Página 1 dos resultados de 698 itens digitais encontrados em 0.003 segundos

Aplicação de redes neurais na precificação de debêntures

Curi, Leonardo Zago
Fonte: Fundação Getúlio Vargas Publicador: Fundação Getúlio Vargas
Tipo: Dissertação
Relevância na Pesquisa
76.65%
Estudos anteriores mostraram que a técnica de redes neurais tem sido mais bem sucedida que os modelos tradicionais em vários assuntos relacionados ao mercado de debêntures, tais como modelar a probabilidade de default e em explicar os ratings de agências classificadoras de risco, como Standard & Poors e Moodys. O objetivo deste trabalho é testar a técnica de redes neurais para precificar debêntures no Brasil e comparar os resultados obtidos com regressões lineares. Para isso, utilizaram-se como variáveis explicativas dados contábeis, características específicas das emissões, tais como prazo para vencimento e cláusulas de recompra antecipada. Em relação às variáveis dependentes, optou-se por utilizar as taxas divulgadas diariamente pela ANDIMA como valor de mercado para as debêntures. As variáveis acima foram testadas em diversos modelos pelo método dos mínimos quadrados ordinários e o modelo que apresentou o melhor resultado foi testado em redes neurais com duas camadas intermediárias. Os resultados obtidos com redes neurais com seis e oito neurônios apresentaram resultados superiores aos modelos estimados por mínimos quadrados ordinários tanto na fase de treinamento como na fase de testes. No entanto, ainda há bastante espaço para melhorias nos modelos dado que o tamanho da base de dados disponível para este tipo de testes no Brasil ainda não é a ideal e as taxas divulgadas pela ANDIMA são médias de um grupo pequeno de instituições e não necessariamente refletem o valor de mercado de uma debênture.

Aplicação de redes neurais na classificação de rentabilidade futura de empresas

Matsumoto, Élia Yathie
Fonte: Fundação Getúlio Vargas Publicador: Fundação Getúlio Vargas
Tipo: Dissertação
Relevância na Pesquisa
76.6%
Este trabalho tem por motivação evidenciar a eficiência de redes neurais na classificação de rentabilidade futura de empresas, e desta forma, prover suporte para o desenvolvimento de sistemas de apoio a tomada de decisão de investimentos. Para serem comparados com o modelo de redes neurais, foram escolhidos o modelo clássico de regressão linear múltipla, como referência mínima, e o de regressão logística ordenada, como marca comparativa de desempenho (benchmark). Neste texto, extraímos dados financeiros e contábeis das 1000 melhores empresas listadas, anualmente, entre 1996 e 2006, na publicação Melhores e Maiores – Exame (Editora Abril). Os três modelos foram construídos tendo como base as informações das empresas entre 1996 e 2005. Dadas as informações de 2005 para estimar a classificação das empresas em 2006, os resultados dos três modelos foram comparados com as classificações observadas em 2006, e o modelo de redes neurais gerou o melhor resultado.

Aplicações de redes neurais e neuro fuzzy em engenharia biomédica e agronomia

Silva, Inara Aparecida Ferrer
Fonte: Universidade Estadual Paulista (UNESP) Publicador: Universidade Estadual Paulista (UNESP)
Tipo: Tese de Doutorado Formato: 80 f.
POR
Relevância na Pesquisa
76.59%
Pós-graduação em Engenharia Elétrica - FEIS; The fuzzy and neuro fuzzy systems have been successfully used to solve problems in various fields such as medicine, manufacturing, control, agriculture and academic applications. In recent decades, neural networks have been used to the identification, assessment and diagnosis of diseases. In this thesis we performed a comparative study among fuzzy neural networks (ANFIS), multilayer perceptron neural networks (MLP), radial basis function network (RBF) and generalized regression (GRNN) in the area of biomedical engineering and agronomy. In biomedical engineering neural networks and neuro fuzzy were trained and validated with data set from patients (91 subjects, 81 healthy and 10 hemiplegic). The GRNN network had the lowest Root Mean Square Error (RMSE), but the MLP network was able to identify a case of hemiplegia. In the area of agriculture a comparative study to estimate the wheat (Triticum aestivum) productivity was proposed using neural networks. For this study it was used data from an experimental database of wheat cultivars evaluated during two years in the region of Selvíria - MS. The validation was performed by comparing the estimated productivity through the quadratic regression curve and the output of the ANFIS with the neural networks. The RMSE error calculated with the GRNN and RBF neural networks was lower than that obtained with the quadratic regression and the ANFIS. The results obtained in the study of hemiplegia were validated using the RMSE...

