Implementação em hardware de uma Rede Neuronal com ummicroprocessador embebido em FPGA

O objectivo deste trabalho é a implementação em hardware de uma Rede Neuronal com um microprocessador embebido, podendo ser um recurso valioso em várias áreas científicas. A importância das implementações em hardware deve-se à flexibilidade, maior desempenho e baixo consumo de energia. Para esta implementação foi utilizado o dispositivo FPGA Virtex II Pro XC2VP30 com um MicroBlaze soft core, da Xilinx. O MicroBlaze tem vantagens como a simplicidade no design, sua reutilização e fácil integração com outras tecnologias. A primeira fase do trabalho consistiu num estudo sobre o FPGA, um sistema reconfigurável que possui características importantes como a capacidade de executar em paralelo tarefas complexas. Em seguida, desenvolveu-se o código de implementação de uma Rede Neuronal Artificial baseado numa linguagem de programação de alto nível. Na implementação da Rede Neuronal aplicou-se, na camada escondida, a função de activação tangente hiperbólica, que serve para fornecer a não linearidade à Rede Neuronal. A implementação é feita usando um tipo de Rede Neuronal que permite apenas ligações no sentido de saída, chamado Redes Neuronais sem realimentação (do Inglês Feedforward Neural Networks - FNN). Como as Redes Neuronais Artificiais são sistemas de processamento de informações, e as suas características são comuns às Redes Neuronais Biológicas, aplicaram-se testes na implementação em hardware e analisou-se a sua importância, a sua eficiência e o seu desempenho. E finalmente, diante dos resultados, fez-se uma análise de abordagem e metodologia adoptada e sua viabilidade.

Identificação de alvos na terapia anti-cancerígena utilizando técnicas de modelação molecular

Miguel Fernandes

Previsão de produção de energia elétrica a partir do vento

A capacidade de prever a produção de energia eólica com precisão num parque eólico é de extrema relevância tanto do ponto de vista económico bem como de controlo e estabilidade da rede elétrica. Vários e diferentes métodos têm sido utilizados para este propósito, como os físicos, estatísticos, lógica difusa e redes neuronais artificiais. Os dados disponíveis dos parques eólicos contêm ruído e leituras inesperadas em relação às entradas disponíveis. Lidar com estes dados não é uma tarefa simples mas, neste trabalho, as Redes Neuronais Artificiais são usadas para prever a potência gerada baseada em medições locais do vento. Os resultados mostram que as Redes Neuronais Artificiais são uma ferramenta que deve ser considerada nestas difíceis condições, uma vez que elas proporcionam uma precisão razoável nas suas previsões.