Este trabalho apresenta uma aplicação de redes neurais artificiais (RNAs) na proteção diferencial de transformadores de potência, como um método para distinguir formas de onda que podem confundir a operação do relé. Vários fatores como, por exemplo, as situações de energização do transformador, podem causar uma má operação do dispositivo de proteção. Com o objetivo de melhoramento na proteção diferencial digital de transformadores de potência, desenvolveu-se um sistema completo de proteção, incluindo um dispositivo com base em RNAs, em substituição à filtragem harmônica dos sinais, existentes no algoritmo convencional. Com a referida adição de RNAs em um algoritmo completo de proteção diferencial de transformadores, obteve-se uma solução bastante precisa e eficiente, capaz de responder em um tempo reduzido, se comparada aos métodos convencionais. / This work presents an application of artificial neural networks (ANNs) in differential protection of transformers as an alternative method to distinguish among wave forms which can cause malfunction to the relay. One of the several factors that can cause malfunction is the inrush current present when the transfonner is energized. In order to improve the differential protection of the power transformers, the authors added a neural network routine to the conventional differential protection algorithm, in substitution to the filtering of the harmonic signals found on the traditional algorithm. By making this option, the authors obtained a more effective and precise solution, compared to the conventional methods.

Este trabalho apresenta um esquema de proteção direcional para sistemas de transmissão, baseado na utilização de redes neurais artificiais, tentando solucionar as principais limitações dos esquemas então existentes. As redes neurais artificiais constituem uma nova ferramenta para a proteção, onde várias das limitações apresentadas pelos esquemas convencionais podem ser solucionadas. A escolha desta abordagem para a proteção das linhas de transmissão é uma decisão fundamentada principalmente na capacidade de generalização e abstração inerentes às redes neurais artificiais. Estas características, se bem exploradas, podem prover uma alta qualidade de resposta, aliada a uma elevada velocidade de decisão. Outro fator de interesse é que, dependendo de como se realizar o treinamento da rede, poderia gerar-se metodologias de proteção capaz de suportar com eficiência mudanças na configuração do sistema. Isto geraria possibilidade de diagnósticos de falta com adequada confiabilidade que por sua vez não dependeria da configuração do sistema em si. O esquema de proteção proposto, foi simulado utilizando os softwares Alternative Transients Program (ATP) e Stuttgart Neural Network Simulator (SNNS). Também programas em Fortran foram desenvolvidos (filtro digital, reamostragem, identificação do ponto de ocorrência de falta, etc.) de forma a se representar adequadamente as condições reais de funcionamento do esquema de proteção. Testes simulando as mais diversas condições de falta foram realizados, de forma a se verificar a eficiência do esquema proposto. Os resultados demonstraram a capacidade da metodologia proposta de analisar corretamente os padrões provenientes de situações faltosas mesmo quando não vistas na fase de treinamento. Desta forma configurou-se um alto grau de generalização e abstração do esquema. / This work presents a directional protection scheme for transmission systems, that uses artificial neural networks, and try to solve the main limitations of existing schemes. The artificial neural networks are a new tool for protection, were many of the limitations of conventional schemes can be solved. The choice of this approach for transmission fines protection is a decision based mainly on the capability of generalization and abstraction inherent to the artificial neural networks. These characteristics, if well explored, can provide a response of high quality, together with a high speed of decision. Another interesting Jactar is that, depending on how the learning on the artificial neural network is made, it can generate a protection methodology capable of supporting efficiently changes on the system configuration. This can generate reliable fault diagnostics, which is independent on network configuration. The proposed protection scheme was simulated using softwares like \"Alternative Transients Program\" (ATP) and \"Stuttgart Neural Network Simulator\" (SNNS). Other programs were written in Fortran (digital filter, resampling of data, fault poinf identification, etc.) in a way to correctly represent the real working conditions of the protection scheme. Tests simulating several fault conditions were made, in a way to verify the efficiency of the proposed scheme. The results demonstrate the capability of the proposed methodology of correctly analyzing the patterns generated from fault conditions even when not seen on the learning stage. In that way a high degree of generalization and abstraction of the scheme were configured.

