Soft-computing techniques applied to artificial tissue temperature estimation

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

Fuzzy model identification by evolutionary, gradient based and memtic algorithms

One of the crucial problems of fuzzy rule modeling is how to find an optimal or at least a quasi-optimal rule base fro a certain system. In most applications there is no human expert available, or, the result of a human expert's decision is too much subjective and is not reproducible, thus some automatic method to determine the fuzzy rule base must be deployed.

Hydrodynamic and sediment fluxes through the inlets of the Ria Formosa

Tese de dout., Ciências do Mar, da Terra e do Ambiente (Ciências do Mar-Oceanografia Física), Faculdade de Ciências e Tecnologia, Univ. do Algarve, 2011

Primary production in systems subject to natural and anthropogenic eutrophication

Tese dout., Química, Universidade do Algarve, 2005

Sistemas de antenas MIMO

Os sistemas de rádio comunicação com múltiplas antenas transmissoras (Tx) e receptoras (Rx), também conhecidos como sistemas MIMO (Multiple Input-Multiple Output), são um dos mais importantes avanços nos sistemas de telecomunicações. Estes sistemas tiram vantagem do uso de várias antenas transmissoras e várias antenas receptoras para explorar as propriedades espaciais do canal rádio. O crescimento dramático da capacidade dos canais que os sistemas MIMO vêm acrescentar, faz com que esta tecnologia seja promissora para os futuros serviços de Internet Wireless. Estes sistemas MIMO utilizam diversidade espacial, ou seja, tiram partido da natureza aleatória da propagação das ondas através do multipercurso e na qual réplicas de um sinal são combinadas no receptor com o intuito de se obter maior fiabilidade na detecção desse sinal. Assim sendo, um canal MIMO é o meio por onde se propaga a informação transmitida por este conjunto de antenas. O conceito inerente aos sistemas MIMO passa por combinar os sinais emitidos e recebidos de modo que seja possível melhorar a performance do sistema. Esta melhoria de desempenho irá reflectir-se na maximização dos ritmos de transmissão associados e na melhoria da qualidade de serviço oferecida ao cliente final. Esta tecnologia tem sido aprofundada com o objectivo de se resolver o problema de estrangulamento da capacidade de tráfego nas futuras redes de telecomunicações sem fios. Isto é extremamente importante em sistemas onde a capacidade é bastante limitada devido às características do ambiente de propagação. Existe portanto, um grande interesse em comparar o comportamento, características, vantagens e desvantagens dos vários tipos de sistemas existentes (SISO - Single Input - Single Output, SIMO - Single Input - Multiple Output, MISO - Multiple Input - Single Output, MIMO - Multiple Input - Multiple Output). Torna-se então necessário o estudo dos sistemas de antenas Multiple Input - Multiple Output (MIMO) e as suas vantagens/desvantagens na transmissão de informação relativamente aos sistemas Single Input - Single Output (SISO). Este estudo vem comprovar que a tecnologia MIMO é uma evolução natural para as tecnologias sem fios, visto que existe uma crescente demanda de serviços multimédia e um esforço constante para se aumentar as taxas de transmissão nas redes sem fios. Os sistemas MIMO vêm também dar um enorme contributo à investigação nesta área das telecomunicações.

Fuzzy rule extraction from input/output data

Several alternative approaches have been discussed: Levenberg-Marquardt - no satisfactory convergence speed + local minimum, Bacterial algorithm - problems with large dimensionality (speed), Clustering - no safe criterion for number of clusters + dimentionality problem.

Bacterial algorithm applied for fuzzy rule extraction

This paper presents a method of using the so-colled "bacterial algorithm" (4,5) for extracting a fuzzy rule base from a training set. The bewly proposed bacterial evolutionary algorithm (BEA) is shown. In our application one bacterium corresponds to a fuzzy rule system.

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.

An autonomous system for ocean acoustic tomography

Vertical line arrays (VLA) are a widely used apparatus in underwater acoustics with applications in sonar prediction, underwater communications and acoustic tomography, among others. Recent developments in digital electronics and communications allow for off-the-shelf development of VLA systems, with a large number of embedded acoustic and non-acoustic sensors able to fulfill application requirements, as opposed to single or few receiver configurations available until only a few years ago. Very often, the flexibility in water column sampling is achieved by splitting the VLA into modules that can be assembled according to the application. Such systems can be deployed and recovered from small vessels with a shorthanded crew, and make it possible for research labs with reduced budgets and operational means (ships and manpower) to gain control over the whole development process, from data acquisition to post-processing.