Neste trabalho fazemos revisão de alguns dos principais métodos para análise não-linear de séries temporais originadas a partir de sistemas de baixa dimensionalidade com dinâmica predominantemente determinística, dando ênfase ao problema de classificação/clusterização nãosupervisionada destas mesmas séries. Várias medidas de dissimilaridade são utilizadas em conjunto com métodos heurísticos baseados em algoritmos estocásticos, para a organização de segmentos de séries temporais não estacionárias em grupos com características em comum, na tentativa de associar a estes alguma característica clínica previamente conhecida. O método é implementado com diferentes medidas de dissimilaridade e um experimento feito com séries temporais sintéticas (obtidas a partir de simulação numérica) com fins de validação e posteriormente aplicado a um problema real, o problema de segmentação de estágios de sono. Os resultados indicam certa promissoriedade do método para aplicação na classificação estágios de sono em eletroencefalogramas. / In this work we make a review of some of the main methods available for nonlinear time series analysis for low-dimensional deterministic systems, giving emphasis to the problem of unsupervised classification/clustering of this kind of data. Various dissimilarity measures are used together with heuristic search methods based on stochastic algorithms to organize segments of one (big) nonstationary time series in groups with common characteristics, trying to relate these groups to some known clinical property. The method is implemented with different dissimilarity measures and one experiment made with synthetic (generated by numerical simulations) time series for validation and lately applied to a real problem, the problem of sleep stages segmentation. The results look promising with respect to the applicability of the method to classify sleep stages in electroencephalographic recordings.

O estudo foi feito através de um banco de registros de amostras de Escherichia coli, isoladas de frangos de corte. Na presente tese foram utilizadas 246 amostras do patógeno citado acima, com todas as características utilizadas em recentes trabalhos acadêmicos. Para a classificação das amostras utilizou-se a inteligência artificial, onde traçou-se uma interrelação entre as variáveis usadas: origem (lesões cutâneas, quadros respiratórios, cama), motilidade das amostras, lesões causadas (aerossaculite, pericardite, peritonite, periepatite, celulite), IP, genes (cvaC, iss, iutA, falA, Kpsll, papC, tsh), 14 anitimicrobianos (Amicacina, Amoxacilina e Ácido clavulânico, Ampicilina, Cefalexina, Cefuroxina, Ceftiofur, Ciprofloxacina, Clindamicina, Cotrimoxazol, Enrofloxacina, Gentamicina, Norfloxacina, Ofloxacina, Tetraciclina) e os bioquímicos variáveis (Adonitol, Ornitina, Arginina, Dulcitol, Salicina, Sacarose, Rafinose). No total foram feitas durante a tese em torno de 140 redes neurais, das quais foram utilizadas somente as que melhor apresentaram uma classificação correta e dentre estas as que continham um número menor de variáveis envolvidas. Durante o trabalho foram anexados 5 artigos científicos. Os artigos foram intitulados da seguinte maneira: Resistência antimicrobiana de amostras de Escherichia coli oriundas de camas de aviários, lesões de celulite e de quadros respiratórios de frangos de corte do Rio Grande do Sul; Utilização de inteligência artificial (redes neurais artificiais) para classificar a resistência antimicrobiana de amostras de Escherichia coli isoladas de frango de corte; Utilização de inteligência artificial (redes neurais artificiais) para a classificação do comportamento bioquímico de amostras de Escherichia coli isoladas de frangos de corte; Use of artificial intelligence (artificial meural networks) to classify the pathogenicity of Escherichia coli isolates from broilers; Genes associated with pathogenicity of avian Escherichia coli (APEC) isolated from respiratory cases of poultry. Nos primeiro artigo observou-se uma multi-resistência a pelo menos duas das 14 drogas utilizadas. No segundo artigo citado, notou-se que dentre as amostras analisadas corretamente apresentaram uma porcentagem de 84% a 100% nas amostras intermediárias, 81% a 100% para as resistentes, 89% a 100% sensíveis. No terceiro trabalho, foi concluído que as redes feitas foram capazes de classificar corretamente