nÃo hà / A modelagem do comportamento de fenÃmenos complexos, como a transformaÃÃo de chuva em vazÃo, envolve o ajuste de uma sÃrie de parÃmetros, conferindo relativa dificuldade para sua prediÃÃo. No Estado do CearÃ, esta tarefa se torna ainda mais complicada, devido à carÃncia de dados fluviomÃtricos, e, sobretudo por se tratar de uma regiÃo caracterizada pelos baixos Ãndices pluviomÃtricos e pelo regime fluviomÃtrico intermitente preponderante. Os modelos do tipo transformaÃÃo de chuva em vazÃo SMAP e HYMOD em intervalo diÃrio, os quais apresentam como entradas, alÃm da altura mÃdia de precipitaÃÃo, a evaporaÃÃo, tÃm sido aplicados a bacias hidrogrÃficas do Cearà apresentando bons Ãndices de correlaÃÃo na fase de validaÃÃo. A calibraÃÃo destes modelos envolve o ajuste dos seus parÃmetros percorrendo-se um espaÃo de busca a fim de se minimizar uma funÃÃo objetivo, tratando-se de um processo estocÃstico. Desta forma, objetivando-se apresentar um modelo nÃo-paramÃtrico e determinÃstico para a transformaÃÃo chuva-deflÃvio, sÃo utilizadas as Redes Neurais Artificiais, as quais tÃm apresentado desempenho satisfatÃrio na modelagem de problemas de difÃcil prediÃÃo, inclusive no Ãmbito dos recursos hÃdricos. Para o estudo de caso foi escolhida a bacia hidrogrÃfica da Barragem Arneiroz II, a qual dispÃe de um posto fluviomÃtrico com uma sÃrie pseudo-histÃrica relativamente extensa. Assim, foram calibrados os modelos HYMOD, SMAP, modelos tradicionalmente utilizados pela FUNCEME, e uma rede neural do tipo perceptron multicamadas, treinada pelo algoritmo de retro propagaÃÃo atravÃs do programa Q-net. Para a calibraÃÃo dos modelos SMAP e HYMOD foi utilizado um algoritmo evolucionÃrio denominado Particle Swarm Optimization (PSO). Os resultados obtidos com o modelo de RNA foram comparados aos resultados obtidos pelos modelos SMAP e HYMOD atravÃs do parÃmetro de desempenho proposto por Nash & Sutcliffe (1970). Os resultados obtidos mostraram que o modelo HYMOD foi aquele para o qual parÃmetro de Nash obtido foi maior que os valores dos modelos SMAP e RNA. A modelagem chuva-deflÃvio com as RNA nÃo apresentaram resultados satisfatÃrios se comparados aos outros dois modelos hidrolÃgicos empregados. Isto pode ser justificado pelo fato de que o modelo considerou apenas os dados de pluviometria, nÃo tendo sido abastecido com outras variÃveis importantes na definiÃÃo do fenÃmeno chuva-vazÃo. / A modelagem do comportamento de fenÃmenos complexos, como a transformaÃÃo de chuva em vazÃo, envolve o ajuste de uma sÃrie de parÃmetros, conferindo relativa dificuldade para sua prediÃÃo. No Estado do CearÃ, esta tarefa se torna ainda mais complicada, devido à carÃncia de dados fluviomÃtricos, e, sobretudo por se tratar de uma regiÃo caracterizada pelos baixos Ãndices pluviomÃtricos e pelo regime fluviomÃtrico intermitente preponderante. Os modelos do tipo transformaÃÃo de chuva em vazÃo SMAP e HYMOD em intervalo diÃrio, os quais apresentam como entradas, alÃm da altura mÃdia de precipitaÃÃo, a evaporaÃÃo, tÃm sido aplicados a bacias hidrogrÃficas do Cearà apresentando bons Ãndices de correlaÃÃo na fase de validaÃÃo. A calibraÃÃo destes modelos envolve o ajuste dos seus parÃmetros percorrendo-se um espaÃo de busca a fim de se minimizar uma funÃÃo objetivo, tratando-se de um processo estocÃstico. Desta forma, objetivando-se apresentar um modelo nÃo-paramÃtrico e determinÃstico para a transformaÃÃo chuva-deflÃvio, sÃo utilizadas as Redes Neurais Artificiais, as quais tÃm apresentado desempenho satisfatÃrio na modelagem de problemas de difÃcil prediÃÃo, inclusive no Ãmbito dos recursos hÃdricos. Para o estudo de caso foi escolhida a bacia hidrogrÃfica da Barragem Arneiroz II, a qual dispÃe de um posto fluviomÃtrico com uma sÃrie pseudo-histÃrica relativamente