[pt] O objetivo desta dissertação é estimar um modelo para prever a demanda de passagens rodoviárias em ligações interestaduais no Brasil. Para perseguir este objetivo serão utilizados modelos de regressão linear múltipla e redes neurais. Os modelos de regressão foram testados em relação a sua forma funcional e investigados para a presença de observações aberrantes e influentes. Os resultados evidenciaram que as não- linearidades modeladas pela rede neural não resultam em melhor poder preditivo em relação ao modelo de regressão e, que este apresenta um razoável poder de previsão embora haja possibilidade de super dimensionamento da demanda. / [en] The objective of this dissertation is to estimate a model to forecast the demand of intra state passenger transport tickets in Brazil. To reach this objective, a multiple regression analysis model and artificial neural networks will be used. Regression models were tested in their functional behavior and investigated for the presence of outliers and influent observations. Our results showed that the non linearity modelled by the neural networks did not result in a better forecast when compared to the regression model. Our final regression model has a reasonable forecasting power, although there is possibility of overestimating the demand.

[pt] Esta dissertação investiga a utilização de Redes Neurais, especificamente o modelo conhecido como Mapa Auto- Organizável de Kohonen, na previsão de insolvência no sistema finaneiro. Para o desenvolvimento deste trabalho foram utilizados inicialmente indicadores financeiros trimestrais de 32 Bancos e 53 Financeiras do Paraguai no período compreendido entre dezembro de 1996 e dezembro de 1997. Como parâmetro de comparação foram utilizados os resultados fornecidos pelo sistema de qualificação denominado CAULA, empregado pela Superintendência de Bancos do Banco Central do Paraguai. / [en] This dissertation investigates the use of Neural Networks, especially the model known as Self-Organizing Feature Maps (S.O.F.M.), as regards the prediction of bankruptcy in the financial system. Quarterly financial ratios of 32 Banks and 53 Financial Institutions in Paraguay within the period December 96 - December 97 were utilized for the development of this work. The qualification system, Known as CAULA (Capital, Assets, Utilities, Liquidity and Management), used by the Superintendence of Banks of the Central Bank of Paraguay, was chosen as a comparative model with respect to the Neural Network model.

[pt] Esta dissertação apresenta o desenvolvimento de um sistema híbrido, baseado em Algoritmos Genéticos (AG) e Redes Neurais (RN), no processo de seleção de ações, na determinação do percentual a investir em cada ativo também denominado peso do ativo na carteira e gerenciamento de carteiras de investimento. O objetivo do trabalho é avaliar o desempenho de Algoritmos Genéticos e Redes neurais para a montagem e gerenciamento de carteiras de investimento. A construção e gerenciamento de carteiras de investimento é um problema de múltiplos objetivos (retorno e risco) onde deseja-se escolher um conjunto de ações de empresas com perspectivas de lucro para formar a carteira de investimento. Esta escolha é difícil devido ao grande número de possibilidades e parâmetros a serem considerados, como: retorno, risco, correlação, volatilidade, entre outros; razão pela que é considerado como problema do tipo NP-completo. O trabalho de pesquisa foi desenvolvido em 5 etapas principais: um estudo sobre a área de carteiras de investimento; um estudo sobre os modelos com técnicas de inteligência computacional empregados nesta área; a definição de um modelo híbrido Genético-Neural para a seleção e gerenciamento da carteira para o caso estacionário; a definição de um modelo híbrido Genético- Neural para a seleção e gerencia de carteira para o caso variante no tempo; e o estudo de casos. O estudo sobre a área de carteiras de investimento envolveu toda a teoria necessária para a construção e gerenciamento de carteiras de investimento. O estudo sobre as técnicas de inteligência computacional, define-se os conceitos principais de Algoritmos Genéticos e Redes Neurais empregados nesta dissertação. A modelagem híbrida Genético-Neural para o caso clássico ou estacionário, constituiu fundamentalmente mo emprego de um Algoritmo Genético para selecionar os ativos da carteira a partir de um subconjunto de ativos noticiados na Bolsa de Valores de São