Previsão de carga multinodal usando a rede neural ART-ARTMAP fuzzy

Pós-graduação em Engenharia Elétrica - FEIS

Analisando a determinação sexual de vertebrados com base em redes de interação entre proteínas

Pós-graduação em Ciências Biológicas (Genética) - IBB

Sistema de controle baseado em lógica fuzzy para regulagem de temperatura em aquecedor de óleo térmico da planta de anodo verde da Albrás

Neste trabalho são apresentados os resultados de uma técnica que permitiu implementar a estratégia de controle de temperatura do aquecedor de óleo térmico da fabrica de Anodo Verde da Albrás Alumínio Brasileiro S/A. No projeto utilizou-se um sistema hierarquizado baseado em conjuntos e lógica Fuzzy. O uso dessa metodologia fez com que o sistema fosse capaz de reagir adequadamente diante das variações do ponto de operação do aquecedor, pois o controle Fuzzy exibe algumas características do aprendizado humano, sendo considerado um exemplo de inteligência artificial. O aquecedor de óleo térmico é fundamental no processo de fabricação de blocos inódicos, utilizados como pólo positivo no processo de eletrólise na obtenção do alumínio primário. O sistema de óleo térmico aquece os misturadores e pré-aquecedor de coque, mantendo a temperatura desses equipamentos dentro dos limites estabelecidos pela engenharia de processo. A variável temperatura impacta diretamente na energia de mistura da pasta e na qualidade do produto final, que é o bloco anódico. A metodologia apresentada permitiu alcançar um controle de temperatura que atendeu satisfatoriamente os parâmetros de processo. O programa foi desenvolvido em linguagem ladder é executado em controladores lógicos programáveis (CLP’S) da Rockwell Automation. O controle já está em plena operação nas fábricas de anodos e os resultados obtidos demonstram a eficácia e viabilidade do sistema, que futuramente estará sendo implementado no controle de outros equipamentos da Albrás.

Redes neurais aplicadas em processos de usinagem da madeira

Pós-graduação em Engenharia Mecânica - FEG

Geoprocessamento e computação inteligente: possibilidades, vantagens e necessidades

Pós-graduação em Geografia - IGCE

Estatística espacial e redes neurais aplicadas no estudo de epidemias de huanglongbing e mancha preta na cultura dos citros

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Redes neurais artificiais aplicadas à manutenção baseada na condição

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Contribuições na modelagem dinâmica e no controle neural de um braço robótico com elos flexíveis

Em geral, estruturas espaciais e manipuladores robóticos leves têm uma característica similar e inerente que é a flexibilidade. Esta característica torna a dinâmica do sistema muito mais complexa e com maiores dificuldades para a análise de estabilidade e controle. Então, braços robóticos bastantes leves, com velocidade elevada e potencia limitada devem considerar o controle de vibração causada pela flexibilidade. Por este motivo, uma estratégia de controle é desejada não somente para o controle do modo rígido mas também que seja capaz de controlar os modos de vibração do braço robótico flexível. Também, redes neurais artificiais (RNA) são identificadas como uma subespecialidade de inteligência artificial. Constituem atualmente uma teoria para o estudo de fenômenos complexos e representam uma nova ferramenta na tecnologia de processamento de informação, por possuírem características como processamento paralelo, capacidade de aprendizagem, mapeamento não-linear e capacidade de generalização. Assim, neste estudo utilizam-se RNA na identificação e controle do braço robótico com elos flexíveis. Esta tese apresenta a modelagem dinâmica de braços robóticos com elos flexíveis, 1D no plano horizontal e 2D no plano vertical com ação da gravidade, respectivamente. Modelos dinâmicos reduzidos são obtidos pelo formalismo de Newton-Euler, e utiliza-se o método dos elementos finitos (MEF) na discretização dos deslocamentos elásticos baseado na teoria elementar da viga. Além disso, duas estratégias de controle têm sido desenvolvidas com a finalidade de eliminar as vibrações devido à flexibilidade do braço robótico com elos flexíveis. Primeiro, utilizase um controlador neural feedforward (NFF) na obtenção da dinâmica inversa do braço robótico flexível e o calculo do torque da junta. E segundo, para obter precisão no posicionamento... (Resumo completo, clicar acesso eletrônico abaixo)

Interação humano-tv digital (IHTVD) e interatividade

With the development of Digital TV, the equipments are becoming more and more modernized in order to popular- ize the information that soon might reach all Brazilian families. That way, we open a space for discussion about the many directions that the usability applied on ISDB-Tb interactivity (Brazilian System of Digital Television) can take. This paper approaches the questions connected to the concept of usability and also the subjects related to the life cycle of some technologies (existence time, obsolescence) Also talks with the definition of interactivityon Digital Television since it is responsible for the emergence of a new contingent of interacting people which goes from the computer and portable equipments users to the passive TV viewers. It’s possible to conclude that the Human-Digital TV Interaction (HDTVI) comprehends the synergy between three actants on Digital TV: the col- lective (or not) TV viewer; the interface and the issuer who can be represented by an Artificial Intelligence (AI) service.