Redes neurais aplicadas em estrategias de controle não linear

Laercio Ender
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 21/03/2002 PT
Relevância na Pesquisa
76.61%
As Redes Neurais Artificiais (RNA) são ferramentas computacionais, com um grande número de aplicações em técnicas de modelagem e controle de processos. Tal fato deve-se à sua capacidade em aprender com suficiente exatidão o comportamento do sistema, gerando modelos genéricos com potencial para projeto de controle não linear, quando equações do modelo são desconhecidas ou somente informações parciais de estados do processo estão disponíveis. Os modelos obtidos através de redes neurais permitem levar em consideração as não linearidades do processo, bem como as interações entre as suas variáveis. O trabalho desenvolvido explora o uso de redes neurais em estratégias de controle multivariável, enfatizando situações em que estas são utilizadas como modelos dinâmicos na geração de predições, bem como na definição de estratégias de controle totalmente baseadas em redes neurais com aprendizagem on-line. A aprendizagem on-line das redes utilizadas permite a sua adaptação continuamente ao longo do tempo, treinando-as em situações não abordadas na etapa de aprendizagem off-line. A aprendizagem oif-line das redes neurais é realizada a partir de um conjunto consistente de dados históricos de perturbações e respostas do processo...

Modelagem de digestores Kraft continuo : redes neurais e modelo hibrido

Helena Cristina I. L. Aguiar
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 11/02/2000 PT
Relevância na Pesquisa
76.6%
Estudos demonstram que a expectativa de crescimento do consumo de papel e baixo custo de produção no Brasil pode tornar a indústria de celulose e papel do país a maior geradora de negócios neste ramo internacionalmente. O processo de produção de celulose é complexo, e apesar de muito estudado ainda há muitas lacunas que precisam ser preenchidas. Por outro lado, as redes neurais são uma solução para a modelagem de processos cujo conhecimento é incompleto ou cuja complexidade dificulta a produção de bons resultados através da modelagem determinística. O objetivo principal desta tese foi a criação de um modelo para a predição do grau de polpação da madeira a partir de dados industriais, utilizando técnicas de modelagem diferentes. O trabalho explorou principalmente a modelagem através de redes neurais, mas também se dedicou à aplicação dos dados industriais a um modelo determinístico e a sua posterior combinação com uma rede neural para o desenvolvimento de um modelo híbrido. A discussão sobre os recursos necessários para a utilização de cada técnica, bem como a comparação entre as diferentes metodologias, suas vantagens e desvantagens, também são assuntos deste trabalho. A Aracruz Celulose SA...

Analise e previsões de vasões utilizando modelos de series temporais, redes neurais e redes neurais nebulosas

Rosangela Ballini
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 29/09/2000 PT
Relevância na Pesquisa
76.6%
Análise e previsão de vazões são de fundamental importância no planejamento da operação de sistemas de recursos hídricos. Uma das grandes dificuldades na previsão das séries de vazões é a presença da sazonalidade devido aos períodos de cheia e seca do ano. Os modelos estocásticos foram, por um longo tempo, a alternativa mais comum aos modelos determinísticos ou hidrológicos na análise e previsão de vazões, baseados principalmente na metodologia de Box & Jenkins. Esta metodologia exige algum tipo de manuseio nos dados para tratar a não-estacionariedade ou o uso de modelos periódicos, necessitando de uma laboriosa formulação teórica para os procedimentos estatísticos. Redes neurais artificiais, especialmente redes multi-camadas com algoritmo back-propagation vêm sendo sugeridas para análise de séries temporais devido a sua capacidade para tratar com relações não-lineares.de entrada-saída, destacando sua habilidade de aprendizado e capacidade de generalização, associação e busca paralela. Estas qualidades as tornam capazes de identificar e assimilar as características mais marcantes das séries, tais como sazonalidade, periodicidade, tendência, entre outras, muitas vezes camufladas por ruídos. A capacidade de mapeamentos complexos das redes neurais cresce com o número de camadas e neurônios...

