Submitted by Marcio Filho (marcio.kleber@ufba.br) on 2017-06-09T13:04:29Z No. of bitstreams: 1 Dissertação-Tiago A. Mota.pdf: 2728856 bytes, checksum: dba047191184d9c8c4069dc5a70200d9 (MD5) / Approved for entry into archive by Vanessa Reis (vanessa.jamile@ufba.br) on 2017-06-13T15:18:49Z (GMT) No. of bitstreams: 1 Dissertação-Tiago A. Mota.pdf: 2728856 bytes, checksum: dba047191184d9c8c4069dc5a70200d9 (MD5) / Made available in DSpace on 2017-06-13T15:18:49Z (GMT). No. of bitstreams: 1 Dissertação-Tiago A. Mota.pdf: 2728856 bytes, checksum: dba047191184d9c8c4069dc5a70200d9 (MD5) / Os sistemas de telecomunicações sem fio vêm evoluindo rapidamente desde o início do século XXI, período no qual os dispositivos de comunicação móveis se tornaram muito populares. Hoje em dia as pessoas querem estar conectadas todo tempo, em qualquer lugar. Essa necessidade tornou o telefone celular um dos aparelhos eletrônicos mais populares do mundo. A cada nova geração tecnológica, uma série de inovações é incorporada, proporcionando taxas de transmissão de dados cada vez maiores, de forma a atender à demanda crescente. Alguns fatores conhecidos degradam a qualidade da comunicação móvel, dentre eles se destacando o ruído térmico, interferência intersimbólica e o desvanecimento. Uma das formas de mitigar esses problemas é o uso de equalizadores que, idealmente, implementam a função inversa do canal de transmissão, permitindo que o sinal recebido apresente mínimo erro em relação ao transmitido. Muitos artigos da literatura científica tratam canais invariantes no tempo, contudo, atualmente, a maioria dos canais é variante, o que prejudica o desempenho dos sistemas e torna seus efeitos difíceis de mitigar. Assumindo que o canal de comunicações é variante no tempo, algoritmos de otimização são usualmente utilizados para atualização dos pesos neurais de forma a adaptar o equalizador às condições do canal, levando em conta que as estruturas utilizadas nesse trabalho são inspiradas em redes neurais. Os trabalhos científicos que utilizam redes neurais geralmente empregam estruturas escolhidas sem uma investigação sistemática que justifique sua aplicabilidade. Não foi encontrada na literatura uma abordagem que comparasse algumas estruturas e indicasse a melhor para ser aplicada a um problema específico. É proposta nesse trabalho uma metodologia para comparar tipos diferentes de estruturas utilizando algoritmo genético. Foi desenvolvido também um equalizador neural capaz de lidar com o sinal proveniente de canal sujeito a desvanecimento severo, além de interferência intersimbólica, causada por multipercurso, e ruído térmico. Após a escolha da estrutura, o próximo passo foi a seleção de um algoritmo de otimização para atualização dos pesos neurais.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica / Made available in DSpace on 2012-10-22T12:59:12Z (GMT). No. of bitstreams: 1 234339.pdf: 1611971 bytes, checksum: 2a048bf5b3b720f9e4b9b21fd3ae4c61 (MD5) / O presente trabalho de dissertação aborda o desenvolvimento de uma ferramenta computacional para o diagnóstico de Descargas Parciais (DP) que ocorrem em Subestações Isoladas à Gás (GIS), em especial ao gás hexafluoreto de enxofre (SF6). Esta ferramenta computacional é baseada nas Redes Neurais Artificiais (RNA), com arquitetura do tipo Multi-Camadas (MLP). O objetivo da ferramenta é fornecer a causa para a ocorrência da Descarga Parcial que é capturada pelo sistema de monitoramento através da emissão de altíssimas freqüências (UHF), dando suporte ao operador para melhores procedimentos em relação à GIS. Para a validação da ferramenta foram utilizados dados gerados a partir do catálogo do sistema de monitoramento instalado na SE Machadinho, pertencente à ELETROSUL. Esse diagnóstico é de grande valia para a manutenção preditiva de uma GIS, pois indica a atividade da DP que dependendo da intensidade e das características destas descargas degradam as características de isolação elétrica do gás SF6. Assim, a equipe de manutenção responsável pela GIS, com a utilização das informações deste diagnóstico, pode atuar de forma mais eficaz nesta subestação. This master#s thesis research results in the development of a computational tool for Partial Discharge (PD) diagnosis taking place at Gas Insulated Substation (GIS), especially with sulphur hexafluoride (SF6). This computational tool is based on an Artificial Neural Network (ANN), with a Multi-Layer Perceptron (MLP) architecture. The target of this tool is to give the cause of occurrence of Partial Discharge captured by system monitoring through emission of ultra high frequency (UHF) signals, giving support to the operator for better procedures about GIS. The tool is validated with data generated from the catalog of a monitoring system installed at Machadinho Substation, owned by the Transmission Company of Electric Energy ELETROSUL. This diagnostic is of great value for GIS preventive maintenance because of given PD activity. Depending on the discharge intensity and characteristic it can destroy the electric isolation of the SF6 gas. With this diagnostic, the responsible maintenance team can work more effectively at this substation.

