A utilização de uma rede neural artificial para previsão da incidência da malária no município de Cantá, estado de Roraima

INTRODUÇÃO: A malária é uma doença endêmica na Amazônia Legal Brasileira, apresentando riscos diferentes para cada região. O Município de Cantá, no Estado de Roraima, apresentou para todo o período estudado, um dos maiores índices parasitários anuais do Brasil, com valor sempre maior que 50. O presente estudo visa à utilização de uma rede neural artificial para previsão da incidência da malária nesse município, a fim de auxiliar os coordenadores de saúde no planejamento e gestão dos recursos. MÉTODOS: Os dados foram coletados no site do Ministério da Saúde, SIVEP - Malária entre 2003 e 2009. Estruturou-se uma rede neural artificial com três neurônios na camada de entrada, duas camadas intermediárias e uma camada de saída com um neurônio. A função de ativação foi à sigmoide. No treinamento, utilizou-se o método backpropagation, com taxa de aprendizado de 0,05 e momentum 0,01. O critério de parada foi atingir 20.000 ciclos ou uma meta de 0,001. Os dados de 2003 a 2008 foram utilizados para treinamento e validação. Comparam-se os resultados com os de um modelo de regressão logística. RESULTADOS: Os resultados para todos os períodos previstos mostraram-se que as redes neurais artificiais obtiveram um menor erro quadrático médio e erro absoluto quando comparado com o modelo de regressão para o ano de 2009. CONCLUSÕES: A rede neural artificial se mostrou adequada para um sistema de previsão de malária no município estudado, determinando com pequenos erros absolutos os valores preditivos, quando comparados ao modelo de regressão logística e aos valores reais.

PREVISÃO DA ENERGIA EÓLICA - SANTIAGO - CABO VERDE

Neste trabalho procura-se utilizar modelos de previsão de séries temporais para prever a produção da energia elétrica a partir da energia eólica em Cabo Verde, particularmente na ilha de Santiago. É um problema que tem recebido especial atenção dos pesquisadores nos últimos anos. Prever o futuro, e em especial o comportamento de séries temporais, é fundamental em análises e apoio à tomada de decisões, e continua sendo um desafio para a estatística e para computação. Foram utilizados modelos, Holt-Winters, ARIMA e redes neuronais artificiais, Função de Base Radial (RNAs-RBF) e Perceptron de múltiplas camadas (RNAs- MLP). O modelo Holt-Winters é um modelo de previsão exponencial, conhecido por lidar com elementos de tendência e sazonalidade de uma série temporal. O modelo ARIMA que possui apenas uma variável, descreve o comportamento de uma variável em termos de seus valores passados. As redes neurais têm-se mostrado grandes ferramentas na aplicação de previsões de séries temporais. Neste contexto, neste trabalho propõe-se a realização de uma análise comparativa desses modelos não-lineares para a previsão, tentando encontrar qual o modelo que melhor se adapta à série temporal. Todo o trabalho foi realizado com recurso ao programa estatístico R versão 3.0.1 (2013-05- 16)

NetErosividade MG: erosividade da chuva em Minas Gerais

A erosividade da chuva é um índice numérico que expressa a capacidade das chuvas em provocar erosão hídrica no solo. O presente trabalho teve por objetivo desenvolver um programa computacional para estimar os valores da erosividade da chuva no Estado de Minas Gerais com base em redes neurais artificiais (RNAs). O valor anual da erosividade da chuva é obtido pelo somatório dos valores mensais dos índices de erosividade EI30 ou KE > 25. Foram utilizados para cálculo de cada um desses índices dois métodos de obtenção da energia cinética de precipitação pluvial. Dessa maneira, obtiveram-se quatro valores de erosividade para cada mês, totalizando o desenvolvimento de 48 redes. As RNAs desenvolvidas foram implementadas no ambiente de programação Borland Delphi 7.0. O programa computacional desenvolvido foi denominado NetErosividade MG. O programa fornece, de forma fácil e rápida, os valores mensais e anual da erosividade da chuva para qualquer localidade do Estado de Minas Gerais.

Sociedade da informação e inteligência em unidades de informação

Aborda o conceito de inteligência competitiva aplicada a unidades de informação. Discute a atuação da unidade de informação no contexto da sociedade da informação, propondo a abordagem da inteligência competitiva para o monitoramento ambiental de informações e adequação organizacional ao contexto. Sugere a estruturação de um sistema de inteligência com utilização de ferramentas de tratamento e agregação de valor à informação apropriadas. Cita exemplo de utilização de sistema de inteligência competitiva em unidade de informação, que pode ser replicado, ou usado como exemplo, por outras unidades de informação.

