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

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

SENA, W. R. de. Teste de validade de métodos de maximização de entropia para construção de modelos com correlação par-a-par. 2017. 60 f. Dissertação (Mestrado em Física) – Centro de Ciências, Universidade Federal do Ceará, Fortaleza, 2017. / Submitted by Giordana Silva (giordana.nascimento@gmail.com) on 2017-04-18T17:57:20Z No. of bitstreams: 1 2017_dis_wrdsena.pdf: 3129941 bytes, checksum: 7bea0c98264c7b69414f8873e73b1291 (MD5) / Approved for entry into archive by Giordana Silva (giordana.nascimento@gmail.com) on 2017-04-18T17:57:42Z (GMT) No. of bitstreams: 1 2017_dis_wrdsena.pdf: 3129941 bytes, checksum: 7bea0c98264c7b69414f8873e73b1291 (MD5) / Made available in DSpace on 2017-04-18T17:57:42Z (GMT). No. of bitstreams: 1 2017_dis_wrdsena.pdf: 3129941 bytes, checksum: 7bea0c98264c7b69414f8873e73b1291 (MD5) Previous issue date: 2017 / In the 21st century humanity has produced more new data (information) than in all its history. Understanding the nature of the various systems that generate this abundance of data has became the great challenge of this century. One way to formally analyze these large databases is to use the information theory developed by Claude Shannon. This theory allows us, using the principle of maximum entropy, to find the distributions of probabilities that best describes the collective behavior of these systems. In this dissertation we discuss the possibility of using Ising models to describe observation of real systems. Due to its limitations, employing the Ising model implies that the elements that constitute the real system can only be in two states, for example active or inactive. In addition, the Ising model counts only interactions between pairs of elements and disregards the possibility of interactions between larger groups of elements. As we will discuss, even with these limitations such a model can well describe results observed in some natural systems, such as networks of neurons. Specifically, we discuss results from earlier work that show that using only the activity averages of each neuron and the correlation between them, using Shannon’s theory, we observe that the states visited by the network follow the Ising distribution. In order to test the applicability of this method in several systems we generate synthetic data, obtained from Ising model in three systems: ferromagnetic, antiferromagnetic and spin glass. We call the system that generate the synthetic data as underlying system. We use methods of maximization of entropy to try to construct model systems that can reproduce the mean and correlations observed in the synthetic data. We thus verify in which situations our methods can actually generate a model system that reproduces the underlying system that generated the data. These results may establish a limit of applicability for the technique discussed. / No século XXI a humanidade produziu mais novos dados (informações) do que em toda sua história. Entender a natureza dos diversos sistemas que geram essa abundância de dados se tornou um dos grandes desafios desse século. Uma forma de analisar formalmente esses grandes bancos de dados é empregando a teoria da informação desenvolvida por Claude Shannon. Essa teoria permite, usando o princípio da máxima entropia, encontrar as distribuições de probabilidades que melhor descrevem os comportamentos coletivos desses sistemas. Nessa dissertação, discutimos a possibilidade de usar modelos tipo Ising para descrever observações de sistemas reais. Devido a suas limitações, empregar o modelo de Ising implica em supor que os elementos que constituem o sistema real só podem estar em dois estados, por exemplo ativo ou inativo. Além disso, o modelo de Ising da conta apenas de interações entre pares de elementos e desconsidera a possibilidade de interações entre grupos maiores de elementos. Como discutiremos, mesmo com essas limitações tal modelo pode descrever bem resultados observados em alguns sistemas naturais, como por exemplo redes de neurônios. Especificamente, discutiremos resultados de trabalhos anteriores que mostram que usando apenas as médias de atividade de cada neurônio e a correlação entre os mesmo, usando a teoria de Shannon, observa-se que os estados visitados pela rede seguem à distribuição de Ising. Para testar a aplicabilidade desse método em diversos sistemas geramos dados sintéticos, obtidos de modelos tipo Ising em três situações: ferromagnético, anti-ferro e vidro de spins (spin glass). Nós chamamos o sistema que gera os dados sintéticos de sistema subjacente. Usamos métodos de maximização de entropia para tentar construir sistemas modelos que consigam reproduzir as média e correlações observadas nos dados sintéticos. Dessa forma, verificamos em que situações nossos métodos conseguem de fato gerar um sistema modelo que reproduza o sistema subjacente que gerou os dados. Esses resultados podem estabelecer um limite de aplicabilidade para a técnica discutida.