BARBOSA, F. R. Diagnóstico de falhas incipientes a partir das propriedades físico-químicas do óleo isolante em transformadores de potência como método alternativo à análise de gases dissolvidos. 2013. 131 f. Tese (Doutorado em Engenharia Elétrica) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2013. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2013-03-07T17:44:55Z No. of bitstreams: 1 2013_tese_frbarbosa.pdf: 13013873 bytes, checksum: 3f9ca2b6b60cc46a405bce6c6ce290b6 (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2013-03-12T18:45:09Z (GMT) No. of bitstreams: 1 2013_tese_frbarbosa.pdf: 13013873 bytes, checksum: 3f9ca2b6b60cc46a405bce6c6ce290b6 (MD5) / Made available in DSpace on 2013-03-12T18:45:09Z (GMT). No. of bitstreams: 1 2013_tese_frbarbosa.pdf: 13013873 bytes, checksum: 3f9ca2b6b60cc46a405bce6c6ce290b6 (MD5) Previous issue date: 2013-01-15 / The diagnosis of incipient fault in power transformers immerses in oil are directly related to the assessment of the isolation system conditions. This search is about the relationship between dissolved gases and the quality of the insulating mineral oil used in power transformers. Artificial Neural Networks are used to approach operational conditions assessment issue of the insulating oil in power transformers, which is characterized by a nonlinear dynamic behavior. The operation conditions and integrity of a power transformer can be inferred by analysis of physicochemical and chromatographic (DGA – Dissolved Gas Analysis) profiles of the isolating oil. This tests allow establishing procedures for operating and maintaining the equipment and usually are performed simultaneously. This work proposes a method that can be used to extract chromatographic information using physicochemical analysis through Artificial Neural Networks. The present analysis of physicochemical properties only provide a diagnostic tool for the oil quality, which does not allow the diagnosis of incipient faults. It´s believed that, the power utilities could improve reliability in the prediction of incipient failures at a lower cost with this method, since only one test is required. The results show this strategy might be promising with an average accuracy for diagnosis of faults greater than 72%. The purpose of this work is the direct implementation of the diagnosis of incipient faults through the use of physicochemical properties without the need to make an oil chromatography. / O diagnóstico de falhas incipientes em transformadores de potência imersos em óleo está diretamente relacionado à avaliação das condições do sistema de isolamento. Este estudo aborda a relação entre os gases dissolvidos no óleo e a qualidade do óleo mineral isolante utilizado em transformadores de potência. As redes neurais artificiais são utilizadas na abordagem da avaliação das condições operacionais do óleo isolante em transformadores de potência, que é caracterizada por um comportamento dinâmico não-linear. As condições de operação e a integridade do sistema de isolamento de um transformador de potência podem ser inferidas através das análises físico-químicas e cromatográficas (Análise de Gás Dissolvido). Estes ensaios permitem estabelecer procedimentos de operação e manutenção do equipamento e normalmente são realizados simultaneamente. Esta tese de doutorado propõe um método que pode ser usado para extrair informações cromatográficas usando as análises físico-químicas através de redes neurais artificiais. As análises atuais das propriedades físico-químicas fornecem apenas diagnóstico do estado do óleo, o que não permite o diagnóstico de falhas incipientes. Acredita-se que, as concessionárias de energia podem melhorar a confiabilidade na previsão de falhas incipientes a um custo menor com este método, uma vez que apenas um ensaio é necessário. Os resultados mostraram que esta estratégia é promissora com média de acertos em diagnósticos de falhas maiores que 72%. O objetivo deste trabalho é a aplicação direta do diagnóstico de falhas incipientes através da utilização de propriedades físico-químicas, sem a necessidade de fazer uma cromatografia do óleo.

