Dissertação (Mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-18T18:11:09Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-09T02:51:55Z : No. of bitstreams: 1 142666.pdf: 48507450 bytes, checksum: 073e0a445c3805fb4909c868f89e757b (MD5)

Dissertação (Mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-19T01:44:44Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-09T02:17:31Z : No. of bitstreams: 1 152303.pdf: 3392152 bytes, checksum: 55289e6a86cdd622cf42736f25eb6406 (MD5) / Este trabalho apresenta a implementação de Sistemas Especialistas Conexionistas (SEC), a qual utiliza a topologia de Redes Neurais Artificiais(RNA) Diretas. Após a apresentação dos conceitos básicos de Inteligência Artificial e suas abordagens simbólica e conexionista, apresentar-se-ão os fundamentos dos SEC. A análise dos resultados do aprendizado com a inserção de novos exemplos para o treinamento das redes diretas será mostrado com o suporte de gráfico de acompanhamento, que apresenta a curva de desempenho da rede, representada pelos seguintes eixos: número de exemplos utilizados no treinamento pelo percentual de acertos obtidos nos testes. Apresenta-se, também, os resultados obtidos com a tentativa de implementação da rede BAM que, em virtude de problemas de instabilidade encontrados e demonstrados no desenvolvimento desse, tornou-se impossível obter as conclusões, bem como os testes. Por fim, faz-se uma breve análise dos resultados obtidos com o término desse trabalho, ressaltando os pontos mais significativos encontrados no decorrer de seu desenvolvimento.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Produção, Florianópolis, 2001. / Made available in DSpace on 2012-10-19T11:16:50Z (GMT). No. of bitstreams: 1 275689.pdf: 1228085 bytes, checksum: 7d3ac0ba5215b376d94486385f897bb2 (MD5) / O contexto de crescente disponibilidade de informação textual em formato digital evidencia a importância de mecanismos de compactação de dados sem perda e de classificação automática de textos para a gestão de informações. Esta dissertação apresenta um novo sistema para compressão de dados sem perda, utilizando uma rede neural artificial baseada na Teoria da Ressonância Adaptativa (Adaptive Resonance Theory - ART) para modelagem preditiva de seqüências discretas. Uma rede fuzzy ARTMAP modificada gera modelos para estimações probabilísticas e é integrada a um codificador aritmético. O sistema adaptativo neural de compressão desenvolvido realiza o aprendizado incremental dos padrões observados nas seqüências apresentadas, executando a compactação seqüencial e a descompactação exata de seqüências discretas sem conhecimento prévio da estrutura estatística da fonte das mensagens. O sistema foi testado diante de uma base de dados pública para benchmark (formada por arquivos binários e de texto) para avaliação de seu desempenho em relação a compactadores de texto tradicionais, atingindo taxas de compressão melhores que o software gzip. Além da viabilidade de utilização da rede neural proposta no estágio de modelagem do processo de compressão sem perda, a capacidade do sistema desenvolvido foi testada em duas tarefas de classificação automática de textos: identificação de idiomas e classificação por gênero de textos. A classificação por gênero de textos, por meio da abordagem do presente trabalho, visa designar textos a classes de publicações digitais, conforme a similaridade em relação ao modelo que representa cada classe. A técnica neural de compressão foi aplicada a estas tarefas, medindo a entropia cruzada entre cada exemplar de teste e um modelo gerado. A similaridade entre uma seqüência de texto e cada uma das classes é determinada autonomamente pelo sistema, sem a pré-definição de atributos ou conhecimento analítico sobre o texto ou um idioma específico. Na tarefa de identificação de idiomas todos os itens de teste foram perfeitamente reconhecidos e na tarefa de classificação por gênero de textos o sistema classificou corretamente 95,83% dos exemplares de teste apresentados. A compressão sem perda de seqüências discretas propicia um ambiente para estudo do comportamento da rede neural proposta em tarefas que requerem adaptação e estimação probabilística on-line. Além da compressão de dados sem perda, o sistema neural desenvolvido pode ser aplicado a outras áreas que requerem aprendizado de padrões, modelagem preditiva e classificação de seqüências, como descoberta de conhecimento em bases de dados para gestão de informações e inteligência de negócios.