Paulo - Brasil (BOVESPA). Uma Rede Neural auxilia na gerência da carteira, fazendo previsões dos retornos dos ativos para o próximo período de avaliação da carteira. Na seleção de ativos, dois algoritmos genéticos são modelados: o primeiro procura escolher 12 dentre 137 ativos negociados na BOVESPA, que apresentem maior expectativa de retorno, com menor risco e que apresentem baixa correlação com os demais ativos; e o segundo procura escolher os ativos empregando o modelo de Makowitz e o critério de Fronteira eficiente. A previsão de retornos da as ações é uma estratégia que visa melhorar o desempenho de carteiras de investimento que, tipicamente, consideram apenas o retorno médio do ativo. Diferentes modelos de redes neurais foram testados, como: Backpropagation, Redes Neurais Bayesianas, Sistema Neuro-Fuzzy Hierárquico e Redes Neurais com Filtros de Kalman; os melhores resultados de previsão foram obtidos com redes neurais com Filtros de Kalman. Para o caso estacionário foram usadas como entradas da rede neural os retornos semanais, tanto do ativo como do índice do mercado, empregando-se o método de janela deslizante para a previsão um passo a frente. A modelagem híbrida Genético-Neural para o caso variante no tempo, constituiu no emprego de 3 modelos: um AG para fazer a escolha dos ativos da carteira; o modelo GARCH para fazer as previsões da volatilidade dos ativos e o cálculo do risco de cada um deles dado pelo VAR (medida de risco que tenta quantificar a perda máxima que uma carteira (ou ativo) pode ter em um horizonte de tempo e com um intervalo de confiança); e uma RN para fazer as previsões dos retornos dos ativos para o próximo período de avaliação de carteira. Na montagem da carteira, empregou-se o Critério de Fronteira eficiente para a seleção dos ativos, também dentre os 137 negociados na BOVESPA. A previsão da volatilidade das ações é uma forma de indicar quanto pode variar o preço da ação, medida útil para determinar o risco de um ativo representado pelo VAR. / [en] This dissertation presents the development of a hybrid system, based in Algorithms Genetics (AG) and Neural Networks (RN), for the selection of stocks, for the determination of the percentage to invest in each asset called weight of the stocks on the portfolio and investmet portfolio management. The objective multiples (return and risk) where desired to choose a set of actions of compaines with profit perspectives to form the investment portfolio. This choice difficult must to the great number of possiblities and parameters be considered, as: return, risk, correlation volatility, among others; reason by which it is considered as problem NP-Complete. The research work was developed in 5 main stages: a study on the investment portfolio area; a study on the models that use techniques of computacinal intelligence in this area; the dffinition of a hybrid model Genetic-Neural for the selection and manages of portfolio for the variant case in the time; and the study of cases. The study of the investment portfolio area it involved all the necessary theory for the construction and investment portfolio management. The study the techniques of computacional intelligence it defines the main concepts of Genetic Algorithms and Neural Networks used in this dissertation. The hybrid modeling Genetic-Neural for the classic or stationary case, consisted basically in the use of a Genetic Algorithm to select the stocks of the portfolio from a subgroup of assets negotiated in the Stock exchange of São Paulo - Brazil (BOVESPA). A Neural Network assists in the management of the portfolio, making forecasts of the returns of the assets for the next period to evaluation of the portfolio. In the asset seletion, two genetic algorithm are shaped: the first selects 12 amongst 137 assets negotiated in the São Paulo Stock Exchange, that present greater return expectation, with lesser risk and that they present low correlation with the others assets; and the second selects the assets using the model of Markowitz and the Criterion of Efficient Frontier. The forecast of returns of the stocks is a strategy that it aims at to improve the investment portfolio performance, typically, they consider only the average return of the asset. Diferent models of neural networks had been tested as: Neural Back Propagation, Networks Bayesianas, Hierarchic Neuro-Fuzzy System and Neural Networks with Filters of Kalman. The best ones resulted of forecast had