as amostras com uma amplitude de 87,80% a 98,73%. Além disso, a sensibilidade e a especificidade das classificações obtidas variam de 59,32% a 99,47% e de 80,00% a 98,54%, respectivamente. No quarto artigo, seguindo a ordem descrita acima, as redes construídas que usaram 11 categorias dos índices de patogenicidade, apresentaram 54,27% de classificações corretas, no entanto quando foram usadas somente 3 categorias essa porcentagem subiu para 80,55%. Houve um aumento das classificações corretas para 83,96% quando as categorias foram apenas duas. No quinto artigo, foram usadas um total de 61 amostras de Escherichia coli, onde foram testadas a presença dos genes citados no início deste resumo, e houve uma presença de 73,8% do gene iss, 55,7% do tsh, 45,9% do iutA, 39,3% do felA, o papc apareceu em 24,3% das amostras, o cvaC em 23%, e por fim, o kpsll em 18%. Mais uma vez pode-se afirmar, que o uso das redes neurais artificiais cada mais, está servindo como uma ferramenta que dá um suporte científico para a tomada de decisão. / This study was made using a data bank with samples of Escherichia coli, isolated from broilers. In the present thesis, 246 samples of the mentioned pathogenic bacteria, which were cited above, with all the characteristics used in recent academic works. For the classification of the samples, artificial intelligence was used, and a correlation between the taken variables was established: origin (cutaneous lesions, lesions of poultry with respiratory signals, litter of poultry house), motility of the samples, injuries (aerosaculitis, pericarditis, peritonitis, periepatitis, celullitis), PI, genes (cvaC, iss, iutA, falA, Kpsll, papC, tsh), 14 antimicrobials (Amikacyn, Amoxacillin and clavulanic acid, Ampicilin, Cefalexin, Cefuroxime, Ceftiofur, Ciprofloxacin, Clindamycin, Cotrimoxazole, Enrofloxacin, Gentamycin, Norfloxacin, Ofloxacin, Tetracyclin) and the biochemical profile (Adonitol, Ornithine, Arginine, Dulcitol, Salicin, Sucrose, Raffinose). In this thesis, 140 neural networks were constructed, from which the ones that presented the best correct classifications, and the ones that used the lesser number of variables were chosen. Five scientific articles were annexed. The articles were entitled in the following way: Antimicrobial resistance of samples of Escherichia coli from litter of poultry house, celullitis lesions, and lesions of poultry with respiratory signals in broilers of Rio Grande do Sul; The use of artificial intelligence (artificial neural networks) to classify the antimicrobial resistance isolated from samples of Escherichia coli in broilers; The use of artificial intelligence (artificial neural networks) to classify the biochemical profile of samples isolated from Escherichia coli in broilers; The use of artificial intelligence (artificial neural networks) to classify the pathogenicity of Escherichia coli isolates from broilers; Genes associated with pathogenicity of avian Escherichia coli (APEC) isolated from respiratory cases of poultry. In the first article a multi resistance at least to two of the 14 used drugs was observed. In the second article, it was noticed that 84% to 100% were intermediate, 81% to 100% were resistant, and 89% to 100% were sensible. In the third work, it was concluded that the neural networks were able to classify correctly with an amplitude from 87.80% to 98.73%. Moreover, the sensitivity and the specificity of the gotten classifications vary from 59.32% to 99.47% and from 80.00% to 98.54%, respectively. In the fourth article, following the described order above, the constructed neural networks, which used 11 categories of the pathogenicity indices, presented 54.27% of correct classifications, when just 3 categories were used, the correct classification went up to 80,55%. There was an increase in the correct classifications to 83.96% when the categories were only two. In the fifth paper, it was used a total of 61 samples of Escherichia coli, and tested the presence of the cited genes at the beginning of this summary, and the presence was 73.8% of the gene iss, 55.7% of tsh, 45.9% of iutA, 39.3% of felA, papc appeared in 24.3% of the samples, cvaC in 23%, and finally, kpsll in 18%. One more time, it can be affirmed that the use of artificial neural networks is serving as a tool to provide a scientific support for the decision making.

