Mapeamento da cinemática inversa de um manipulador robótico utilizando redes neurais artificiais configuradas em paralelo

Pós-graduação em Engenharia Elétrica - FEIS

Utilização de análise multivariada e redes neurais artificiais na determinação do comportamento de colonização de populações de macrófitas aquáticas no reservatório de Santana

As análises de agrupamento e de componentes principais e as redes neurais artificiais foram utilizadas na determinação de padrões de comportamento das populações de macrófitas aquáticas que colonizaram o reservatório de Santana, Piraí-RJ, durante o ano de 2004. As análises de agrupamento dividiram o comportamento das populações durante o ano em dois grupos distintos, apresentando um padrão no primeiro semestre que difere daquele observado no segundo semestre do ano. A análise de componentes principais demonstrou que esse comportamento da comunidade (grupo de populações) é influenciado principalmente pelas espécies S. montevidensis, Heteranthera reniformis, Ludwigia sp., Rhynchospora aurea, C. iria, C. ferax e Aeschynomene denticulata no primeiro grupo e por Echinochloa polystachya, Polygonum lapathifolium, Alternanthera phyloxeroides, Pistia stratiotes, Eichhornia azurea, Brachiaria arrecta e Oxyscarium cubense no segundo grupo. As redes neurais artificiais agruparam as populações de macrófitas aquáticas em nove grupos, conforme sua densidade nos diferentes meses do ano. A aplicação da análise de componentes principais (ACP) nos valores de frequência das populações presentes nos primeiros três grupos de Kohonen permitiu discriminar três grupos de meses, cujas populações apresentaram características diferentes de colonização. A aplicação das redes neurais artificiais permitiu melhor discriminação dos meses e das espécies que compõem as comunidades correspondentes, quando utilizada a análise de componentes principais.

Aquatic weed automatic classification using machine learning techniques

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

EFFICIENT FAULT LOCATION IN UNDERGROUND DISTRIBUTION SYSTEMS THROUGH OPTIMUM-PATH FOREST

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

Efficient supervised optimum-path forest classification for large datasets

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

Application of intelligent systems for specification of automotive equipments using LEDs

The advantages offered by the electronic component light emitting diode ( LED) have caused a quick and wide application of this device in replacement of incandescent lights. However, in its combined application, the relationship between the design variables and the desired effect or result is very complex and it becomes difficult to model by conventional techniques. This work consists of the development of a technique, through artificial neural networks, to make possible to obtain the luminous intensity values of brake lights using LEDs from design data. (C) 2005 Elsevier B.V. All rights reserved.

A novel intelligent system to nitrogen content prediction in plants using indirect chlorophyll measurements

The accurate identification of the nitrogen content in plants is extremely important since it involves economic aspects and environmental impacts, Several experimental tests have been carried out to obtain characteristics and parameters associated with the health of plants and its growing. The nitrogen content identification in plants involves a lot of non-linear parameters and complexes mathematical models. This paper describes a novel approach for identification of nitrogen content thought SPAD index using artificial neural networks (ANN). The network acts as identifier of relationships among, crop varieties, fertilizer treatments, type of leaf and nitrogen content in the plants (target). So, nitrogen content can be generalized and estimated and from an input parameter set. This approach can form the basis for development of an accurate real time system to predict nitrogen content in plants.

An efficient Hopfield network to solve economic dispatch problems with transmission system representation

Economic dispatch (ED) problems have recently been solved by artificial neural network approaches. Systems based on artificial neural networks have high computational rates due to the use of a massive number of simple processing elements and the high degree of connectivity between these elements. The ability of neural networks to realize some complex non-linear function makes them attractive for system optimization. All ED models solved by neural approaches described in the literature fail to represent the transmission system. Therefore, such procedures may calculate dispatch policies, which do not take into account important active power constraints. Another drawback pointed out in the literature is that some of the neural approaches fail to converge efficiently toward feasible equilibrium points. A modified Hopfield approach designed to solve ED problems with transmission system representation is presented in this paper. The transmission system is represented through linear load flow equations and constraints on active power flows. The internal parameters of such modified Hopfield networks are computed using the valid-subspace technique. These parameters guarantee the network convergence to feasible equilibrium points, which represent the solution for the ED problem. Simulation results and a sensitivity analysis involving IEEE 14-bus test system are presented to illustrate efficiency of the proposed approach. (C) 2004 Elsevier Ltd. All rights reserved.

Resolvendo problemas de fluxo de potência ótimo DC através de uma rede de hopfield modificada

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

A computational tool to assist the analysis of the transformer behavior related to lightning

This paper proposes the application of computational intelligence techniques to assist complex problems concerning lightning in transformers. In order to estimate the currents related to lightning in a transformer, a neural tool is presented. ATP has generated the training vectors. The input variables used in Artificial Neural Networks (ANN) were the wave front time, the wave tail time, the voltage variation rate and the output variable is the maximum current in the secondary of the transformer. These parameters can define the behavior and severity of lightning. Based on these concepts and from the results obtained, it can be verified that the overvoltages at the secondary of transformer are also affected by the discharge waveform in a similar way to the primary side. By using the tool developed, the high voltage process in the distribution transformers can be mapped and estimated with more precision aiding the transformer project process, minimizing empirics and evaluation errors, and contributing to minimize the failure rate of transformers. (C) 2011 Elsevier Ltd. All rights reserved.

