Um modelo em simulink para sintonia automática de controladores PID usando redes neuronais

The PID controllers are widely used in industry. Whether because the plant is time-varying, or because of components ageing, these controllers need to be regularly retuned. During the last years, several methods have been proposed for PID autotuning.

Desenho de modelos neuronais para a deteção de sismos

A performance dos detetores sísmicos atualmente utilizados pode e deve ser melhorada. Atualmente existem vários algoritmos para a deteção de sismos de forma automática, desde os sistemas simples baseados em STA/LTA, aos mais sofisticados baseados em reconhecimento de padrões. Este estudo pretende dar continuidade ao desenvolvimento de uma abordagem de deteção de eventos sísmicos ao nível da estação local, utilizando uma técnica bastante conhecida, chamada Máquina de Vetores de Suporte (SVM). SVM é amplamente utilizada em problemas de classificação, devido a sua boa capacidade de generalização. Nesta experiência, a técnica baseada em SVM é aplicada em diferentes modos de operações. Os resultados mostraram que a técnica proposta dá excelentes resultados em termos de sensibilidade e especificidade, além de exigir um tempo de deteção suficientemente pequeno para ser utilizado num sistema de aviso precoce (early-warning system). Começamos pela classificação de dados de forma Off-line, seguido da validação do classificador desenvolvido. Posteriormente, o processamento de dados é executado de forma contínua (On-line). Os algoritmos foram avaliados em conjuntos de dados reais, provenientes de estações sísmicas da Rede de Vigilância Sísmica de Portugal, e em aplicações reais da área de Sismologia (simulação de funcionamento em ambiente real). Apesar de apenas duas estações serem consideradas, verificou-se que utilizando a combinação de detetores, consegue-se uma percentagem de deteção idêntica para quando utilizado um único modelo (Abordagem OR) e o número de falsos alarmes para a combinação de modelos é quase inexistente (Abordagem AND). Os resultados obtidos abrem várias possibilidades de pesquisas futuras.

Algoritmos construtivos para treino de redes neuronais b-spline

Dissertação de mest. em Engenharia de Sistemas e Computação - Área de Sistemas de Controlo, Faculdade de Ciências e Tecnologia, Univ.do Algarve, 2001

Estimating fuzzy membership functions parameters by the levenberg-marquardt algorithm

In previous papers from the authors fuzzy model identification methods were discussed. The bacterial algorithm for extracting fuzzy rule base from a training set was presented. The Levenberg-Marquardt algorithm was also proposed for determining membership functions in fuzzy systems. In this paper the Levenberg-Marquardt technique is improved to optimise the membership functions in the fuzzy rules without Ruspini-partition. The class of membership functions investigated is the trapezoidal one as it is general enough and widely used. The method can be easily extended to arbitrary piecewise linear functions as well.

Genetic programming and bacterial algorithm for neural networks and fuzzy systems design

In the field of control systems it is common to use techniques based on model adaptation to carry out control for plants for which mathematical analysis may be intricate. Increasing interest in biologically inspired learning algorithms for control techniques such as Artificial Neural Networks and Fuzzy Systems is in progress. In this line, this paper gives a perspective on the quality of results given by two different biologically connected learning algorithms for the design of B-spline neural networks (BNN) and fuzzy systems (FS). One approach used is the Genetic Programming (GP) for BNN design and the other is the Bacterial Evolutionary Algorithm (BEA) applied for fuzzy rule extraction. Also, the facility to incorporate a multi-objective approach to the GP algorithm is outlined, enabling the designer to obtain models more adequate for their intended use.

Genetic and bacterial programming for B-Spline neural networks design

The design phase of B-spline neural networks is a highly computationally complex task. Existent heuristics have been found to be highly dependent on the initial conditions employed. Increasing interest in biologically inspired learning algorithms for control techniques such as Artificial Neural Networks and Fuzzy Systems is in progress. In this paper, the Bacterial Programming approach is presented, which is based on the replication of the microbial evolution phenomenon. This technique produces an efficient topology search, obtaining additionally more consistent solutions.

B-spline and neuro-fuzzy models design with function and derivative equalities

The design of neuro-fuzzy models is still a complex problem, as it involves not only the determination of the model parameters, but also its structure. Of special importance is the incorporation of a priori information in the design process. In this paper two known design algorithms for B-spline models will be updated to account for function and derivatives equality restrictions, which are important when the neural model is used for performing single or multi-objective optimization on-line.

