a precisão dos resultados com relação à previsão de cargas elétricas a curto prazo. Os resultados obtidos através da metodologia proposta, modelo híbrido de regressão com redes neurais artificiais, foram comparados com demais trabalhos da literatura. É importante destacar que os resultados utilizados na comparação usam o mesmo banco de dados históricos (demanda de carga elétrica) de uma companhia do setor elétrico brasileiro, bem como o mesmo período de janelamento / Abstract: Nowadays the electric power systems are increasing and becoming complexes and therefore it is necessary to provide alternatives to minimize the generation and operation costs. Load forecasting is a very important task for planning and operation of electric power systems of which other tasks are dependent, as for example, economic dispatch, power flow, and stability analysis, among others. Therefore, this task (load forecasting) must be precise for a secure and reliable operation of the power system. Forecasting precision is very important to set when and how much generation and transmission capacity is necessary to attend the load without interruptions. The objective of this work is to develop a hybrid model using ARIMA of Box & Jenkins and Neural Networks trained by Levenberg-Marquardt algorithm. This model is used aiming to improve the precision of the short term electrical load forecasting. The results obtained were compared with others available on the literature. It is emphasized that the data used is the same (from a Brazilian electric company) as well as the window period / Mestre

Indiana University-Purdue University Indianapolis (IUPUI) / In recent years, Convolutional Neural Networks (CNNs) have become the state-of- the-art method for object detection and classi cation in the eld of machine learning and arti cial intelligence. In contrast to a fully connected network, each neuron of a convolutional layer of a CNN is connected to fewer selected neurons from the previous layers and kernels of a CNN share same weights and biases across the same input layer dimension. These features allow CNN architectures to have fewer parameters which in turn reduces calculation complexity and allows the network to be implemented in low power hardware. The accuracy of a CNN depends mostly on the number of images used to train the network, which requires a hundred thousand to a million images. Therefore, a reduced training alternative called transfer learning is used, which takes advantage of features from a pre-trained network and applies these features to the new problem of interest. This research has successfully developed a new CNN based on the pre-trained CIFAR-10 network and has used transfer learning on a new problem to classify road edges. Two network sizes were tested: 32 and 16 Neuron inputs with 239 labeled Google street view images on a single CPU. The result of the training gives 52.8% and 35.2% accuracy respectively for 250 test images. In the second part of the research, High Level Synthesis (HLS) hardware model of the network with 16 Neuron inputs is created for the Zynq 7000 FPGA. The resulting circuit has 34% average FPGA utilization and 2.47 Watt power consumption. Recommendations to improve the classi cation accuracy with deeper network and ways to t the improved network on the FPGA are also mentioned at the end of the work.

In this project we aim to apply Robust Reinforce-ment Learning algorithms, presented by Doya and Morimoto [1],[2], to control problems. Specifically, we train an agent to balancea pendulum in the unstable equilibrium, which is the invertedstate.We investigate the performance of controllers based on twodifferent function approximators. One is quadratic, and the othermakes use of a Radial Basis Function neural network. To achieverobustness we will make use of an approach similar toH∞control, which amounts to introducing an adversary in the controlsystem.By changing the mass of the pendulum after training, we aimedto show as in [2] that the supposedly robust controllers couldhandle this disruption better than its non-robust counterparts.This was not the case. We also added a random disturber signalafter training and performed similar tests, but we were againunable to show robustness. / I detta projekt applicerar vi Robust Rein- forcement Learning (RRL) algoritmer, framtagna av Doya och Morimoto [1], [2], på reglerproblem. Målet var att träna en agent att balansera en pendel i det instabila jämviktsläget; det inverterade tillståndet. Vi