Desempenho das redes neurais artificiais na estimativa das variáveis físicas e químicas do solo

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

Uso das redes neurais artificiais na aplicação de metodologia para alocação de recursos da saúde

OBJETIVO: Descrever a construção de fator de alocação de recursos financeiros com base na necessidade em saúde da população. MÉTODOS: Estudo quantitativo, com dados coletados em bases de domínio público, referentes ao estado de Pernambuco nos anos entre 2000 e 2010. Foram selecionadas variáveis que refletissem os indicadores epidemiológicos, demográficos, socioeconômicos e educacionais para compor um fator de alocação que apontasse as necessidades de saúde da população. As fontes pesquisadas foram: Departamento de Informática do Sistema Único de Saúde, Atlas do Desenvolvimento Humano no Brasil, Instituto Brasileiro de Geografia e Estatística, Sistema de Informações sobre Orçamentos Públicos em Saúde, Tesouro Nacional e dados da Secretaria Estadual de Saúde de Pernambuco de 2000 a 2010, de acordo com a disponibilidade da informação mais recente. Foi realizada a correlação linear de Pearson e, para o cálculo do fator de alocação, a análise pelas Redes Neurais Artificiais. Os quartis dos municípios foram definidos segundo as necessidades em saúde. RESULTADOS: A distribuição apresentada aponta a Região Litorânea e boa parte da Região da Mata Norte e Sul e do Agreste Setentrional e Central situados no Quartil 1, este com o maior número de municípios. O Agreste Meridional teve municípios em todos os quartis. Na Região do Pajeú/Moxotó, grande parte dos municípios esteve no Quartil 1. Semelhante distribuição foi verificada no Sertão Central. No Araripe, a maioria dos municípios esteve nos Quartis 3 ou 4 e a Região do São Francisco ficou dividida entre os Quartis 1, 2 e 3. CONCLUSÕES: O fator de alocação agregou os municípios pernambucanos, por agrupar variáveis que são relacionadas com as necessidades em saúde da população, e separou os que possuem extremas necessidades de maior aporte financeiro daqueles que precisam com menor intensidade.

Modelos causais no cálculo de capital para risco operacional: investigação do uso de redes neurais artificiais como modelo avançado de mensuração de capital

A gestão e a mensuração do risco operacional é uma preocupação crescente da comunidade bancária, de modo que a escolha adequada do modelo de alocação de capital para risco operacional pode tornar-se um diferencial competitivo. Este trabalho apresenta as vantagens da adoção de modelos causais para a gestão e mensuração do risco operacional e, ao investigar a aplicação de Redes Neurais Artificiais para tal propósito, comprova que o modelo causal chega a valores de capital mais alinhados à exposição ao risco da instituição financeira. Além disso, há a vantagem de que, quanto mais sensível a risco a metodologia de cálculo de capital for, maior será o incentivo para uma gestão apropriada dos riscos no dia-a-dia da instituição financeira, o que não apenas reduz sua necessidade de alocação de capital, quanto diminui suas perdas esperadas. Os resultados, portanto, são positivos e motivam estudos futuros sobre o tema.

Métodos para extração de informações a partir de imagens multiespectrais de escalas grandes

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Estimação do diâmetro e rugosidade em um processo de furação utilizando multi sensores e redes neurais artificiais

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Caracterização de leite utilizando técnicas de ultra-som e redes neurais

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Métodos seguros para comunicação em sistemas de rede sem fio de múltiplos saltos

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Previsão de séries temporais financeiras por meio de redes neurais dinâmicas e processos de transformação de dados: uma abordagem empírico-comparativa

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Identificação e controle de sistemas dinâmicos utilizando redes wavelets

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Autenticação biométrica de usuários em sistemas de E-learning baseada em reconhecimento de faces a partir de vídeo

Pós-graduação em Ciência da Computação - IBILCE

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

Pós-graduação em Engenharia Elétrica - FEIS

Predição do sequestro do carbono em área reflorestada utilizando redes neurais artificiais

Pós-graduação em Engenharia Mecânica - FEIS

Previsão da velocidade dos ventos por redes neurais artificiais e arima de box & jenkins

Pós-graduação em Engenharia Elétrica - FEIS

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

Pós-graduação em Engenharia Elétrica - FEIS