Várias propriedades do cérebro, como a aprendizagem e a memória, dependem da característica plástica das suas sinapses que lhe dá a capacidade de se adaptar de acordo com diferentes percepções do ambiente. Estudos recentes tem desenvolvido regras fenomenológicas para descrever a modificação das conexões químicas entre neurônios e entender as suas propriedades e efeitos em rede. Em particular, ainda foram pouco explorados sobre uma rede de neurônios recorrente, que possui apenas uma camada conectada a si mesma. É preciso um arranjo delicado das suas sinapses para que ela possa apresentar uma atividade transiente que tenha relação com o seu estímulo inicial. Após o ajuste de modelos matemáticos para simular a rede, conseguimos que esse sistema controlado fosse construído a partir duas regras de plasticidade de origem experimental, o escalonamento homeostático e a plasticidade dependente dos tempos de disparo. Quando treinada com a indução repetitiva de um padrão de potenciais de ação, a rede se auto-organiza para produzir uma resposta com frequência de disparos fixada pelas regras. Formulamos uma medida de correlação para quantificar a eficiência do reconhecimento e da separação de diferentes padrões apresentados, com relação à recuperação dos intervalos temporais, e analisamos diferentes aspectos que a influenciam. Os resultados deste trabalho serão apresentados após uma breve revisão da literatura. / Many of the brain properties, such as learning and memory, rely on the plastic nature of its synapses, which yields the capacity to adapt accordingly to the changes in the enviroment. Recent studies have worked in the development of phenomenological rules to describe the morphing of chemical connections between neurons and to understand its net effects. Most particularly, these are yet not much explored on a recurrent network architecture, which consists of a single layer connected within itself. A very delicate arrangement of the synapses is needed in order to the network to present a transient activity that still relates to the initial stimulus. We managed to adjust the mathematical models in order to get the controlled system to be built on top of two experimentally derived plasticity rules, the homeostatic scaling and the spike-timing-dependent plasticity. Trained by a repetitive exposure to an action potential pattern, the network organizes itself to produce a response with a firing frequency that has been determined by the rules. We created a correlation measure to quantify the efficience of recognition and separation of the presented pattern by comparing the time interval recovery, and analyzed the influence of diverse network aspects on it. The results of this work will be presented after a brief review of the literature.

Este trabalho propõe uma metodologia onde usamos experimentos numéricos para determinar os parâmetros de um modelo neural mais simples e, a partir deste modelo assim ajustado, tentamos estudar suas propriedades dinâmicas com a intenção de achar leis mais gerais que possam ser aplicadas a modelos mais complexos. Para este fim, os experimentos que medem a resistência, a corrente de reobase do neurônio e o decaimento do potencial de SAG se apresentam como bons candidatos para ajustar os parâmetros do modelo a dados experimentais, onde a consistência desse ajuste pode ser testada usando tanto o experimento de ressonância do potencial da membrana, como a frequência de oscilações subliminares induzidas por ruído, comparando os resultados obtidos com resultados experimentais. / This work proposes a methodology where we use numerical experiments to determine the parameters of a simple neural model, and from this model thus adjusted, try to study its dynamic properties with the intention of nding the most general laws that can be applied to more complex models. To this end, experiments measuring resistance, rheobase current and the SAG potential decay are good candidates to adjust the parameters of the model to experimental data, where the consistency of the adjustment can be tested using both the experiment of resonance membrane potential and the frequency of subthreshold oscillations induced by noise, by comparing the results with experimental results.