undersökte prestandan hos regulatorer baserade på två value function approximators. Den ena är kvadratisk och den andra en Radial Basis Function neuralt nätverk. För att skapa robusthet så använder vi en metod som är ekvivalent med H∞ - reglering, som innebär att man introducerar en motståndare i reglersystemet. Genom att ändra pendelns massa efter träning, hoppas vi att som i [2] kunna visa att den förment robusta regulatorn klarar av denna störning bättre än sin icke-robusta mostvarighet. Detta var inte fallet. Vi lade även till en slumpmässig störsignal efter träning och utförde liknande tester, men lyckades inte visa robusthet i detta fall heller. / Kandidatexjobb i elektroteknik 2020, KTH, Stockholm

A Mata Atlântica é reconhecida como área de prioridade de conservação na América do Sul, devido ao grande número de espécies endêmicas e constantes ameças à sua biodiversidade em decorrência da substituição da vegetação natural. Embora várias informações sobre a diversidade vegetal e animal estejam disponíveis, pouco se sabe sobre a diversidade de microorganismos existentes no solo desse bioma. A diversidade de fungos do solo foi avaliada em três unidades de conservação da Mata Atlântica do estado de São Paulo: Parque Estadual de Carlos Botelho (PECB), Estação Ecológica de Assis (EEA) e Parque Estadual da Ilha do Cardoso (PEIC). Ao todo, foram analisadas 90 amostras de solo, coletadas em épocas de alta e baixa pluviosidade, e sob a copa de três espécies arbóreas: Cabralea canjerana, Guapira opposita e Maytenus robusta. Foram utilizados métodos independentes (PCR-DGGE e pirosequenciamento) e um método dependente do cultivo (lavagem de solo e filtração de partículas) para a análise da diversidade e estrutura das comunidades de fungos do solo. Os resultados obtidos foram analisados conjuntamente com os dados de atributos químicos do solo e frações da matéria orgânica do solo a fim de verificar suas possíveis relações com as comunidades de fungos. Os resultados obtidos sugerem uma grande diversidade de fungos no solo da Mata Atlântica. Através do método de cultivo, um total de 142 espécies de fungos foi identificado nas três áreas, sendo que a estrutura das comunidades de fungos não foi influenciada pelas espécies arbóreas, mas sim pelas áreas e épocas de amostragem. As comunidades de fungos cultiváveis do PECB e do PEIC foram mais similares entre si do que em relação às comunidades de fungos do solo da EEA, assim como os valores dos atributos químicos do solo dessas áreas foram mais semelhantes entre si. Pelo método de PCR-DGGE, as estruturas das comunidades de fungos das três áreas sofreram influência das espécies arbóreas sob a copas das quais as amostras foram coletadas. Somente a estrutura das comunidades de fungos no solo do PEIC não sofreu influência da época de amostragem. Usando pirosequenciamento, foram obtidas 39.152 sequências da região ITS de fungos, as quais foram agrupadas em 1.800 Unidades Taxonômicas Operacionais (UTOs). A diversidade de fungos na EEA e no PEIC variou em função das espécies arbóreas e épocas de coleta. A análise de NMS de cada área amostrada indicou que as comunidades de fungos do solo são muito homogêneas. O filo Ascomycota foi mais frequentemente detectado, tanto usando metodologia dependente quanto independente de cultivo. De maneira geral, as comunidades de fungos cultiváveis apresentaram maior relação com atributos químicos do solo, áreas e épocas de coleta, e as comunidades de fungos acessadas por PCRDGGE mostraram maior relação com as épocas de coleta e espécies arbóreas sob as quais as amostras de solo foram coletadas. A análise dos metadados usando rede neural revelou uma dependência da diversidade de fungos em relação às concentrações de ácidos húmicos, ácidos fúlvicos e humina no solo, além do pH e concentração de matéria orgânica total. / Brazilian Atlantic Forest is recognized as a top priority for conservation in South America because of its large number of innate species and the threats for the biodiversity due to vegetation changes. Although a plethora of data on plant and animal diversity in the Atlantic Forest is available, the diversity of soil microorganisms in this biome is still mostly unknown. Therefore, soil fungi diversity was evaluated in three Atlantic Forest conservation areas of São Paulo state: Estação Ecológica de Assis (EEA), Parque Estadual de Carlos Botelho (PECB) and Parque Estadual da Ilha do Cardoso (PEIC). A total of 90 soil samples were analyzed, collected in two