CASTRO, T. N. Modelo de previsão sazonal de chuva para o Estado do Ceará baseado em redes neurais artificiais. 2011. 78 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2011. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2013-06-12T11:28:44Z No. of bitstreams: 1 2011_dis_tncastro.pdf: 2220608 bytes, checksum: 52a0a94abe348c142dc311c6b4da7646 (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2013-06-12T16:44:03Z (GMT) No. of bitstreams: 1 2011_dis_tncastro.pdf: 2220608 bytes, checksum: 52a0a94abe348c142dc311c6b4da7646 (MD5) / Made available in DSpace on 2013-06-12T16:44:04Z (GMT). No. of bitstreams: 1 2011_dis_tncastro.pdf: 2220608 bytes, checksum: 52a0a94abe348c142dc311c6b4da7646 (MD5) Previous issue date: 2011-09-15 / Climatological systems are characterized by complex modeling and having low predictability. In semi-arid regions, as the Brazilian Northeast, weather forecast information are necessary for the maintenance of life and a better use of water resources. The State of Ceará, located on the north of Brazilian Northeast, is a region that suffers with drought for a long time. The Fundação Cearense de Meteorologia e Recursos Hídricos (FUNCEME), which belongs to the state government, is responsible for generating research to bring a better phenomenological understanding on the weather of the State of Ceará and thus make a better prediction on how the rainy season will be. Today the foundation makes use of numerical modeling consisting of two regional models, the Regional Spectral Model (RSM) and the Regional Modeling Atmospheric System (RAMS), nested by a downscaling technique to the large scale dynamic model ECHAM4.5, in order to do its predictions. Dynamic models are characterized by their high computational costs, large amounts of information on its input and high complexity usage. The development of forecasting models based on Artificial Neural Networks (ANN) covers various areas of knowledge showing promising results. Neural network based models are capable of reproducing different types of systems through its learning capability. In this thesis it was developed a model for predicting rain for the eight homogeneous regions of the state of Ceará that presents low computational cost and easy use. In order to achieve this development it was used an ANN base on a Neo-Fuzzy Neuron (NFN) technique. Despite being offered a new prediction model, this thesis aims to enrich the information generated by forecast models and do a better prediction on the rainy season of the State of Ceará. The proposed model was compared to the RSM model that is currently in use by FUNCEME in its predictions. In this comparison, as performance indicators, it was used: the execution time, value of the root mean square error (RMSE) and the correlation with the observed values. At the end, it is concluded that the proposed model had a better performance and was faster than the RSM dynamic model in its predictions. / Sistemas climatológicos são caracterizados por apresentarem modelagem complexa e de baixa previsibilidade. Em regiões de clima semiárido, como o Nordeste Brasileiro, informações de previsão climatológicas são de interesse para um melhor aproveitamento dos recursos hídricos. O Estado do Ceará, localizado no norte do Nordeste Brasileiro, sofre periodicamente com os problemas de estiagem. Atualmente a Fundação Cearense de Meteorologia e Recursos Hídricos (FUNCEME), órgão pertencente ao governo do Estado do Ceará, é responsável por gerar pesquisas voltadas a trazer um melhor entendimento fenomenológico do clima do Estado e com isso efetuar uma melhor previsão de como será o período de chuvas. Hoje a Fundação utiliza-se de modelagem numérica composta por dois modelos regionais, Modelo Regional Espectral 97 (MRE) e o Regional Modeling Atmospheric System (RAMS), aninhados por uma técnica de downscaling ao modelo dinâmico de grande escala ECHAM4.5, para efetuar suas previsões. Os modelos dinâmicos são caracterizados por apresentarem elevado custo computacional, grande quantidade de dados para sua entrada e alta complexidade na utilização. O desenvolvimento de modelos de previsão baseados em Redes Neurais Artificias (RNA) abrange diversas áreas do conhecimento e tem apresentado resultados promissores. Modelos baseados em redes neurais são capazes de reproduzir deferentes tipos de sistemas através da sua capacidade de aprendizado. Nesta dissertação foi desenvolvido um modelo de previsão de chuvas para as oito regiões homogêneas do Estado do Ceará, que apresenta um baixo custo computacional e de fácil utilização. Para atingir este desenvolvimento foi utilizada uma RNA baseada na técnica Neo-Fuzzy Neuron (NFN). Apesar de ser proposto um novo modelo de previsão, não se deseja a substituição dos atuais modelos, o novo modelo proposto nesta dissertação tem por finalidade enriquecer as informações geradas através de modelos de previsão para que assim possa ser gerada uma melhor predição de como será o período de chuvas no Estado do Ceará. O modelo proposto foi comparado ao modelo MRE que é atualmente utilizado pela FUNCEME para suas previsões. Nesta comparação utilizou-se como indicadores de desempenho: tempo de execução, valor da raiz quadrada do erro médio quadrático (REMQ) e a correlação com os valores observados. Ao final pode-se concluir que o modelo desenvolvido apresentou um melhor desempenho com menor tempo de processamento em relação ao modelo dinâmico MRE para efetuar a previsão de chuvas.