E. coli Patogênicas Aviárias (APEC) são uma das causas de doenças extra-intestinais em aves, as quais trazem grande prejuízo econômico para o setor avícola mundial. Os avanços nas pesquisas vêm aumentando o entendimento dos mecanismos de patogenicidade das APEC, demonstrando a grande importância da interação dos diversos fatores de virulência na determinação da sua patogenicidade. Redes Neurais Artificiais (RNAs) têm mostrado ser uma poderosa ferramenta para uma vasta gama de aplicações. Neste trabalho, o foco na aplicação da RNA é na predição (0 a 10) da patogenicidade de amostras APEC. Em 489 isolados APEC foram analisados a presença de 38 genes associados a virulência, o Índice de Patogenicidade (IP) in vivo e a motilidade das amostras. Duas RNAs foram construídas utilizando o software Neuroshell Classifier 2.1 (Ward Systems Group, Inc., Frederick, MD, USA) em duas fases distintas: treinamento e validação. Utilizou-se como camada de entrada, informações sobre a presença ou ausência dos 38 genes de virulência e a motilidade de cada uma das amostras, com uma camada de saída formada pelo IP in vivo previamente determinado. As RNAs construídas apresentaram uma classificação correta acima de 90%, sendo que a rede 1 apresentou uma classificação de 91,62 e a rede 2 de 99,03%. A rede 2 obteve uma especificidade superior a 99,64% em todas as categorias e uma sensibilidade superior a 92,86%. Isso demonstra que o método aqui proposto, revelou ser uma ótima ferramenta de suporte às decisões de médico veterinário, descartando no futuro a inoculação de animais. / Avian Pathogenic Escherichia coli (APEC) are one of the causes of extraintestinal diseases in birds, and cause considerable economic losses to the poultry industry worldwide. Advances in research have increased understanding of pathogenic mechanisms of APEC, and have demonstrated the importance of the interaction of several virulence factors in determining their pathogenicity. Artificial Neural Networks (ANN) have shown to be a powerful tool for a wide range of applications. In this paper, the focus on neural network applications in the prediction (index of 0-10) of the pathogenicity of isolates APEC. In 489 APEC isolates were analyzed: 38 virulenceassociated genes, the Pathogenicity Index (PI) in vivo and motility of the strains. Two ANNs were constructed using the software Neuroshell Classifier 2.1 (Ward Systems Group, Inc., Frederick, MD, USA) in two distinct phases: training and validation. We used as input layer, information about the presence or absence of the 38 virulenceassociated genes and the motility of each of the samples, with an output layer formed by a previously-determined PI in vivo. The ANNs showed a correct classification of the PI above of 90%, being that the network 1 had a rating of 91.62% and the network 2 of 99.03%. The network 2 obtained a specificity of over 99.64% and sensitivity greater than 92.86% in all categories. This demonstrates that the method proposed here has proven to be a great decision support tool for the veterinarian, thereby dispensing the inoculation of animals in the future.

E. coli Patogênicas Aviárias (APEC) são uma das causas de doenças extra-intestinais em aves, as quais trazem grande prejuízo econômico para o setor avícola mundial. Os avanços nas pesquisas vêm aumentando o entendimento dos mecanismos de patogenicidade das APEC, demonstrando a grande importância da interação dos diversos fatores de virulência na determinação da sua patogenicidade. Redes Neurais Artificiais (RNAs) têm mostrado ser uma poderosa ferramenta para uma vasta gama de aplicações. Neste trabalho, o foco na aplicação da RNA é na predição (0 a 10) da patogenicidade de amostras APEC. Em 489 isolados APEC foram analisados a presença de 38 genes associados a virulência, o Índice de Patogenicidade (IP) in vivo e a motilidade das amostras. Duas RNAs foram construídas utilizando o software Neuroshell Classifier 2.1 (Ward Systems Group, Inc., Frederick, MD, USA) em duas fases distintas: treinamento e validação. Utilizou-se como camada de entrada, informações sobre a presença ou ausência dos 38 genes de virulência e a motilidade de cada uma das amostras, com uma camada de saída formada pelo IP in vivo previamente determinado. As RNAs construídas apresentaram uma classificação correta acima de 90%, sendo que a rede 1 apresentou uma classificação de 91,62 e a rede 2 de 99,03%. A rede 2 obteve uma especificidade superior a 99,64% em todas as categorias e uma sensibilidade superior a 92,86%. Isso demonstra que o método aqui proposto, revelou ser uma ótima ferramenta de suporte às decisões de médico veterinário, descartando no futuro a inoculação de animais. / Avian Pathogenic Escherichia coli (APEC) are one of the causes of extraintestinal diseases in birds, and cause considerable economic losses to the poultry industry worldwide. Advances in research have increased understanding of pathogenic mechanisms of APEC, and have demonstrated the importance of the interaction of several virulence factors in determining their pathogenicity. Artificial Neural Networks (ANN) have shown to be a powerful tool for a wide range of applications. In this paper, the focus on neural network applications in the prediction (index of 0-10) of the pathogenicity of isolates APEC. In 489 APEC isolates were analyzed: 38 virulenceassociated genes, the Pathogenicity Index (PI) in vivo and motility of the strains. Two ANNs were constructed using the software Neuroshell Classifier 2.1 (Ward Systems Group, Inc., Frederick, MD, USA) in two distinct phases: training and validation. We used as input layer, information about the presence or absence of the 38 virulenceassociated genes and the motility of each of the samples, with an output layer formed by a previously-determined PI in vivo. The ANNs showed a correct classification of the PI above of 90%, being that the network 1 had a rating of 91.62% and the network 2 of 99.03%. The network 2 obtained a specificity of over 99.64% and sensitivity greater than 92.86% in all categories. This demonstrates that the method proposed here has proven to be a great decision support tool for the veterinarian, thereby dispensing the inoculation of animals in the future.