Resumo: A presente pesquisa se propõe a estudar por meio do uso de regressão logística e redes neurais as características relacionadas aos padrões de chuva em Curitiba, procurando estabelecer a relação entre chuva e alagamentos para o município, utilizando como base a integração de informações hidrometeorológicas. Para alcançar os objetivos propostos, foram construídos modelos baseados em regressão do tipo logística e redes de Kohonen (Self Organizing Map (SOM)) para previsão probabilística de alagamentos, sendo os dois métodos comparados e avaliados em relação ao seu desempenho por meio da Curva de Características Operacionais (ROC), bem como a partir dos diagramas de confiabilidade, discriminação e refinamento. Para a construção dos modelos foram utilizados os dados de precipitação estimada a partir da integração das informações provenientes de radar meteorológico, satélite e pluviômetros, utilizando o método de Análise Objetiva Estatística (ANOBES). Os dados dos registros pontuais de alagamentos fornecidos pela Defesa Civil Municipal foram compilados pelo IPPUC (Instituto de Pesquisa e Planejamento Urbano de Curitiba). A partir dos dados de estimativas de precipitação foi calculada a chuva média acumulada de 6 em 6 horas por bacia hidrográfica, utilizando-se do método de Thiessen e do Inverso da Distância ao Quadrado, sendo os dois métodos comparados para verificar qual possui o melhor resultado para a geração dos dados de entrada dos modelos. Em relação ao desempenho dos dois métodos utilizados na construção dos modelos, verificouse no caso estudado que o SOM (Self Organizing Map) apresentou desempenho superior quando comparado com a regressão logística tanto no período de calibração quanto de verificação. A partir dos resultados gerados por meio da rede SOM, pode-se definir quais os principais padrões de chuva responsáveis por deflagrar os alagamentos em Curitiba e ainda estimar o número esperado de alagamentos (NEA) por bacia hidrográfica. Sob esta perspectiva, este trabalho possui como uma primeira inovação a utilização de ferramentas especializadas de inteligência artificial (IA) para o reconhecimento de padrões de chuva causadores de alagamento. Em relação ao número esperado de alagamentos, a inovação se refere a espacialização dos mesmos baseado no histórico de ocorrências. Como proposta, sugere-se que os resultados gerados neste trabalho integrem um Sistema de Alertas de Alagamentos em Curitiba, e que as informações e dados gerados possam ser utilizados pela Defesa Civil no sentido de aumentar a resiliência da população e mitigar possíveis impactos decorrentes dos alagamentos.

Os processadores comerciais atuais usam técnicas agressivas para a extração do paralelismo em nível de instrução com o objetivo de atingir maior desempenho. Uma destas técnicas, a previsão de desvios, é usada para antecipar a busca de instruções, manter contínuo o fluxo de instruções no pipeline e aumentar as chances de paralelização de instruções. A maioria dos previsores de desvios utiliza algoritmos triviais aplicados a informações comportamentais sobre os desvios contidas em tabelas atualizadas dinamicamente. Uma nova abordagem tem sido investigada recentemente visando substituir estes algoritmos triviais por redes neurais, com o objetivo de prover maior inteligência aos previsores. Os trabalhos realizados com previsores deste tipo ainda são introdutórios e por isso estudos mais profundos devem ser realizados. O presente trabalho analisa o desempenho da previsão de desvios baseada em rede neural do tipo Perceptron para cinco diferentes modelos de previsores propostos. O modelo UNI realiza a previsão através de um único Perceptron para todas as instruções dos programas. Os modelos TIP e END utilizam vários Perceptrons em tabelas acessadas pelo tipo ou endereço das instruções de desvios, respectivamente. Os modelos DNT e DNE possuem o mecanismo de previsão implementado em dois níveis e são extensões dos respectivos modelos em um nível (TIP e END). Estes modelos foram avaliados sob diferentes tamanhos de históricos de desvios (2 a 64), diferentes números de linhas (64 a 1024) e graus de associatividade (1 a 16) da tabela de Perceptrons, incluindo diferentes tipos de organização do previsor, LOCAL e GLOBAL, definindo a localização do histórico de desvios nos Perceptrons; e LG_AND e LG_OR, que combinam as saídas de LOCAL e GLOBAL segundo sua função lógica. As avaliações mostram que os previsores de dois níveis apresentam melhores resultados que os correspondentes de um nível, que o aumento das linhas da tabela para a mesma associatividade apresenta um ganho de desempenho e que há aumento de desempenho com o aumento da associatividade para o mesmo número de linhas da tabela. Os melhores resultados obtidos foram para programas de ponto flutuante e desvios para frente. As organizações LG_AND e LG_OR não apresentam contribuições representativas na previsão de desvios, ficando os melhores resultados para LOCAL e GLOBAL. De uma forma geral, o presente trabalho mostrou que o uso do Perceptron na previsão de desvio é atrativo e os resultados são equivalentes àqueles obtidos em trabalhos correlatos.

