Coautoria na produção científica do PPGGeo/UFRGS: uma análise de redes sociais

Neste artigo realizou-se o estudo das redes de colaboração científica formadas a partir de um grupo de pesquisadores ligados ao Programa de Pós-Graduação em Geociências da Universidade Federal do Rio Grande do Sul (PPGGeo/UFRGS), com base na abordagem teórico-metodológica conhecida como análise de redes sociais (ARS), dialogando com conceitos oriundos da Teoria da Prática de Pierre Bourdieu, focando a identificação, caracterização e evolução estrutural das redes de coautoria científica. Três redes foram construídas com base nos dados oriundos dos Cadernos de Indicadores da Capes referentes aos intervalos de 1998-2000, 2001-2003 e 2004-2006. As redes de 1998-2000, 2001-2003 e 2004-2006 apresentaram, respectivamente, 524 atores e 11.296 laços; 576 atores e 14.674 laços; 741 atores e 14.188 laços. Verificou-se que o conjunto dos atores centrais/dominantes nas redes é formado majoritariamente pelos docentes e, em geral, esse conjunto tende a se manter em destaque ao longo dos anos; verificou-se também que há uma reincidência de parcerias na produção do conhecimento científico nas três redes, culminando em uma reprodução social da estrutura da rede de coautoria.

Aplicação dos conceitos de modelagem e de redes de Petri na análise do processo produtivo da indústria sucroalcooleira

A modelagem, como meio de análise de processos do agronegócio, bem como de cadeias produtivas, atende à demanda por métodos apropriados. O presente trabalho objetivou avaliar a aderência dos conceitos de modelagem e de rede de Petri aplicados ao complexo agroindustrial da cana-de-açúcar. Utilizou-se uma empresa real para a aquisição das informações. Os modelos das cadeias de atividades foram validados com o uso da rede de Petri, por meio de um método de análise em que são simulados todos os caminhos possíveis e os estados que o sistema modelado pode atingir. O estudo resultou em 14 conjuntos de etapas de produção, englobando todas as operações unitárias das cadeias produtivas do açúcar e do álcool, desde o plantio da cana até o armazenamento do açúcar e do álcool.

Atributos topográficos e dados do Landsat7 no mapeamento digital de solos com uso de redes neurais

O objetivo deste trabalho foi avaliar variáveis discriminantes no mapeamento digital de solos com uso de redes neurais artificiais. Os atributos topográficos elevação, declividade, aspecto, plano de curvatura e índice topográfico, derivados de um modelo digital de elevação, e os índices de minerais de argila, óxido de ferro e vegetação por diferença normalizada, derivados de uma imagem do Landsat7, foram combinados e avaliados quanto à capacidade de discriminação dos solos de uma área no noroeste do Estado do Rio de Janeiro. Foram utilizados o simulador de redes neurais Java e o algoritmo de aprendizado "backpropagation". Os mapas gerados por cada um dos seis conjuntos de variáveis testados foram comparados com pontos de referência, para a determinação da exatidão das classificações. Esta comparação mostrou que o mapa produzido com a utilização de todas as variáveis obteve um desempenho superior (73,81% de concordância) ao de mapas produzidos pelos demais conjuntos de variáveis. Possíveis fontes de erro na utilização dessa abordagem estão relacionadas, principalmente, à grande heterogeneidade litológica da área, que dificultou o estabelecimento de um modelo de correlação ambiental mais realista. A abordagem utilizada pode contribuir para tornar o levantamento de solos no Brasil mais rápido e menos subjetivo.

Redes neurais artificiais para a modelagem do volume de madeira e biomassa do cerradão com dados de satélite

Resumo:O objetivo deste trabalho foi avaliar a eficácia da aplicação de modelos de análise de regressão e redes neurais artificiais (RNAs) na predição do volume de madeira e da biomassa acima do solo, da vegetação arbórea em área de cerradão. Volume de madeira e biomassa foram estimados com equações alométricas desenvolvidas para a área de estudo. Os índices de vegetação, como variáveis preditoras, foram estimados a partir de imagens do sensor LISS-III, e a área basal foi determinada por medições na floresta. A precisão das equações foi verificada pela correlação entre os valores estimados e observados (r), erro-padrão da estimativa (Syx) e gráfico residual. As equações de regressão para o volume de madeira total e do fuste (0,96 e 0,97 para r, e 11,92 e 9,72% para Syx, respectivamente) e para a biomassa (0,91 e 0,92 para r, e 22,73 e 16,80% para Syx, respectivamente) apresentaram bons ajustes. As redes neurais também apresentaram bom ajuste com o volume de madeira (0,99 e 0,99 para r, e 4,93 e 4,83% para Syx) e a biomassa (0,97 e 0,98 r, e 8,92 e 7,96% para Syx, respectivamente). A área basal e os índices de vegetação foram eficazes na estimativa do volume de madeira e biomassa para o cerradão. Os valores reais de volume de madeira e biomassa não diferiram estatisticamente dos valores estimados pelos modelos de regressão e redes neurais (χ2ns); contudo, as RNAs são mais acuradas.

