Página 19 dos resultados de 1184 itens digitais encontrados em 0.005 segundos

Desenvolvimento de sensor virtual empregando redes neurais para medição da composição em uma coluna de destilação.; Soft sensor development using neural networks for inferential composition in a distillation column.

Zanata, Diogo Rafael Prado
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 13/12/2005 Português
Relevância na Pesquisa
76.39%
Sensores virtuais empregando modelos de inferência da composição(responsável pela qualidade) dos produtos de uma coluna de destilação correspondem a medidores implementados em software, capazes de estimar, em tempo real, a composição dos produtos da mesma, a partir de informações do tipo temperaturas e pressões em diversos pontos da coluna e vazões de entrada, de saída e de reciclo. O objetivo deste trabalho é obter esse tipo de sensor para uma coluna de destilação, capaz de estimar instantaneamente a composição dos produtos no topo de uma coluna de destilação multicomponente com condensador parcial, empregando redes neurais artificiais. Foi desenvolvido um simulador dinâmico baseado em modelo não-linear da coluna para aquisição de dados. Neste projeto foi incluído um estudo sobre a influência do treinamento parcial no desempenho do sensor virtual. A idéia é estudar o desempenho para o caso de um sensor virtual treinado de antemão, com dados coletados a partir de um simulador da coluna. Este procedimento disponibiliza um sensor operacional, treinado através de um conjunto de dados simulados ou através de um pequeno conjunto de pontos e retreinado, quando dados reais ou um conjunto maior de dados estiver disponível. Outra contribuição importante é o estudo realizado sobre os principais erros que podem ocorrer neste tipo de sensores...

Classificação por análise de contornos de nódulos mamários utilizando redes neurais artificiais; Classification by analysis of contour of mammary masses using artificial neural networks

Ribeiro, Patricia Bellin
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 18/08/2006 Português
Relevância na Pesquisa
76.39%
Este trabalho apresenta a proposta de uma metodologia para classificação de nódulos mamários por contorno. O contorno do nódulo apresenta difícil interpretação pelos especialistas, devido à dificuldade de vizibilização e o baixo contraste das imagens mamográficas. As imagens utilizadas foram obtidas do banco de imagens mamograficas do LAPIMO, no total foram utilizadas 135 imagens contendo laudos por contorno. Através das imagens mamográficas digitalizadas são recortadas região de interesse (RI) de onde serão extraídos descritores de textura, intensidade e geométricos com o objetivo de caracterizar os padrões de contorno de nódulos. Após a extração desses descritores foram utilizados dois métodos de seleção de atributos, um utilizando rede neural self-organizing map (SOM) e Gaussianas e outro utilizando matriz de covariância. Os atributos extraídos serviram de entrada para duas redes neurais a multi-layer perceptron (MLP) e SOM, através do qual, foram realizados diversos treinamentos utilizando diferentes entradas, várias topologias e diferentes saídas, devido às várias combinações de classes. Dentre todos os treinamentos realizados, o treinamento escolhido para compor o classificador final foi o conjunto formado pelas 5 classes...

Um sistema de localização robótica para ambientes internos baseado em redes neurais.; An indoor robot localization system based on neural networks.

Sanches, Vitor Luiz Martinez
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 15/04/2009 Português
Relevância na Pesquisa
76.39%
Nesta pesquisa são estudados aspectos relacionados à problemática da localização robótica, e um sistema de localização robótica é construído. Para determinação da localização de um robô móvel em relação a um mapa topológico do ambiente, é proposta uma solução determinística. Esta solução é empregada a fim de prover localização para problemas de rastreamento de posição, embora seja de interesse também a observação da eficácia, do método proposto, frente a problemas de localização global. O sistema proposto baseia-se no uso de vetores de atributos, compostos de medições momentâneas extraídas do ambiente através de sensoriamentos pertencentes à percepção do robô. Estimativas feitas a partir da odometria e leitura de sensores de ultra-som são utilizadas em conjunto nestes vetores de atributos, de forma a caracterizar as observações feitas pelo robô. Uma bússola magnética também é empregada na solução. O problema de localização é então resolvido como um problema de reconhecimento de padrões. A topologia do ambiente é conhecida, e a correlação entre cada local neste ambiente e seus atributos são armazenados através do uso de redes neurais artificiais. O sistema de localização foi avaliado de maneira experimental...