Redes neurais hierárquicas para implementação de comportamentos em agentes autônomos

Silva, Flávio de Almeida e
Fonte: Florianópolis, SC Publicador: Florianópolis, SC
Tipo: Dissertação de Mestrado Formato: xiv, 132 f.| il.
POR
Relevância na Pesquisa
76.66%
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Ciência da Computação; Este trabalho visa mostrar a existência de uma hierarquia nas redes neurais biológicas, como também, será apresentada uma alternativa para implementação de agentes autônomos. O sistema computacional está baseado nos comportamentos reflexivos, reativos e instintivos dos animais. Para gerar estes comportamentos em um agente autônomo foi criada uma estrutura hierarquia de redes neurais artificiais, onde as redes que compõem o nível de comportamentos reflexivos são do tipo diretas e as redes que compõem o nível de comportamentos reativos são do tipo recorrentes (com ciclo). Para o nível de comportamentos instintivos foi criado apenas um perceptron que tem a função de controlar a energia do agente autônomo. O nível de comportamentos reflexivos tem a função de detectar objetos, paredes e luz, assim como a função de locomover o agente autônomo. O nível de comportamentos reativos tem a função de controlar as redes do nível de comportamentos reflexivos, fazendo com que apenas um tipo de comportamento esteja ativo. A função desta hierarquia é controlar o AA, fazendo-o seguir paredes enquanto sua energia estiver boa e ir ao encontro de um ponto de energia quando sua energia estiver baixa.

Comparação entre métodos para roteamento de redes de dados usando redes neurais artificiais

Almeida, Autran Dias de
Fonte: Florianópolis, SC Publicador: Florianópolis, SC
Tipo: Dissertação de Mestrado Formato: 218 f.| il.
POR
Relevância na Pesquisa
76.62%
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Ciência da Computação.; Este documento tem como objetivo apresentar uma série de conceitos e propostas, para elaboração de uma gerência pró-ativa de uma rede de computadores, utilizando as tecnologias de redes neurais Artificiais, e a tecnologia de Agentes autônomos inteligentes. As redes de computadores estão crescendo em importância, em complexidade a cada dia, e uma ação preventiva no gerenciamento destas redes passou a ser de suma

Metáforas biológicas combinadas para projeto de redes neurais artificiais

Campos, Lídio Mauro Lima de
Fonte: Florianópolis, SC Publicador: Florianópolis, SC
Tipo: Dissertação de Mestrado Formato: 108 f.| il.
POR
Relevância na Pesquisa
76.71%
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós -Graduação em Computação.; A Computação Evolucionária (CE) tem sido utilizada na área de Redes Neurais Artificiais (RNAs) para evolução de três grandes constituintes: pesos das conexões, arquiteturas e regras de aprendizado. A evolução de arquiteturas possibilita o projeto automático de Redes Neurais Artificiais (RNAs), permitindo adapta-las para diferentes tarefas sem a intervenção humana. O objetivo desta pesquisa é introduzir uma metodologia a mais plausível biologicamente, que permita gerar RNAs com boa capacidade de generalizção, pequeno erro e grande tolerância a ruídos. Para isso três metáfora biológicas foram usadas: Algoritmos Genéticos, Sistemas de Lindenmayer e RNAs. Testou-se quatro classes de problemas: XOR, paridade, problema das lâmpadas e botões e as linguagens de Tomita. O método é superior em relação aos outros, pois aumenta o paralelismo implícito do algoritmo genético e pelos aspectos de plausibilidade biológica. O sistema gera arquiteturas mínimas satisfatórias que resolvem determinadas tarefas, reduzindo os custos de projeto e aumentando o desempenho das redes neurais obtidas. Finalmente sugerem-se estratégias racionais que podem fornecer uma eficiência adicional ao algoritmo genético tradicional.

Reconhecimento de fala utilizando modelos matemáticos e redes neurais

Oliveira, Neilza Andréa de
Fonte: Florianópolis, SC Publicador: Florianópolis, SC
Tipo: Dissertação de Mestrado Formato: ii, 54 f.| il., tabs., grafs.
POR
Relevância na Pesquisa
76.61%
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Ciência da Computação.; O reconhecimento de fala tem várias áreas de aplicação: tradução de textos, ditados, interfaces de computadores, serviços automáticos por telefone e aplicações industriais de propósito gerais. A principal razão para o sucesso dos sistemas de reconhecimento tem sido demonstrada pelo aumento na produtividade propiciada por estes, que assistem ou substituem operadores humanos. Esta dissertação tem como objetivo o desenvolvimento de um sistema de reconhecimento de fala. As redes neurais artificiais surgem como o principal paradigma para o desenvolvimento destes sistemas, já que estas têm como principais características seu paralelismo, capacidade de treinamento, generalização, não linearidade e robustez.Essas vantagens são confirmadas através dos experimentos realizados neste trabalho, no qual comprova-se a importância das redes neurais artificiais para tais aplicações.