Crescimento e produção de plantios comerciais de eucalipto estimados por duas categorias de modelos

O objetivo deste trabalho foi avaliar e comparar duas categorias de modelos de crescimento e produção em plantios comerciais de eucalipto. Para isso, foram ajustados um modelo de crescimento e produção para povoamento e outro para árvore individual, por meio de equações simultâneas e redes neurais artificiais, respectivamente. O volume de madeira por área foi estimado em diferentes idades e classes de produtividade. Foram avaliados dados de 63 parcelas permanentes de plantios clonais, não desbastados, do híbrido Eucalyptus grandis x E. urophylla, com os dados de 33 parcelas utilizados para o ajuste do modelo e o treinamento das redes neurais, e os das 30 parcelas restantes, para a validação dos modelos. As duas categorias de modelos ajustaram-se bem aos dados observados. No entanto, na validação dos modelos com dados independentes, o volume de madeira por área foi mais bem estimado com o modelo para árvore individual.

Modelagem da distribuição diamétrica em povoamentos de eucalipto submetidos a desbaste utilizando autômatos celulares

Este estudo apresenta um modelo de distribuição diamétrica baseado em um modelo de Autômatos celulares (AC) unidimensionais e redes neurais artificiais (RNA) para a simulação de desbaste. Cada célula do AC proposto representa uma classe de dap, sendo o estado futuro previsto em função do estado atual dessa célula, do estado de suas quatro células vizinhas e de sua idade atual e futura. Como regra de evolução, utilizou-se uma RNA. A exatidão foi avaliada empregando-se o procedimento estatístico L relação entre frequências observada e estimada e realismo biológico do modelo construído. Entre as redes treinadas, foram selecionadas as 10 que representavam a evolução da distribuição diamétrica com maior exatidão. Entre essas 10 RNA, sete apresentaram valores estimados estatisticamente iguais aos observados (p>0,01). O enfoque de modelagem proposto permite estimar distribuições diamétricas futuras com exatidão.

Mapeamento de fragmentos florestais com monodominância de aroeira a partir da classificação supervisionada de imagens Rapideye

A espécie florestal Myracrodruon urundeuva (Fr. All.) figura desde 1992 na lista de espécies da flora brasileira ameaçadas de extinção e, contudo, manifesta comportamento monodominante em algumas regiões do Estado de Minas Gerais, sobretudo na região do Médio Rio Doce. Este trabalho teve por objetivo comparar métodos de classificação supervisionada de imagens Rapideye para mapeamento de fragmentos florestais monodominados por Myracrodruon urundeuva em Tumiritinga, MG. Foram avaliadas a classificação pelo algoritmo da Maximaverossimilhança (Maxver) e a classificação por Redes Neurais Artificiais (RNA). Foram testadas 19 combinações envolvendo diferentes bandas, componentes principais e o índice de vegetação da diferença normalizada para a classificação da imagem Rapideye. O treinamento da rede foi realizado variando-se a taxa de aprendizado, o número de interações e o número de neurônios na camada interna. A avaliação dos mapas temáticos produzidos foi realizada através dos índices Kappa e Kappa condicional para a classe de uso do solo "aroeira" e pela análise das Matrizes de Confusão. O método que apresentou melhor desempenho foi a classificação de todas as bandas da imagem Rapideye pelo algoritmo Maxver, apresentando coeficientes Kappa 80 e Kappa condicional 90. O mapa temático gerado teve exatidão do usuário igual a 93% e exatidão do produtor igual a 90%, sendo as maiores confusões do classificador para a classe Aroeira Monodominante acometidas entre as classes Mata Nativa e Pasto Manejado. Da imagem temática produzida, extraiu-se a informação de que 22% do Município de Tumiritinga se encontrava sob ocupação da aroeira em monodominância. A análise do uso e cobertura do solo no município não retrata, na região de estudo, o quadro anunciado de espécie ameaçada de extinção, no qual M. urundeuva se encontra.