been gotten with the neural network the weekly returns, as Filters of Kalman. For the stationary case they had been used as entred of the neural network the weekly returns, as much of the asset as of the index of the market, using itself the method of sliding window to make the forecast a step the front. The hybrid modeling Genetic-Neural for the variant case in the time, consisted of the use of 3 models: a AG to make the choice of the assets of the portfolio; model GARCH to make the forecasts of the volatility of the assets and the calculation of the risk of each asset is given by the VAR (measured of risk that tries to quantify the maximum loss that portfolio (or asset) can have in a horizon of time and with a confidence interval); e a RN to make the forecasts of the returns of the assets for the next period to evaluation of the portfolio. In the construction of the portfolio, the Criterion of Efficient Frontier for the selection of the assets was used, also amongst the 137 negotiated in the São Paulo Stock Exchange. The forecast of the volatility of the assets is a form to indicate how much it can vary the price of the assets, measured useful to determine the risk of an asset represented for the VAR. For this case job model GARCH to make this forecast. For the forecast of the returns os the assets they had been used as inputs of the Neural Networks Back Propagation the 10 last weekly returns of the assets and the volatily of the asset, using itself also the method of sliding win

[pt] A interpretação sísmica é um processo fundamental para a exploração de hidrocarbonetos. Essa atividade consiste na identificação de informação geológica através do processamento e análise de dados sísmicos. Com o crescimento acentuado e a complexidade dos dados sísmicos, a análise manual de fácies sísmicas tornou-se um desafio significativo. O mapeamento de fácies sísmicas é um processo demorado e que requer profissionais especializados. O objetivo deste trabalho visa aplicar a classificação multiatributos usando uma rede neural encoder-decoder para mapear as fácies sísmicas e auxiliar no processo de interpretação. Um conjunto de atributos sísmicos, foram calculados utilizando o software Opendtect versão 6.6 a partir dos dados de amplitude contidos no Dataset Facies-Mark . Sendo eles: Energia, Pseudo Relevo, Fase instantânea e Textura, todos foram selecionados por um intérprete. A função de perda utilizada pela rede foi weighted categorical crossentropy, pelo fato das classes serem consideravelmente desbalanceadas. O treinamento foi realizado nas direções inlines e crosslines para as respectivas combinações: atributos, atributo + amplitude, e somente a amplitude. Os resultados baseado na métrica frequency weighted intersection over union (FWIU), mostraram que os atributos junto com a amplitude obtiveram o melhor resultado, 85,73 por cento, em comparação com as outras combinações citadas. Em comparação direta com o trabalho que inspirou essa dissertação, o multiatributos performou melhor. / [en] Seismic interpretation is a fundamental process for hydrocarbon exploration. This activity consists of identifying geological information through the processing and analysis of seismic data. With seismic data s rapid growth and complexity, manual seismic facies analysis has become a significant challenge. Mapping seismic facies is a time-consuming process that requires specialized professionals. The objective of this work is to apply multi-attribute classification using an encoder-decoder neural network to map the seismic facies and assist in the interpretation process. A set of seismic attributes were calculated using Opendtect version 6.6 software from the amplitude data contained in the Facies-Mark Dataset. These being: Energy, Pseudo Relief, Instant Phase, and Texture were all selected by an interpreter. The loss function used by the network was weighted categorical cross-entropy, because the classes are considerably unbalanced. The training was performed in the inlines and crosslines directions for the respective combinations: attributes, attribute + amplitude, and only the amplitude. The results based on the frequency weighted intersection over union (FWIU) metric showed that the attributes along with the amplitude obtained the best result, 85.73 percent, compared to the other combinations mentioned. In direct comparison with the work that inspired this dissertation, multi-attribute performed better.

