Detecção e classificação de distúrbios de tensão usando redes neurais ARTMAP Euclidiana modificada com treinamento continuado

Pós-graduação em Engenharia Elétrica - FEIS

Classificação da qualidade da água do Córrego Lanoso, Uberaba - MG

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Solos do assentamento malhada do meio, Chapadinha-MA: classificação e variabilidade espacial de seus atributos

Pós-graduação em Agronomia (Ciência do Solo) - FCAV

Contribuição dos exames ultrassonográficos convencional, Doppler e classificação Bi-Radis® na avaliação dos tumores mamários em cadelas

Pós-graduação em Medicina Veterinária - FMVZ

Classificação de cobertura do solo utilizando árvores de decisão e sensoriamento remoto

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Classificação de peças de madeira serrada de dimensões estruturais de Eucalyptus sp com uso de ensaios não-destrutivo

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

Aplicativo computacional para obtenção de probabilidades a priori de classificação errônea em experimentos agronômicos

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

Análise multivariada de dados espaciais na classificação interpretativa de solos

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

Estudo de algoritmos para classificação de séries temporais: uma aplicação em qualidade de energia elétrica

Aborda a classificação automática de faltas do tipo curto-circuito em linhas de transmissão. A maioria dos sistemas de transmissão possuem três fases (A, B e C). Por exemplo, um curto-circuito entre as fases A e B pode ser identicado como uma falta\AB". Considerando a possibilidade de um curto-circuito com a fase terra (T), a tarefa ao longo desse trabalho de classificar uma série temporal em uma das 11 faltas possíveis: AT, BT, CT, AB, AC, BC, ABC, ABT, ACT, BCT, ABCT. Estas faltas são responsáveis pela maioria dos distúrbios no sistema elétrico. Cada curto-circuito é representado por uma seqüência (série temporal) e ambos os tipos de classificação, on-line (para cada curto segmento extraído do sinal) e off-line (leva em consideração toda a seqüência), são investigados. Para evitar a atual falta de dados rotulados, o simulador Alternative Transient Program (ATP) é usado para criar uma base de dados rotulada e disponibilizada em domínio público. Alguns trabalhos na literatura não fazem distinção entre as faltas ABC e ABCT. Assim, resultados distinguindo esse dois tipos de faltas adotando técnicas de pré-processamento, diferentes front ends (por exemplo wavelets) e algoritmos de aprendizado (árvores de decisão e redes neurais) são apresentados. O custo computacional estimado durante o estágio de teste de alguns classificadores é investigado e a escolha dos parâmetros dos classificadores é feita a partir de uma seleção automática de modelo. Os resultados obtidos indicam que as árvores de decisão e as redes neurais apresentam melhores resultados quando comparados aos outros classificadores.

Maciços rochosos em projetos hidrelétricos: proposta de classificação geomecânica

Pós-graduação em Geociências e Meio Ambiente - IGCE

Um Modelo de classificação geológico-tecnológica das argilas da formação Corumbataí utilizadas nas indústrias do pólo cerâmico de Santa Gertrudes

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

Detecção, classificação e quantificação automática de variações de tensão de curta duração para aplicação em análise de pós-operação em sistemas de energia elétrica

A análise de ocorrências no sistema de energia elétrica é de fundamento mportância para uma operação segura, e para manter a qualidade da energia elétrica lornecida aos consumidores. As concessionárias do setor de energia elétrica usam equipamentos, chamados registradores de perturbação (RP's), para monitora diagnosticar problemas nos sistemas elétrico e de proteção. As formas de onda normalmente analisadas nos centros de operação das concessionárias, são aquelas geradas por eventos que quase sempre causam a aocrtul je linhas devido a operação dos relés comandados pelos dispositivos de proteção .Contudo, uma grande quantidade de registros armazenados que podem conte informações importantes sobre o comportamento e desempenho do sistema elétricl jeixa de ser analisada. O objetivo desse trabalho é usar os dados disponíveis nos centros de ontrole, operação das concessionárias de energia elétrica obtidos pelos RP's, para classificar e quantificar de forma automática sinais que caracterizem problemas de qualidade da energia, quanto a variações de tensão de curta duração: afundamentos, elevações e interrupções. O método proposto usa a transformada wavelet para obter um vetor característico para as tensões das fases A, B e C, e uma rede neural probabilística para classificação. Os sinais classificados como apresentando variações de curta duração são quantilicados quanto a duração e amplitude, usando-se as propriedades da análise nultiresolução da decomposição do sinal. Esses parâmetros, então, irão formar uma Jase de dados onde procedimentos de análise estatística podem ser usados para gerar relatórios com as características da qualidade da energia. Os resultados obtidos com a metodologia proposta para um sistema real são também apresentados.