OLIVEIRA JÚNIOR, J. L. W. Desenvolvimento de plataforma emuladora de turbina eólica para estudos de algoritmos de MPPT eólicos inteligentes. 2016. 193 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2016. / Submitted by Hohana Sanders (hohanasanders@hotmail.com) on 2016-07-25T13:16:49Z No. of bitstreams: 1 2016_dis_jlaolliveirajúnior.pdf: 13413641 bytes, checksum: 7ba68ba625c196550468a14be5e4cb3c (MD5) / Approved for entry into archive by Marlene Sousa (mmarlene@ufc.br) on 2016-07-25T14:11:18Z (GMT) No. of bitstreams: 1 2016_dis_jlaolliveirajúnior.pdf: 13413641 bytes, checksum: 7ba68ba625c196550468a14be5e4cb3c (MD5) / Made available in DSpace on 2016-07-25T14:11:18Z (GMT). No. of bitstreams: 1 2016_dis_jlaolliveirajúnior.pdf: 13413641 bytes, checksum: 7ba68ba625c196550468a14be5e4cb3c (MD5) Previous issue date: 2016-06-29 / The dynamics of the wind within the wind power small context is problematic since the operating speed of the machine must accompany him in order to extract the maximum wind power. In this paper, we propose the design and development of a wind turbine emulator bench and peak power tracking algorithms models based on artificial neural networks and reinforcement learning. The emulation system aims to allow the algorithms of experimental evaluation previously validated by simulation, since the proposed algorithms aim to achieve a good performance compared to classical algorithms. In addition to literature review, computer simulations were implemented in PSIM and Matlab software, as well as the design, development and validation of emulator bench wind turbine based on DC motor. They present all design steps the emulator converters and charge controller responsible for carrying out the maximum power tracking, as well as all the material necessary for reproduction of the work in the form of appendices. In the emulator bench, two algorithms are proposed in this work: one based on a modification algorithm and disturbs observed through insertion of a neural network that defines the size of the perturbation; already the second is based on recent learning algorithms for enhancing the Actuator-Critical type (CACLA), which had not been used for this purpose / A dinâmica dos ventos dentro do contexto da geração eólica de pequeno porte é uma problemática uma vez que a velocidade de operação da máquina deve acompanha-lo para poder extrair a máxima potência do vento. Neste trabalho, são propostos o projeto e desenvolvimento de uma bancada emuladora de turbina eólica, bem como modelos de algoritmos de rastreio de máxima potência baseados em Redes Neurais Artificiais e aprendizagem por reforço. O sistema de emulação tem como objetivo permitir a avaliação experimental de algoritmos previamente validados via simulação, já os algoritmos propostos visam alcançar uma boa performance frente a algoritmos clássicos. Além de revisão bibliográfica, foram implementadas simulações computacionais em software PSIM e Matlab, bem como o projeto, desenvolvimento e validação da bancada emuladora de turbina eólica baseada em motor de corrente contínua. São apresentados todos os passos de projeto dos conversores do emulador e do controlador de carga responsável pela realização do rastreio de máxima potência, bem como todo o material necessário para a reprodução do trabalho, na forma de apêndices. Além da bancada emuladora, dois algoritmos são propostos nesse trabalho: um baseado numa modificação do algoritmo perturba e observa, através da inserção de uma rede neural que define o tamanho da perturbação; já o segundo baseia-se em recentes algoritmos de aprendizagem por reforço do tipo Atuador-Critico (CACLA), que ainda não haviam sido utilizados com essa finalidade