Utilizando redes neurais no reconhecimento de padrões cefalométricos

Bertholdi, Paulo Roberto
Fonte: Universidade Federal de Santa Catarina Publicador: Universidade Federal de Santa Catarina
Tipo: Dissertação de Mestrado Formato: xiii, 73 f.| il., grafs., tabs.
POR
Relevância na Pesquisa
76.75%
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2002; A Inteligência Artificial tem sido um dos principais campos de estudo na área da Ciência da Computação tentando resolver problemas de difícil solução. Todos os problemas são difíceis até que sua solução seja conhecida (Fogel, 1995). Os métodos de abordagem de problemas de difícil solução encontram na Inteligência Artificial respostas satisfatórias através de paradigmas como os modelos conexionistas baseados na estrutura neuronal do cérebro humano. As Redes Neurais surgiram com o intuito de obter resultados satisfatórios comparados aos sistemas especialistas, que falham em área de competência não restrita. Essa característica é imprescindível quando tratamos problemas voltados ao âmbito biológico, pois é preciso interagir com o meio, reconhecer padrões, adaptar-se e estabelecer processos indutivos e dedutivos. A Ciência da Computação tem propiciado a evolução do conhecimento na área de Ciência Biológica e da Saúde. Citando pesquisas como o Projeto Genoma, visualizamos a Ciência da Computação não apenas como fator auxiliar...

Estimação da seção em falta em sistemas elétricos de potência via redes neurais e sistemas especialistas realizada em nível de centro de controle

Cardoso Junior, Ghendy
Fonte: Florianópolis, SC Publicador: Florianópolis, SC
Tipo: Tese de Doutorado Formato: xiii, 162 f.| il., tabs.
POR
Relevância na Pesquisa
76.66%
Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica.; O presente trabalho aborda aspectos relativos à estimação da seção em falta em sistemas elétricos de potência (230 kV e 500 kV), realizada em nível de centro de controle, utilizando informações sobre a operação de dispositivos de proteção (relés e disjuntores). Tal metodologia deve ser empregada após a ocorrência de contingências com desligamentos definitivos, antes do processo de recomposição da rede. A ausência de uma formulação analítica para o problema propicia a utilização dos conceitos de técnicas não convencionais que incorporam o vasto campo da inteligência artificial. Dentre tais técnicas destacam-se as redes neurais artificiais e os sistemas especialistas. Neste trabalho as redes neurais foram utilizadas no tratamento das incertezas envolvidas em mensagens sobre atuação de relés e disjuntores, enquanto um sistema especialista é utilizado para complementar os resultados obtidos pelas redes neurais. De modo geral, o processo de diagnóstico segue três etapas principais: inicialmente são executadas as redes neurais a partir dos alarmes observados, sendo que um modelo de rede é empregado para cada componente elétrico; em seguida é identificada a área desligada...

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.
POR
Relevância na Pesquisa
76.62%
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...

Estudo e implementação de aprendizagem por reforço em redes neurais para controle de robôs móveis

Fontana, Glaucio Adriano
Fonte: Florianópolis, SC Publicador: Florianópolis, SC
Tipo: Dissertação de Mestrado Formato: 1 v.| il.
POR
Relevância na Pesquisa
76.69%
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduação em Ciência da Computação; Robôs Móveis Inteligentes são sistemas computacionais que operam em ambientes dinâmicos e imprevisíveis. Eles interpretam dados obtidos pelos sensores que refletem eventos ocorridos e executam comandos em motores que produzem efeitos no ambiente. O grau de autonomia de um agente está relacionado à capacidade de decidir por si só como relacionar os dados dos sensores com os comandos aos atuadores em seus esforços para atingir os objetivos para os quais foi projetado. Deste modo, a capacidade de aprendizado e adaptação do agente está intimamente relacionada com o seu grau de autonomia. Dentro do paradigma de inspiração biológica adotada na arquitetura de controle PiramidNet, Redes Neurais Artificiais são as ferramentas utilizadas para implementar a inteligência e o controle dos sistemas robóticos. Entretanto, mecanismos capazes de fazer o aprendizado permanente e em tempo de operação em sistemas robóticos controlados por Redes Neurais são escassos ou ainda estão em fase inicial de desenvolvimento. Neste trabalho, pretendeu-se estudar, propor e implementar métodos que possibilitassem o aprendizado em tempo real de Robôs Móveis Inteligentes controlados por Redes Neurais Artificiais. Para tal...