Análise da trafegabilidade em estradas florestais utilizando métodos computacionais

As estradas florestais são o principal meio de integração entre as florestas e as empresas. A partir do exposto, percebe-se a necessidade não apenas da correta aplicação de atividades de manutenção, mas também de se determinar o tempo exato para tal intervenção. Partindo desse pressuposto, este trabalho apresenta os resultados da apreciação de dois métodos de classificação da qualidade de estradas não pavimentadas, com o intuito de se verificar a aplicabilidade dos mesmos na caracterização das estradas florestais brasileiras e servir como base para um sistema de gestão das operações de manutenção destas vias. Foram medidos os principais defeitos em estradas florestais seguindo um método denominado de Índice de Condição de Rodovia Não Pavimentada (ICRNP), que serviram de base para gerar um banco de dados para testar a eficiência do uso de redes neurais artificiais (RNA) na administração das estradas florestais, minimizando custos e paralisações de tráfego. Concluiu-se que a utilização das redes neurais artificiais apresentou resultados superiores ao método do ICRNP.

MÉTODOS PARA ESTIMAR O VOLUME DE FUSTES E GALHOS NA FLORESTA NACIONAL DO TAPAJÓS1

RESUMO Objetivou-se aplicar e avaliar métodos para estimar múltiplos volumes em uma Área de Manejo Comunitário, localizada na Floresta Nacional do Tapajós. Foram cubadas, rigorosamente, 516 árvores-amostra de 21 espécies comerciais, todas com 50 cm > dap < 160 cm. Utilizaram-se o modelo único para múltiplos volumes (análise de regressão) proposto por Leite et al. (1995) e redes neurais artificiais (RNA) para a estimativa do volume de fuste e galhos. Após os resultados preliminares usando o método de regressão, optou-se por separar os dados em três estratos, considerando a relação volume de galhos em razão do volume de fuste comercial. As equações geradas por estratos apresentaram melhoria nos ajustes, mas os resultados obtidos pela RNA foram melhores que os pelas equações de regressão.

Sistemas complexos: novas formas de ver a Botânica

Uma parte da ciência denominada Complexidade vem se desenvolvendo rapidamente durante os últimos 15 anos e as aplicações de tais ferramentas às Ciências Vegetais são iminentes. Na presente revisão, são apresentados conceitos básicos relacionados à Complexidade e dados alguns exemplos de suas aplicações em diferentes áreas da Botânica. O argumento principal deste trabalho é que a melhor compreensão e conseqüente aplicação de tais enfoques à taxonomia, fisiologia, anatomia e ecologia pelos botânicos provavelmente levará a uma ampliação considerável do que se sabe sobre os vegetais.

Previsão de estabilidade de óleos vegetais através da rede de inteligência artificial

Redes Neurais Artificiais são técnicas computacionais que se utilizam de um modelo matemático capaz de adquirir conhecimentos pela experiência; esse comportamento inteligente da rede provém das interações entre unidades de processamento, denominadas de neurônios artificiais. O objetivo deste trabalho foi criar uma rede neural capaz de prever a estabilidade de óleos vegetais, a partir de dados de suas composições químicas, visando um modelo para a previsão da shelf-life de óleos vegetais, tendo como parâmetros apenas dados de suas composições químicas. Os primeiros passos do processo de desenvolvimento da rede consistiram na coleta de dados relativos ao problema e sua separação em um conjunto de treinamento e outro de testes. Estes conjuntos apresentaram como variáveis dados de composição química, que incluíram os valores totais em ácidos graxos, fenóis, tocoferóis e a composição individual em ácidos graxos. O passo seguinte foi a execução do treinamento, onde o padrão de entrada apresentado à rede como parâmetro de estabilidade foi o índice de peróxido, determinado experimentalmente por um período de 16 dias de armazenagem na ausência de luz, a 65ºC. Após o treinamento foi testada a capacidade de previsão adquirida pela rede, em função do parâmetro de estabilidade adotado, mas com um novo grupo de óleos. Seguindo o teste, foi determinada a correlação linear entre os valores de estabilidade previstos pela rede e aqueles determinados experimentalmente. Com os resultados obtidos, pode-se confirmar a viabilidade de previsão da estabilidade de óleos vegetais pela rede neural, a partir de dados de sua composição química, utilizando como parâmetro de estabilidade o índice de peróxido.