Classificação fonética utilizando Boosting e SVM

Para compor um sistema de Reconhecimento Automático de Voz, pode ser utilizada uma tarefa chamada Classificação Fonética, onde a partir de uma amostra de voz decide-se qual fonema foi emitido por um interlocutor. Para facilitar a classificação e realçar as características mais marcantes dos fonemas, normalmente, as amostras de voz são pré- processadas através de um fronl-en'L Um fron:-end, geralmente, extrai um conjunto de parâmetros para cada amostra de voz. Após este processamento, estes parâmetros são insendos em um algoritmo classificador que (já devidamente treinado) procurará decidir qual o fonema emitido. Existe uma tendência de que quanto maior a quantidade de parâmetros utilizados no sistema, melhor será a taxa de acertos na classificação. A contrapartida para esta tendência é o maior custo computacional envolvido. A técnica de Seleção de Parâmetros tem como função mostrar quais os parâmetros mais relevantes (ou mais utilizados) em uma tarefa de classificação, possibilitando, assim, descobrir quais os parâmetros redundantes, que trazem pouca (ou nenhuma) contribuição à tarefa de classificação. A proposta deste trabalho é aplicar o classificador SVM à classificação fonética, utilizando a base de dados TIMIT, e descobrir os parâmetros mais relevantes na classificação, aplicando a técnica Boosting de Seleção de Parâmetros.

Aplicação de redes neurais artificiais na classificação de padrões filogeográficos com base na variabilidade genômica do DNA mitocondrial

Historicamente, o processo de formação das populações da Amazônia, assim como de todo território brasileiro, envolveu três grupos étnicos principais: o ameríndio, o europeu e o africano. Como conseqüência, estas populações possuem em geral constituição miscigenada do ponto de vista social e biológico. Desde o final do século passado, estudos do DNA mitocondrial (mtDNA) tem sido desenvolvidos com o propósito de estimar a mistura interétnica presente nestas populações. Para isto, é de fundamental importância a classificação de uma determinada linhagem de mtDNA em um dos mais de 250 haplogrupos/subclados propostos na literatura. Com o objetivo de desenvolver um sistema automatizado, preciso e acurado de classificação de seqüências (linhagens) de mtDNA, o presente trabalhou lançou mão da técnica de Redes Neurais Artificiais (RNA’s) tendo como base os estudos de filogeografia. Para esta classificação, foram desenvolvidas quatro redes neurais artificiais diretas, com múltiplas camadas e algoritmo de aprendizagem de retropropagação. As entradas de cada rede equivalem às posições nucleotídicas polimórficas da região hipervariável do DNA mitocondrial, as quais retornam como saída a classificação específica de cada linhagem. Posterior ao treinamento, todas as redes apresentaram índices de acerto de 100%, demonstrando que a técnica de Rede Neural Artificial pode ser utilizada, com êxito, na classificação de padrões filogeográficos com base no DNA mitocondrial.

Um método para classificação de imagens de satélite usando Transformada Cosseno Discreta com detecção e remoção de nuvens e sombras

Apresenta-se nesta dissertação a proposta de um algoritmo supervisionado de classificação de imagens de sensoreamento remoto, composto de três etapas: remoção ou suavização de nuvens, segmentação e classificação.O método de remoção de nuvens usa filtragem homomórfica para tratar as obstruções causadas pela presença de nuvens suaves e o método Inpainting para remover ou suavizar a preseça de sombras e nuvens densas. Para as etapas de segmentação e classificação é proposto um método baseado na energia AC dos coeficientes da Transformada Cosseno Discreta (DCT). O modo de classificação adotado é do tipo supervisionado. Para avaliar o algioritmo foi usado um banco de 14 imagens captadas por vários sensores, das quais 12 possuem algum tipo de obstrução. Para avaliar a etapa de remoção ou suavização de nuvens e sombras são usados a razão sinal-ruído de pico (PSNR) e o coeficiente Kappa. Nessa fase, vários filtros passa-altas foram comparados para a escolha do mais eficiente. A segmentação das imagens é avaliada pelo método da coincidência entre bordas (EBC) e a classificação é avaliada pela medida da entropia relativa e do erro médio quadrático (MSE). Tão importante quanto as métricas, as imagens resultantes são apresentadas de forma a permitir a avaliação subjetiva por comparação visual. Os resultados mostram a eficiência do algoritmo proposto, principalmente quando comparado ao software Spring, distribuído pelo Instituto Nacional de Pesquisas Espaciais (INPE).