A estrutura plástica do cérebro tem a capacidade de se adaptar a diversas condições e estímulos. No entanto, isso também pode facilitar a emergência de instabilidades, o que acarreta na necessidade de mecanismos de homeostase que previnam que a dinâmica da rede neural chegue a estados patológicos. A plasticidade associativa é considerada a principal base para o desenvolvimento de funções como memória e aprendizado, a realimentação positiva potencialmente leva à saturação de sinapses e instabilidades de atividade, especialmente em arquiteturas om conectividades recorrentes tais como em microcircuitos cerebrais. Neste trabalho investigamos a difícil interação entre a codificação de informação e o controle da atividade através da plasticidade Hebbiana e do escalonamento sináptico homeostático. O objetivo é a determinação de propriedades, como por exemplo a inibição e a conectividade, que proporcionam o desenvolvimento de codificação de informação de uma maneira confiável e fisiologicamente relevante através de plasticidade sináptica, prevenindo comportamento patológico. Após uma breve revisão bibliográfica de tópicos básicos da neurofisiologia e da modelagem de redes neurais, a primeira parte dos resultados apresenta uma rede que, sob uma forma específica de esc alonamento sináptico, desenvolve associatividade de padrões de disparo espaço-temporais e discute a afetação da capacidade de separação e confiabilidade de acordo om escalas de tempo de plasticidade, limitações sobre a eficácia sináptica e a dinâmica das interações inibitórias. A segunda parte define condições para manter o escalonamento sináptico homeostático sem instabilidades dinâmicas, om foco em fenômenos pouco explorados, como o escalonamento de sinapses inibitórias e o alcance efetivo da plasticidade. Em direção a outros mecanismos que podem influenciar esse balanço, a última parte descreve os efeitos do local de expressão da plasticidade de longa duração sobre a dinâmica de aprendizado, o que é demonstrado diferir de acordo om a codificação do estímulo.

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

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

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnologico / Made available in DSpace on 2016-01-08T20:05:29Z (GMT). No. of bitstreams: 1 103906.pdf: 3072312 bytes, checksum: 086273c101eae289905ae0929fa27c1a (MD5) Previous issue date: 1995 / Esta tese tem por objetivo apresentar uma solução ao problema da classificação e diagnóstico de irregularidades detectadas em materiais de natureza fibrosa que ocorrem na fiação têxtil, mediante a interpretação de dados fornecidos pelo regularímetro. Um estudo de diversas propostas implementando discriminadores neurais para classificar irregularidades constatadas é apresentado, culminando com a seleção de implementações comprovadas como mais eficientes. Adicionalmente é apresentada a implementação de uma ferramenta de sistema especialista baseada em regras de reprodução em um banco de conhecimentos, este último objetivando a utilização de informações provenientes da etapa classificatória para inferir diagnósticos adequados. A implementação computacional da fase de detecção e classificação e da fase de diagnóstico foram realizadas de forma a construir um sistema integrado, como proposta de solução semi-automatizada. Seu uso constitui uma ferramenta de apoio ao processo decisório de especialista têxtil em regulametria. A eficácia do sistema proposto é analisada mediante tabulação de dados estatísticos coletados a partir de conjuntos de simulações de irregularidades sob estratificação de diversas variáveis de controle.

Tese (Doutorado) - Universidade Federal de Santa Catarina, Centro Tecnologico / Made available in DSpace on 2016-01-08T21:24:20Z (GMT). No. of bitstreams: 1 109896.pdf: 12768831 bytes, checksum: 25ecdab49d31ad24acee84e8d41645f1 (MD5) Previous issue date: 1997 / Proposição de uma família de t-normas e t-conormas diferenciáveis que realizam operações de interseção e união de conjuntos difusos, respectivamente, junto com uma função de pertinência que se relaciona com elas através de sua inversa. Nas aplicações, a diferenciabilidade facilita a dedução do algoritmo da descida do gradiente, tanto para um sistema classificador que gera parâmetros de funções discriminantes como para uma rede neural com múltiplas camadas cujas saídas são graus de pertinência às classes. O relacionamento com a função de pertinência, parece garantir que os dados de entrada e os dados de saída estejam estreitamente relacionados, ainda que seja necessário realizar uma análise matemática mais precisa deste relacionamento, a nível das variações que ocorrem nas escalas de medida dos dados.