Detecção de faces humanas em imagens coloridas utilizando redes neurais artificiais; Detection of human faces in color images using artificial neural networks

Gouveia, Wellington da Rocha
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 28/01/2010 Português
Relevância na Pesquisa
76.39%
A tarefa de encontrar faces em imagens é extremamente complexa, pois pode ocorrer variação de luminosidade, fundos extremamente complexos e objetos que podem se sobrepor parcialmente à face que será localizada, entre outros problemas. Com o avanço na área de visão computacional técnicas mais recentes de processamento de imagens e inteligência artificial têm sido combinadas para desenvolver algoritmos mais eficientes para a tarefa de detecção de faces. Este trabalho apresenta uma metodologia de visão computacional que utiliza redes neurais MLP (Perceptron Multicamadas) para segmentar a cor da pele e a textura da face, de outros objetos presentes em uma imagem de fundo complexo. A imagem resultante é dividida em regiões, e para cada região são extraídas características que são aplicadas em outra rede neural MLP para identificar se naquela região contem face ou não. Para avaliação do software implementado foram utilizados dois banco de imagens, um com imagens padronizadas (Banco AR) e outro banco com imagens adquiridas na Internet contendo faces com diferentes tons de pele e fundo complexo. Os resultados finais obtidos foram de 83% de faces detectadas para o banco de imagens da Internet e 88% para o Banco AR, evidenciando melhores resultados para as imagens deste banco...

Descoberta de equivalência semântica entre atributos em bancos de dados utilizando redes neurais; Discovering semantic equivalences on attributes in databases using neural networks

Lima Junior, José
Fonte: Universidade Federal do Rio Grande do Sul Publicador: Universidade Federal do Rio Grande do Sul
Tipo: Dissertação Formato: application/pdf
Português
Relevância na Pesquisa
76.42%
Com o crescimento das empresas que fazem uso das tecnologias de bancos de dados, os administradores destes bancos de dados criam novos esquemas a cada instante, e na maioria dos casos não existe uma normalização ou procedimentos formais para que tal tarefa seja desempenhada de forma homogênea, resultando assim em bases de dados incompatíveis, o que dificulta a troca de dados entre as mesmas. Quando os Sistemas de Bancos de Dados (SBD) são projetados e implementados independentemente, é normal que existam incompatibilidades entre os dados de diferentes SBD. Como principais conflitos existentes nos esquemas de SBD, podem ser citados problemas relacionados aos nomes dos atributos, armazenamento em diferentes unidades de medida, diferentes níveis de detalhes, atributos diferentes com mesmo nome ou atributos iguais com nomes diferentes, tipos de dado diferentes, tamanho, precisão, etc. Estes problemas comprometem a qualidade da informação e geram maiores custos em relação à manutenção dos dados. Estes problemas são conseqüências de atributos especificados de forma redundante. Estes fatos têm provocado grande interesse em descobrir conhecimento em banco de dados para identificar informações semanticamente equivalentes armazenadas nos esquemas. O processo capaz de descobrir este conhecimento em banco de dados denomina-se DCDB (Descoberta de Conhecimento em Bancos de Dados). As ferramentas disponíveis para a execução das tarefas de DCDB são genéricas e derivadas de outras áreas do conhecimento...

Desenvolvimento de um sistema dinâmico para predição de cargas elétricas por redes neurais através do paradigma de programação orientada a objeto sob a linguagem JAVA

Campos, Jose Roberto
Fonte: Universidade Estadual Paulista (UNESP) Publicador: Universidade Estadual Paulista (UNESP)
Tipo: Dissertação de Mestrado Formato: 75 f.
Português
Relevância na Pesquisa
76.44%
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES); Pós-graduação em Engenharia Elétrica - FEIS; A previsão de carga, considerada essencial no planejamento da operação energética e nos estudos de ampliação e reforços da rede básica, assume importância estratégica na extensão comercial, valorizando os processos de armazenamento desses dados e da extração de conhecimentos através de técnicas computacionais. Nos últimos anos, diversos trabalhos foram publicados sobre sistemas de previsão de cargas (demanda) elétricas. Nos horizontes de curto, médio e longo prazo, os modelos neurais, estão entre os mais explorados. O objetivo deste trabalho é apresentar um sistema previsor de cargas elétricas de forma simples e eficiente através de sistemas baseados em redes neurais artificiais com treinamento realizado pelo algoritmo back-propagation. Para isto, optou-se pelo desenvolvimento de um software utilizando os paradigmas de programação orientada a objetos para criar um modelo neural de fácil manipulação, e que de certa forma, consiga corrigir o problema dos mínimos locais. Em geral, o sistema desenvolvido é capaz de atribuir os parâmetros da rede neural de forma automática através de processos exaustivos. Os resultados apresentados foram comparados utilizando outros trabalhos em que também se usaram-se os dados da mesma companhia elétrica. Este trabalho apresentou um ganho de desempenho bem satisfatório em relação a outros trabalhos encontrados na literatura para a mesma classe de problemas; Load Forecasting is essential in planning and operation of power systems...