Design of B-spline neural networks using a bacterial programming approach

The design phase of B-spline neural networks represents a very high computational task. For this purpose, heuristics have been developed, but have been shown to be dependent on the initial conditions employed. In this paper a new technique, Bacterial Programming, is proposed, whose principles are based on the replication of the microbial evolution phenomenon. The performance of this approach is illustrated and compared with existing alternatives.

Soft-computing techniques applied to artificial tissue temperature estimation

Tese dout., Engenharia electrónica e computação - Processamento de sinal, Universidade do Algarve, 2008

Paralelização automática de algoritmos matriciais

Tese de dout., Engenharia Electrónica e Computação, Faculdade de Ciências e Tecnologia, Univ. do Algarve, 2003

Processamento de emoções realizado por sujeitos com traumatismo crânio-encefálico

Tese de dout., Psicologia, Faculdade de Ciências Humanas e Sociais, Univ. do Algarve, 2010

The effect of sucrose on protein stability and fibrillation of prion and S6 protein

Aggregation and fibrillation of proteins have a great importance in medicine and industry. Misfolding and aggregation are the basis of many neurodegenerative diseases like Alzheimer and Parkinson. Osmolytes are molecules that can accumulate within cells and act as protective agents and they can inclusively act as protein stabilizers when cells are exposed to stress conditions. Osmolytes can also act as protein stabilizers in vitro. In this work, two different proteins were studied, the ribosomal protein from Thermus thermophilus and the mouse prion protein. The existence of an unstructured N-terminal on the prion protein does not affect its stability. The effect of the osmolyte sucrose on the fibrillation and stabilization of these two proteins was studied through kinectic and equilibrium measurements. It was shown that sucrose is able to compact the native structure of S6 protein in fibrillization conditions. Sucrose affects also folding and unfolding kinetic of S6 protein, delaying unfolding and increasing folding rate constants. The mechanism of stabilization by sucrose is non-specific because it is distributed for all protein structure, as it was demonstrated by a protein engineering approach. Sucrose delays the process of formation and elongation of S6 and prion protein from mouse. This delay is the result of the compaction of the native structure refered above. However, cellular toxicity studies have shown that fibrils formed in the presence of sucrose are more toxic to neuronal cells.

Défices no reconhecimento de expressões faciais emocionais e prosódia emocional nos traumatismos crânio encefálicos

Sujeitos com traumatismo crânio-encefálico (TCE) apresentam frequentemente défices no reconhecimento de emoções, sendo estas dificuldades marcadas principalmente pela existência de uma incapacidade em interpretar pistas não-verbais da emoção. Apesar do reconhecimento de emoções em expressões faciais ser largamente estudado, o mesmo não acontece com o reconhecimento da prosódia emocional e em menor grau com o reconhecimento de emoções pela modalidade audiovisual. A presente investigação utilizou a Florida Affect Battery para examinar o reconhecimento emocional nas modalidades visual, auditiva e audiovisual de 17 sujeitos com TCE (quatro com lesão no hemisfério direito, sete no hemisfério esquerdo e seis com lesão bilateral) e 17 sujeitos sem historial de lesão neurológica. No geral, o grupo TCE apresenta desempenhos inferiores no reconhecimento emocional em comparação com o grupo sem lesão. Um efeito de lateralidade hemisférica no reconhecimento emocional emerge com o grupo esquerdo e bilateral a apresentarem mais dificuldades quando comparados com o grupo sem lesão cerebral. Quando analisado os desempenhos dos sujeitos com TCE, considerando a valência emocional (positiva e negativa), verifica-se que quando a modalidade de apresentação é visual as emoções positivas (i.e. a alegria) são mais facilmente reconhecidas e quando a modalidade de apresentação é auditiva as emoções negativas apresentam uma vantagem no reconhecimento emocional. Adicionalmente, o grupo com lesão á direita apresenta desempenhos inferiores no reconhecimento de emoções positivas, enquanto o grupo esquerdo e bilateral apresenta desempenhos inferiores no reconhecimento de emoções negativas. No global, os resultados não apoiam as teorias da superioridade do hemisfério direito no reconhecimento emocional e nas emoções negativas, sugerindo que o processamento emocional implica uma vasta rede de estruturas neuronais, com envolvimento de ambos os hemisférios.