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.
POR
Relevância na Pesquisa
76.61%
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...

Algoritmos genéticos e processamento paralelo aplicados à definição e treinamento de redes neurais perceptron de múltiplas camadas

Albuquerque, Ana Claudia Medeiros Lins de
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
POR
Relevância na Pesquisa
76.67%
ln this work, it was deveIoped a parallel cooperative genetic algorithm with different evolution behaviors to train and to define architectures for MuItiIayer Perceptron neural networks. MuItiIayer Perceptron neural networks are very powerful tools and had their use extended vastIy due to their abiIity of providing great resuIts to a broad range of appIications. The combination of genetic algorithms and parallel processing can be very powerful when applied to the Iearning process of the neural network, as well as to the definition of its architecture since this procedure can be very slow, usually requiring a lot of computational time. AIso, research work combining and appIying evolutionary computation into the design of neural networks is very useful since most of the Iearning algorithms deveIoped to train neural networks only adjust their synaptic weights, not considering the design of the networks architecture. Furthermore, the use of cooperation in the genetic algorithm allows the interaction of different populations, avoiding local minima and helping in the search of a promising solution, acceIerating the evolutionary process. Finally, individuaIs and evolution behavior can be exclusive on each copy of the genetic algorithm running in each task enhancing the diversity of populations; Neste trabalho foi desenvolvido um algoritmo genético paralelo cooperativo com diferentes comportamentos evolutivos para o treinamento e definição de redes neurais Perceptron de Múltiplas Camadas. As redes neurais Perceptron de Múltiplas Camadas são ferramentas poderosas e tiveram seu uso intensificado já que são capazes de proporcionar bons resultados para diversas aplicações. A combinação de algoritmos genéticos e de processamento paralelo aplicados no processo de treinamento e na definição de redes neurais Perceptron de Múltiplas Camadas é interessante uma vez que o processo de aprendizagem geralmente é lento e a maioria dos algoritmos de treinamento existente realiza apenas o ajuste dos pesos sinápticos da rede neural. Sabe-se que...

A Utilização de Redes Neurais Artificiais na Estimação da Cobertura do Sinal de Televisão Digital; The Use of Artificial Neural Networks in the Estimation of Coverage Digital TV Signal

SILVA, Douglas Dias da
Fonte: Universidade Federal de Goiás; BR; UFG; Mestrado em Engenharia Elétrica e de Computação; Engenharia Publicador: Universidade Federal de Goiás; BR; UFG; Mestrado em Engenharia Elétrica e de Computação; Engenharia
Tipo: Dissertação Formato: application/pdf
POR
Relevância na Pesquisa
76.65%
THIS works presents information about signal intensity obtained on field and from simulations for one-seg and full-seg receptions, the city of Goi ania. The values obtained from measurements were used for a comparisson among propagation models that are presented in literature, and the goal is to determine the real condition of digital TV signal in the region of Goi ania. The propagation models presented are available in literature and can be implemented in digital transmission system. The studied models were Free Space model, Log-Distance model, Hata model and ITU-R P.1546-1 method, and the objective was to determine the signal intensity of digital television transmission in the city of Goi ania (RAPPAPORT, 1996) (UNION, 2003). Focusing on the development of a tool for signal intensity estimation, some researches were done about neural networks theory and its applications. Perceptron and Multilayer Perceptron were the analised architectures, emphasyzing on the last one and on its supervisioned trainning through the backpropagation error algorithm (HAYKIN, 2001). The Brazilian Digital Television System was described by reference rules made by Associa¸c ao Brasileira de Normas T´ecnicas, which has detailed its transmission system and reception devices (T´ECNICAS...

Caracterização de imagens utilizando redes neurais artificiais

Ribeiro, Eduardo Ferreira
Fonte: Universidade Federal de Uberlândia Publicador: Universidade Federal de Uberlândia
Tipo: Dissertação
POR
Relevância na Pesquisa
76.65%
Em sistemas de Recuperação de Imagens Baseada em Conteúdo a representação das imagens desempenham um papel fundamental. Os resultados obtidos por esses sistemas dependem fortemente da escolha das características selecionadas para representar uma imagem. Trabalhos existentes na literatura evidenciam que técnicas inteligentes conseguem minimizar o gap- semântico existente entre o poder de interpretação limitado das máquinas e a subjetividade humana. Neste trabalho é proposto o uso das redes neurais artificiais para caracterizar imagens neurosemânticamente à partir de uma caracterização inicial baseada em características de baixo nível (cor, forma e textura). Testes em 3 bases de dados de naturezas diferentes, um de imagens mais gerais (BD-12750 ), um de texturas (Vistex-167 ) e outro de prédios (ZuBuD) exemplificam a aplicação do método como também mostram a eficácia do modelo. Ainda é apresentada a aplicação do método proposto na caracterização neurosemântica de movimentos complexos em vídeos. __________________________________________________________________________________________ ABSTRACT; Image representation in Content Based Image Retrieval systems is a fundamental task. The results obtained by these systems strongly depend on the choice of features selected to represent an image. Works in the literature show that intelligent techniques are used to minimize the semantic gap between the limited power of machine interpretation and human subjectivity. In this work the use of artificial neural networks to characterize images in a high-level space from an initial characterization based on low-level features (color...