extensa. Assim, foram calibrados os modelos HYMOD, SMAP, modelos tradicionalmente utilizados pela FUNCEME, e uma rede neural do tipo perceptron multicamadas, treinada pelo algoritmo de retro propagaÃÃo atravÃs do programa Q-net. Para a calibraÃÃo dos modelos SMAP e HYMOD foi utilizado um algoritmo evolucionÃrio denominado Particle Swarm Optimization (PSO). Os resultados obtidos com o modelo de RNA foram comparados aos resultados obtidos pelos modelos SMAP e HYMOD atravÃs do parÃmetro de desempenho proposto por Nash & Sutcliffe (1970). Os resultados obtidos mostraram que o modelo HYMOD foi aquele para o qual parÃmetro de Nash obtido foi maior que os valores dos modelos SMAP e RNA. A modelagem chuva-deflÃvio com as RNA nÃo apresentaram resultados satisfatÃrios se comparados aos outros dois modelos hidrolÃgicos empregados. Isto pode ser justificado pelo fato de que o modelo considerou apenas os dados de pluviometria, nÃo tendo sido abastecido com outras variÃveis importantes na definiÃÃo do fenÃmeno chuva-vazÃo.

Este trabalho apresenta uma metodologia para predição da distribuição de pressão sobre uma asa bi-trapezoidal genérica usando redes neurais artificiais. O toolbox de redes neurais do MatLab® foi utilizado para o treinamento e validação das redes neurais e os conjuntos de treinamentos foram obtidos por meio do software BLWF® versão 28 (Boundary Layer Wing-Fuselage) um código CFD (Computacional Fluid Dynamics) de potencial completo com correção de camada limite. Levando em consideração o nível de complexidade do problema, optou-se por dividir o estudo em três etapas de desenvolvimento. Inicialmente, uma rede neural foi treinada considerando apenas as variáveis de condição de voo e de forma em planta. Resultados promissores motivaram a criação de uma segunda rede neural, mais genérica, na qual foram adicionadas variáveis de três perfis distribuídos ao longo da asa. Porém apenas um desses perfis era variável enquanto que os demais eram parametrizados com relação à este perfil. Criou-se, por fim, uma rede neural ainda mais genérica, desta vez atentando também para as variáveis dos três perfis de modo independente. Os resultados obtidos mostram que esta metodologia pode ser usada como interessante ferramenta para obtenção de distribuição de pressão, especialmente em projetos de MDO (Multi-Disciplinary Optimization), uma vez que ela possibilita uma predição rápida, precisa e de fácil automatização de pressão em uma asa genérica. / This work shows a method for predicting pressure distribution over a generic bi-trapezoidal wing using artificial neural networks. The MatLab® Neural Network Toolbox was used for the neural network implementation and the training set was obtained using the BLWF® version 28 (Boundary Layer Wing-Fuselage), a full potential CFD (Computational Fluid Dynamics) code with boundary layer correction. The work was divided in three development phase, according with the problem complexibibility level. Initially, a neural network considering only flight conditions and plan form variables was trained. Promising results motivated the generation of a more generic neural network, considering also parameters of three airfoils distributed along the wing spanwise and chordwise. However only one airfoil was variable, the two other were parametrized in relation to the variable airfoil. At last, an even more generic neural network was generated, this time considering also the variables of the three profiles independently. The results show that this methodology can be successfully used as an interesting tool to obtain the pressure distribution, especially on the solution of MDO (Multi-Disciplinary Optimization) problems, since it allows fast prediction, automation facility and accurate measuring of the pressure distribution under a generic wing.