[pt] A robótica já é parte importante da vida cotidiana, em especial na grande ajuda que pode promover para melhorar a qualidade de vida, mostrando-se como uma ótima opção, por exemplo, para a reabilitação física no corpo humano. O presente trabalho apresenta um projeto e um estudo de controle de movimento de uma plataforma robótica - uma bengala - controlada por meio de sensores de força nela localizados, fazendo com que o registro dos movimentos do usuário seja feito de forma não-invasiva. O protótipo se desloca por meio de três rodas omnidirecionais, acionadas por motores elétricos de corrente continua. Estes últimos têm facilidade no controle e são de baixo custo. A bengala é fabricada em alumínio para facilitar o seu transporte devido à baixa densidade desse material, além de apresentar uma boa usinabilidade, facilitando a sua fabricação. O sistema eletrônico consiste de três etapas: (i) circuito de aquisição de ponte de Wheatstone para os extensômetros; (ii) amplificação e filtragem feitas com amplificadores de instrumentação e filtros passa baixa Butterworth; e (iii) processamento e controle, implementado em dois microcontroladores PIC. O controle da bengala é baseado em admitância em paralelo com um controle PI linear, o qual pretende promover ao usuário uma sensação de naturalidade ao caminhar, sem esforços adicionais significativos e com rápida resposta. Em particular, o sistema pretende detectar situações de queda iminente do usuário, cenário não incomum no uso por idosos. / [en] Robotics already is an important part of modern daily routine, with a quite unlimited potential for the improvement of life quality. For instance, robotics can be a very attractive technology for physical rehabilitation of the human body. The present work presents a design proposal and study of the stability control of an omnidirectional robotic walking cane for assistance of motor disabilities. Non-invasive force sensors are used to register the user s motions and to control the robotic cane. Three omnidirectional wheels, each of them driven by a continuous electrical current motor, move the prototype in all planar directions without the need for turning. The chosen electrical motors are characterized by their easy control and low cost. The stick is fabricated in aluminum, a low-density material with good machinability, in order to both facilitate the user in transporting the cane and to ease the manufacturing process. The electronic system is comprised of three stages: (i) a Wheatstone bridge circuit for the acquisition of strain-gage signals for force and torque sensing; (ii) amplification and filtering with instrumentation amplifiers and Butterworth-type low pass filters; and (iii) processing and control, implemented on two PIC microcontrollers. The control of the robotics support is performed both by an admittance-based approach in parallel with a linear PI control. The quick response of this integrated control does not demand extra efforts from the user, thus providing a more natural sensation while walking. In particular, the system intends to detect whether the user is in the imminence of falling over, a likely scenario in eldercare.

The frequency estimation is a problem widely studied in many fields including electric power systems. Several methods have been proposed for this purpose, and most of them perform well when the signal is not distorted by harmonics or noises. This paper presents two new methods based on Artificial Neural Networks for frequency estimation. Both use Clarck s transform to generate a phasor that represent the system s signal. In the first methodology this phasor is normalized and feeds the Generalized Regression Neural Network, that ponders the values. At the end it s obtained a phasor where noisy and harmonics are attenuated. The neural network output is then used to calculate the electrical system frequency. Otherwise, the second methodology uses the Adaptive Linear Neural Network. This work tested also various methodologies of frequency estimation proposed in other knowledge fields such as radar, sonar, communications, biomedicine and