Redes neurais artificiais para identificar genótipos de feijão-caupi semiprostrado com alta adaptabilidade e estabilidade fenotípicas

Resumo: O objetivo deste trabalho foi verificar a concordância entre as redes neurais artificiais (RNAs) e o método de Eberhart & Russel na identificação de genótipos de feijão-caupi (Vigna unguiculata) com alta adaptabilidade e estabilidade fenotípicas. Utilizou-se o delineamento experimental de blocos ao acaso com quatro repetições. Os tratamentos consistiram de 18 linhagens experimentais e duas cultivares de feijão-caupi. Foram conduzidos quatro ensaios de valor de cultivo e uso nos municípios de Aquidauana, Chapadão do Sul e Dourados, no estado do Mato Grosso do Sul. Os dados de produtividade de grãos foram submetidos às análises de variância individual e conjunta. Em seguida, os dados foram submetidos às análises de adaptabilidade e estabilidade por meio dos métodos de Eberhart & Russell e de RNAs. Houve elevada concordância entre os métodos avaliados quanto à discriminação da adaptabilidade fenotípica dos genótipos de feijão-caupi semiprostrado, o que indica que as RNAs podem ser utilizadas em programas de melhoramento genético. Em ambos os métodos avaliados, os genótipos BRS Xiquexique, TE97-304G-12 e MNC99-542F-5 são recomendados para ambientes desfavoráveis, gerais e favoráveis, respectivamente, por apresentarem produtividade de grãos acima da média geral dos ambientes e alta estabilidade fenotípica.

Redes neurais e suas aplicações em calibração multivariada

Neural Networks are a set of mathematical methods and computer programs designed to simulate the information process and the knowledge acquisition of the human brain. In last years its application in chemistry is increasing significantly, due the special characteristics for model complex systems. The basic principles of two types of neural networks, the multi-layer perceptrons and radial basis functions, are introduced, as well as, a pruning approach to architecture optimization. Two analytical applications based on near infrared spectroscopy are presented, the first one for determination of nitrogen content in wheat leaves using multi-layer perceptrons networks and second one for determination of BRIX in sugar cane juices using radial basis functions networks.

Estudo do estado fundamental de aglomerados de silício via redes neurais

We introduce a global optimization method based on the cooperation between an Artificial Neural Net (ANN) and Genetic Algorithm (GA). We have used ANN to select the initial population for the GA. We have tested the new method to predict the ground-state geometry of silicon clusters. We have described the clusters as a piling of plane structures. We have trained three ANN architectures and compared their results with those of pure GA. ANN strongly reduces the total computational time. For Si10, it gained a factor of 5 in search speed. This method can be easily extended to other optimization problems.

Desempenho físico-químico de metais e estruturas de concreto de redes de distribuição de energia: estudo de caso na região de Manaus

The influence of natural aging furthered by atmospheric corrosion of parts of electric transformers and materials, as well as of concrete poles and cross arms containing corrosion inhibitors was evaluated in Manaus. Results for painted materials, it could showed that loss of specular gloss was more intensive in aliphatic polyurethane points than in acrylic polyurethane ones. No corrosion was observed for metal and concrete samples until 400 days of natural aging. Corrosion in steel reinforcement was noticed in some poles, arising from manufacturing faults, such as low cement content, water/cement ratio, thin concrete cover thickness, etc. The performance of corrosion inhibitors was assessed by many techniques after natural and accelerated aging in a 3.5% saline aqueous solution. The results show the need for better chemical component selection and its concentration in the concrete mixture.