different seasons (high and low precipitation seasons), and under the canopy projection of three tree species: Cabralea canjerana, Guapira opposita and Maytenus robusta. Two independent cultivation methods (PCR-DGGE and pyrosequencing) and one dependent method (soil washing and particles filtration method) were used for the analysis of soil fungi diversity and community structure. The results of these methods were analyzed together with the data on soil chemical attributes and organic matter fractions in the same samples, in order to verify the possible relations with soil fungi communities. The results suggest a great diversity of soil fungi in the Atlantic Forest. Through the cultivation method, a total of 142 fungi species were identified for the three areas. The structure of fungi communities was not affected by the tree species, but were affected by the sampling areas and seasons. Cultivable fungi community in PECB and PEIC were more similar to each other than in EEAs soil fungi community. In addition, the values of the chemical properties of these areas were more similar to each other. The structure of soil fungi community accessed by PCR-DGGE showed that the three areas were influenced by the tree species under the canopy where the soil samples were collected. Only the structure of PEICs fungi communities was not influenced by the season. By means of pyrosequencing, 39,152 sequences were retained from the ITS rDNA region, which were clustered in 1,800 Operational Taxonomic Unities (OTUs). Fungal diversity in EEA and PECB areas was influenced by the tree species and seasons. NMS analysis of each sampled area showed that soil fungi communities are very homogenous. Ascomycota was the most frequent phylum detected by both dependent and independent cultivation methods. Overall, the communities of cultivable fungi were more related to soil chemical attributes, sampling areas and seasons. Fungal communities accessed by PCR-DGGE showed greater relation with the seasons and tree species where the soil samples were collected. Analysis of metadata using neural network revealed fungal diversity dependence of humic acids, fulvic acids and humin concentrations in soil, as well as pH and organic matter concentrations.

A Mata Atlântica é reconhecida como área de prioridade de conservação na América do Sul, devido ao grande número de espécies endêmicas e constantes ameças à sua biodiversidade em decorrência da substituição da vegetação natural. Embora várias informações sobre a diversidade vegetal e animal estejam disponíveis, pouco se sabe sobre a diversidade de microorganismos existentes no solo desse bioma. A diversidade de fungos do solo foi avaliada em três unidades de conservação da Mata Atlântica do estado de São Paulo: Parque Estadual de Carlos Botelho (PECB), Estação Ecológica de Assis (EEA) e Parque Estadual da Ilha do Cardoso (PEIC). Ao todo, foram analisadas 90 amostras de solo, coletadas em épocas de alta e baixa pluviosidade, e sob a copa de três espécies arbóreas: Cabralea canjerana, Guapira opposita e Maytenus robusta. Foram utilizados métodos independentes (PCR-DGGE e pirosequenciamento) e um método dependente do cultivo (lavagem de solo e filtração de partículas) para a análise da diversidade e estrutura das comunidades de fungos do solo. Os resultados obtidos foram analisados conjuntamente com os dados de atributos químicos do solo e frações da matéria orgânica do solo a fim de verificar suas possíveis relações com as comunidades de fungos. Os resultados obtidos sugerem uma grande diversidade de fungos no solo da Mata Atlântica. Através do método de cultivo, um total de 142 espécies de fungos foi identificado nas três áreas, sendo que a estrutura das comunidades de fungos não foi influenciada pelas espécies arbóreas, mas sim pelas áreas e épocas de amostragem. As comunidades de fungos cultiváveis do PECB e do PEIC foram mais similares entre si do que em relação às comunidades de fungos do solo da EEA, assim como os valores dos atributos químicos do solo dessas áreas foram mais semelhantes entre si. Pelo método de PCR-DGGE, as estruturas das comunidades de fungos das três áreas sofreram influência das espécies arbóreas sob a copas das quais as amostras foram coletadas. Somente a estrutura das comunidades de fungos no solo do PEIC não sofreu influência da época de amostragem. Usando pirosequenciamento, foram obtidas 39.152 sequências da região ITS de fungos, as quais foram agrupadas em 1.800 Unidades Taxonômicas Operacionais (UTOs). A