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Civil / Made available in DSpace on 2013-03-04T20:18:22Z (GMT). No. of bitstreams: 1 305085.pdf: 2726848 bytes, checksum: 7b26036d95584eb0a4c629c3f21cb571 (MD5) / Em Fevereiro de 2009 foi aprovado sob a portaria de No 53 o Regulamento Técnico da Qualidade do Nível de Eficiência Energética de Edifícios Comerciais, de Serviços e Públicos (RTQ-C). Este regulamento visa a etiquetagem de edificações comerciais no Brasil, classificando pelo nível de eficiência energética e baseando-se em três requisitos principais: Eficiência e potência instalada do sistema de iluminação; Eficiência do sistema de condicionamento de ar e Desempenho térmico da envoltória da edificação, quando a mesma for condicionada. O RTQ-C apresenta dois métodos para a avaliação do nível final de eficiência da edificação: Método Prescritivo, através da utilização de um modelo simplificado; ou através do Método de Simulação. Durante o desenvolvimento do modelo simplificado para a avaliação da envoltória presente no RTQ-C, foram encontradas algumas limitações com relação à volumetria do edifício e do parâmetro transmitância térmicas das paredes. Após o desenvolvimento do modelo, foram também observadas diferenças entre os níveis de eficiência de edificações com grande volumetria quando avaliadas através do Método Prescritivo e Método de Simulação. Outra observação foi com relação aos resultados fornecido pelo modelo simplificado. Os resultados são representados por um Indicador de Consumo, não representando o consumo aproximado da edificação em estudo. Nota-se que a utilização do método estatístico adotado para o desenvolvimento do modelo simplificado presente no RTQ-C (regressão linear múltipla) apresentou limitações para representar a relação entre as edificações adotadas e suas características com os seus respectivos consumos de energia. Com base nestas observações, esta tese tem como objetivo adotar um método estatístico que melhor consiga representar a correlação entre os dados de entrada e saída, permitindo o desenvolvimento de um modelo simplificado com melhor precisão para estimar o consumo de energia de edificações comerciais. Inicialmente, avaliou-se a precisão do modelo simplificado para o cálculo da eficiência da envoltória presente no Método Prescritivo do RTQ-C. Para esta avaliação foram adotados diferentes casos BESTEST com base na ASHRAE Standard 140; e também foi realizada uma comparação entre os níveis de eficiência da envoltória alcançados para diferentes edificações com base nos dois métodos presentes no RTQ-C. Através dos resultados pode-se concluir que uma das grandes limitações encontradas do modelo simplificado do RTQ-C está relacionado com a geometria das tipologias adotadas para o seu desenvolvimento, como por exemplo, a área de cobertura e a área de fachada da edificação (nomeados como Fator de altura e Fator de Forma). Posteriormente, avaliou-se a utilização de outro método estatístico para o desenvolvimento de um novo modelo simplificado baseando-se nos dados de entrada e saída adotados para o modelo simplificado presente no RTQ-C: redes neurais artificiais. Com base nestes resultados, foi possível realizar uma comparação entre os resultados deste método e do método estatístico adotado anteriormente, regressão linear múltipla. Observou-se que o método estatístico adotado para o desenvolvimento do modelo simplificado do RTQ-C não foi capaz de representar a influência dos dados de entrada no dado de saída. Porém, a aplicação do método estatístico de redes neurais reduziu o erro médio calculado entre o consumo simulado e equacionado, melhorando a precisão e a eficiência do modelo simplificado. Para o desenvolvimento de um novo modelo simplificado, ampliou-se a base de dados adotada anteriormente considerando um total de 16 tipologias com diferentes características de área construída, área condicionada, área de fachada externa, área de cobertura, entre outros. Foram também determinados limites mínimo e máximo de diferentes dados de entrada para melhor representar as diferentes combinações de características construtivas encontrada nas edificações comerciais do Brasil. As interações entre as diferentes tipologias adotadas e suas características foram realizadas através do método Hipercubo Latino, o qual permite que sejam realizadas diferentes combinações entre os parâmetros em um mesmo caso. Para as simulações destes novos casos utilizou-se o programa de simulação computacional EnergyPlus. Com base nos dados de entrada e nos dados de saída das simulações (consumo de energia elétrica), utilizou-se o método de modelagem estatística de redes neurais artificiais para o desenvolvimento de um novo modelo simplificado. Este método conseguiu descrever a correlação entre os dados de entrada e saída que não tem comportamento linear, permitindo o desenvolvimento de modelos simplificados com maior precisão. Como resultado final, os objetivos da tese foram alcançados permitindo o desenvolvimento de um modelo mais preciso para estimar o consumo de energia elétrica das edificações comerciais. / The Regulation for Energy Efficiency Labelling of Commercial Buildings in Brazil (RTQ-C) was released in February 2009. This regulation aims to classify buildings according energy efficiency levels based on lighting system; air conditioning system and envelope. This classification can be based on: the result of hourly building energy simulation (BES) programs or by using a prescriptive method which is based on a simplified model. During the development of the RTQ-C simplified model to evaluate the building envelope