A avicultura industrial apresenta altos índices produtivos, caracterizando-se pela alta tecnificação e pela eficiência. Inúmeros fatores podem prejudicar estes resultados, dentre os mais importantes citam-se as doenças imunodepressoras, as quais são agentes primários para o estabelecimento de inúmeros patógenos capazes de agravar o quadro clínico das aves, elevando ainda mais as perdas. Em vista disso, resolveu-se estudar um método mais eficaz para a determinação da depleção linfocitária da bolsa de Fabricius, órgão fundamental para a proliferação e maturação de linfócitos B. Dentre as doenças que mais acometem a bolsa de Fabricius citam-se a doença infecciosa da bolsa de Fabricius, as micotoxicoses e a anemia infecciosa. Foram utilizadas 50 amostras de bolsa de Fabricius coletadas intactas, processadas e o escore óptico de depleção estabelecido (de 1 a 5). As bolsas foram divididas em quadrantes e 12 folículos selecionados por amostra. As imagens foram adquiridas, analisadas com o software MATLAB® 6.5 e suas características extraídas. Com os dados foram geradas redes neurais (NEUROSHELL®), comparando-se os escores óticos e a classificação realizada pela rede. A rede foi capaz de classificar corretamente com alta sensibilidade (até 89,81%) e especificidade (até 96,17%) a maioria dos folículos, tendo um melhor desempenho utilizando-se três categorias (sensibilidade de até 79,39% e especificidade de até 91,94%) e duas categorias (sensibilidade e especificidade chegando a 92,54%). Os resultados mostraram que é possível a utilização de análise de imagem e redes neurais para a classificação histopatológica de depleção linfocitária da bolsa de Fabricius. A análise de imagem é uma ferramenta prática, com resultados objetivos, dimensiona o erro classificatório e padroniza a avaliação da depleção linfocitária bolsa. / The industrial poultry has high productive indices, characterizing itself for the high technification and efficiency. Many factors can harm these results, the imunodepressives disease are amongst the most important causes. These diseases are the primary agents for the establishment of many secondary pathogens, aggravating the losses. In sight of this, we decided to study a more efficient method for the determination of the lymphoid depletion of bursa of Fabricius. The infectious bursal disease, the micotoxins and the infectious chicken anemia are the most important diseases of bursa of Fabricius. Fifty BF were examined by conventional optical microscopy and digital images were acquired and processed using MATLAB® 6.5 software. The ANN was generated using NEUROSHELL® CLASSIFIER software and the optical and digital data were compared. The ANN was able to make a comparable classification of digital and optical scores. The use of ANN was able to classify correctly the majority of the follicles with sensibility and specificity of 89% and 96%, respectively. When the follicles were scored and grouped in a binary fashion the sensibility and specificity increased significantly to 90 and 92%, respectively. These results demonstrate that the use of digital image analysis and ANN is a useful tool for the pathological classification of the BF lymphoid depletion. In addition.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2009. / Made available in DSpace on 2012-10-24T09:26:05Z (GMT). No. of bitstreams: 1 275533.pdf: 1005019 bytes, checksum: c0f34ed360b28b84cefee8ff97365a04 (MD5) / Devido a sua grande capacidade representacional, as Redes Neurais Artificiais (RNAs) têm sido largamente utilizadas como aproximadores universais de funções na construção de modelos preditivos não-lineares, inclusive em aplicações da indústria petrolífera. Contudo, devido à natureza estocástica do treinamento das RNAs, indicadores de qualidade e confiabilidade para as saídas destes modelos, como os intervalos de predição, são extremamente necessários e desempenham um papel importante em aplicações reais. Muitas das técnicas adotadas para o cálculo dos intervalos de predição estabelecem uma série de restrições que devem ser atendidas pelos dados amostrais usados para treinar a RNA. Uma dessas restrições impõe que a variância dos resíduos seja constante, fato que nem sempre ocorre em aplicações reais, onde a taxa de ruído existente pode variar como função dos dados de entrada, fazendo com que a confiabilidade calculada pelos métodos tradicionais não seja condizente com a real precisão da rede neural. Nesta dissertação, uma extensão para um método de cálculo de intervalos de predição para redes neurais baseado na teoria da regressão não-linear é apresentada. A idéia principal do método proposto consiste em utilizar técnicas de agrupamento para estimar a variância dos resíduos em função do vetor de entrada apresentado à rede e incorporar essa estimativa ao cálculo dos intervalos de predição. Os resultados dos experimentos realizados mostram que tal abordagem pode gerar intervalos de predição com uma melhor representação da precisão das respostas das RNAs. / Due to their large representational capacity, Artificial Neural Networks (ANNs) have been widely used as universal approximators of functions in the construction of nonlinear predictive models, including oil industry applications. However, due to the stochastic nature of the ANN training, indicators of quality and