diversidade de fungos na EEA e no PEIC variou em função das espécies arbóreas e épocas de coleta. A análise de NMS de cada área amostrada indicou que as comunidades de fungos do solo são muito homogêneas. O filo Ascomycota foi mais frequentemente detectado, tanto usando metodologia dependente quanto independente de cultivo. De maneira geral, as comunidades de fungos cultiváveis apresentaram maior relação com atributos químicos do solo, áreas e épocas de coleta, e as comunidades de fungos acessadas por PCRDGGE mostraram maior relação com as épocas de coleta e espécies arbóreas sob as quais as amostras de solo foram coletadas. A análise dos metadados usando rede neural revelou uma dependência da diversidade de fungos em relação às concentrações de ácidos húmicos, ácidos fúlvicos e humina no solo, além do pH e concentração de matéria orgânica total. / Brazilian Atlantic Forest is recognized as a top priority for conservation in South America because of its large number of innate species and the threats for the biodiversity due to vegetation changes. Although a plethora of data on plant and animal diversity in the Atlantic Forest is available, the diversity of soil microorganisms in this biome is still mostly unknown. Therefore, soil fungi diversity was evaluated in three Atlantic Forest conservation areas of São Paulo state: Estação Ecológica de Assis (EEA), Parque Estadual de Carlos Botelho (PECB) and Parque Estadual da Ilha do Cardoso (PEIC). A total of 90 soil samples were analyzed, collected in two different seasons (high and low precipitation seasons), and under the canopy projection of three tree species: Cabralea canjerana, Guapira opposita and Maytenus robusta. Two independent cultivation methods (PCR-DGGE and pyrosequencing) and one dependent method (soil washing and particles filtration method) were used for the analysis of soil fungi diversity and community structure. The results of these methods were analyzed together with the data on soil chemical attributes and organic matter fractions in the same samples, in order to verify the possible relations with soil fungi communities. The results suggest a great diversity of soil fungi in the Atlantic Forest. Through the cultivation method, a total of 142 fungi species were identified for the three areas. The structure of fungi communities was not affected by the tree species, but were affected by the sampling areas and seasons. Cultivable fungi community in PECB and PEIC were more similar to each other than in EEAs soil fungi community. In addition, the values of the chemical properties of these areas were more similar to each other. The structure of soil fungi community accessed by PCR-DGGE showed that the three areas were influenced by the tree species under the canopy where the soil samples were collected. Only the structure of PEICs fungi communities was not influenced by the season. By means of pyrosequencing, 39,152 sequences were retained from the ITS rDNA region, which were clustered in 1,800 Operational Taxonomic Unities (OTUs). Fungal diversity in EEA and PECB areas was influenced by the tree species and seasons. NMS analysis of each sampled area showed that soil fungi communities are very homogenous. Ascomycota was the most frequent phylum detected by both dependent and independent cultivation methods. Overall, the communities of cultivable fungi were more related to soil chemical attributes, sampling areas and seasons. Fungal communities accessed by PCR-DGGE showed greater relation with the seasons and tree species where the soil samples were collected. Analysis of metadata using neural network revealed fungal diversity dependence of humic acids, fulvic acids and humin concentrations in soil, as well as pH and organic matter concentrations.

DETECTION OF SNOW AVALANCHE DEBRIS FROM SATELLITE SYNTHETIC APERTURE RADAR (SAR) DATA Abstract This thesis engages with detection of snow avalanche debris at radar images taken with synthetic aperture radar on Sentinel-1 satellite. The aim is to find method for recognizing places at image where is the snow avalanche debris. A method is based on neural net principle, specifically on using pre-trained model of neural net VGG-19. According to results of neural net, training images are splitted into two cathegories: there is an avalanche and there is not. It is called binary classification. The result is statistical evaluation of success rate compared with other traditional methods. keywords: snow avalanche, Sentinel-1, neural net, VGG-19