Desenvolvimento de redes neurais para previsão de cargas elétricas de sistemas de energia elétrica

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

Aplicação de redes neurais em análise de viabilidade econômica de co-geração de energia elétrica

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

Uma abordagem baseada em redes neurais artificiais para a estimação de densidade de solo

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

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

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

Modelos de regressão aleatória, análise multivariada e redes neurais artificiais na avaliação genética da produção de leite de vacas Holandesas

Pós-graduação em Zootecnia - FCAV

Aplicação de redes neurais no controle de teores de cobre e ouro do depósito de Chapada (GO)

Pós-graduação em Geologia Regional - IGCE

Geoprocessamento e computação inteligente: possibilidades, vantagens e necessidades

Pós-graduação em Geografia - IGCE

Monitoramento e identificação de falhas em estruturas aeronáuticas e mecânicas utilizando técnicas de computação inteligente

Pós-graduação em Engenharia Mecânica - FEIS

Predicting soluble solid content in intact jaboticaba [Myrciaria jaboticaba (Vell.) O. Berg] fruit using near-infrared spectroscopy and chemometrics

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

Proposta de um modelo de dicionário terminológico onomasiológico

The present paper aims at applying a model of bilingual onomasiological terminological dictionary, as proposed by Babini (2001b), for the development of an English-Portuguese and Portuguese-English electronic dictionary of the fundamental Artificial Neural Networks (ANN) terms. This subarea of Artificial Intelligence was chosen due to its use in several technological activities. The onomasiological dictionary is characterized by allowing searches of either lexical or terminological units from its semantic content. Our dictionary model allows two types of search: semasiological and onomasiological. The onomasiological search is made possible by a set of semes or semantic traits that make up the concept of each term in the dictionary.

Seleção de materiais e design: um método com base nas redes neurais artificiais

Pós-graduação em Design - FAAC

Desenvolvimento de um sistema inteligente para o diagnóstico e prognóstico de falhas em sistemas de distribuição de energia elétrica

Pós-graduação em Engenharia Elétrica - FEIS

Combinando sistemas de informação geográfica e redes neurais GMDH para prever densidades demográficas

The aim of this work is to advance a new approach for estimating demographic density, through combining a Geographic Information System with GMDH Neural Networks. The model that is suggested parts the analyzed space into a rectangular grid formed by multiple cells measuring 0.01 km2 each. The forecasts are elaborated based on the demographic density in each cell and in its neighboring cells at a given time. Despite the limited availability of data during the modeling phase, the utilization of this method for studying a Brazilian medium-sized city presented promising results.

Modelos geoidais híbridos para o Estado de São Paulo: desenvolvimento e avaliação

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Utilização dos parâmetros físico-químicos e redes neurais artificiais na identificação dos méis de abelhas (Apis mellifera L.) produzidos no verão e inverno na microrregião de Campos de Jordão, São Paulo

The objective of this work was to typify, through physicochemical parameters, honey from Campos do Jordão’s microrregion, and verify how samples are grouped in accordance with the climatic production seasonality (summer and winter). It were assessed 30 samples of honey from beekeepers located in the cities of Monteiro Lobato, Campos do Jordão, Santo Antonio do Pinhal e São Bento do Sapucaí-SP, regarding both periods of honey production (November to February; July to September, during 2007 and 2008; n = 30). Samples were submitted to physicochemical analysis of total acidity, pH, humidity, water activity, density, aminoacids, ashes, color and electrical conductivity, identifying physicochemical standards of honey samples from both periods of production. Next, we carried out a cluster analysis of data using k-means algorithm, which grouped the samples into two classes (summer and winter). Thus, there was a supervised training of an Artificial Neural Network (ANN) using backpropagation algorithm. According to the analysis, the knowledge gained through the ANN classified the samples with 80% accuracy. It was observed that the ANNs have proved an effective tool to group samples of honey of the region of Campos do Jordao according to their physicochemical characteristics, depending on the different production periods.