Made available in DSpace on 2014-06-11T19:25:32Z (GMT). No. of bitstreams: 0
Previous issue date: 2007-07-02Bitstream added on 2014-06-13T18:53:38Z : No. of bitstreams: 1
ferro_l_me_rcla.pdf: 3692564 bytes, checksum: d242c88fdfc24677645cf32fa498c692 (MD5) / Neste trabalho construímos modelos de redes neurais artificiais recorrentes com dois, com quatro, com seis e com oito neurônios na tentativa de simular computacionalmente como os neurônios receptores olfativos dos vertebrados, em especial dos seres humanos, conseguem identificar e reconhecer as diferentes moléculas odoríferas (ou odorantes) transportadas pelo ar. Para isso, usamos uma rede que evolui de um sistema dinâmico caótico, na ausência de odorantes, para o não-caótico, quando do reconhecimento de um odor constituído, no máximo, de até três odorantes. / We built models of recurrent artificial neural networks with two, four, six and eight neurons in order to simulate, using computational simulation, the way vertebrate s olfactory neurons, in special the humans, identify and recognize different odoriferous molecules (or odorants) in the air. For that purpose, we used a network that evolves from a chaotic dynamic system, in the absence of odorants, to the non-chaotic, when it recognizes an odor that is made of, at most, three odorants.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unesp.br:11449/91938 |
| Date | 02 July 2007 |
| Creators | Ferro, Luciano [UNESP] |
| Contributors | Universidade Estadual Paulista (UNESP), Campanha, José Roberto [UNESP] |
| Publisher | Universidade Estadual Paulista (UNESP) |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | ix, 97 f. : il., gráfs., tabs. |
| Source | Aleph, reponame:Repositório Institucional da UNESP, instname:Universidade Estadual Paulista, instacron:UNESP |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | -1, -1 |
Page generated in 0.0026 seconds