Este trabalho apresenta um modelo de rede neural voltado ao tratamento de informagbes codificadas em sequencias, tendo em vista que esta classe de informações nao tem um tratamento adequado nos modelos convencionais. Isso decorre da caracteristica destes modelos convencionais de manipular isoladamente as celulas de informacao apresentadas como entrada, sem Integra-las entre si. O modelo utiliza paradigmas a mecanismos conhecidos, tais coma a regra de HEBB, o modelo de Energia de Hopfield e o paradigma de organizacao em camadas, compondo-os com novas ideias e mecanismos direcionados para o tratamento de sequencias, em um sistema exploratório, extraindo com isso novas propriedades nao existentes em modelos tradicionais. Os novas mecanismos propostos permitem uma integragao entre entradas a rede e o contexto no qual elas sao apresentadas, para que com isso se forme uma Unica representacAo interna para Coda uma seqUencia de entradas. Todo o trabalho de validaco do modelo foi baseado em simulac6es, para as quaffs foi desenvolvido um ambiente em estacao de trabalho, dotado de interface grafica que permite o acompanhamento visual do funcionamento da rede. Para viabilizar a validacao do modelo por meio das simulac6es, tendo em vista os limites computacionais dos recursos disponiveis, foi proposto e utilizado um sistema de codificacao de informacbes ficticias simplicadas baseadas na fala, mais especificamente na organizacao fonetica. O sistema de codificação, embora simplificado, incorpora as mais importantes caracteristicas da codificação de informacbes realizada na fala, pelo menos pelo ponto de vista de seu reconhecimento por mein de redes neurais. / This work presents a Neural Network model to process sequence information, since this information class does not have a reasonable treatment in the conventional models. This is due to this models features that manipulate incoming information cells individually, without integrating them. The model uses already known mechanisms and paradigms, like the HEBB's rule, the Hopfield's Energy Model and the layer organization paradigm, added with new ideas and mechanisms for the sequence handling in a exploratory system, so that it extracts new properties not found in traditional models. The proposed new mechanisms allow the integration between network entries and context , in order to generate a unique internal representation. The model was validated through simulations. A workstation based environment was designed and implemented to support them. It incorporates a graphical interface that permits the network behavior visualization. In order to enable the model's validation through simulations and considering the computational limits of the available resources, a codification system was proposed to generate simplified ficticious and speech based informations. Although simplified, this codification system incorporates the most important features of the information codification that occur in the speech, at least from its neural network based recognition point of view.

Este trabalho apresenta um sistema de classificação de voz disfônica utilizando a Transformada Wavelet Packet (WPT) e o algoritmo Best Basis (BBA) como redutor de dimensionalidade e seis Redes Neurais Artificiais (ANN) atuando como um conjunto de sistemas denominados “especialistas”. O banco de vozes utilizado está separado em seis grupos de acordo com as similaridades patológicas (onde o 6o grupo é o dos pacientes com voz normal). O conjunto de seis ANN foi treinado, com cada rede especializando-se em um determinado grupo. A base de decomposição utilizada na WPT foi a Symlet 5 e a função custo utilizada na Best Basis Tree (BBT) gerada com o BBA, foi a entropia de Shannon. Cada ANN é alimentada pelos valores de entropia dos nós da BBT. O sistema apresentou uma taxa de sucesso de 87,5%, 95,31%, 87,5%, 100%, 96,87% e 89,06% para os grupos 1 ao 6 respectivamente, utilizando o método de Validação Cruzada Múltipla (MCV). O poder de generalização foi medido utilizando o método de MCV com a variação Leave-One-Out (LOO), obtendo erros em média de 38.52%, apontando a necessidade de aumentar o banco de vozes disponível.

O presente trabalho apresenta uma nova metodologia de localização de faltas em sistemas de distribuição de energia. O esquema proposto é capaz de obter uma estimativa precisa da localização tanto de faltas sólidas e lineares quanto de faltas de alta impedância. Esta última classe de faltas representa um grande problema para as concessionárias distribuidoras de energia elétrica, uma vez que seus efeitos nem sempre são detectados pelos dispositivos de proteção utilizados. Os algoritmos de localização de faltas normalmente presentes em relés de proteção digitais são formulados para faltas sólidas ou com baixa resistência de falta. Sendo assim, sua aplicação para localização de faltas de alta impedância resulta em estimativas errôneas da distância de falta. A metodologia proposta visa superar esta deficiência dos algoritmos de localização tradicionais através da criação de um algoritmo baseado em redes neurais artificiais que poderá ser adicionado como uma rotina adicional de um relé de proteção digital. O esquema proposto utiliza dados oscilográficos pré e pós-falta que são processados de modo que sua localização possa ser estimada através de um conjunto de características extraídas dos sinais de tensão e corrente. Este conjunto de características é classificado pelas redes neurais artificiais de cuja saída resulta um valor relativo a distância de falta. Além da metodologia proposta, duas metodologias para localização de faltas foram implementadas, possibilitando a obtenção de resultados comparativos. Os dados de falta necessários foram obtidos através de centenas de simulações computacionais de um modelo de alimentador radial de distribuição. Os resultados obtidos demonstram a viabilidade do uso da metodologia proposta para localização de faltas em sistemas de distribuição de energia, especialmente faltas de alta impedância.

