Abordagens bio-inspiradas aplicadas ao estudo da cognição: um encontro entre biologia, psicologia e filosofia

Pós-graduação em Filosofia - FFC

Diagnóstico automático de falhas em grupos geradores hidroelétricos utilizando técnicas preditivas de manutenção e redes neurais artificiais

Pós-graduação em Engenharia Mecânica - FEIS

An assessment of the economic and social impacts of climate change on the energy sector in the Caribbean

The present report assesses the economic and social impacts of climate change on the energy sector in Antigua and Barbuda, the Bahamas, Barbados, Belize, Cuba, Dominica, the Dominican Republic, Haiti, Grenada, Guyana, Jamaica, Saint Kitts and Nevis, Saint Vincent and the Grenadines, Saint Lucia, Suriname, and Trinidad and Tobago. In the study, the Artificial Neural Network methodology was employed to model the relationship between climate change and energy demand. The viability of the actions proposed were assessed using cost benefit analyses based on models from the National Renewable Energy Laboratory (NREL) of the United States of America.

Sistema inteligente baseado nas redes neurais artificiais para dosagem do concreto

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Desenvolvimento de redes neurais para previsão de cargas elétricas de sistemas de energia elétrica

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

Análise dinâmica de contingências de sistemas de energia elétrica por redes neurais baseadas na teoria da ressonância adaptativa

Pós-graduação em Engenharia Elétrica - FEIS

Detecção de regiões de via integrando dados de varredura a LASER aerotransportado e imagens de alta resolução

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Comparação entre as redes neurais artificiais e o método de interpolação krigagem aplicados à pesquisa agronômica

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

Localização de falhas em linhas de transmissão utilizando decomposição harmônica e redes neurais artificiais

Este trabalho propõe a utilização de uma nova metodologia para a localização de falhas em linhas de transmissão (LT). Esta metodologia consiste na utilização da decomposição harmônica da corrente de fuga de uma linha e na aplicação de uma Rede Neural Artificial (RNA) capaz de distinguir padrões da condição normal de funcionamento e padrões de situações de falhas de uma LT. Foi utilizado um modelo Pi capaz de absorver dados reais de tensão e corrente de três fases e de alterar valores de R, L e C segundo modificações ambientais. Neste modelo foram geradas falhas em todas as torres com diferentes valores de capacitância. A saída fornecida pelo modelo é a decomposição da corrente de fuga do trecho considerado. Os dados de entrada e saída do modelo foram utilizados no treinamento da RNA desenvolvida. A aquisição de dados reais de tensão e corrente foi feita através de analisadores de parâmetros de qualidade de energia elétrica instalados nas extremidades de um trecho de LT, Guamá-Utinga, pertencente à Centrais Elétricas do Norte do Brasil ELETRONORTE. O cálculo dos parâmetros construtivos foi feito através do método matricial e melhorado através da utilização do Método de Elementos Finitos (MEF). A RNA foi desenvolvida com o auxílio do software Matlab. Para treinamento da RNA foi utilizado o algoritmo de Retropropagação Resiliente que apresentou um bom desempenho. A RNA foi treinada com dois conjuntos de dados de treinamento para analisar possíveis diferenças entre as saídas fornecidas pelos dois grupos. Nos dois casos apresentou resultados satisfatórios, possibilitando a localização de falhas no trecho considerado.

Projeto otimizado de redes neurais artificiais para predição da rugosidade em processos de usinagem com a utilização da metodologia de projeto de experimentos

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Redes neurais artificiais aplicadas à manutenção baseada na condição

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Aplicação de redes NeuroFuzzy ao processamento de peças automotivas por meio de injeção de polímeros

The injection molding of automotive parts is a complex process due to the many non-linear and multivariable phenomena that occur simultaneously. Commercial software applications exist for modeling the parameters of polymer injection but can be prohibitively expensive. It is possible to identify these parameters analytically, but applying classical theories of transport phenomena requires accurate information about the injection machine, product geometry, and process parameters. However, neurofuzzy networks, which achieve a synergy by combining the learning capabilities of an artificial neural network with a fuzzy set's inference mechanism, have shown success in this field. The purpose of this paper was to use a multilayer perceptron artificial neural network and a radial basis function artificial neural network combined with fuzzy sets to produce an inference mechanism that could predict injection mold cycle times. The results confirmed neurofuzzy networks as an effective alternative to solving such problems.

Redes neurais artificiais artmap-fuzzy aplicadas ao estudo de agitação marítima e ondas de lagos

Pós-graduação em Engenharia Elétrica - FEIS

Detecção e localização de danos em materiais compósitos aplicado em aeronaves utilizando redes neurais artificiais

Pós-graduação em Engenharia Mecânica - FEIS

Previsão de demanda de cargas elétricas por seleção de variáveis stepwise e redes neurais artificiais

Pós-graduação em Engenharia Elétrica - FEIS