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.

CoordenaÃÃo de AperfeiÃoamento de Pessoal de NÃvel Superior / O monitoramento e o diagnÃstico de falhas incipientes em transformadores de potÃncia imersos em Ãleo estÃo diretamente relacionados à avaliaÃÃo das condiÃÃes do sistema de isolamento. Neste estudo, estabelece-se o conceito de monitoramento e diagnÃstico, e em seguida tÃcnicas de monitoramento on-line sÃo discutidas. Um sistema de prÃ-diagnÃstico à elaborado baseado na utilizaÃÃo de um dispositivo on-line de monitoramento, Hydran da GE, para classificar a gravidade da situaÃÃo de falha detectada. Uma vez detectada uma situaÃÃo de falha, mÃdulos inteligentes de diagnÃstico de falhas incipientes, via redes neurais, podem ser utilizados para identificaÃÃo da falha interna do equipamento. Para completar a verificaÃÃo da qualidade dielÃtrica do lÃquido isolante, tambÃm à descrito um algoritmo inteligente, baseado em redes neurais, para diagnÃstico do estado do Ãleo atravÃs das grandezas fÃsico-quÃmicas. A relaÃÃo entre os atributos fÃsico-quÃmicos e as grandezas cromatogrÃficas referente ao Ãleo mineral tambÃm foram averiguadas. Foi desenvolvida, entÃo, a estimaÃÃo dos gases dissolvidos atravÃs das caracterÃsticas fÃsico-quÃmicas. Os mÃdulos de monitoramento on-line, diagnÃsticos do estado do Ãleo e de falhas incipientes, alÃm da estimaÃÃo dos gases dissolvidos, perfazem um sistema computacional de auxÃlio à operaÃÃo e manutenÃÃo. O sistema implementado apresenta resultados satisfatÃrios na implantaÃÃo em uma planta de usina termelÃtrica. / The monitoring and diagnosis of incipient fault in power transformers immerses in oil are directly related to the assessment of the isolation system conditions. In this research, it is established the concept of monitoring and diagnosis, after that, on-line monitoring techniques are discussed. A pre-diagnosis system is elaborated based on use of a monitoring on-line device, Hydran GE, to classify the situation gravity of the detected fault. Once detected a fault situation, intelligent modules of incipient fault diagnosis, by neural networks, can be used to identification of internal fault of the equipment. To complete the checking of the dielectric quality of the isolate liquid, it is also described an intelligent algorithm, based on neural networks, to diagnosis of the oil estate through physical-chemical attribute. The relation between physical-chemical attributes and chromatographic ones regarding to mineral oil were also verified. It was developed, then, the dissolved gases esteem through physicalchemical characteristics. The on-line monitoring modules, diagnosis of oil estate and incipient fault, besides dissolved gases esteem, constitute a computation aid system to operation and maintenance. The implemented system presents satisfied results in a thermoelectric power plant.