Detecção de falhas em um reator de pirolise de etano : desenvolvimento de um sistema baseado em redes neurais artificiais

Arnaldo Jose Bannwart Antunes
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 20/06/2001 Português
Relevância na Pesquisa
76.46%
A natureza transiente dos processos industriais e erros operacionais exigem atenção especial aos limites inferior e superior de variáveis críticas ao processo. A atividade de verificação se essas variáveis estão dentro de sua faixa normal é chamada de detecção de falhas. A ocorrência de falhas traz conseqüências indesejáveis à eficiência do processo. As falhas podem ser identificadas pela análise de seus sintomas, como trocas térmicas indesejadas, baixos níveis de purificação e reatividade. A ocorrência freqüente de falhas reduz a vida útil dos equipamentos, aumentando os custos de produção. O presente estudo desenvolve uma metodologia de detecção de falhas baseada em redes neurais, que é aplicada num reator de pirólise do etano, um processo muito importante na indústria petroquímica. A conversão do etano e a seletividade do etileno são os parâmetros usados para definir as condições de falha e normalidade. Um simulador do processo foi usado para selecionar as faixas de operação para o treinamento da rede, que é feito com o algoritmo de aprendizado supervisionado backpropagation. Também é mostrada a influência dos parâmetros de aprendizado mais importantes sobre a convergência e o desempenho de detecção de falha...

Redes neurais e logica formal em processamento de linguagem natural

João Luis Garcia Rosa
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 22/09/1993 Português
Relevância na Pesquisa
76.42%
Esta dissertação de mestrado é sobre Processamento de Linguagem Natural (PLN). O PLN consiste de uma série de tarefas que a máquina deve executar para analisar um texto. Na literatura existem vários trabalhos em diversas abordagens. Este trabalho faz uma combinação de abordagens baseadas em lógica e de abordagens conexionistas. O trabalho proposto tem três partes. A primeira parte faz a análise sintática de frases da língua portuguesa. É baseada em lógica. A segunda parte faz a análise semântica, ou a verificação do significado das palavras numa frase. Isto é feito através de redes neurais artificiais, que "aprendem" a representação binária das palavras (suas microcaracterísticas semânticas). Esta abordagem é chamada de conexionismo. Sua grande vantagem é a habilidade de generalização, ou seja, a rede é capaz de reconhecer uma palavra, mesmo que esta não tenha sido mostrada a ela. A terceira, e última, parte deste trabalho trata da utilização de redes recorrentes para análise de frases. Este tipo de rede serve para "ligar" as palavras em uma frase, pois a rede recorrente tem memória. Ela é capaz de "lembrar" da última palavra vista numa seqüência. É útil para ligar as palavras em uma sentença...

Sistema de detecção de intrusão baseado em redes neurais

Schaeffer, Carlos Adriani Lara
Fonte: Florianópolis, SC Publicador: Florianópolis, SC
Tipo: Dissertação de Mestrado Formato: 79 f.| il.
Português
Relevância na Pesquisa
76.47%
Dissertação (mestrado) - Univesidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Ciência da Computação.; Este trabalho apresenta um estudo de problemas relacionados com segurança de informações em redes de computadores. São apresentadas algumas técnicas utilizadas para tentar garantir a segurança das informações em um ambiente de redes de computadores, como ferramentas de criptografia, Firewall e Sistemas de Detecção de Intrusão(IDS), apresentados alguns conceitos importantes na área de segurança da informação, alguns ataques conhecidos e algumas medidas preventivas. São descritos e classificados vários modelos de Sistemas de Detecção de Intrusão em redes de computadores. É feito um estudo de Redes Neurais Artificiais que será utilizada para avaliação de padrões de comportamento e detecção de padrões intrusivos. É feita a escolha de um modelo para análise e testes em um laboratório real utilizados por um grupo de professores da Universidade de Passo Fundo. A partir do uso desta rede, são criados padrões de comportamento e coletados registros de comandos executados por estes usuários a fim de verificar a existência de padrões de comportamento suspeito com o apoio de uma rede neural artificial. Para finalizar...