some limitations related to the building geometry and the parameter wall thermal transmittance were found. Differences between energy efficiency labels of both methods were also noticed. The simplified model results are presented by a Consumption Indicator (IC) which do not corresponds to the final building energy consumption. Moreover, it can be noticed that the use of multi-linear regression involves large simplifications in the statistical modeling on the relation between building design and energy consumption Based on that, this research has the objective to evaluate the feasibility and relevance of more complex statistical modeling techniques, which can describe correlation between inputs and output that are non-linear, possibly leading to more accurate models. First, the primary intent of this study is to provide a preliminary assessment on the accuracy of the simplified model present in the RTQC (SMRTQ-C). The first step of the assessment consisted on evaluating the simplified model results using the BESTEST. The second step of the assessment consisted on applying the simplified model to evaluate different building typologies, and compare the results with those obtained using a state of the art building energy simulation (BES) program. The results showed that one of the clearest limitations of the SMRTQ-C is the range of building typologies used for its development, for example regarding building area, building geometry (namely the height factor (FA) and shape factor (FF)). Then, a new statistical modeling technique was adopted into those inputs and outputs used to develop the simplified model presented in the RQT-C: the artificial neural network (ANN). Based on those results, it was possible to compare the results from both statistical modeling techniques: multi linear regression and artificial neural network. The differences found in the case studies might indicate that the multi-linear regression adopted to develop the SMRTQC was unable to describe the relation between inputs parameter and energy consumption in the case of commercial buildings in Brazil. However, the ANN reduced the difference between the energy consumption based on the simplified model and the building energy simulation. The ANN improved the accuracy and the efficiency of the simplified model. Based on the results, new typologies and input parameters were considered to develop a new simplified model. A total of 16 typologies were taking into account, with different characteristics of building total area, external area, roof area, number of floors, etc). Maximum and minimum values of input data were determined to represent the different combinations among the Brazilian commercial buildings. The Hypercube Latin method sampling was applied to combine effects of several input parameters varying simultaneously. The simulations were carried out using the EnergyPlus program. The artificial neural network method was applied on those cases, considering the parameters as input data and the energy consumption as the output data. This method was able to describe the relation between inputs parameter and energy consumption in the case of commercial buildings in Brazil. As a result, the objectives of this research were achieved letting to develop a simplified model which can predict the commercial buildings energy consumption.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Química / Made available in DSpace on 2013-03-04T20:48:52Z (GMT). No. of bitstreams: 1 304619.pdf: 4749681 bytes, checksum: 4b41f9f4bcecb4579346400305f636f9 (MD5) / Colunas de destilação necessitam de sistemas de controle apropriados para obter a especificação desejada do produto e uma operação estável no processo. A medição confiável e precisa da composição, ou de alguma propriedade, dos produtos é uma das principais dificuldades em torres de destilação. Para a determinação destas, normalmente são empregadas análises de laboratório ou analisadores de processo. Contudo, existem problemas decorrentes desses métodos, quando aplicados no controle em malha fechada. Entre esses problemas estão: demora entre a coleta da amostra e a disponibilização do resultado da análise; e pouca confiabilidade dos analisadores de processo. Para tentar suprir esta dificuldade lançam-se mão de modelos inferenciais. A inferência é basicamente uma correlação de uma propriedade em função de variáveis escolhidas, que são continuamente medidas no processo de produção. O resultado da inferência é usado diretamente pelo controlador, ocasionando a atuação rápida sobre uma ou mais válvulas de controle, ou para manipular o set point de uma ou mais temperaturas controladas de forma a corrigir uma propriedade fora da especificação. Neste trabalho será desenvolvido um sensor por software baseado em redes neurais artificiais para inferir o valor de composição do produto de topo de uma coluna de destilação piloto, sendo esta medida disponibilizada a um sistema de controle que possui ações distribuídas de calor ao longo dos pratos. Busca-se obter um sensor robusto, porém com respostas rápidas com potencial para o desenvolvimento de estratégias de controle inferenciais avançadas. O