Implementação em hardware de uma Rede Neuronal com ummicroprocessador embebido em FPGA

O objectivo deste trabalho é a implementação em hardware de uma Rede Neuronal com um microprocessador embebido, podendo ser um recurso valioso em várias áreas científicas. A importância das implementações em hardware deve-se à flexibilidade, maior desempenho e baixo consumo de energia. Para esta implementação foi utilizado o dispositivo FPGA Virtex II Pro XC2VP30 com um MicroBlaze soft core, da Xilinx. O MicroBlaze tem vantagens como a simplicidade no design, sua reutilização e fácil integração com outras tecnologias. A primeira fase do trabalho consistiu num estudo sobre o FPGA, um sistema reconfigurável que possui características importantes como a capacidade de executar em paralelo tarefas complexas. Em seguida, desenvolveu-se o código de implementação de uma Rede Neuronal Artificial baseado numa linguagem de programação de alto nível. Na implementação da Rede Neuronal aplicou-se, na camada escondida, a função de activação tangente hiperbólica, que serve para fornecer a não linearidade à Rede Neuronal. A implementação é feita usando um tipo de Rede Neuronal que permite apenas ligações no sentido de saída, chamado Redes Neuronais sem realimentação (do Inglês Feedforward Neural Networks - FNN). Como as Redes Neuronais Artificiais são sistemas de processamento de informações, e as suas características são comuns às Redes Neuronais Biológicas, aplicaram-se testes na implementação em hardware e analisou-se a sua importância, a sua eficiência e o seu desempenho. E finalmente, diante dos resultados, fez-se uma análise de abordagem e metodologia adoptada e sua viabilidade.

Estimação de cobertura rádio em GSM-R através de redes neuronais

Trabalho Final de Mestrado para obtenção do grau de Mestre em Engenharia de Eletrónica e Telecomunicações

Otimização de placas compósitas laminadas utilizando redes neuronais e enxames de partículas

Trabalho Final de mestrado para obtenção do grau de Mestre em engenharia Mecância

Deteção de avarias na caixa de engrenagens de aerogeradores

Ao longo dos últimos anos tem-se assistido a um forte desenvolvimento e crescimento do número de parques eólicos instalados no mundo, o que leva a que seja necessário o incremento de ferramentas que permitam aperfeiçoar os sistemas de monitorização e controlo atualmente existentes. Por outro lado, não se deve deixar de ter em conta os custos elevados de operação e manutenção dos sistemas eólicos bem como o facto de os aerogeradores estarem localizadas em locais remotos ou offshore, o que faz aumentar os custos associados à sua exploração. A dissertação nasce da intenção clara do mercado em apostar na supervisão e previsão de avarias graves, de forma a minimizar os encargos subjacentes. Este trabalho de dissertação visa a utilização de redes neuronais para criar uma ferramenta informática de previsão de avarias em caixas de engrenagens em aerogeradores. As redes neuronais são ferramentas informáticas ideais para trabalhar com muita informação, sendo que a sua aplicação depende da qualidade e quantidade dos dados. Para tal irá ser efetuado um estudo em um parque eólico, no qual se analisará as principais avarias detetadas bem como as grandezas que deverão integrar a construção desta rede neuronal. Assim sendo, a informação relativa às diversas máquinas existentes num parque, é de enorme importância para a definição e otimização da rede neuronal a construir. Os resultados obtidos neste trabalho com a aplicação de redes neuronais para a previsão de avarias em caixas de engrenagens do parque eólico de estudo, provam que é possível realizar uma deteção da avaria bem como uma constatação de que a reparação possa ter sido bem efetuada ou mal sucedida, podendo assim ser ajustados os programas de manutenção a efetuar e uma verificação das ações de reparação para sua validação.

Previsão de avarias em transformadores de potência através da análise de ensaios físico-químicos