Aprendizado relacional por um modelo neural

As técnicas que formam o campo da Descoberta de Conhecimento em Bases de Dados (DCBD) surgiram devido à necessidade de se tratar grandes volumes de dados. O processo completo de DCBD envolve um elevado grau de subjetividade e de trabalho não totalmente automatizado. Podemos dizer que a fase mais automatizada é a de Mineração de Dados (MD). Uma importante técnica para extração de conhecimentosa partir de dados é a Programação Lógica Indutiva (PLI), que se aplica a tarefas de classificação, induzindo conhecimento na forma da lógica de primeira ordem. A PLI tem demonstrado as vantagens de seu aparato de aprendizado em relação a outras abordagens, como por exemplo, aquelas baseadas em aprendizado proposicional Os seus algorítmos de aprendizado apresentam alta expressividade, porém sofrem com a grande complexidade de seus processos, principalmente o teste de corbertura das variáveis. Por outro lado, as Redes Neurais Artificiais (RNs) introduzem um ótimo desempenho devido à sua natureza paralela. às RNs é que geralmente são "caixas pretas", o que torna difícil a obtenção de um interpretação razoável da estrutura geral da rede na forma de construções lógicas de fácil compreensão Várias abordagens híbridas simbólico-conexionistas (por exemplo, o MNC MAC 890 , KBANN SHA 94 , TOW 94 e o sistema INSS OSO 98 têm sido apresentadas para lidar com este problema, permitindo o aprendizado de conhecimento simbólico através d euma RN. Entretanto, estas abordagens ainda lidam com representações atributo-valor. Neste trabalho é apresentado um modelo que combina a expressividade obtida pela PLI com o desempenho de uma rede neural: A FOLONET (First Order Neural Network).

Aplicação de técnicas de descobrimento de conhecimento em bases de dados e de inteligência artificial em avaliação de imóveis

A comparação de dados de mercado é o método mais empregado em avaliação de imóveis. Este método fundamenta-se na coleta, análise e modelagem de dados do mercado imobiliário. Porém os dados freqüentemente contêm erros e imprecisões, além das dificuldades de seleção de casos e atributos relevantes, problemas que em geral são solucionados subjetivamente. Os modelos hedônicos de preços têm sido empregados, associados com a análise de regressão múltipla, mas existem alguns problemas que afetam a precisão das estimativas. Esta Tese investigou a utilização de técnicas alternativas para desenvolver as funções de preparação dos dados e desenvolvimento de modelos preditivos, explorando as áreas de descobrimento de conhecimento e inteligência artificial. Foi proposta uma nova abordagem para as avaliações, consistindo da formação de uma base de dados, ampla e previamente preparada, com a aplicação de um conjunto de técnicas para seleção de casos e para geração de modelos preditivos. Na fase de preparação dos dados foram utilizados as técnicas de regressão e redes neurais para a seleção de informação relevante, e o algoritmo de vizinhança próxima para estimação de valores para dados com erros ou omissões. O desenvolvimento de modelos preditivos incluiu as técnicas de regressão com superficies de resposta, modelos aditivos generalizados ajustados com algoritmos genéticos, regras extraídas de redes neurais usando lógica difusa e sistemas de regras difusas obtidos com algoritmos genéticos, os quais foram comparados com a abordagem tradicional de regressão múltipla Esta abordagem foi testada através do desenvolvimento de um estudo empírico, utilizando dados fornecidos pela Prefeitura Municipal de Porto Alegre. Foram desenvolvidos três formatos de avaliação, com modelos para análise de mercado, avaliação em massa e avaliação individual. Os resultados indicaram o aperfeiçoamento da base de dados na fase de preparação e o equilíbrio das técnicas preditivas, com um pequeno incremento de precisão, em relação à regressão múltipla.Os modelos foram similares, em termos de formato e precisão, com o melhor desempenho sendo atingido com os sistemas de regras difusas.

Localização e leitura automática de caracteres alfanuméricos : uma aplicação na identificação de veículos