Um método para construir intervalos de predição sensível ao ruído em redes neurais

Neves, Cícero Augusto Magalhães da Silva
Fonte: Universidade Federal de Santa Catarina Publicador: Universidade Federal de Santa Catarina
Tipo: Dissertação de Mestrado Formato: x, 68 f.| grafs., tabs.
Português
Relevância na Pesquisa
76.47%
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2009.; Devido a sua grande capacidade representacional, as Redes Neurais Artificiais (RNAs) têm sido largamente utilizadas como aproximadores universais de funções na construção de modelos preditivos não-lineares, inclusive em aplicações da indústria petrolífera. Contudo, devido à natureza estocástica do treinamento das RNAs, indicadores de qualidade e confiabilidade para as saídas destes modelos, como os intervalos de predição, são extremamente necessários e desempenham um papel importante em aplicações reais. Muitas das técnicas adotadas para o cálculo dos intervalos de predição estabelecem uma série de restrições que devem ser atendidas pelos dados amostrais usados para treinar a RNA. Uma dessas restrições impõe que a variância dos resíduos seja constante, fato que nem sempre ocorre em aplicações reais, onde a taxa de ruído existente pode variar como função dos dados de entrada, fazendo com que a confiabilidade calculada pelos métodos tradicionais não seja condizente com a real precisão da rede neural. Nesta dissertação, uma extensão para um método de cálculo de intervalos de predição para redes neurais baseado na teoria da regressão não-linear é apresentada. A idéia principal do método proposto consiste em utilizar técnicas de agrupamento para estimar a variância dos resíduos em função do vetor de entrada apresentado à rede e incorporar essa estimativa ao cálculo dos intervalos de predição. Os resultados dos experimentos realizados mostram que tal abordagem pode gerar intervalos de predição com uma melhor representação da precisão das respostas das RNAs.; Due to their large representational capacity...

Predição do comportamento térmico de tubos compósitos através de redes neurais

Contant,Sheila; Lona,Liliane M. F.; Calado,Verônica M. A.
Fonte: Associação Brasileira de Polímeros Publicador: Associação Brasileira de Polímeros
Tipo: Artigo de Revista Científica Formato: text/html
Publicado em 01/12/2004 Português
Relevância na Pesquisa
76.47%
Compósitos poliméricos (plásticos reforçados) são materiais formados a partir de um reforço (fase descontínua, normalmente uma fibra) e uma matriz polimérica. Esse tipo de material apresenta várias vantagens em relação aos materiais convencionais de engenharia. Entre os métodos de fabricação de compósitos poliméricos está o filament winding (filamento contínuo ou enrolamento filamentar), um processo empregado na fabricação de sólidos de revolução, como tubos e tanques. Neste trabalho, redes neurais artificiais, uma ferramenta computacional inspirada no funcionamento do cérebro humano, foram aplicadas ao processo de filament winding para predição do comportamento térmico de tubos compósitos durante a etapa de cura. Informações sobre o comportamento térmico das peças compósitas podem auxiliar na seleção do ciclo de cura, que é um dos desafios na obtenção de peças de qualidade e a um baixo custo. As redes neurais foram treinadas com dados obtidos através do modelo Lee-Springer. A metodologia foi validada com resultados experimentais da literatura.