aviation however with electrical power systems signals. These methods are: Lavopa (proposed by Lavopa et al. 2007), Quinn (proposed by Quinn, 1994), Jacobsen (proposed by Jacobsen e Kootsookos, 2007), Candan (proposed by Candan, 2011), Macleod (proposed by Macleod, 1998), Aboutanios (proposed by Aboutanios, 2004), Mulgrew (proposed by Aboutanios e Mulgrew, 2005), Ferreira (proposed by Ferreira 2001) e DPLL (proposed by Sithamparanathan, 2008). With the exception of DPLL the remaining methods are based on the Discrete Fourier Transform and seek the spectrum frequency peak to than find the fundamental frequency. The nine methodologies are compared with the proposed methods and with the commonly techniques used or studied for electric power systems. Tests include noisy signals, harmonics, sub-harmonics, frequency variations on step, ramp and sinusoidal, also variations on voltage and phase are considered. The tests also include a simulated signal where a load block is inserted and immediately after removed from the system. At the end a comparison is made between the techniques, been able to point each technique advantage and disadvantage trough the comparison identify the best methods to be applied on electrical power systems. / A estimação de frequência é um problema muito estudado em diversas áreas, dentre elas a dos sistemas elétricos de potência. Inúmeras metodologias foram propostas para esse fim, sendo que a maioria delas apresenta bom desempenho quando o sinal não está distorcido por componentes harmônicas ou ruídos. Este trabalho propõe duas novas metodologias fundamentadas em Redes Neurais Artificiais, de modo a estimar a frequência. Elas utilizam a transformada de Clarck para gerar um fasor que representa o sinal trifásico do sistema. Na primeira metodologia, esse fasor é normalizado e alimenta a Rede Neural de Regressão Generalizada, que faz a ponderação dos valores. Ao final, obtém-se um fasor em que ruídos e harmônicas são atenuados. A saída da rede neural é, então, utilizada para o cálculo da frequência do sistema elétrico. A segunda metodologia utiliza a Rede Neural Linear Adaptativa. Neste trabalho, também são testadas, para uso em sistemas elétricos de potência, diversas metodologias propostas em outras áreas de conhecimento, tais como radar, sonar, comunicação, biomedicina e aviação. São elas: Lavopa (proposta por Lavopa et al. 2007), Quinn (proposta por Quinn, 1994), Jacobsen (proposta por Jacobsen e Kootsookos, 2007), Candan (proposta por Candan, 2011), Macleod (proposta por Macleod, 1998), Aboutanios (proposta por Aboutanios, 2004), Mulgrew (proposta por Aboutanios e Mulgrew, 2005), Ferreira (proposta por Ferreira 2001) e DPLL (proposta por Sithamparanathan, 2008). Com exceção da DPLL, os demais métodos são fundamentados na transformada discreta de Fourier e buscam encontrar o pico do espectro de frequências, para, então, encontrar a frequência fundamental. As nove metodologias são comparadas juntamente com os métodos propostos e as técnicas já comumente usadas ou estudadas para sistemas elétricos. Os testes incluem sinais com ruídos, harmônicas, sub-harmônicas, variações de frequência em degrau, rampa e senoidal, variações de fase e tensão em degrau. Os testes ainda incluem um sinal provindo de simulação em que um bloco de carga é inserido e logo após retirado do sistema. Ao final é realizada uma comparação entre as técnicas, sendo possível identificar as vantagens e desvantagens de cada uma e, assim, indicar as melhores a serem usadas em sistemas elétricos de potência.

Neste trabalho apresentamos um assunto que tem contribuído em diversas áreas, o conhecido Problemas de Lurie. Para exemplificar sua aplicabilidade estudamos a Rede Neural de Hopfield e a relacionamos com o problema. Alguns teoremas são apresentados e um dos resultados do Problema de Lurie é aplicado ao modelo de Hopfield. / In the present work we show some properties of the so called Luries type equation. We treat particularly the stability conditions problem, and show how this theory is applied in a Hopfield neural network.

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.