Sistemas de visão artificial são cada vez mais usados para auxiliar seres humanos em diferentes tarefas. Estes sistemas são capazes de reconhecer padrões previamente ensinados em uma imagem complexa. A leitura automática é uma das mais atraentes tarefas nesta área [1], sendo que uma máquina com esta capacidade pode reconhecer objetos que possuam caracteres em sua identificação. Na área de trânsito, a identificação de veículos através da leitura de sua placa de licença vem conquistando cada vez mais espaço. No início dos anos cinqüenta, este conceito era usado para estudar o tempo de duração de viagens entre origem e destino. Os primeiros métodos utilizados eram baseados em observadores que anotavam as placas dos veículos e os tempos correspondentes em um papel ou fita gravada. As placas eram manualmente comparadas mais tarde, e os tempos de viagem calculados [2]. O crescente avanço tecnológico tem aumentado substancialmente a precisão e facilidade desta técnica permitindo sua utilização na identificação de veículos infratores e em situação irregular, e no controle de pedágios e estacionamentos pagos Este trabalho envolve o estudo de diversas técnicas de processamento e análise de imagem culminando no desenvolvimento de um sistema capaz de localizar e reconhecer os caracteres contidos numa placa de licença de um veículo. A imagem é previamente analisada por um algoritmo de procura por variações tonais padronizadas de maneira a restringir a área de análise do algoritmo principal do sistema. Este, por sua vez, binariza a imagem através de um algoritmo adaptativo e busca elementos que possuam dimensões próximas às dimensões esperadas dos caracteres da placa. O sistema busca encontrar uma seqüência de caracteres de dimensões aproximadamente iguais e para isso, varia um valor de limiar no processo de binarização conferindo maior robustez ao algoritmo. Uma vez encontrado um grupo de dígitos que satisfaçam alguns critérios prédefinidos, os caracteres são redimensionados e apresentados a duas redes neurais, uma para as letras e outra para os números.

Reconhecimento de caracteres alfanuméricos de placas em imagens de veículos

Sistemas de visão artificial são cada vez mais usados para auxiliar seres humanos a realizar diferentes tarefas. Estes sistemas são capazes de reconhecer padrões em imagens complexas. Técnicas de visão computacional têm encontrado crescente aplicação em estudos e sistemas de controle e monitoração de tráfego de automóveis. Uma das áreas de pesquisa que tem sido objeto de estudo por diferentes grupos é a leitura automática de placas de matrículas como forma de detectar transgressores, encontrar carros roubados ou efetuar estudos de origem/destino [BAR99]. Com o constante crescimento do volume de tráfego de automóvel e a limitada capacidade dos sensores convencionais, especialistas da área recorrem a técnicas de identificação automática de veículos para obter dados relativos ao escoamento de tráfego. A identificação automática de veículos tem tido essencialmente duas abordagens distintas: a utilização de transponders e a utilização de técnicas de visão computacional [INI85] . Estas são essencialmente úteis em casos em que não é viável obrigar os motoristas a instalar transponders em seus automóveis. No entanto, essas técnicas são mais sensíveis às condições atmosféricas e de iluminação tais como nevoeiros, chuva intensa, luz noturna, reflexos em superfícies, etc. Este trabalho apresenta um estudo de diversas técnicas de processamento de imagem objetivando o aperfeiçoamento de um sistema de identificação automática de placas de veículos. Este aperfeiçoamento está relacionado com a diminuição do tempo de execução necessário à localização e reconhecimento dos caracteres contidos nas placas dos veículos bem como a melhorar a taxa de sucesso no seu reconhecimento. A primeira versão do sistema de identificação da placas de veículos descrito em [SOU2000], desenvolvido no CPG-EE da UFRGS, denominado SIAV 1.0, localiza e extrai 91,3% das placas corretamente mas apresenta uma taxa de reconhecimento das placas de 37,3%, assim como um tempo de processamento não satisfatório. Neste trabalho, cujo sistema desenvolvido é denominado SIAV 2.0, a imagem é previamente processada através da aplicação de técnicas de realce da imagem. O principal objetivo das técnicas de realce é processar a imagem de modo que o resultado seja mais apropriado para uma aplicação específica do que a imagem original [GON93]. O sistema busca melhorar a qualidade da imagem eliminando ou suavizando sombras e reflexos presentes na cena em virtude da iluminação não controlada. Visando um menor tempo de execução durante o tratamento e análise da imagem um estudo estatístico baseado na distribuição gaussiana foi realizado de maneira a restringir a área de análise a ser processada. O SIAV possui duas redes neurais como ferramentas de reconhecimento de caracteres. A partir da análise dos diferentes modelos de redes neurais empregados na atualidade, foi desenvolvida uma nova arquitetura de rede a ser utilizada pelo SIAV 2.0 que oferece uma taxa de reconhecimento superior a rede neural usada no SIAV 1.0. Visando um melhor tempo de execução, a implementação em hardware dedicado para este modelo é abordado. Os testes foram realizados com três bancos de imagens obtidas por câmeras diferentes, inclusive por dispositivo "pardal" comercial. Estes testes foram realizados para verificar a efetividade dos algoritmos aperfeiçoados.