RIBEIRO, A. J. A. Um Modelo de previsão do módulo de resiliência dos solos no estado do Ceará para fins de pavimentação. 2016. 151 f. Tese (Doutorado em Engenharia de Transportes) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2016. / Submitted by Hohana Sanders (hohanasanders@hotmail.com) on 2016-08-03T14:04:10Z No. of bitstreams: 1 2016_tese_ajaribeiro.pdf: 6354204 bytes, checksum: 9c6bfb8d567f07df5ecdbcd01ec6c0c4 (MD5) / Approved for entry into archive by Marlene Sousa (mmarlene@ufc.br) on 2016-08-05T17:40:15Z (GMT) No. of bitstreams: 1 2016_tese_ajaribeiro.pdf: 6354204 bytes, checksum: 9c6bfb8d567f07df5ecdbcd01ec6c0c4 (MD5) / Made available in DSpace on 2016-08-05T17:40:15Z (GMT). No. of bitstreams: 1 2016_tese_ajaribeiro.pdf: 6354204 bytes, checksum: 9c6bfb8d567f07df5ecdbcd01ec6c0c4 (MD5) Previous issue date: 2016-06-13 / The development of models to support the transport infrastructure design has established itself as an alternative to obtain data and information on the geotechnical characteristics of the soil in a given region. One of the techniques that have been successful in generating the estimates is the Artificial Neural Networks (ANN).The neural modeling has allowed both the prediction of different geotechnical soil attributes as their locations with relative accuracy for a given study area. It is known that the methods of empirical-mechanistic pavement design depend on their application, prior knowledge of some of these characteristics. Obtaining geotechnical soil information, such as AASHTO classification, CBR and resilient modulus (RM), imply high financial cost. Thus, this thesis proposes the use of artificial intelligence techniques to generate models to estimate the RM of soil in order to be used in methods of pavement design, for which this information is essential. It is proposed to perform conventional geotechnical testing (Particle size analysis of soils and Compaction) to obtain data that will allow the proposed model, aiming to estimate the resilient behavior of soils in the state of Ceará. From the results, estimates were generated that can be integrated into the pavement design methods for the study area, reducing the financial costs of the projects and the execution time. The results showed that the ANN are able to predict with good accuracy, with 0.984 correlation coefficient, RM values of the soil, showing that the use of neural models to predict the RM to the empirical-mechanistic design of pavements is possible. This technique allows the use of the models generated for the design of pavements, where there is lack of information or lack of funding for road design. / O desenvolvimento de modelos como apoio aos projetos de infraestrutura de transportes vem se firmando como uma alternativa para se obter dados e informações acerca das características geotécnicas dos solos de uma determinada região. Uma das técnicas que tem obtido sucesso na geração dessas estimativas é a de Redes Neurais Artificiais (RNA). A modelagem neural tem permitido tanto a predição de diferentes atributos geotécnicos dos solos quanto de suas localizações com relativa precisão para uma dada região de estudo. Sabe-se que os métodos de dimensionamentos empírico-mecanísticos de pavimentos dependem, para sua aplicação, do conhecimento prévio de algumas dessas características. A obtenção de informações geotécnicas de solos, como por exemplo, a classificação da AASHTO, CBR e Módulo de Resiliência (MR), implicam em elevados custos. Assim, esta tese propõe o uso de técnicas de inteligência artificial na geração de modelos destinados a estimar o MR de solos, a fim de que sejam usados nos métodos de dimensionamentos de pavimentos, para os quais esta informação seja imprescindível. Propõe-se a realização de ensaios geotécnicos convencionais (Análise Granulométrica e Compactação) para obtenção dos dados que permitirão a modelagem proposta, visando-se estimar o comportamento resiliente dos solos no estado do Ceará. A partir dos resultados obtidos, foram geradas estimativas que podem ser integradas aos métodos de dimensionamento de pavimentos para a área de estudo, reduzindo-se os custos financeiros dos projetos e o tempo de execução. Os resultados mostraram que as RNA são capazes de prever com boa precisão, com coeficiente de correlação de 0,984, os valores de MR dos solos, se mostrando assim, promissor, o uso de modelos neurais para prever o MR para o dimensionamento empírico-mecanístico de pavimentos. Esta técnica permite assim o uso dos modelos gerados no dimensionamento de pavimentos, quando da ausência de informações ou escassez de recursos financeiros para projetos rodoviários.