Modelos híbridos baseados em redes neurais, lógica fuzzy e busca para previsão de séries temporais

Cristine Brasileiro Valença, Ivna; Bernarda Ludermir, Teresa (Orientador)
Fonte: Universidade Federal de Pernambuco Publicador: Universidade Federal de Pernambuco
Tipo: Outros
Português
Relevância na Pesquisa
76.47%
As pesquisas relacionadas à previsão de séries temporais têm sido uma área de bastante interesse nas últimas décadas. Várias técnicas têm sido pesquisadas para a previsão de séries temporais. Este trabalho propõe métodos híbridos, com a finalidade de tentar representar o complexo fenômeno de previsão de séries temporais do mundo real. A gênese do estudo é baseada no conceito sobre o qual, diferentes partes da série temporal podem ser resultantes de diferentes processos físicos que ocorrem na natureza e necessitam, portanto, de diferentes modelagens. A dissertação divide-se em duas etapas. Na primeira, são propostos mais dois sistemas híbridos (BH + MLP e BMT + MLP) para a seleção das variáveis de entradas para os modelos de previsão. Na segunda, são propostas dois métodos híbridos (SOM + MLP e MLP + Fuzzy) para o processo de previsão de séries temporais. Para realizar o estudo comparativo entre as técnicas, dez séries temporais do mundo real foram utilizadas. No que diz respeito à seleção de variáveis os resultados mostraram que a utilização do sistema híbrido Busca pela Memória Temporal e Redes Neurais (BMT + MLP) foi capaz de encontrar um subconjunto de variáveis representativo para o problema. Dos resultados obtidos pode-se concluir que a seleção de variáveis ocorreu de forma bastante satisfatória com a utilização da Busca Harmônica e Redes Neurais...

Previsão de séries temporais usando séries exógenas e combinação de redes neurais aplicada ao mercado financeiro

Christovam de Amorim Neto, Manoel; Darmiton da Cunha Cavalcanti, George (Orientador)
Fonte: Universidade Federal de Pernambuco Publicador: Universidade Federal de Pernambuco
Tipo: Outros
Português
Relevância na Pesquisa
76.42%
A previsão de séries temporais tem sido usada em diversos problemas do mundo real, tais como: meteorologia, previsão de carga em redes de computadores, análise de mercado, entre outras, com o objetivo de minimizar riscos, auxiliar no planejamento e na tomada de decisões. Nesta dissertação, as séries temporais são analisadas para realizar previsões de cotações de ações do mercado financeiro e, para tanto, uma metodologia baseada no uso de séries exógenas e de combinação de classificadores é proposta. As principais contribuições do presente trabalho são: i) utilização de séries exógenas como variáveis de entrada para o classificador a fim de capturar informações externas que influenciam na série a ser prevista; ii) utilização de combinação de classificadores, em especial, combinação de Redes Neurais do tipo MLP (Multi-Layer Perceptron); e, iii) concepção de uma nova medida de desempenho SLG (Sum of Loses and Gains), que é mais aderente na área de investimentos. Além disso, foram propostas diferentes abordagens para pré-processar os dados. Os estudos experimentais foram realizados utilizando a série temporal correspondente à ação preferencial da Petrobras (PETR4). Os resultados mostraram que o modelo proposto superou os modelos tradicionais...

Controle de PH em torre de HCN Stripper usando redes neurais

Oliveira, Márcio Lemos de
Fonte: Universidade Federal do Paraná Publicador: Universidade Federal do Paraná
Tipo: Dissertação Formato: application/pdf
Português
Relevância na Pesquisa
76.47%
Resumo: O controle de pH é comum em processos químicos, petroquímicos e indústrias de biotecnologia. Por exemplo, o pH da água residual de processo que é enviada para a e estação de tratamento de efluentes, deve ser mantido dentro de limites ambientais rigorosas. No entanto, o processo de neutralização do pH apresenta comportamento altamente não linear, devido a relação logarítmica entre a concentração de íons de hidrogênio [H+] e o nível do pH. Por esta razão, controladores convencionais como PID (Proporcional – Integral – Derivativo) ou técnicas de controle avançado baseado em teoria de sistemas lineares não apresentam resultado satisfatório quando aplicadas ao controle de pH. Os controladores lineares são ajustados com base no maior ganho no ponto de neutralização, pH 7, a fim de manter o controle estável. Contudo devido ao comportamento não linear do pH nas regiões longe do ponto de neutralização os controladores não apresentam o comportamento desejado, levando ao consumo excessivo de reagentes devido a grades oscilações no processo ou a resposta lenta da variável, nestas condições em muitos casos não é possível manter a malha de controle em automático. Técnicas de controle, como método de modelagem online são desenvolvidas para processos não lineares e variantes no tempo. Essas técnicas são baseadas na aplicação de estruturas não lineares variantes no tempo...