In vitro blood-brain barrier models to predict the permeation of gene therapy vectors into the brain

A terapia génica tem-se revelado uma alternativa relevante no tratamento de doenças neurodegenerativas (DN). Contudo, a entrega de vetores para transferência génica no cérebro representa ainda um enorme desafio devido à presença da barreira hemato-encefálica (BHE). A BHE é uma interface dinâmica e seletiva entre o sangue e o cérebro, constituída pelas células endoteliais cerebrais, astrócitos e pericitos, desempenhando um importante papel na regulação da homeostasia cerebral. A BHE representa um dos maiores obstáculos no tratamento de DN, uma vez que esta barreira impede o transporte para o cérebro da maioria das moléculas terapêuticas, incluindo os vetores para terapia génica. Embora tenham sido desenvolvidos diferentes modelos in vitro da BHE de forma a avaliar o transporte de fármacos através da BHE, muito poucos foram criados com o intuito de testar a permeabilidade desta barreira a vetores de terapia génica. O presente trabalho teve como objetivo principal o desenvolvimento e a avaliação de modelos in vitro de BHE que permitam a investigação da capacidade dos vetores de terapia génica de penetrarem no cérebro. No nosso estudo, foram testados diferentes modelos in vitro de BHE em monocultura, constituídos por células endoteliais de rato ou murganho (RBE4 e bEnd3, respetivamente), e modelos de co-cultura, que combinam células endoteliais com células neuronais (Neuro2a) ou astrócitos primários, cultivados num sistema transwell. Para caraterizar estes modelos foram realizados testes de permeabilidade e de resistência elétrica transendotelial, bem como estudos baseados na técnica de PCR quantitativo e na imunocitoquímica das proteínas das junções intercelulares. Verificámos que os modelos baseados na cultura de células bEnd3 e células neuronais ou astrócitos apresentavam as melhores propriedades de barreira. Posteriormente foi avaliada nos modelos selecionados a penetração de um vetor não-viral que reconhecidamente tem a capacidade de atravessar in vivo a BHE: o peptídeo da glicoproteína do vírus da raiva (RGV-9r). Os siRNAs marcados com um fluoróforo e acoplados ao peptídeo RVG-9r foram capazes de penetrar eficientemente as células bEnd3, localizadas no lado luminal do insert, via endocitose mediada por recetores, e ainda de penetrar os astrócitos ou células neuronais, previamente cultivadas no lado abluminal. Estes resultados correlacionam-se, de forma clara, com os resultados previamente descritos em estudos in vivo. Em conclusão, os modelos in vitro de BHE baseados na co-cultura de células bEnd3 com células Neuro2a ou astrócitos, têm grande potencial na seleção de candidatos a vetores de terapia génica para o cérebro, uma vez que apresentam importantes características da BHE e se baseiam num método fácil e reprodutível. Tal facto representa uma promessa significativa para a identificação de novas estratégias de terapia génica não invasiva para o tratamento de doenças neurológicas.

Design of neuro-fuzzy models by evolutionary and gradient-based algorithms

All systems found in nature exhibit, with different degrees, a nonlinear behavior. To emulate this behavior, classical systems identification techniques use, typically, linear models, for mathematical simplicity. Models inspired by biological principles (artificial neural networks) and linguistically motivated (fuzzy systems), due to their universal approximation property, are becoming alternatives to classical mathematical models. In systems identification, the design of this type of models is an iterative process, requiring, among other steps, the need to identify the model structure, as well as the estimation of the model parameters. This thesis addresses the applicability of gradient-basis algorithms for the parameter estimation phase, and the use of evolutionary algorithms for model structure selection, for the design of neuro-fuzzy systems, i.e., models that offer the transparency property found in fuzzy systems, but use, for their design, algorithms introduced in the context of neural networks. A new methodology, based on the minimization of the integral of the error, and exploiting the parameter separability property typically found in neuro-fuzzy systems, is proposed for parameter estimation. A recent evolutionary technique (bacterial algorithms), based on the natural phenomenon of microbial evolution, is combined with genetic programming, and the resulting algorithm, bacterial programming, advocated for structure determination. Different versions of this evolutionary technique are combined with gradient-based algorithms, solving problems found in fuzzy and neuro-fuzzy design, namely incorporation of a-priori knowledge, gradient algorithms initialization and model complexity reduction.