Resumo: O presente trabalho oferece contribuições à modelagem da rugosidade da peça em processos de usinagem por meio de redes neurais artificiais. Propõe-se um método para o projeto de redes. Perceptron Multi-Camada (Multi-Layer Percepton, ou MLO) e Função de Base radial Radial Basis Function, ou RBF) otimizadas para a predição da rugosidade da pela (Ra). Desenvolve-se um algoritmo que utiliza de forma hibrida a metodologia do projeto de experimentos por meio das técnicas dos fatoriais completose de Variações Evolucionária em Operações (EVOP). A estratégia adotada é a de utilizar o projeto de experimentos na busca de configurações de rede que favoreçam estatisticamente o desempenho na tarefa de predição. Parâmetro de corte dos processos de usinagem são utilizados como entradas das redes. O erro médio absoluto em porcentagem (MAE %) do decil inferioir das observações de predição para o conjunto de testes é utilizado como medida de desempnho dos modelos. Com o objetivo de validar o métido proposto são empregados casos de treinamento gerados a partir de daods obtidos de trabalhos de literatura e de experimentos de torneamento do aço ABNT 121.13. O método proposto leva á redução significativa do erro de predição da rugosidade nas operações de usinagem estudadas, quando se compara seu desempenho ao apresentado por modelos de regressão, aos resultados relatados pela literatura e ao desempenho de modelos neurais propostos por um pacotecomputacional comercial para otimização de configurações de rede. As redes projetadas segundo o método proposto possuem dispersão dos erros de predição significativamente reduzidos na comparação. Observa-se ainda que rede MLP atingem resultados estatisticamente superior aos obtidos pelas melhores redes RBF / Abstract: The present work offers some contributions to the area of surface roughness modeling by Artificial Neural Network in machining processes. Ir proposes a method for the project networks of MLP (Multi-Layer Perceptron) and RBF (Radial Basis Function) architectures optimized for prediction of Average Surface Roughness (Ru). The methid is expressed in the format of an algorithm employing two techniques from the DOE (Design of Experiments) methodology: Full factorials and Evolutionary Operations(EVOP). The strategy adopted consists in the sistematic use of DOE in a search for network configurations that benefits performance in roughess prediction. Cutting para meters from machining operations are employed as network inputs. Themean absolute error in percentage (MAE%) of the lower decile of the predictions for the test set is used as a figure of merit for network performance. In order to validate the method, data sets retrieved from literature, as well as results of experiments with AISI/SAE free-machining steel, are employed to form training and test data sets for the networks. The proposed algorithm leads to significant reduction in prediction error for surface roughness when compared to the performance delivred by a regression model, by the networks proposed by the original studies data was borrowed from and when compared models proposed by a software package intend to search automatically for optimal network configurations. In addition, networks designed acording to the proposed algorithm displayed reduced dispersion of prediction error for surface roughness when compared to the performance delivered by a regression model, by the networks proposed by the original studies data was borrowed from and when compared to neural models proposed by a software package intended to searchautomatically for optimal network configurations. In addition, networks designed according to the proposed algorith ... (Complete abstract click electronic access below) / Orientador: Messias Borges Silva / Coorientador: Anderson Paulo de Paiva / Banca: Marcos Valério Ribeiro / Banca: Marcela A. G. Machado de Freitas / Banca: Domingos Sávio Giordani / Banca: João Roberto Ferreira / Doutor

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas Departamento de Ciência da Computação, 2012. / Submitted by Elna Araújo (elna@bce.unb.br) on 2012-06-21T21:31:21Z No. of bitstreams: 1 2012_TulioConradoCamposdaSilva.pdf: 4592113 bytes, checksum: aec465e9c017ed15dd0f0c16eef5d9de (MD5) / Approved for entry into archive by Jaqueline Ferreira de Souza(jaquefs.braz@gmail.com) on 2012-06-22T11:53:59Z (GMT) No. of bitstreams: 1 2012_TulioConradoCamposdaSilva.pdf: 4592113 bytes, checksum: aec465e9c017ed15dd0f0c16eef5d9de (MD5) / Made available in DSpace on 2012-06-22T11:53:59Z (GMT). No. of bitstreams: 1 2012_TulioConradoCamposdaSilva.pdf: 4592113 bytes, checksum: aec465e9c017ed15dd0f0c16eef5d9de (MD5) / Experimentos diversos no campo da Biologia Molecular revelaram que alguns tipos de ácido ribonucléico (RNA) podem estar diretamente envolvidos na expressão gênica e do fenótipo, alem de sua já conhecida função na síntese de proteínas. De modo geral, RNAs podem ser divididos em duas classes: RNA mensageiro (mRNA), que são traduzidos para proteínas, e RNA não codificador (ncRNA), que exerce papéis celulares importantes além de codificação de proteínas. Nos últimos anos, vários métodos computacionais baseados em