Fast petroleum well drilling monitoring through optimum-path forest

Automatic inspection of petroleum well drilling has became paramount in the last years, mainly because of the crucial importance of saving time and operations during the drilling process in order to avoid some problems, such as the collapse of the well borehole walls. In this paper, we extended another work by proposing a fast petroleum well drilling monitoring through a modified version of the Optimum-Path Forest classifier. Given that the cutting's volume at the vibrating shale shaker can provide several information about drilling, we used computer vision techniques to extract texture informations from cutting images acquired by a digital camera. A collection of supervised classifiers were applied in order to allow comparisons about their accuracy and effciency. We used the Optimum-Path Forest (OPF), EOPF (Efficient OPF), Artificial Neural Network using Multilayer Perceptrons (ANN-MLP) Support Vector Machines (SVM), and a Bayesian Classifier (BC) to assess the robustness of our proposed schema for petroleum well drilling monitoring through cutting image analysis.

ECG arrhythmia classification based on optimum-path forest

An important tool for the heart disease diagnosis is the analysis of electrocardiogram (ECG) signals, since the non-invasive nature and simplicity of the ECG exam. According to the application, ECG data analysis consists of steps such as preprocessing, segmentation, feature extraction and classification aiming to detect cardiac arrhythmias (i.e.; cardiac rhythm abnormalities). Aiming to made a fast and accurate cardiac arrhythmia signal classification process, we apply and analyze a recent and robust supervised graph-based pattern recognition technique, the optimum-path forest (OPF) classifier. To the best of our knowledge, it is the first time that OPF classifier is used to the ECG heartbeat signal classification task. We then compare the performance (in terms of training and testing time, accuracy, specificity, and sensitivity) of the OPF classifier to the ones of other three well-known expert system classifiers, i.e.; support vector machine (SVM), Bayesian and multilayer artificial neural network (MLP), using features extracted from six main approaches considered in literature for ECG arrhythmia analysis. In our experiments, we use the MIT-BIH Arrhythmia Database and the evaluation protocol recommended by The Association for the Advancement of Medical Instrumentation. A discussion on the obtained results shows that OPF classifier presents a robust performance, i.e.; there is no need for parameter setup, as well as a high accuracy at an extremely low computational cost. Moreover, in average, the OPF classifier yielded greater performance than the MLP and SVM classifiers in terms of classification time and accuracy, and to produce quite similar performance to the Bayesian classifier, showing to be a promising technique for ECG signal analysis. © 2012 Elsevier Ltd. All rights reserved.

Previsão de cargas elétricas através de uma Rede Neural Híbrida Back-ART Fuzzy

Pós-graduação em Engenharia Elétrica - FEIS

Caracterização de leite utilizando técnicas de ultra-som e redes neurais

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

O uso de rede neural artificial MLP na predição de estruturas secundárias de proteínas

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Identificação de defeitos em tubulações metálicas utilizando redes neurais artificiais e o método dos elementos finitos

Pós-graduação em Engenharia Mecânica - FEB

Otimização do processamento para obtenção de compósitos polímero/cerâmica com propriedades piezo e piroelétricas

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Efeito de atmosfera modificada no controle de podridões pós-colheita e na qualidade de caqui cv. Fuyu

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Conservação pós-colheita de mangas produzidas na região de Jaboticabal-SP

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Estudo comparativo das propriedades eletro-ópticas e estruturais de nanopartículas de La0,5Li0,5TiO3:Ln3+ (Ln=Eu, Tb) obtidas por processo químico

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Utilização de redes neurais artificiais no ajuste de controladores suplementares e dispositivo FACTS STATCOM para a melhoria da estabilidade a pequenas perturbações do sistema elétrico de potência

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Predição do sequestro do carbono em área reflorestada utilizando redes neurais artificiais

Pós-graduação em Engenharia Mecânica - FEIS

Análise de sensibilidade por redes neurais para estudos da estabilidade transitória de sistemas elétricos de potência

Pós-graduação em Engenharia Elétrica - FEIS

Desenvolvimento e validação de método analítico para determinação de caprolactama em simulantes de alimentos: estudo de migração e efeito da irradiação

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Desempenho das redes neurais artificiais na estimativa das variáveis físicas e químicas do solo

Pós-graduação em Agronomia (Energia na Agricultura) - FCA