reliability to the outputs of these models, such as the prediction intervals, are extremely necessary and play an important role in real applications. Many of the techniques adopted to calculate the prediction intervals impose a set of constraints that must be respected by the data sample used to train the ANN. One of these restrictions requires that the variance of the residuals must be constant, a fact that does not always occur in real applications, where the existent noise rate may vary as a function of input data, making the reliability calculated by traditional methods become not suitable with the actual accuracy of the neural network. In this work, an extension to a method for calculating prediction intervals for neural networks, based on the theory of nonlinear regression, is presented. The main idea of the proposed method is to estimate an input dependent variance of the residuals using clustering techniques and incorporate this estimate to the computation of the prediction intervals. The results of the performed experiments show that this approach can lead to prediction intervals which better represent the accuracy of the ANNs outputs.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Ciência da Computação. / Made available in DSpace on 2013-07-16T01:33:21Z (GMT). No. of bitstreams: 1 222388.pdf: 1038014 bytes, checksum: 763dd8d05c90466a4a6c7ebff9864966 (MD5) / Esta dissertação tem como objetivo mostrar como a abordagem conexionista pode ser utilizada na avaliação e previsão do tempo total em operações de perfuração e completação de poços de petróleo em águas profundas. Os valores dos parâmetros utilizados para estimar o tempo total gasto da operação realizada no poço foram retirados de um banco de dados históricos de uma companhia petrolífera. As correlações e as características destes parâmetros foram detectadas utilizando-se de uma rede neural competitiva conectada a uma rede neural direta que foi treinada para estimar a média, o desvio padrão e o tempo total gasto na operação realizada no poço. São apresentados os experimentos realizados para validação do modelo e os resultados são utilizados para avaliar o desempenho e validade da proposta. Uma das vantagens da metodologia proposta, está no fato de ser uma ferramenta simples e prática para obtenção de uma estimativa do tempo total de uma operação realizada sobre um poço de petróleo baseado em parâmetros geométricos e tecnológicos, sem a necessidade de especificar todas as sub-operações de perfuração e completação como acontece nos métodos tradicionais de analise de risco.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduação em Ciência da Computação / Made available in DSpace on 2013-07-16T01:36:59Z (GMT). No. of bitstreams: 1 221624.pdf: 573400 bytes, checksum: c561ffacb979f7ccbb5aea423ab15879 (MD5) / Este trabalho faz parte do Projeto PCarga, que tem como objetivo o desenvolvimento de um sistema previsor de carga elétrica ativa de curto prazo. O modelo, proposto por Oliveira (2004), visa a previsão de meia hora a frente em uma janela de uma semana, com a utilização de uma estrutura inteligente e adaptativa que se ajusta às características específicas de cada microrregião de consumo de energia elétrica e necessita de um baixo nível de intervenção humana. O modelo possui um modelador evolutivo que opera através de algoritmos genéticos e é responsável pela otimização do vetor das variáveis de entrada relevantes para a rede neural do sistema previsor. A pesquisa aqui apresentada envolve a otimização deste algoritmo genético na tentativa de reduzir o seu tempo de convergência. Para tanto, foi realizado um trabalho envolvendo duas hipóteses. A primeira hipótese consiste em criar uma função de mutação simultânea em grupos específicos de variáveis, visando fazer com que o algoritmo tenha uma convergência mais rápida quando comparado ao método de mutação individual. Esta hipótese foi confirmada através de uma série de experimentos. A segunda hipótese trabalha com a idéia de redução do tamanho do cromossomo do algoritmo genético, através da eliminação de variáveis de deslocamento redundantes (valores absolutos e derivados). Neste caso, os experimentos realizados comprovaram a hipótese contrária, o que significa que a combinação de valores absolutos e derivados, ao invés da utilização de apenas um tipo destes valores, é fundamental para a boa qualidade das previsões da rede neural.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2013-07-16T02:05:04Z (GMT). No. of bitstreams: 1 222933.pdf: 3290992 bytes, checksum: 702120fe6a160107d91a42a3b4e81648 (MD5)