diferentes teorias e modelos foram propostas para distinguir mRNA de ncRNA. Dentre os métodos mais atuais, destacam-se o uso de gramáticas estocásticas livres de contexto, informações termodinâmicas, teorias probabilíticas e algoritmos de aprendizado de máquina, sendo esses últimos abordagens muitos maleáveis e de menor complexidade. Particularmente, os métodos por aprendizado de máquina que utilizam redes neurais artificiais de treinamento não supervisionado constituem uma promissora linha de pesquisa, por sua grande plasticidade e capacidade de classificação do conjunto de dados de ncRNAs por critérios bem estabelecidos. Essa ultima técnica e extensivamente abordada no presente trabalho, mais precisamente utilizando Mapa Auto Organiz avel (SOM), Learning Vector Quantization (LVQ) e as redes Teoria da Ressonância Adaptativa (ART), para o problema de distinguir ncRNAs de mRNAs em um dado transcriptoma. As acuracias obtidas para as duas abordagens, em teste, ou estudo de caso, realizado com pequenos ncRNAs de 4 organismos logeneticamente distantes atingiram 98%. Os critérios para classificação de ncRNA foram otimizados através da Análise de Componentes Principais (PCA), reduzindo o numero de suas variáveis em 32% sem reduzir a acurácia obtida no estudo de caso. _________________________________________________________________________________ ABSTRACT / Several experiments conducted in the Molecular Biology eld have shown that some types of RNA may control gene expression and phenotype by themselves, besides their traditional role of allowing protein synthesis. Roughly speaking, RNA can be divided into two classes: messenger RNA (mRNA), that are translated into proteins, and non-coding RNA (ncRNA), which play several important cellular roles besides protein coding. In recent years, many computational methods based on deferent theories and models have been proposed to distinguish mRNA from ncRNA. Among the newest methods, it is noteworthy the use of stochastic context free grammars, thermodynamical information, probabilistic theories and machine learning algorithms, which are very adaptive and lowcomplexity approaches. Particularly, machine learning methods that uses non-supervised learning articial neural networks are a promising research eld, for they are highly plastic and are able to classify ncRNA data using well established criteria. The present work extensively approaches the latter technique, particularly Self-Organizing Maps (SOM), Learning Vector Quantization (LVQ) and Adaptive Resonance Theory (ART) algorithms for distinguishing ncRNA from coding RNA in a given transcriptome. A test case was developed using biological data from 4 phylogenetically distant organisms. Using this test case, the trained networks achieved 98% accuracy. The classication criteria used by the developed methods have been further optimized using Principal Components Analysis (PCA), reducing 32% of the number of extracted numerical variables without reducing the assessed accuracy.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2006. / Submitted by Kathryn Cardim Araujo (kathryn.cardim@gmail.com) on 2009-10-29T19:08:36Z No. of bitstreams: 1 2006_André Luiz Bandeira Molina.pdf: 7368565 bytes, checksum: 0d876f6ebaca7c244f88790ccfec6c14 (MD5) / Approved for entry into archive by Gomes Neide(nagomes2005@gmail.com) on 2010-10-19T13:20:17Z (GMT) No. of bitstreams: 1 2006_André Luiz Bandeira Molina.pdf: 7368565 bytes, checksum: 0d876f6ebaca7c244f88790ccfec6c14 (MD5) / Made available in DSpace on 2010-10-19T13:20:17Z (GMT). No. of bitstreams: 1 2006_André Luiz Bandeira Molina.pdf: 7368565 bytes, checksum: 0d876f6ebaca7c244f88790ccfec6c14 (MD5) Previous issue date: 2006-12-15 / O Deinterleaving de seqüências de pulsos de sinais radar é uma tarefa essencial para a identificação de radares em guerra eletrônica. Algumas formas de se realizar o deinterleaving baseiam-se em técnicas temporais, que utilizam histogramações e recursividade, e em técnicas baseadas em transformadas ortogonais, que utilizam as assinaturas espectrais para detecção das seqüências. Qualquer uma das abordagens onera grande esforço computacional. Entretanto, as técnicas que utilizam transformadas ortogonais são mais robustas devido às propriedades de minimização da correlação entre as diversas fontes de sinais. As assinaturas espectrais no espaço transformado apresentam um comportamento típico mais evidente. Este trabalho propõe uma técnica composta de três etapas distintas. Primeiramente, tem-se um pré-processamento pelo qual toda a faixa de valores de interesse é segmentada em sub-faixas por meio de subamostragens e filtragem digital. Em seguida, utiliza-se a análise tempo-freqüência por meio da transformada de wavelet contínua de forma a separar os padrões espectrais de interesse. Na última etapa, é implementado um processo de identificação de assinatura espectral baseado em redes neurais artificiais. Também é apresentada toda a formulação matemática necessária para o estabelecimento das condições de contorno e elaboração dos procedimentos dedicados. Os algoritmos foram desenvolvidos em linguagem MATLAB para simulação e validação dos modelos. Os resultados de