E. coli Patogênicas Aviárias (APEC) são uma das causas de doenças extra-intestinais em aves, as quais trazem grande prejuízo econômico para o setor avícola mundial. Os avanços nas pesquisas vêm aumentando o entendimento dos mecanismos de patogenicidade das APEC, demonstrando a grande importância da interação dos diversos fatores de virulência na determinação da sua patogenicidade. Redes Neurais Artificiais (RNAs) têm mostrado ser uma poderosa ferramenta para uma vasta gama de aplicações. Neste trabalho, o foco na aplicação da RNA é na predição (0 a 10) da patogenicidade de amostras APEC. Em 489 isolados APEC foram analisados a presença de 38 genes associados a virulência, o Índice de Patogenicidade (IP) in vivo e a motilidade das amostras. Duas RNAs foram construídas utilizando o software Neuroshell Classifier 2.1 (Ward Systems Group, Inc., Frederick, MD, USA) em duas fases distintas: treinamento e validação. Utilizou-se como camada de entrada, informações sobre a presença ou ausência dos 38 genes de virulência e a motilidade de cada uma das amostras, com uma camada de saída formada pelo IP in vivo previamente determinado. As RNAs construídas apresentaram uma classificação correta acima de 90%, sendo que a rede 1 apresentou uma classificação de 91,62 e a rede 2 de 99,03%. A rede 2 obteve uma especificidade superior a 99,64% em todas as categorias e uma sensibilidade superior a 92,86%. Isso demonstra que o método aqui proposto, revelou ser uma ótima ferramenta de suporte às decisões de médico veterinário, descartando no futuro a inoculação de animais. / Avian Pathogenic Escherichia coli (APEC) are one of the causes of extraintestinal diseases in birds, and cause considerable economic losses to the poultry industry worldwide. Advances in research have increased understanding of pathogenic mechanisms of APEC, and have demonstrated the importance of the interaction of several virulence factors in determining their pathogenicity. Artificial Neural Networks (ANN) have shown to be a powerful tool for a wide range of applications. In this paper, the focus on neural network applications in the prediction (index of 0-10) of the pathogenicity of isolates APEC. In 489 APEC isolates were analyzed: 38 virulenceassociated genes, the Pathogenicity Index (PI) in vivo and motility of the strains. Two ANNs were constructed using the software Neuroshell Classifier 2.1 (Ward Systems Group, Inc., Frederick, MD, USA) in two distinct phases: training and validation. We used as input layer, information about the presence or absence of the 38 virulenceassociated genes and the motility of each of the samples, with an output layer formed by a previously-determined PI in vivo. The ANNs showed a correct classification of the PI above of 90%, being that the network 1 had a rating of 91.62% and the network 2 of 99.03%. The network 2 obtained a specificity of over 99.64% and sensitivity greater than 92.86% in all categories. This demonstrates that the method proposed here has proven to be a great decision support tool for the veterinarian, thereby dispensing the inoculation of animals in the future.

Submitted by Mario BC (mario@bc.ufrpe.br) on 2016-05-20T15:34:19Z No. of bitstreams: 1 Syntia Regina Rodrigues de Souza.pdf: 942686 bytes, checksum: b5aa6d1cd5f707badc6f97f563e7b361 (MD5) / Made available in DSpace on 2016-05-20T15:34:19Z (GMT). No. of bitstreams: 1 Syntia Regina Rodrigues de Souza.pdf: 942686 bytes, checksum: b5aa6d1cd5f707badc6f97f563e7b361 (MD5) Previous issue date: 2015-07-31 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The Araripe Gypsum Pole in Pernambuco is responsible of 97% of national production of plaster. The main source of energy for the gypsum calcination process, raw material for plaster production is the wood from the natural vegetation of Caatinga. Due to the high costs of other energy sources, increasing the gypsum production implies more deforestation of the Caatinga. An economic and environmental solution for that problem is the implementation and the sustainable management of native species or the reforestation with fast growing forest species. Among the fast growing forest the genues Eucalyptus stands out for it productivity and adaptation of the Northeast semi-arid region. The objective of this study was to estimate the volume of the Eucalyptus spp clones in Gypsum Araripe Pole employing the methodology of Artificial Neural Networks (ANN) comparing it with the volumetric models of Schumacher and Hall and Spurr. Data came from an experiment implanted in the Experimental Station of the Agronomic Institute of Pernambuco, where was tested 15 clones of Eucalyptus spp planted in 2002, with final cut in 2009.The function of interest estimated was the volume of the tree in function of the diameter at the breast height (DBH), total height (Ht) and the clone type. It was also valued the adjustment of the best models for sample size. The results were evaluated with the adjusted coefficient of determination (R2aj), square root of the percentual mean error (RMSE%), standard error estimate (Syx%) and an analysis graphic of the residues. The obtained results confirmed the expectation showing efficiency of adjustments independent of the sample size. / O Pólo Gesseiro do Araripe em Pernambuco é responsável por 97% da produção nacional de gesso e a principal fonte de energia para o processo de calcinação da gipsita, matéria prima para produção de gesso, é a lenha proveniente da Caatinga, vegetação natural da região. Devido aos altos custos de outras fontes de energia elevar a produção de gesso implica em aumentar o desmatamento da Caatinga. Uma solução econômica e ambiental para esse problema é a implantação e o manejo sustentado de povoamento de espécies nativas ou o reflorestamento com espécies florestais de rápido crescimento. Dentre as florestas de rápido crescimento, o gênero Eucalyptus se destaca por sua alta produção e adaptabilidade ao semiárido nordestino. O objetivo deste trabalho é estimar o volume de clones de Eucalyptus spp no Pólo Gesseiro do Araripe empregando a metodologia de Redes Neurais Artificiais (RNAs) comparando-a com os modelos volumétricos de Schumacher e Hall e Spurr. Os dados são referentes a um experimento implantado na Estação Experimental do Instituto Agronômico de Pernambuco, onde foram testados 15 clones de Eucalyptus spp plantados em 2002 e com o corte final em 2009. A função de interesse estimada foi o volume da árvore (V) em relação do diâmetro a altura do peito (DAP), altura total d árvore (Ht) e tipo de clone. Também foi avaliado o ajuste dos melhores modelos por tamanho de amostra. Os resultados foram avaliados com o coeficiente de determinação ajustado (R2aj), raiz quadrada do erro médio percentual (RMSE%), o erro padrão da estimativa (Syx%) e analise dos gráficos de dispersão do resíduo. Os resultados obtidos no trabalho confirmaram a expectativa mostrando a eficiência dos ajustes independe do tamanho da amostra.