Submitted by Reginaldo Soares de Freitas (reginaldo.freitas@ufv.br) on 2016-10-31T16:02:51Z No. of bitstreams: 1 texto completo.pdf: 565707 bytes, checksum: 6cc31f7355ff0d27f2613e2c173105af (MD5) / Made available in DSpace on 2016-10-31T16:02:51Z (GMT). No. of bitstreams: 1 texto completo.pdf: 565707 bytes, checksum: 6cc31f7355ff0d27f2613e2c173105af (MD5) Previous issue date: 2003-08-25 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / O presente trabalho teve como objetivo desenvolver um modelo matemático usando a técnica de redes neurais como alternativa potencial aos métodos existentes para o cálculo do processamento térmico de alimentos enlatados. A rede construída teve como variáveis de entrada: o tempo de processo, a temperatura da autoclave e a temperatura do centro do produto para o tempo presente e tempos anteriores. A variável de saída foi a temperatura do ponto frio. Para o treinamento da rede, um conjunto de dados em função das variáveis operacionais tempo e temperatura foi obtido através do processamento do produto em autoclave vertical. A rede selecionada foi a 5-8-9-1, a qual apresentou excelente capacidade de generalização, com um erro relativo médio de 0,022. A precisão e a habilidade do modelo de redes neurais foram comparadas com os métodos de Ball e Stumbo, ambas com respeito ao valor de F do processo, demonstrando a superioridade da técnica de redes neurais. A etapa de resfriamento foi estudada separadamente a partir de uma rede back-propagation desenvolvida com o objetivo de predizer a contribuição do valor de F do processo para diferentes valores de temperatura no centro do produto, no início e no final do resfriamento. A rede construída teve como variáveis de entrada: a temperatura do centro do produto no início do resfriamento, a temperatura da água de resfriamento e a temperatura do ponto frio no final do resfriamento. A variável de saída foi o valor de F. No treinamento da rede foi usado o mesmo conjunto de dados em função das variáveis operacionais tempo e temperatura obtido em autoclave vertical. A rede selecionada para a etapa de resfriamento foi a rede (5-14-10-1) e apresentou excelente capacidade de generalização, com um erro relativo médio de 0,706. Redes neurais apresentaram grande capacidade para a modelagem do processamento térmico de alimentos quando analisado o processo completo e a etapa de resfriamento em separado, predizendo acertadamente as novas temperaturas do produto e os novos valores de F, respectivamente. Sendo então demonstrada precisão, simplicidade e compatibilidade on line. / The present work had as objective to develop a mathematical model using the technique of neural networks as potential alternative to the existent methods for the calculation of the thermal processing of canned food in order to determine the temperature of the cold point of the product starting from the initial conditions of the process and of the temperature of the autoclave. The built network had as input variables: the time of process, the temperature of the autoclave and the temperature of the center of the product for the time present and previous times. The output variable went to temperature in the center of the product in the time. For the training of the network, a group of data in function of the variables operational time and temperature was obtained through the processing of the product in vertical autoclave. The selected network went to network (5-8-9-1), which presented excellent generalization capacity, with a mean relative error of 0,022. The precision and ability of the model of neural networks were compared with the methods of Ball and Stumbo, both with regard to the value of F of the process, demonstrating the superiority of the technique of neural networks. The cooling stage was studied separately starting from a network back- propagation developed with the objective of predicting the contribution of the value of F of the process for different temperature values in the center of the product in the beginning and in the end of the cooling. The built network had as input variables: the temperature of the center of the product in the beginning of the cooling, the temperature of the cooling water and the temperature of the center of the product in the end of the cooling. The output variable was the value of F. In the training of the network the same group of data was used in function of the variables operational time and temperature obtained in vertical autoclave. The network selected for the cooling stage went to network (5-14-10-1) and it presented excellent generalization capacity, with a mean relative error of 0,706. Neural networks presented great capacity for the modeling of the thermal processing of food when analyzed the complete process and the cooling stage in separate predicting the new temperatures of the product and the new values of F wisely, respectively. Being demonstrated precision, simplicity and on line compatibility.