Redes Neurais Artificiais (RNA's) vem sendo utilizada em diversas áreas do conhecimento inclusive para a previsão de séries temporais. O objetivo deste trabalho é utilizar uma RNA para o diagnóstico e prognóstico de vazão em bacias urbanas da Região Metropolitana de São Paulo (RMSP) com dados do radar meteorológio de São Paulo e os dados telemétricos da bacia do Alto Tietê. Uma RNA do tipo feedforward multicamadas, com aprendizado supervisionado e com o algoritmo de treinamento Linear Least Square SIMplex (LLSSIM, Hse et al. 1996) foram aplicados à bacia do Rio Tamanduateí. Dividiu-se os eventos disponíveis em três grupos; para o treinamento, verificação e previsão ideal com a RNA. Realizou o treinamento e verificação da rede com dados de vazão estimada e nível medido. Os erros de fase e amplitude foram utilizados para avaliar o desempenho da rede em cada uma das configurações empregadas. Estes indicam a importância da memória da bacia para o bom desempenho da RNA. Verifica-se também que nem sempre o aumento do número de camadas escondidas melhoram os resultados, bem como o aumento da quantidade de dados. Comparou-se ainda a performance da RNA contra um modelo auto regressivo sendo a primeira menos dependente da memória da bacia. Por último, realizou previsões do tipo ideal com resultados satisfatórios até 1 hora e 30 minutos de antecedência. Além deste período os erros crescem exponencialmente. / Artificial Neural Networks (ANN) have been widely used in several areas of science for many purposes, including time series forecasting. The objective of this work is to apply an ANN to simulate and to forecast streamflow at the outlet of the Tamanduateí basin. This urban basin is located within the Metropolitan Area of São Paulo (MASP). Radar and telemetric data are input to a multi-layer feedforward ANN. It is trained with the Linear Least Square SIMplex training algorithm (LLSSIM; Hse et al, 1996). Available flood events were divided up in three independent groups for training, verification and forecasting. The training and the verification of estimated streamflow and measured river stage were carried out. Phase and amplitude errors were used to evaluate the performance of the ANN for each configuration. The results indicate a better performance of the ANN when previous streamflow or river stage are input to the ANN. Furthermore, the increase of hidden layers not necessarily improve the results. The ANN was compared to an auto-regressive model. The former is less dependent on the basin memory. The ANN Forecasts yielded satisfactory results up to one and half-hour in advance. For longer time periods the errors tend to grow exponentially.

Fundamentos - Identificar pacientes ambulatoriais que necessitam de recursos terciários de hospital de referência voltado para a prática cardiológica é inerente à responsabilidade assistencial. Compete reconhecer pacientes sob maior risco de prognóstico desfavorável, o que pode ser feito pelo emprego de métodos estatísticos tradicionais. Com o mesmo fito, as redes neurais têm sido objeto de interesse. Formulamos a hipótese de que as redes neurais, alimentadas a partir de variáveis selecionadas com o emprego de estatística tradicional, pudessem contribuir para a avaliação prognóstica de pacientes com insuficiência cardíaca. Objetivos - Avaliar o prognóstico de pacientes com diagnóstico de insuficiência cardíaca com o emprego de métodos da estatística de sobrevivência associada com a rede neural artificial. Delineamento - Estudo de coorte retrospectiva a partir de dados assistenciais de pacientes que receberam o diagnóstico de insuficiência cardíaca, identificação das variáveis associadas ao prognóstico com o emprego da estatística tradicional e alimentação da rede neural perceptron de múltiplas camadas (Neuro XL Predictor - OLSOFT Software Development) com essas variáveis. Local - Ambulatório cardiológico com alto volume de atendimentos voltado para pacientes do Sistema Único de Saúde (SUS) em hospital acadêmico de referência terciário. Participantes - 2.128 pacientes consecutivos, que receberam o diagnóstico de insuficiência cardíaca de 2 de julho de 2003 a 2 de julho de 2007. Desfecho - óbito por qualquer causa. Análise de dados - À análise descritiva e exploratória, seguiu-se a avaliação da probabilidade de sobrevida pelo método de Kaplan Meier, seguida de análise inferencial com o emprego do teste de log-rank e do modelo de riscos proporcionais de Cox. Identificadas as variáveis associadas ao prognóstico de sobrevida, foi desenvolvida a rede neural