Reconhecimento de padrões de falhas em motores trifásicos utilizando redes neurais

Reis, Aderson Jamier Santos
Fonte: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Engenharia Elétrica; Automação e Sistemas; Engenharia de Computação; Telecomunicações Publicador: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Engenharia Elétrica; Automação e Sistemas; Engenharia de Computação; Telecomunicações
Tipo: Dissertação Formato: application/pdf
Português
Relevância na Pesquisa
76.44%
This work presents a diagnosis faults system (rotor, stator, and contamination) of three-phase induction motor through equivalent circuit parameters and using techniques patterns recognition. The technology fault diagnostics in engines are evolving and becoming increasingly important in the field of electrical machinery. The neural networks have the ability to classify non-linear relationships between signals through the patterns identification of signals related. It is carried out induction motor´s simulations through the program Matlab R & Simulink R , and produced some faults from modifications in the equivalent circuit parameters. A system is implemented with multiples classifying neural network two neural networks to receive these results and, after well-trained, to accomplish the identification of fault´s pattern; ; Este trabalho apresenta um sistema de diagnóstico de falhas (rotor, estator e contaminação) do motor de indução trifásico através dos parâmetros do circuito equivalente e utilizando técnicas de reconhecimento de padrões. A tecnologia de detecção de falhas em motores está evoluindo e tornando cada vez mais importante na área de máquinas elétricas. As redes neurais possuem a habilidade de classificar relações não lineares entre sinais através da identificação de padrões dos sinais relacionados. São realizados simulações do motor de indução através do programa Matlab R & Simulink R e produzido alguns tipos de falhas no conjunto a partir de modificações nos parâmetros do circuito equivalente. É implementado um sistema com múltiplos classificadores neurais para receber estes resultados e...

Desenvolvimento de perfis aerodinâmicos a partir de suas características utilizando redes neurais artificiais

Diniz, Bruno da Cunha
Fonte: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Engenharia Mecânica; Tecnologia de Materiais; Projetos Mecânicos; Termociências Publicador: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Engenharia Mecânica; Tecnologia de Materiais; Projetos Mecânicos; Termociências
Tipo: Dissertação Formato: application/pdf
Português
Relevância na Pesquisa
76.46%
One of the current major concerns in engineering is the development of aircrafts that have low power consumption and high performance. So, airfoils that have a high value of Lift Coefficient and a low value for the Drag Coefficient, generating a High-Efficiency airfoil are studied and designed. When the value of the Efficiency increases, the aircraft s fuel consumption decreases, thus improving its performance. Therefore, this work aims to develop a tool for designing of airfoils from desired characteristics, as Lift and Drag coefficients and the maximum Efficiency, using an algorithm based on an Artificial Neural Network (ANN). For this, it was initially collected an aerodynamic characteristics database, with a total of 300 airfoils, from the software XFoil. Then, through the software MATLAB, several network architectures were trained, between modular and hierarchical, using the Back-propagation algorithm and the Momentum rule. For data analysis, was used the technique of cross- validation, evaluating the network that has the lowest value of Root Mean Square (RMS). In this case, the best result was obtained for a hierarchical architecture with two modules and one layer of hidden neurons. The airfoils developed for that network, in the regions of lower RMS...

Utilização de redes neurais artificiais para a aproximação de ganhos de peso de frango de corte

Sidney, Luiz Henrique Faleiro
Fonte: Universidade Federal de Lavras Publicador: Universidade Federal de Lavras
Tipo: Trabalho de Conclusão de Curso
Publicado em 16/04/2015 Português
Relevância na Pesquisa
76.46%
Among the challenges facing the poultry industry, highlights the importance of the authoring environment. When environmental conditions in domestic poultry shed are not adequate and the animals are exposed to conditions of heat stress, there is a decrease of well-being, which could compromise their growth and performance. An animal can demonstrate their comfort or discomfort in their productive responses. Given the above, this study aims to predict the overall weight gain of broilers during the first three weeks of life. To predict the productive performance of chickens, an artificial neural network was developed based on literature data and experimental, taking as input the age of the chicken (weeks), temperature (° C) and relative humidity (%) in the authoring environment, and as output variable weight gain of animals (g). To obtain the artificial neural network (ANN), it was necessary to make an initial treatment of the data. First, the data of temperature, relative humidity, temperature and weight gain were normalized and then normalized again, however, for the week of the bird's life. For the construction of RNA was used a topology composed of two networks, with the output of the first entries in the RNA of a second, that beyond this entrance also used the same inputs of the first RNA and treated all data related to temperature and relative humidity air...