Processos cognitivos e comportamentais são altamente adaptativos e possibilitam ao ser humano construir e apreender significados em diferentes contextos. Os sistemas self~outro e self~blog configuram o self enquanto informação dinâmica, emergente e significativa em diferentes níveis e contextos. As dinâmicas de coordenação desses dois sistemas são investigadas nos três estudos que formam a Tese. No Estudo 1 focaliza-se um self neural. Os microestados cerebrais presentes durante uma tarefa social são categorizados segundo comportamentos emergentes do sistema self~outro, e neuromarcadores relativos a funções do self são elucidados. Nos Estudos 2 e 3 examina-se um self social. O conteúdo escrito em blogs é analisado enquanto estado (Estudo 2) e processo (Estudo 3) emergente do sistema self~blog. Os resultados demonstram que a aplicação de conceitos de dinâmicas de coordenação viabiliza a aquisição de novos conhecimentos acerca do self através da investigação de relações entre diferentes níveis. No nível das coordenações neurais, foram especificados neuromarcadores de comportamento voltado para si, achados que podem influenciar investigações e intervenções relativas a psicopatologias (ex., autismo, esquizofrenia e depressão). No nível da coordenação social self~blog foram encontrados padrões expressivos que medeiam a expressão escrita da emergência de inovação do self. Focalizando os padrões longitudinais de blogs, foi encontrada uma tendência de expressão de auto-narrativas antes dos textos de inovação do self, e de monitoramento após as mudanças dialógicas provocadas pela inovação do self. Os estudos sociais evidenciaram que o uso de blogs pode amplificar capacidades de resolução de conflitos internos, quando os blogs são dinamicamente acoplados como dispositivos adicionais de memória. Em suma, os resultados dos estudos evidenciam a existência de padrões de interação entre auto-deliberação e auto-expressão. Evidencia-se que um delineamento sistêmico de uma natureza coordenada poderá avançar investigações acerca de selves que expressam vozes incorporadas durante diálogos funcionais realizados através de acoplamentos experienciados mediata e/ou imediatamente. / Cognitive and behavioral processes are highly adaptive and allow humans build and learn meanings in different contexts. The self~other and self~blog systems portray the self as dynamic information; which is emergent and meaningful in different levels and contexts. The coordination dynamics of both systems are investigated in the three studies that comprise this dissertation. Study 1 focuses on a neural self. Brain patterns related to a socially shared task are categorized according to emergent behaviors from a self~other system. Neuromarkers of self behavior are revealed. Studies 2 and 3 focus on a social self. Written blog contents are approached as states (Study 2) and process (Study 3) of a self~blog system. The results evidence that the coordination dynamic framework enables the acquisition of new information regarding the self though the investigation of relationships between levels. In the level of neural coordination, neuromarkers of self-behavior were specified. These dynamical patterns can influence further investigations and interventions related to psychopathologies such as autism, schizophrenia and depression. In the level of social coordination it was found that specific expressive patterns allow the emergence of self innovation in blogs. Focusing longitudinal patterns, it was found a tendency for self-narratives before self-innovation texts, and of monitoring after self-innovation. The social studies evidenced that blogging may amplify capacities of self-deliberation though a dynamical coupling between self and the blog as a detached memory device. Taken together, the overall results point towards the existence of patterns of interaction between self-deliberation and self-expression. It is evidenced that a systemic and coordinated approach may advance future research on selves that express embodied voices during functional dialogues through mediate and/or immediate couplings.

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.