nas diferentes fases de aprendizado- treinamento e com o recurso do algoritmo de treinamento backpropagation. A rede neural foi desenvolvida em cinco fases: fase 1 - aprendizado-treinamento (n=968 óbitos com informação completa); fase 2 - avaliação e aplicação (pacientes vivos até 2012); fase 3 - comparação da previsão de sobrevida com o emprego rede ( pacientes vivos até 2012) com a sobrevida observada; fase 4 - reensaios para aprendizados com novos desfechos (óbitos em 2013 e 2014); fase 5 - avaliação do aprendizado da rede na fase 4 (pacientes vivos e falecidos). A acurácia, a sensibilidade, a especificidade, o valor preditivo positivo e o valor preditivo negativo dos melhores modelos na previsão da sobrevida obtidas com a rede neural foram avaliados, considerando as duas funções de ativação (tangente hiperbólica e zero-based log sigmoid). Para tanto, foi preciso determinar intervalos de corte definidos por critério clínico de razoabilidade de expectativa do tempo de sobrevida e acerto calculado pela rede. A estimativa da previsibilidade e do erro também foi avaliada com o emprego da função de perda. Resultados - A análise estatística (n=2.128 pacientes) revelou as seguintes variáveis associadas ao prognóstico: idade (p < 0,001), índice de massa corpórea (p < 0,001), pressão arterial diastólica (p < 0,001), etiologia da insuficiência cardíaca (p < 0,001), classe funcional (p < 0,001), espessura do septo interventricular (p=0,037), diâmetro diastólico do ventrículo esquerdo (p < 0,001), diâmetro do átrio esquerdo (p=0,025), potássio sérico (p=0,015), colesterol total (p < 0,001), creatinina (p < 0,001) e a presença de diabetes melito (p=0,034). Os modelos de redes neurais com melhor previsibilidade foram obtidos pela categorização do tempo de sobrevida inferior a 2 anos, entre 2 anos e 6 anos, e superior a 6 anos. Nos pacientes com tempo de sobrevida observado superior a 6 anos, a partir da consulta inicial, com intervalo de corte de 3 anos, a estimativa feita com o emprego da rede neural demonstrou sensibilidade 93,0% (com ambas as funções de ativação), especificidade 76,4% ou 77,5% (dependendo da função de ativação), valor preditivo negativo 97,4% (com ambas as funções de ativação) e valor preditivo positivo 53,6% ou 54,7% (dependendo da função de ativação). Nos pacientes com tempo de sobrevida observado entre 2 anos e 6 anos, a partir da data do início dos sintomas, com intervalo de corte de 2 anos, obtivemos sensibilidade 89,8% (com ambas as funções de ativação), especificidade 72,5% ou 76,5%, valor preditivo positivo 86,3% ou 88,0% e valor preditivo negativo 78,7% ou 79,6% (dependendo da função de ativação). Nos pacientes com tempo de sobrevida observado inferior a 2 anos, a partir da data do início dos sintomas, com intervalo de corte de 1 ano, a estimativa com o emprego da rede neural demonstrou sensibilidade 87,2% (com ambas as funções de ativação), especificidade de 62,5% ou 66,7% (dependendo da função de ativação), valor preditivo positivo 82,0% ou 83,7% (dependendo da função de ativação) e valor preditivo negativo 71,4% ou 72,7% (dependendo da função de ativação). O erro da previsão de sobrevida com o emprego da rede neural, estimado com o auxílio da função de perda, variou de 4,4 meses até 1,1 anos. Conclusões - O emprego da rede neural alimentada por variáveis selecionadas com o emprego de estatística de sobrevivência tradicional pode ser método profícuo na avaliação prognóstica de pacientes com insuficiência cardíaca. A previsibilidade de estimativa de sobrevida alcançada com o uso de rede neural foi menor nos pacientes com quadros clínicos de menor tempo de evolução, comparativamente aos pacientes com maior tempo de evolução; no primeiro caso permitiria sugerir quadros mais instáveis em relação aos casos mais estáveis, isto é, aqueles com tempo de evolução maior / Background - Identifying outpatients who need tertiary resources of a referral cardiology hospital includes recognizing those at higher risk of unfavorable prognosis. Studies aimed at this objective may be accomplished with traditional statistics. Neural networks have been studied as a promising tool in the assessment of patients´ prognosis. We hypothesized that the neural networks developed with variables selected through traditional statistics might contribute to the prognostic evaluation of patients with heart failure. Objectives - To evaluate the prognosis of patients with heart failure using methods of survival statistics combined with the resources of artificial neural networks. Design - Retrospective