Estudo do uso da computação paralela no aprimoramento do treinamento de redes neurais artificiais feedforward multicamada

Pereira, Will Roger
Fonte: Universidade Federal de Uberlândia Publicador: Universidade Federal de Uberlândia
Tipo: Dissertação
POR
Relevância na Pesquisa
76.71%
Este trabalho compara redes neurais feedforward clássicas com um algoritmo que permite explorar o paralelismo presente em diversas máquinas disponíveis. O esquema de treinamento discutido aqui não depende da topologia da RNA, portanto pode ser uma melhor representação das redes neurais naturais produzidas ao longo da evolução animal. Porém, por ser uma estratégia que não utiliza derivada da função de ativação, é mais rústica, o que pode resultar em uma convergência mais lenta quando comparados com algoritmos que dependem de uma topologia, como o Error Backpropagation. É esperada uma melhora na velocidade da convergência com a utilização da computação paralela. No entanto, em trabalhos futuros, o paralelismo em máquinas com muitos núcleos de processamento pode mais do que compensar esta baixa velocidade, uma vez que os pesos são ajustados de forma independente. Serão analisados e comparados os comportamentos do método mais popular de treinamento de redes neurais arti ciais feedforward na atualidade, o Error Backpropagation, e o algoritmo abordado neste trabalho, tanto no modo sequencial quanto paralelo. ______________________________________________________________________________ ABSTRACT; This work compares classical feedforward neural networks with an algorithm that permit exploit parallelism present in widely available machines. The training scheme discussed here do not depend on the neural network topology...

Estimação parametrica robusta atraves de redes neurais artificiais

Ivan Nunes da Silva
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 20/01/1995 PT
Relevância na Pesquisa
76.62%
Redes Neurais Artificiais atingem altas taxas de computação através de um número massivo de elementos processadores simples com um alto grau de conectividade entre estes elementos. Redes neurais com conexões realimentadas podem ser utilizadas para resolver problemas de otimização. Nesta dissertação utilizam-se Redes Neurais Artificiais do tipo Hopfield, na solução de problemas de Estimação Paramétrica Robusta com perturbação desconhecida-mas-limitada. A rede de Hopfield discreta é usada no cálculo de regiões de incerteza para os parâmetros do modelo. Qualquer elemento pertencente a estas regiões são considerados um bom estimador dos parâmetros reais do processo. Uma Rede de Hopfield Modificada também é descrita e é utilizada para assegurar maior eficiência e confiabilidade na obtenção de resultados. Análises são realizadas comparando os resultados obtidos pela rede em relação a outras abordagens tradicionais de cálculo de incertezas paramétricas. Os parâmetros internos das Redes para o problema são derivados utilizando uma técnica denominada subespaço-válido de soluções. Estes parâmetros são explicitamente calculados, baseado nas especificações do problema, e devem assegurar a convergência da rede para um ponto de equilíbrioque representa uma solução para o problema de estimação robusta de modelos com perturbações desconhecidas-mas-limitadas; Artificial Neural Networks can achieve high computation rates by employing a massive number of simple processing elements with a high degree of connectivity between these elements. Neural networks with feedback connections provide a computing model to solve a rich class of optimization problems. This dissertation presents an application of Hopfield's Neural Networks in Robust Parametric Estimation with unknown-but-bounded disturbance. The Discret Hopfield's Network is used to calculate a parameter uncertainty set for model parameters. Any element in this set can be considered a good estimator for the real parameters. A Modified Hopfield's Network has also been described and it is useful for getting efficient and reliable sets. Comparative analysis with others robust estimation approaches are included. The Valid-Subspace technique is used to obtain the internal parameters of the Hopfield's Neural Network. These parameters are explicitlycomputed...