modelo empírico será baseado em rede neural e poderá ser aplicado em uma unidade piloto de destilação de 13 pratos, processando uma mistura de etanol/água. O grande diferencial deste projeto é o fato dessa estratégia ser desenvolvida em uma torre de destilação baseada em ação distribuída de controle com aquecimentos em pontos intermediários ao longo da coluna e o desafio é que o modelo consiga representar o processo com esta característica especial. Os dados necessários para a construção, treinamento e validação da rede neural empregada no sensor, serão adquiridos através de simulações com o software comercial HYSYS® 7.0, em modo dinâmico. A validação das simulações foi realizada através da comparação com dados experimentais da unidade piloto. Foram testadas inúmeras configurações e arquiteturas de dois diferentes tipos de redes neurais: feedforward e redes recorrentes de Elman. Algoritmos de treinamentos distintos também foram avaliados. Adicionalmente ao projeto foi desenvolvido um segundo sensor em malha fechada, para ser usado como um analisador de processo em tempo real, para monitoramento da planta, mantendo o sistema de controle atual. Os resultados mostraram que o modelo neural desenvolvido reproduz de forma adequada e com boa acurácia o comportamento dinâmico do processo, sendo considerado apropriado para predição de composição do produto de topo da unidade. As predições do sensor virtual foram muito similares às saídas simuladas pelo HYSYS® com erros aceitáveis. Desta forma, poderá ser utilizado para fins de monitoramento, otimização e controle no processo de destilação. / Distillation columns require appropriate control systems in order to obtain the desired product specification and a steady operation in the process. The reliable and precise measurement of the composition or of any other property of the product is one of the main difficulties in distillation towers. In order to determine those, laboratory analyses or process analyzers are employed. However, several problems rise from those methods, when applied in closed control loops. Among those problems might be mentioned: the long time between the sample collection and the availability of the results of the analyses; and the low reliability of the process analyzers. In order overcome this difficulty inferential models may be used. Inference is basically a correlation of a property in function of variables which are continually measured in the production process. The inference result is used either directly by the controller, resulting in fast action on one or more control valves, or to manipulate the set point of one or more controlled temperatures in order to correct an out of specification property. In this work, will be develop a soft sensor based on artificial neural networks to infer the value of the top product composition of a distillation column pilot. This measure will be available to a control system that distributed with action of heating along the column. The aim is to obtain a robust sensor, but with quick responses with potential for development of advanced inferential control strategies. The empirical model will be based on neural network and will be applied in a pilot distillation unit composed of 13 trays, processing an ethanol/water mixture. The great differential of this project is that this strategy be developed a distillation column based on distributed control action with heating on at intermediate points along the column. The challenge is that the model can represent the process with this special feature. The data needed for the construction, training and validation of the neural network employed on the sensor, were obtained through simulations with commercial software HYSYS® 7.0. The validation of the simulations was carried out through comparing to experimental data of the pilot unit. Various designs and architectures from two different types of neural networks: feedforward and Elman recurrent nets, were evaluated. Different training algorithms were also evaluated. Additionally to the project, has developed a second sensor in closed loop, to be used as an analyzer process real-time, monitoring of the plant, keeping the current control system. The results showed that the developed neural model reproduces with high accuracy the dynamic behavior of the process and considered adequate to estimate the composition of top product of the unit. The predictions of the developed neural network model were very similar to the product composition simulated by HYSYS® with acceptable errors. Therefore, the soft sensor developed can be used for monitoring, optimization and control in the process of distillation.