cohort study from a database of patients previously diagnosed with heart failure, identification of variables associated with prognosis using traditional statistics, development of a neural network perceptron of multiple layers (Neuro XL Predictor - OLSOFT Software Development) with these variables. Setting - outpatient clinic from an academic tertiary cardiology center Participants - 2128 consecutive patients who received the diagnosis of heart failure between July 2, 2003 and July 2, 2007. Outcomes - death for any cause. Data analysis - Statistical evaluation was performed for descriptive and exploratory analysis and was followed by Kaplan Meier survival probability, and inferential analysis using the log-rank test and the Cox proportional hazards model to identify the variables associated with prognosis. Variables thus selected were then input for the neural network in the different stages of learning-training, with the backpropagation algorithm. The neural network was developed in 5 phases: phase 1 - learning / training (n = 968 deaths with complete information); phase 2 - evaluation and application (patients alive until 2012); phase 3 - comparison of the predicted versus the observed survival using the network (patients alive until 2012); phase 4 - re-tests for learning with new outcomes (deaths in 2013 and 2014); phase 5 - assessment of network learning in phase 4 (living and deceased patients). The accuracy, sensitivity, specificity, positive predictive value and negative predictive value of the best models in the prediction of survival obtained with the neural network were evaluated taking into account the two activation functions (hyperbolic tangent and zero-based log sigmoid) and the cut-off intervals defined by clinical criteria of reasonableness of expected survival time and the estimated estimate by the network. The estimation of predictability and error was also evaluated using the loss function. Results - Statistical analysis (n = 2128 patients) revealed the following variables associated with prognosis: age (p < 0.001), body mass index (p < 0.001), diastolic blood pressure (p < 0.001), heart failure etiology (P < 0.001), functional class (p < 0.001), interventricular septum thickness (p = 0.037), left ventricular diastolic diameter (p < 0.001), left atrial diameter (p = 0.025), serum potassium level, total cholesterol (p < 0.001), serum creatinine level (p < 0.001) and the presence of diabetes mellitus (p = 0.034). The models of neural networks with better predictability were obtained with the categorization of the survival time of less than 2 years, between 2 and 6 years, and over 6 years. In patients with a survival time of more than 6 years from the initial consultation, with a cut-off interval of 3 years (or 1095 days), the estimate using the neural network showed sensitivity 93.0% (with both activation functions), specificity of 76.4% or 77.5% (depending on the activation function), negative predictive value 97.4% (with both activation functions) and positive predictive value 53.6% or 54.7% (depending on the function of activation). In patients with a survival time of 2 to 6 years from the onset of symptoms, with a cut-off interval of 2 years (or 730 days), we obtained 89.8% sensitivity (with both activation functions), specificity 72,5% or 76.5%, positive predictive value 86.3% or 88.0% and negative predictive value 78.7% or 79.6% (depending on the activation function). In patients with a survival time of less than 2 years from the onset of symptoms, with a cut-off interval of 1 year (or 365 days), the estimate using the neural network showed a sensitivity of 87.2% (with both activation functions), specificity of 62.5% or 66.7% (depending on the activation function), positive predictive value 82.0% or 83.7% (depending on the activation function) and negative predictive value 71.4% or 72.7% (depending on the activation function). The error of survival prediction with the use of the estimated neural network with the aid of the function of absolute loss ranged from 4.4 months to 1.1 years. Conclusions - The use of selected variables input in the neural network with the use aid of traditional survival statistics, may be a useful method for the prognostic evaluation of patients with heart failure. Estimates were less accurate in patients with a shorter duration of symptoms relative to those with symptoms for a long time; in the first case it would suggest more unstable disease relative to those with more stable disease, namely with symptoms for a long time