Análise de superfícies de peças retificadas com o uso de redes neurais artificiais

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Uma análise da infestação por plantas aquáticas utilizando imagens multiescala e redes neurais artificiais

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Análise de eventos de segurança em redes de computadores utilizando detecção de novidade

Pós-graduação em Ciência da Computação - IBILCE

Proposta de uma abordagem para análise dos relacionamentos em redes de ensino: uma aplicação na Faculdade de Tecnologia de Garça/SP

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Otimização multiobjetivo na análise da integração de geração distribuída às redes de distribuição

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Desenvolvimento de um sistema para análise da estabilidade transitória de sistemas de energia elétrica via redes neurais

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

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

Pós-graduação em Engenharia Elétrica - FEIS

Análise dinâmica de contingências de sistemas de energia elétrica por redes neurais baseadas na teoria da ressonância adaptativa

Pós-graduação em Engenharia Elétrica - FEIS

Aplicação de redes neurais artificiais na análise de dados de molhamento foliar por orvalho

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Processamento digital de imagens para identificação da sigatoka negra em bananais utilizando análise de componentes principais e redes neurais artificiais

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

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

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

Análise de estabilidade transitória de sistemas elétricos por redes neurais ARTMAP nebulosas modulares

Pós-graduação em Engenharia Elétrica - FEIS

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

Análise de modelos troposféricos no posicionamento baseado em redes usando o conceito de VRS

In the past few years several GPS (Global Position System) positioning techniques have been develope and/or improved with the goal of obtaining high accuracy and productivity in real time. The reference station network concept besides to enabling quality and reliability in positioning for scientific and civil GPS community, allows studies concerning tropospheric refraction modeling in the network region. Moreover, among the network corrections transmission methods available to users, there is the VRS (Virtual Reference Station) concept. In this method, the data of a virtual station are generated near the rover receiver (user). This provides a short baseline and the user has the possibility of using a single frequency receiver to accomplish the relative positioning. In this paper, the methodology applied to generate VRS data, using different tropospheric models is described. Thus, comparative tests were conducted in the four seasons with the NWP/INPE (Numerical Weather Prediction/National Institute for Space Research) and Hopfield tropospheric models. In order to analyse the VRS data quality, it was used the Precise Point Positioning (PPP) method, where satisfactory results were found. Mean differences between PNT/INPE and Hopfield models of 9.75% and 24.2% for the hydrostatic and wet days, respectively were obtained.

Proposta para a estimativa da acurácia de redes geodésicas horizontais integrando análise de robustez e de covariância

The goal of this paper is to present a methodology for quality control of horizontal geodetic networks through robustness and covariance analysis. In the proposed methodology, the positional accuracy of each point is estimated by a possible bias in their position (based on robustness analysis), in addition to its own positional precision (uncertainty) (through covariance analysis), being a measure independently from the choice of the datum. Besides presenting the theoretical development of the method, its application is demonstrated in a numerical example. The results indicate that, in general, the greater the distance of an unknown point to the control(s) point(s) of the network, the greater is the propagation of random errors on this unknown point, and the smaller the number of redundant observations around a unknown point, the greater the influence of possible (undetected) non-random errors on this point.