simulação computacional mostram um bom desempenho e robustez desses algoritmos quando uma grande quantidade de fontes de sinais radar pulsados está presente. O modelo proposto fornece boa precisão da assinatura espectral, o que possibilita a identificação dos sinais radar pelas redes neurais artificiais. ______________________________________________________________________________ ABSTRACT / The deinterleaving of radar signal pulse sequences is an essential work for the radar identification in electronic warfare. Some ways of performing deinterleaving are based on temporal techniques, that use histogram and recursivity, and in techniques based on orthogonal transforms, that use spectral signatures for the detection of the sequences. Any of them require heavy computational power. However, the orthogonal transform techniques are more robust due to the properties of correlation minimization among the several signal fonts. The spectral signatures in the transformed space show a typical behavior more clearly. This work proposes a technique composed of three distinct phases. First, there is a preprocessing by which the whole interval of interest is segmented into sub intervals by means of downsampling and digital filtering. After that, it is used a time-frequency analysis by means of continuous wavelet transform, separating the spectral patterns of interest. Finally, it is implemented an identification process of spectral signature based on artificial neural networks. It is also described all the necessary mathematics concepts to the establishment of the contour conditions and elaboration of the dedicated procedures. The algorithms were developed in MATLAB for the simulation and validation of the models. The results of the computer simulation show a good performance and robustness of these algorithms when several sources of pulsed radar signals are present. The proposed model gives a good precision for the spectral signature, what makes the identification of radar signals possible by means of the artificial neural networks.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2009. / Submitted by Jaqueline Ferreira de Souza (jaquefs.braz@gmail.com) on 2011-06-06T17:44:53Z No. of bitstreams: 1 2009_TicianoAugusstoCallaiBragatto.pdf: 2039247 bytes, checksum: a475cd6bf65c23a545e0d0633b3b9716 (MD5) / Approved for entry into archive by Jaqueline Ferreira de Souza(jaquefs.braz@gmail.com) on 2011-06-06T17:45:46Z (GMT) No. of bitstreams: 1 2009_TicianoAugusstoCallaiBragatto.pdf: 2039247 bytes, checksum: a475cd6bf65c23a545e0d0633b3b9716 (MD5) / Made available in DSpace on 2011-06-06T17:45:46Z (GMT). No. of bitstreams: 1 2009_TicianoAugusstoCallaiBragatto.pdf: 2039247 bytes, checksum: a475cd6bf65c23a545e0d0633b3b9716 (MD5) / Este trabalho propõe o uso de momentos para executar a categorização de veículos através de processamento de imagens. Foram extraídos momentos principais e momentos invariantes à escala e à translação de um total de 528 imagens, divididas uniformemente entre as seguintes classes: carros, vans, ônibus e caminhões. Essas características foram ordenadas pela sua significância para a classificação de veículos nas quatro classes já apresentadas. Utilizando os cinco conjuntos de características que obtiveram as melhores taxas médias de acerto, classificadores como k-NN, TM, MLP, AVA-SVM, OVA-SVM e PT-SVM, foram utilizados para definir qual a combinação entre os cinco conjuntos de características e os classificadores que obteve o melhor desempenho. As métricas analisadas consistem em taxa média de acerto, desvio padrão, custo computacional e FROTA - Frequência Relativa de Ocorrência de Taxa de Acerto, que fornece um instrumento baseado na distribuição das taxas de acerto e permite a análise visual da precisão e robustez de classificadores. A metodologia proposta atingiu taxas médias de acerto da ordem de 97% com desvio padrão de 1,27 para classificação utilizando MLP e um conjunto formado pelos 9 momentos invariantes à escala e à translação extraídos. _______________________________________________________________________________ ABSTRACT / This study proposes using moments to categorize vehicles through image processing. Principal moment features and moment features that are invariant to scale and translation were extracted from a total of 528 images uniformly divided into the following classes: cars, vans, buses and trucks. These features are ordered according to their significance to classifying vehicles in the four classes mentioned above. Using the 5 sets of features that gave the best hit rates, classifiers such as k-NN, TM, MLP, AVA-SVM, OVA-SVM and PT-SVM are used to determine which combination between the sets of features and the classifiers has the best performance. The metrics analyzed in this study are based on hit rates, standard deviation, the cost of computing and the relative frequency of correct predictions (FROTA). The latter provides an instrument based on hit rates and allows for a visual analysis of the classifiersŁ accuracy and resistance. The methodology proposed in this study yielded a hit rate of 97% with a 1,27 standard deviation for classifications using MLP and 9 invariant moments.