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduação em Ciência da Computação. / Made available in DSpace on 2013-07-16T02:44:15Z (GMT). No. of bitstreams: 1 220915.pdf: 1197301 bytes, checksum: ba6d9b831022cb36e59f61860063cc4f (MD5) / Este trabalho apresenta uma abordagem simplificada de detecção de intrusão, aplicando técnicas de inteligência artificial para a classificação de eventos em redes de computadores. A base desta abordagem é o monitoramento do fluxo de dados da rede, o qual é considerado subsídio para análises posteriores, onde aplicam-se métodos especiais como análise semântica e redes neurais artificiais. O modelo proposto para esta abordagem possui arquitetura baseada em rede, método de detecção que incorpora funcionalidades de abuso e anomalia e geração de respostas passivas aos eventos detectados. Os resultados gerados pelo processo de análise são valores numéricos, os quais classificam os eventos analisados em padrões considerados intrusivos ou normais. A eficiência desta classificação é modelada durante a fase de aquisição de conhecimento, denominada treinamento. A forma de representação e aquisição do conhecimento, bem como as características adaptativas obtidas pelo processo de generalização do modelo, caracterizam contribuições efetivas da pesquisa realizada, cujas comprovações são demonstradas pelos experimentos realizados sobre o protótipo desenvolvido.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2013-07-16T03:16:38Z (GMT). No. of bitstreams: 1 265729.pdf: 7445141 bytes, checksum: 4c73116489d06d272a5ed3a703bc6788 (MD5)

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2012-10-22T10:17:45Z (GMT). No. of bitstreams: 1 232766.pdf: 1361063 bytes, checksum: 53a0ce36debe115f6f7581a29868d37f (MD5) / Essa dissertação tem o objetivo de analisar a capacidade da rede CMLP de separar as espículas das piscadas em sinais de EEG (Eletroencefalograma). Já existe um grande número de trabalhos desenvolvidos com MLP#s utilizando o algoritmo backpropagation real, visando à detecção de padrões epilépticos. A opção de utilizar a rede MLP (Perceptron Multicamadas) com algoritmo backpropagation-complexo para essa verificação, está baseada em fatos tais como: (a) A média da velocidade de aprendizado da MLP com algoritmo backpropagationcomplexo é superior à velocidade média de aprendizado da rede MLP com algoritmo backpropagation-real. (b) O número de pesos e bias necessários para a MLP com algoritmo backpropagation-complexo fica em torno da metade daqueles necessários na MLP com backpropagation-real. (c) Alguns valores matemáticos reais são melhor entendidos quando considerados no plano complexo, pois considera-se um maior número de informações, que não seriam levadas em conta no plano real. Focou-se este trabalho na diferenciação entre espículas e piscadas, pois é um dos casos críticos encontrados na detecção automática de padrões em EEG (eletroencefalograma). Para a realização do mesmo, utilizou-se um banco de dados fornecido pelo MNI (Montreal Neurological Institute), de pacientes comprovadamente epilépticos, onde as espículas e piscadas foram marcadas por especialistas da área médica. O treinamento foi realizado utilizando-se 120 épocas de um segundo de duração. Os testes específicos foram feitos a partir de 600 épocas, marcadas exclusivamente para este fim. A validação dos dados foi feita através dos indicadores estatísticos sensibilidade e especificidade, onde foram obtidas taxas simultâneas em torno de 55% na classificação; e também pela análise comparativa do desempenho de redes MLP que utilizam backpropagation-real e da rede MLP com backpropagation-complexo, a qual demonstrou um desempenho superior a RMLP (Rede Perceptron Multicamadas com algoritmo backpropagation-Real) no que se refere à velocidade de treinamento, dentro da metodologia aplicada nesta análise. Também se mostrou mais eficiente na classificação de eventos espículas e piscadas, quando comparada a RMLP, dentro do parâmetro estabelecido pelas curvas ROC (Receiver Operating Characteristic). This work analises the behavior of the complex MLP (multilayer Perceptron) neural network, trained with complex backpropagation, in tasks of epileptiform patterns classification (in particular, of spikes and eye-blinks events), in electroencephalogram (EEG) signals. Despite of the development of several real MLP-based approaches to automatically detect epileptiform patterns, these systems are still jeopardized by very frequent false-positive detections, caused for example by ocular movements. Potentially, the MLP neural network with complex backpropagation presents interesting features to this application, as follows: (a) the learning speed is several times faster than in the conventional technique (real MLP); (b) the space complexity (i.e. the number of learnable parameters) is only about the half of the demanded by the real MLP; (c) and comprehension of many mathematical objects is more substantial when they are considered in the complex plane (e.g., by using the Hilbert Transform), because part of its related-information is fundamentally complex, such as the phase. In fact, we have noted that spikes and eye-blinks, which are patterns of difficult differentiation using real tools, could be separated by using a complex MLP, maybe due to this complex information, usually excluded in conventional analysis. This work uses the MNI (Montreal Neurological Institute) data bank, which is formed from seven epileptic patients. Three electroencephalographers marked the spikes and blinks events of the EEG signals. The complex MLP was trained with 120 epochs of one-second of duration, and was tested with 600 different epochs. The results have been validated with sensitivity and specificity statistical parameters, obtaining simultaneous rates of about 55% in classification. Also a qualitative comparison between results with the real MLP and the complex MLP is evaluated, showing the approach#s suitability in terms of velocity and the parameters of the ROC, (Receiver Operating Characteristic), graphics.