GUILHERME, A. T. P. Análise comparativa de modelos para previsão e mapeamento de propriedades geotécnicas dos solos da microrregião de Mossoró-RN. 2016. 138 f. Dissertação (Mestrado em Engenharia de Transportes)–Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2016. / Submitted by Hohana Sanders (hohanasanders@hotmail.com) on 2017-05-23T10:37:43Z No. of bitstreams: 1 2016_dis_atpguilherme.pdf: 4754624 bytes, checksum: 0532dd57ee62fde582e27adfc8468f99 (MD5) / Approved for entry into archive by Marlene Sousa (mmarlene@ufc.br) on 2017-06-09T17:30:59Z (GMT) No. of bitstreams: 1 2016_dis_atpguilherme.pdf: 4754624 bytes, checksum: 0532dd57ee62fde582e27adfc8468f99 (MD5) / Made available in DSpace on 2017-06-09T17:30:59Z (GMT). No. of bitstreams: 1 2016_dis_atpguilherme.pdf: 4754624 bytes, checksum: 0532dd57ee62fde582e27adfc8468f99 (MD5) Previous issue date: 2016-12-22 / The absence of an adequate tool to assist future road projects in the Mossoró Microregion has motivated the interest of proposing alternatives for prior recognition of the geotechnical characteristics of the soils for paving purposes. This research presents, applies and compares two modeling techniques for the location of soils and their geotechnical characteristics, using as study area the Microregion of Mossoró - RN. It is hoped that the resulting models can aid in the decision-making process in paving works, minimizing the costs and the time of performing geotechnical studies, especially in the pre-design phase. In the development of the models was used Geoprocessing for the composition of the georeferenced database and the Regression Statistics Techniques and Artificial Neural Networks for the modeling. In order to reach the proposed objectives, secondary data such as biophysical variables (Pedology, Geology, Vegetation and Geomorphology), geomorphometric variables (slope elevation, aspect, illumination, curvature plane, curvature profile, flow contribution and direction and Length of drainage) and the Geographic Location (Coordinates) to explain the modeled phenomena. These characteristics were correlated to the estimated geotechnical variables (AASHTO - American Association of State Highway and Transportation Officials and CBR - California Bearing Ratio) through the two modeling techniques. At the end of the study, 76% R² was obtained for statistical model and 91% for the neural model for CBR estimation, and for AASHTO Classification, the models presented correct levels of 42% for the statistical model and 89% for the model neural. Despite the confidence level disparity in the soil class prediction models, the two models indicated that the A-2-4 soil is predominant in the region. The correlation indexes for the CBR estimation were closer, and it was possible to observe that more than 50% of the soils of the studied region present good subbase capacity without stabilization (CBR values greater than 20%). Additionally, the geotechnical characteristics estimated by these models enabled the elaboration of Geotechnical Maps, stratified to predict the values of CBR and AASHTO Classification. / A ausência de uma ferramenta adequada de auxílio a futuros projetos rodoviário na Microrregião de Mossoró motivou o interesse de propor alternativas para reconhecimento prévio das características geotécnicas dos solos com fins de pavimentação. Esta pesquisa apresenta, aplica e compara duas técnicas de modelagem destinadas à localização de solos e de suas características geotécnicas, usando como área de estudos a Microrregião de Mossoró – RN. Deseja-se que os modelos resultantes possam auxiliar no processo de tomada de decisão em obras de pavimentação, minimizando os custos e o tempo de realização estudos geotécnicos, sobretudo na fase de pré-projeto. No desenvolvimento dos modelos foi usado Geoprocessamento para composição do banco de dados georreferenciado e as Técnicas Estatísticas de Regressão e Redes Neurais Artificiais para a modelagem. Visando-se alcançar os objetivos propostos foram investigados dados secundários como as variáveis biofísicas (Pedologia, Geologia, Vegetação e Geomorfologia), as variáveis geomorfométricas (elevação declividade, aspecto, iluminação, plano de curvatura, perfil de curvatura, contribuição do fluxo e direção e comprimento de drenagem) e a Localização Geográfica (Coordenadas) para explicar os fenômenos modelados. Essas características foram correlacionadas às variáveis geotécnicas estimadas (classificação AASHTO -American Association of State Highway and Transportation Officials e CBR - California Bearing Ratio) através das duas técnicas de modelagem. Ao final, obteve-se R² de 76% para modelo estatístico e 91% para o modelo neural para estimação do CBR, já para a Classificação AASHTO, os modelos apresentaram níveis de acertos de 42% para o modelo estatístico e 89% para o modelo neural. Apesar da disparidade do nível de confiança nos modelos de predição das classes de solo, os dois modelos indicaram que o solo A-2-4 é predominante na região. Os índices de correlação para a estimação do CBR foram mais próximos, e foi possível ainda observar que mais de 50% dos solos da região estudada apresentam boa capacidade de aplicação em sub-bases sem necessidade estabilização (valores de CBR maiores de 20%). Adicionalmente, as características geotécnicas estimadas por estes modelos possibilitaram a elaboração de Mapas Geotécnicos, estratificados para previsão dos valores de CBR e Classificação AASHTO.