Submitted by wiliam de oliveira aguiar (wiliam@bce.unb.br) on 2011-06-20T15:09:07Z No. of bitstreams: 1 2010_DannielKennethBorgesCosta.pdf: 2738793 bytes, checksum: 8204f44f4be6aa456cde030ef1c5d1a2 (MD5) / Approved for entry into archive by Raquel Viana(tempestade_b@hotmail.com) on 2011-06-21T19:28:09Z (GMT) No. of bitstreams: 1 2010_DannielKennethBorgesCosta.pdf: 2738793 bytes, checksum: 8204f44f4be6aa456cde030ef1c5d1a2 (MD5) / Made available in DSpace on 2011-06-21T19:28:09Z (GMT). No. of bitstreams: 1 2010_DannielKennethBorgesCosta.pdf: 2738793 bytes, checksum: 8204f44f4be6aa456cde030ef1c5d1a2 (MD5) / Este trabalho foi motivado pela falta, na teoria existente de controle de sistemas caóticos, do emprego de redes neurais artificiais em conjunto com algoritmos genéticos no desenvolvimento de um sistema de controle adaptativo eficiente e que esteja em concordância com aspectos de sistemas caóticos como o uso de apenas pequenas perturbações, da ordem de 10-2, para efetuar o controle do sistema. Desta forma o objetivo deste trabalho é construir um software em linguagem de programação MATLAB, utilizando as teorias de redes neurais artificiais e algoritmos genéticos, capaz de controlar sistemas caóticos sobre órbitas periódicas. Como modelo de sistema caótico foi usado o sistema do atrator de Lorenz. Tal controle pode ser realizado através de um processo no qual uma pequena perturbação é aplicada a um sistema caótico a fim de gerar um comportamento desejado, caótico, periódico ou estacionário, no mesmo. Foram discutidas algumas questões de grande importância relacionadas ao controle do caos, como o problema de direcionamento, isto é, como trazer uma trajetória para uma vizinhança próxima de uma posição desejada no atrator caótico, bem como testada a flexibilidade do sistema de controle desenvolvido sob diversas condições. Em suma, este trabalho vem contribuir para a área de estudo de sistemas de controle de sistemas caóticos abordando conteúdos que, juntos, fornecem um poderoso método de controle evolutivo-adaptativo. Como resultado foi obtido um sistema de controle robusto a ruídos, a diferentes condições iniciais e a períodos de controle desligado. _______________________________________________________________________________ ABSTRACT / This essay was motivated by the lack, in the existing theories of chaotic systems control, of use of artificial neural networks in conjunction with genetic algorithms in the implementation of an adaptive control system that is efficient and in accordance with aspects of chaotic systems such as the use of only small perturbations, around 10-2, to effect the control system. Thus the objective of this work is to build a software, on MATLAB programming language, using the theories of artificial neural networks and genetic algorithms, able to control chaotic systems on periodic orbits. As a model of chaotic system was used Lorenz`s attractor system. Such control can be accomplished through a process in which a small perturbation is applied to a chaotic system to generate a desired behavior, chaotic, periodic or stationary in it. Some important issues related to control of chaos are discussed, as the problem of targeting, how to bring a path to a neighborhood near a desired position in the chaotic attractor, and tested the flexibility of the control system implemented under various conditions. In short, this work contributes to the study of control systems of chaotic systems approaching subjects that together provide a powerful method of evolutionary and adaptive control. The result was a control system robust to noise, different initial conditions and periods where the control perturbations are off.