Aplicação de redes neurais para o ajuste operacional do periodo final de sopro de um processo de aciaria a oxigenio

Tatiana Aparecida Pacianotto
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 31/10/2003 Português
Relevância na Pesquisa
76.44%
O presente trabalho apresenta a aplicação de redes neurais artificiais ao processo de produção de aço líquido com o objetivo de elaborar dois modelos: rede direta, para predição de temperatura e porcentagem de carbono ao final do processo, e rede inversa, para ajuste operacional das quantidades de oxigênio para o término do sopro e de minério de ferro a ser adicionado no período final da batelada. Neste processo, o metal a 1400°C é convertido ao aço a aproximadamente 1650°C pela oxidação exotérmica de carbono, manganês, fósforo, silício e enxofre dissolvidos no ferro. Oxigênio é soprado no conversor LD usado na etapa de refino do aço através de uma lança e nenhuma fonte de calor externa é requeri da. Este processo é transiente, altamente complexo e sofre freqüentes oscilações na composição da matéria-prima. No processo de refino da Cia. Siderúrgica Nacional (CSN-Volta Redonda/RJ), as quantidades das matérias-primas e de oxigênio para iniciar o sopro em um conversor LD são definidas através de um modelo estático, em que os cálculos são realizados com informações prévias ao início da batelada. Em um ponto pré-determinado do sopro de oxigênio, medidas de temperatura e de porcentagem de carbono são obtidas usando uma sub-lança. O tempo entre o ponto de amostragem e o final do processo é conhecido como o período de final de sopro. Durante este período...

[es] UN PREVISOR DE TEMPERATURAS HORARIAS BASADO EN REDES NEURALES Y MODELOS ARIMA.; [pt] UM PREVISOR DE TEMPERATURAS HORÁRIAS BASEADO EM REDES NEURAIS E MODELOS ARIMA.

HENRIQUE STEINHERZ HIPPERT
Fonte: MAXWELL Publicador: MAXWELL
Tipo: TEXTO
Publicado em 09/01/2000 Português
Relevância na Pesquisa
76.46%
[pt] Este artigo mostra resultados preliminares obtidos por um sistema de previsão que combina modelos lineares e redes neurais artificiais, na previsão de temperaturas horárias.; [es] Este artículo muestra resultados preliminares obtenidos por um sistema de previsión que combina modelos lineales y redes neurales artificiales, en la previsión de temperaturas horarias.

An estimate of depth from a bathimetric survey and IKONOS II data by means of artifitial neural network; ESTIMATIVA DE PROFUNDIDADE A PARTIR DE LEVANTAMENTO BATIMÉTRICO E DADOS IKONOS II MEDIANTE REDES NEURAIS ARTIFICIAIS

Ribeiro, Selma Regina Aranha; Centeno, Antonio Silva; Krueger, Cláudia Pereira
Fonte: Universidade Federal do Paraná-UFPR Publicador: Universidade Federal do Paraná-UFPR
Tipo: info:eu-repo/semantics/article; info:eu-repo/semantics/publishedVersion; Artigo Avaliado pelos Pares Formato: application/pdf
Publicado em 18/07/2008 Português
Relevância na Pesquisa
76.46%
In this article, we describe a methodology for the estimate of bathimetry usingsatellite imagery (IKONOS II) based on the neural network approach. The inputvariables of the model are the digital values of two spectral bands and the positionof the pixel, given by its N, E coordinates. The proposed model consists of anartificial feed forward neural network with two hidden layers. The study reveals thatthe proposed methodology is able to produce results that reach technicalspecifications of Diretoria de Hidrologia e Navegação (DHN), in charge of for thebathimetric surveys in Brazil, for class 1 surveys, as the maximum error lies bellow0,5m. However, it was also verified that the methodology is effcient only forrestricted depths, from 0,80 to 3,00 meters, where the spectral response of the watercolumn prevails on the spectral response of the bottom and it is not stronglyaffected by absorption.; O presente trabalho propõe uma metodologia para estimar profundidadesbatimétricas a partir de imagens IKONOS II baseada no uso de redes neuraisartificiais (RNA). Como variáveis de entrada foram adotados os valores digitais deduas bandas espectrais do sistema IKONOS II e a posição do pixel, dada pelascoordenadas (N...