Um modelo cognitivo baseado na atenção para consciência em robôs inteligentes

Understanding consciousness is one of the most fascinating challenges of our time. From ancient civilizations to modern philosophers, questions have been asked on how one is conscious of his/her own existence and about the world that surrounds him/her. Although there is no precise definition for consciousness, there is an agreement that it is strongly related to human cognitive processes such as: thinking, reasoning, emotions, wishes. One of the key processes to the arising of the consciousness is the attention, a process capable of promoting a selection of a few stimuli from a huge amount of information that reaches us constantly. Machine consciousness is the field of the artificial intelligence that investigate the possibility of the production of conscious processes in artificial devices. This work presents a review about the theme of consciousness - in both natural and artificial aspects -, discussing this theme from the philosophical and computational perspectives, and investigates the feasibility of the adoption of an attentional schema as the base to the cognitive processing. A formal computational model is proposed for conscious agents that integrates: short and long term memories, reasoning, planning, emotion, decision making, learning, motivation and volition. Computer experiments in a mobile robotics domain under USARSim simulation environment, proposed by RoboCup, suggest that the agent can be able to use these elements to acquire experiences based on environment stimuli. The adoption of the cognitive architecture over the attentional model has potential to allow the emergence of behaviours usually associated to the consciousness in the simulated mobile robots. Further implementation under this model could potentially allow the agent to express sentience, selfawareness, self-consciousness, autonoetic consciousness, mineness and perspectivalness. By performing computation over an attentional space, the model also allows the ...

Recent trends in intelligent data analysis

European Regional Development Fund

Evolving decision trees with beam search-based initialization and lexicographic multi-objective evaluation

Decision tree induction algorithms represent one of the most popular techniques for dealing with classification problems. However, traditional decision-tree induction algorithms implement a greedy approach for node splitting that is inherently susceptible to local optima convergence. Evolutionary algorithms can avoid the problems associated with a greedy search and have been successfully employed to the induction of decision trees. Previously, we proposed a lexicographic multi-objective genetic algorithm for decision-tree induction, named LEGAL-Tree. In this work, we propose extending this approach substantially, particularly w.r.t. two important evolutionary aspects: the initialization of the population and the fitness function. We carry out a comprehensive set of experiments to validate our extended algorithm. The experimental results suggest that it is able to outperform both traditional algorithms for decision-tree induction and another evolutionary algorithm in a variety of application domains.

Hierarchical multi-label classification using local neural networks

Hierarchical multi-label classification is a complex classification task where the classes involved in the problem are hierarchically structured and each example may simultaneously belong to more than one class in each hierarchical level. In this paper, we extend our previous works, where we investigated a new local-based classification method that incrementally trains a multi-layer perceptron for each level of the classification hierarchy. Predictions made by a neural network in a given level are used as inputs to the neural network responsible for the prediction in the next level. We compare the proposed method with one state-of-the-art decision-tree induction method and two decision-tree induction methods, using several hierarchical multi-label classification datasets. We perform a thorough experimental analysis, showing that our method obtains competitive results to a robust global method regarding both precision and recall evaluation measures.

A semi-supervised classification technique based on interacting forces

Semi-supervised learning is a classification paradigm in which just a few labeled instances are available for the training process. To overcome this small amount of initial label information, the information provided by the unlabeled instances is also considered. In this paper, we propose a nature-inspired semi-supervised learning technique based on attraction forces. Instances are represented as points in a k-dimensional space, and the movement of data points is modeled as a dynamical system. As the system runs, data items with the same label cooperate with each other, and data items with different labels compete among them to attract unlabeled points by applying a specific force function. In this way, all unlabeled data items can be classified when the system reaches its stable state. Stability analysis for the proposed dynamical system is performed and some heuristics are proposed for parameter setting. Simulation results show that the proposed technique achieves good classification results on artificial data sets and is comparable to well-known semi-supervised techniques using benchmark data sets.