Submitted by (ana.araujo@ufrpe.br) on 2016-08-16T14:12:24Z No. of bitstreams: 1 Simone Castelo Branco Simoes.pdf: 1283329 bytes, checksum: ab664570df5d0a685483c6dfc554deb4 (MD5) / Made available in DSpace on 2016-08-16T14:12:24Z (GMT). No. of bitstreams: 1 Simone Castelo Branco Simoes.pdf: 1283329 bytes, checksum: ab664570df5d0a685483c6dfc554deb4 (MD5) Previous issue date: 2007-02-27 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / In pattern recognition, the medical diagnosis has received great attention. In gene-ral, the emphasis has been to identify one best model for diagnostic forecast, measured according to generalization ability. In this context, ensembles methods have been eficients, can be considered on the improvement of performance in diagnostic tasks that demand greater precision. The bagging method, purposed from Breiman (1996), uses bootstrap to generate different samples of the training set, building classifiers with the generated samples and combining different forecasts for majority vote. In general, empirical estudies are done for evaluate the bagging performance. In this thesis, we investigate the bagging generalization ability for statistical usual classifiers and the multilayer perceptron net through sthocastic simulation. Different structures of separation of populations are build from especific distributions. Additionally, we make an application on diagnostic suport of brest cancer. The results were obtained using R. In general, we observed that bagging performance depends on the population separation behavior. In the application, bagging showed to be e±cient on sensibility improvement. / Em reconhecimento de padrões, o diagnóstico médico tem recebido grande atenção. Em geral, a ênfase tem sido a identificação de um melhor modelo de previsão diagnóstica, avaliado de acordo com a habilidade de generalização. Nesse contexto, métodos que combinam classificadores têm se mostrado muito eficazes, podendo ser considerados no melhoramento de desempenho em tarefas diagnósticas que exigem maior precisão. O método bagging, proposto por Breiman (1996), utiliza bootstrap para gerar diferentes amostras do conjunto de treinamento, construindo classificadores com as amostras geradas e combinando as diferentes previsões por voto majoritário. Em geral, estudos empíricos são realizados para avaliar o desempenho do bagging. Nesta dissertação , investigamos a habilidade de generalização do bagging para classificadores estatísticos usuais e a rede perceptron de múltiplas camadas através de simulações estocásticas. Diferentes estruturas de separação das populações são construídas a partir de distribuições específicas consideradas. Adicionalmente, realizamos uma alicação no suporte ao diagnóstico de câncer de mama. Os resultados foram obtidos utilizando o ambiente de programação análise de dados e gráficos R. Em geral, as simulações realizadas indicam que o desempenho do bagging depende do comportamento de separação das populações. Na aplicação, o bagging mostrou ser eficiente no melhoramento da sensibilidade.