Structural FRF acquisition via electric impedance measurement applied to damage location

Continuing development of new materials makes systems lighter and stronger permitting more complex systems to provide more functionality and flexibility that demands a more effective evaluation of their structural health. Smart material technology has become an area of increasing interest in this field. The combination of smart materials and artificial neural networks can be used as an excellent tool for pattern recognition, turning their application adequate for monitoring and fault classification of equipment and structures. In order to identify the fault, the neural network must be trained using a set of solutions to its corresponding forward Variational problem. After the training process, the net can successfully solve the inverse variational problem in the context of monitoring and fault detection because of their pattern recognition and interpolation capabilities. The use of structural frequency response function is a fundamental portion of structural dynamic analysis, and it can be extracted from measured electric impedance through the electromechanical interaction of a piezoceramic and a structure. In this paper we use the FRF obtained by a mathematical model (FEM) in order to generate the training data for the neural networks, and the identification of damage can be done by measuring electric impedance, since suitable data normalization correlates FRF and electrical impedance.

A preparação de material terminológico em língua inglesa por meio de ferramentas linguístico-computacionais

O objetivo desse estudo é demonstrar, por meio de análise quantitativa e qualitativa, a eficácia de ferramentas linguístico-computacionais na seleção de terminologia para a produção de material terminológico. Serão apresentadas duas ferramentas linguístico-computacionais (WordSmith Tools e VocabProfile) e, também, sugestões para que o ensino de termos ofereça resultados práticos. A fundamentação teórico-metodológica recorreu a Barros (2004); Berber Sardinha (2000; 2005); Biderman (2001); Cabré (2007); Cobb (2007); Nation, (2003) e Sinclair (2004). O corpus da pesquisa foi constituído exclusivamente de material escrito na língua inglesa em diversas áreas de especialidade. Os procedimentos de preparação de material terminológico são exemplificados a partir de uma das áreas de especialidades utilizadas nos corpora de pesquisa, as Redes Neurais Artificiais. Os resultados obtidos indicam que a utilização do Wordsmith Tools juntamente com o VocabProfile pode fornecer dados importantes para a pesquisa linguistica.

Limits on anomalous couplings from Higgs boson production at the Tevatron

We estimate the attainable limits on the coefficients of dimension-6 operators from the analysis of Higgs boson phenomenology, in the framework of a SUL(2) x U-Y(1) gauge-invariant effective Lagrangian. Our results, based on the data sample already collected by the collaborations at Fermilab Tevatron, show that the coefficients of Higgs-vector boson couplings can be determined with unprecedented accuracy. Assuming that the coefficients of all blind operators are of the same magnitude, we are also able to impose more restrictive bounds on the anomalous vector-boson triple couplings than the present limit from double gauge boson production at the Tevatron collider.

Uma abordagem usando redes neurais artificiais para resolução de problemas de otimização restrita

Sistemas baseados em redes neurais artificiais fornecem altas taxas de computação devido ao uso de um número massivo de elementos processadores simples. Redes neurais com conexões realimentadas fornecem um modelo computacional capaz de resolver uma rica classe de problemas de otimização. Este artigo apresenta uma nova abordagem para resolver problemas de otimização restrita utilizando redes neurais artificiais. Mais especificamente, uma rede de Hopfield modificada é desenvolvida cujos parâmetros internos são calculados usando a técnica de subespaço válido de soluções. A partir da obtenção destes parâmetros a rede tende a convergir aos pontos de equilíbrio que representam as possíveis soluções para o problema. Exemplos de simulação são apresentados para justificar a validade da abordagem proposta.

Estimativa de ocorrência de precipitação em áreas agrícolas utilizando floresta de caminhos ótimos

As condições meteorológicas são determinantes para a produção agrícola; a precipitação, em particular, pode ser citada como a mais influente por sua relação direta com o balanço hídrico. Neste sentido, modelos agrometeorológicos, os quais se baseiam nas respostas das culturas às condições meteorológicas, vêm sendo cada vez mais utilizados para a estimativa de rendimentos agrícolas. Devido às dificuldades de obtenção de dados para abastecer tais modelos, métodos de estimativa de precipitação utilizando imagens dos canais espectrais dos satélites meteorológicos têm sido empregados para esta finalidade. O presente trabalho tem por objetivo utilizar o classificador de padrões floresta de caminhos ótimos para correlacionar informações disponíveis no canal espectral infravermelho do satélite meteorológico GOES-12 com a refletividade obtida pelo radar do IPMET/UNESP localizado no município de Bauru, visando o desenvolvimento de um modelo para a detecção de ocorrência de precipitação. Nos experimentos foram comparados quatro algoritmos de classificação: redes neurais artificiais (ANN), k-vizinhos mais próximos (k-NN), máquinas de vetores de suporte (SVM) e floresta de caminhos ótimos (OPF). Este último obteve melhor resultado, tanto em eficiência quanto em precisão.