O presente trabalho implementa um método computacional semi-automático para obter medidas de estruturas cardíacas de fetos humanos através do processamento de imagens de ultra-som. Essas imagens são utilizadas na avaliação cardíaca pré-natal, permitindo que os médicos diagnostiquem problemas antes mesmo do nascimento. A dissertação é parte de um projeto desenvolvido no Instituto de Informática da Universidade Federal do Rio Grande do Sul, denominado SEGIME (Segmentação de Imagens Médicas). Neste projeto, está sendo desenvolvida uma ferramenta computacional para auxiliar na análise de exames ecocardiográficos fetais com o apoio da equipe de Cardiologia Fetal do Instituto de Cardiologia do Rio Grande do Sul. O processamento de cada imagem é realizado por etapas, divididas em: aquisição, pré-processamento, segmentação e obtenção das medidas. A aquisição das imagens é realizada por especialistas do Instituto de Cardiologia. No pré-processamento, é extraída a região de interesse para a obtenção das medidas e a imagem é filtrada para a extração do ruído característico das imagens de ultra-som. A segmentação das imagens é realizada através de redes neurais artificiais, sendo que a rede neural utilizada é conhecida como Mapa Auto-organizável de Kohonen. Ao final do processo de segmentação, a imagem está pronta para a obtenção das medidas. A técnica desenvolvida nesta dissertação para obtenção das medidas foi baseada nos exames realizados pelos especialistas na extração manual de medidas. Essa técnica consiste na análise da linha referente à estrutura de interesse onde serão detectadas as bordas. Para o início das medidas, é necessário que o usuário indique o ponto inicial sobre uma borda da estrutura. Depois de encontradas as bordas, através da análise da linha, a medida é definida pela soma dos pixels entre os dois pontos de bordas. Foram realizados testes com quatro estruturas cardíacas fetais: a espessura do septo interventricular, o diâmetro do ventrículo esquerdo, a excursão do septum primum para o interior do átrio esquerdo e o diâmetro do átrio esquerdo. Os resultados obtidos pelo método foram avaliados através da comparação com resultados de referência obtidos por especialistas. Nessa avaliação observou-se que a variação foi regular e dentro dos limites aceitáveis, normalmente obtida como variação entre especialistas. Desta forma, um médico não especializado em cardiologia fetal poderia usar esses resultados em um diagnóstico preliminar.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro de Ciências Físicas e Matemáticas, Programa de Pós-Graduação em Física, Florianópolis, 2014. / Made available in DSpace on 2014-08-06T18:00:35Z (GMT). No. of bitstreams: 1 326725.pdf: 20330785 bytes, checksum: 676fb68bd4aedf6d97313111c46615dc (MD5) Previous issue date: 2014 / O uso de Óptica Adaptativa está se tornando cada vez mais importante para o aproveitamento máximo dos telescópios, e será obrigatória para os telescópios gigantes de nova geração. Neste documento serão descritos os projetos trabalhados no desenvolvimento de técnicas para óptica adaptativa utilizando redes neurais artificiais. Para a técnica de campo amplo MOAO apresentamos uma técnica com redes neurais artificiais capaz de executar tomografia como outras técnicas existentes, mas com o benefício de não necessitar de conhecimento prévio do perfil da turbulência atmosférica. Também utilizamos redes neurais artificiais para sensores de frente de onda Shack-Hartmann em telescópios gigantes. Quando este tipo de sensor é usado com estrelas guia laser para amostrar a pupila de telescópios com 30 m de diâmetro ou mais, é necessário computar o centroide de pontos alongados, com o ângulo e razão de alongamento variando através da pupila. Técnicas existentes como matched filter são consideradas as melhores para computar o centroide de pontos alongados, entretanto elas não são boas em lidar com condições dinâmicas como a variação no perfil da camada de sódio. Neste trabalho propomos uma nova técnica usando redes neurais artificiais, que se aproveita da habilidade das redes neurais de lidarem com condições variáveis, superando as técnicas existentes quando testada sob condições variáveis. Desenvolvemos simulações completas para examinar nossa nova técnica e compará-la com outras.<br>