A tabela periódica dos elementos químicos prevista por redes neurais artificiais de Kohonen

Although several chemical elements were not known by end of the 18th century, Mendeleyev came up with an astonishing achievement: the periodic table of elements. He was not only able to predict the existence of (then) new elements but also to provide accurate estimates of their chemical and physical properties. This is certainly a relevant example of the human intelligence. Here, we intend to shed some light on the following question: Can an artificial intelligence system yield a classification of the elements that resembles, in some sense, the periodic table? To achieve our goal, we have fed a self-organized map (SOM) with information available at Mendeleyev's time. Our results show that similar elements tend to form individual clusters. Thus, SOM generates clusters of halogens, alkaline metals and transition metals that show a similarity with the periodic table of elements.

Aplicação de redes neurais artificiais na identificação de gasolinas adulteradas comercializadas na região de Londrina - Paraná

The multilayer perceptron network was used to classify the gasoline. The main parameters used in the classification were established by the Ordinance nº 309 of the Agência Nacional do Petróleo, but without informing the network the legal limits of these parameters. The network used had 10 neurons in a single hidden layer, learning rate of 0.04 and 250 training epochs. The application of artificial neural network served classify 100% of the commercialized gas in the region of Londrina-PR and to identify the tampered gasoline even those suspected of tampering.

Determinação de constituintes químicos em madeira de eucalipto por Pi-CG/EM e calibração multivariada: comparação entre redes neurais artificiais e máquinas de vetor suporte

Multivariate models were developed using Artificial Neural Network (ANN) and Least Square - Support Vector Machines (LS-SVM) for estimating lignin siringyl/guaiacyl ratio and the contents of cellulose, hemicelluloses and lignin in eucalyptus wood by pyrolysis associated to gaseous chromatography and mass spectrometry (Py-GC/MS). The results obtained by two calibration methods were in agreement with those of reference methods. However a comparison indicated that the LS-SVM model presented better predictive capacity for the cellulose and lignin contents, while the ANN model presented was more adequate for estimating the hemicelluloses content and lignin siringyl/guaiacyl ratio.

Uso de redes neurais recorrentes na determinação das constantes de acidez para a 7-epiclusianona em misturas etanol-água

This work propose a recursive neural network to solve inverse equilibrium problem. The acidity constants of 7-epiclusianone in ethanol-water binary mixtures were determined from multiwavelength spectrophotmetric data. A linear relationship between acidity constants and the %w/v of ethanol in the solvent mixture was observed. The proposed method efficiency is compared with the Simplex method, commonly used in nonlinear optimization techniques. The neural network method is simple, numerically stable and has a broad range of applicability.

Redes de colaboração científica na área de química no Brasil: um estudo baseado nas coautorias dos artigos da revista Química Nova

In this paper we built three co-authorship networks displaying the acquaintances between countries, universities and authors that have published papers in Quimica Nova from 1995 to 2008. Our research was conducted applying a bibliometric approach to 1782 papers and over 4200 authors. Centrality measures were used and the most significant actors of each network were pointed out. The results using the centrality metrics and the network structures indicated that Quimica Nova resembles a typical scientific community.

Redes metalorgânicas e suas aplicações em catálise

Metal-organic frameworks (MOFs) form a new class of materials with well-defined yet tunable properties. These are crystalline, highly porous and exhibit strong metal-ligand interactions. Importantly, their physical and chemical properties, including pore size, pore structure, acidity, and magnetic and optical characteristics, can be tailored by choosing the appropriate ligands and metal precursors. Here we review the key aspects of synthesis and characterization of MOFs, focusing on lanthanide-based and vanadium-based materials. We also outline some of their applications in catalysis and materials science.

REDUÇÃO DE VARIÁVEIS DE ENTRADA DE REDES NEURAIS ARTIFICIAIS A PARTIR DE DADOS DE ANÁLISE DE COMPONENTES PRINCIPAIS NA MODELAGEM DE OXIGÊNIO DISSOLVIDO

The objective of this work is to demonstrate the efficient utilization of the Principal Components Analysis (PCA) as a method to pre-process the original multivariate data, that is rewrite in a new matrix with principal components sorted by it's accumulated variance. The Artificial Neural Network (ANN) with backpropagation algorithm is trained, using this pre-processed data set derived from the PCA method, representing 90.02% of accumulated variance of the original data, as input. The training goal is modeling Dissolved Oxygen using information of other physical and chemical parameters. The water samples used in the experiments are gathered from the Paraíba do Sul River in São Paulo State, Brazil. The smallest Mean Square Errors (MSE) is used to compare the results of the different architectures and choose the best. The utilization of this method allowed the reduction of more than 20% of the input data, which contributed directly for the shorting time and computational effort in the ANN training.