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2013-06-25T18:50:04Z (GMT). No. of bitstreams: 1 307986.pdf: 2469115 bytes, checksum: 05a9f8a439f1355459bb61e09f5e9142 (MD5) / Registros comportamentais realizados de forma automatizada reduzem a influência de erros causados por fadiga e alerta sob os quais um observador humano está sujeito. O método de registro automático estudado em (CRISPIM, 2011) apresentou-se eficiente, embora não diferencie a ordem temporal de posturas a formar padrões de comportamento e suas diferentes durações. Neste trabalho investigamos o uso de uma rede neural artificial anteroalimentada com atrasos de tempo focados na entrada, através da qual foi possível observar o efeito de diferentes atrasos na detecção das diferentes categorias de comportamento (I - Imobilidade, L - Locomoção, V - Exploração vertical e A - Auto-limpeza). Além disso, foi feita uma comparação entre a detecção automática pelos classificadores treinados e a classificação por observadores humanos. Exceto pelo desempenho na detecção da categoria "A", os valores médios deste foram altos (Índices Kappa >0,75 e AUC >0,8) no conjunto de amostras de validação (pré-processadas - balanceadas e sem transições). Já no teste uma grande redução no desempenho foi observada, especialmente no índice Kappa. Neste os maiores desempenhos médios Kappa/AUC foram 28,4/68,7% na categoria "I" (comprimento de memória - sessenta unidades), 30,7/71,5% para categoria "L" (comprimento de memória - quinze unidades), 23,8/75,4% na categoria "V" (comprimento de memória - trinta unidades) e 2,7/48,9% na categoria "A" (comprimento de memória - quinze unidades). Estes resultados apresentaram diferenças estatisticamente significantes com p<0,05 entre desempenhos de comprimentos de memória para as categorias "I" e "L", não tendo sido encontrada tal diferença entre memória nas categorias "E" e "A". A confiabilidade computada para observadores humanos foi muito superior com valores médios do índice Kappa intra/inter observador de 78,9/78,9% categoria "I", 62,3/52,1% para categoria "L", 80,9/74,1% para categoria "E" e 89,4/91,2% para "A". Diferenças estatisticamente significantes para p<0,05 foram encontradas nos desempenhos inter-observador entre todas as categorias comportamentais, apontando maior acerto em relação à categoria "A" e maior dificuldade de registro na categoria "L". Estes resultados demonstram que tal rede neural dinâmica é útil à classificação de padrões comportamentais, mas são necessárias adaptações no método a fim de possibilitar um sistema mais confiável em relação aos humanos. Além disto, a categoria comportamental em que foi encontrado o maior desempenho por observadores humanos, foi a qual a rede neural desempenhou pior. Já a que a rede neural teve maior desempenho foi a qual observadores humanos tiveram seu pior. O que demonstra significante diferença entre as informações recebidas e processamento destas por cada um destes. Também foi demonstrado que para nas categorias "I" e "L" há influência da profundidade da memória de curto-prazo sobre o desempenho de detecção. / Behavioral records done by some automatic method have reduced influence of errors by tiredness and awareness about what humans are liable. The automatic recording method studied in (CRISPIM, 2011) showed efficient results, besides it could not differentiate temporal order of poses that form a pattern of behavior and its duration. At this work we investigate the use of a focused time lagged feedforward neural network, through what became able to observe the influence of different delays on the detection of the various categories of behavior (I - Immobility, L - Locomotion, V - Vertical exploration and A - Grooming). Not just that, we made a comparison between the automatic detection made by the trained classifiers and the one made by humans. Except by the detection performance on the category "A", the mean values of it was high (Kappa >0,75 and AUC >0,8 index) on the validation set (preprocessed - balanced and without transitions). On the test set otherwise, a great reduction in the performance was noticed, especially on Kappa index. The biggest mean values of Kappa/AUC indexes was 28,4/68,7% at category "I" (memory depth - sixty units), 30,7/71,5% for the "L" category (memory depth - fifteen units), 23,8/75,4% on category "V" (memory depth - thirty units) and 2,7/48,9% for "A" category (memory depth - fifteen units). These results demonstrated significant statistical difference for p<0,05 between performances of memory depths for the categories "I" and "L", but not for the other ones. The reliability computed for human observers was quite superior with mean values of Kappa index intra/inter observer of 78,9/78,9% category "I", 62,3/52,1% for category "L", 80,9/74,1% for "E" and 89,4/91,2% for "A". Significant statistical difference for p<0,05 was found at inter-observer performances between all behavioral categories, pointing a greater hit for "A" category and hardness at "L" category record. Accordingly to these results this neural network is useful to behavioral pattern classification, but it is still necessary adaptations on the method to allow a more reliable system. Beyond it, the behavioral category where was found the best performance by humans, was the worst for the neural network. On the other hand, the category where the neural network got his best performance was the worst for the humans. This shows significant difference between the received information and processing between both human and machine. For the categories "I" and "L" was demonstrated influence of the short- term memory depth at the detection performance.