Os Transformadores de potência são máquinas de elevada importância ao nível dos Sistemas Elétricos de Energia (SEE) uma vez que são estas máquinas que possibilitam a interligação dos diferentes níveis de tensão da rede e a transmissão de energia elétrica em Corrente Alternada (CA). Geralmente, estas máquinas são de grandes dimensões e de elevado nível de complexidade construtiva. Caracterizam-se por possuírem períodos de vida útil bastante elevados (vinte a trinta anos) e preços elevados, o que conduz a um nível de exigência de fiabilidade muito elevada, uma vez que não e viável a existência de muitos equipamentos de reserva nos SEE. Com o objetivo de tentar maximizar o período de vida útil dos transformadores de potência e a sua fiabilidade, tenta-se, cada vez mais, implementar conceitos de manutenção preventiva a este tipo de máquinas. No entanto, a gestão da sua vida útil e extremamente complexa na medida em que, estas máquinas têm vários componentes cruciais e suscetiveis de originar falhas e, quase todos eles, encontram-se no interior de uma cuba. Desta forma, não e possível obter uma imagem do seu estado, em tempo real, sem colocar o transformador fora de serviço, algo que acarreta custos elevados. Por este motivo, desenvolveu-se uma técnica que permite obter uma indicação do estado do transformador, em tempo real, sem o retirar de serviço, colhendo amostras do óleo isolante e procedendo a sua análise físico-química e Analise Gases Dissolvidos (DGA). As análises aos óleos isolantes tem vindo a adquirir uma preponderância muito elevada no diagnóstico de falhas e na analise do estado de conservação destes equipamentos tendo-se desenvolvido regras para interpretação dos parâmetros dos óleos com carácter normativo. Considerando o conhecimento relativo a interpretação dos ensaios físico-químicos e DGA ao oleol, e possível desenvolver ferramentas capazes de otimizar essas mesmas interpretações e aplicar esse conhecimento no sentido de prever a sua evolução, assim como o surgimento de possíveis falhas em transformadores, para assim otimizar os processos de manutenção. Neste campo as Redes Neuronais Artificiais (RNAs) têm um papel fundamental

Projecto de Controladores usando Redes Neuronais

Neste documento descreve-se o projeto desenvolvido na unidade curricular de Tese e Dissertação durante o 2º ano do Mestrado de Engenharia Eletrotécnica e de Computadores no ramo de Automação e Sistemas, no Departamento de Engenharia Eletrotécnica (DEE) do Instituto Superior de Engenharia do Porto (ISEP). O projeto escolhido teve como base o uso da tecnologia das redes neuronais para implementação em sistemas de controlo. Foi necessário primeiro realizar um estudo desta tecnologia, perceber como esta surgiu e como é estruturada. Por último, abordar alguns casos de estudo onde as redes neuronais foram aplicadas com sucesso. Relativamente à implementação, foram consideradas diferentes estruturas de controlo, e entre estas escolhidas a do sistema de controlo estabilizador e sistema de referência adaptativo. No entanto, como o objetivo deste trabalho é o estudo de desempenho quando aplicadas as redes neuronais, não se utilizam apenas estas como controlador. A análise exposta neste trabalho trata de perceber em que medida é que a introdução das redes neuronais melhora o controlo de um processo. Assim sendo, os sistemas de controlo utilizados devem conter pelo menos uma rede neuronal e um controlador PID. Os testes de desempenho são aplicados no controlo de um motor DC, sendo realizados através do recurso ao software MATLAB. As simulações efetuadas têm diferentes configurações de modo a tirar conclusões o mais gerais possível. Assim, os sistemas de controlo são simulados para dois tipos de entrada diferentes, e com ou sem a adição de ruído no sensor. Por fim, é efetuada uma análise das respostas de cada sistema implementado e calculados os índices de desempenho das mesmas.

Plataforma de previsão do consumo elétrico para edifícios inteligentes

Dissertação para obtenção do Grau de Mestre em Engenharia Electrotécnica e de Computadores

Avaliação da evolução do perfil regional em inovação. O caso das regiões europeias 2003/2009

A inovação é considerada pelos economistas como fator determinante para o crescimento económico e social sustentável. No contexto da atual economia, global e marcada por uma profunda crise, torna-se imperativo compreender os padrões de inovação para suportar melhores políticas e respostas aos desafios que se impõem. Este entendimento conduz à ilação de que os desvios significativos no crescimento económico observado entre diferentes regiões são também explicados por diferenças espaciais nos padrões de inovação. Na sequência do exposto tem-se assistido a um renovado e crescente interesse no estudo da inovação numa perspetiva territorial e a uma crescente produção e disponibilização de dados para estudo e compreensão das suas dinâmicas. O objectivo principal da presente dissertação é demonstrar a utilidade de uma técnica de Data Mining, a rede neuronal Self Organizing Map, na exploração destes dados para estudo da inovação. Em concreto pretende-se demonstrar a capacidade desta técnica tanto para identificar perfis regionais de inovação bem como para visualizar a evolução desses perfis no tempo num mapa topológico virtual, o espaço de atributos do SOM, por comparação com um mapa geográfico. Foram utilizados dados Euronext relativos a 236 regiões europeias para os anos compreendidos entre 2003 e 2009. O Self Organizing Map foi construído com base no GeoSOM, software desenvolvido pelo Instituto Superior de Estatística e Gestão de Informação. Os resultados obtidos permitem demonstrar a utilidade desta técnica na visualização dos padrões de inovação das regiões europeias no espaço e no tempo.

Aplicação de redes neuronais no planeamento de emergência em barragens de aterro

O controlo de segurança para preservação da integridade estrutural da barragens é, durante a fase de exploração normal, uma actividade que tem essencialmente como elemento fulcral as inspecções à estrutura e os dados resultantes das observações periódicas da obra, apoiando-se em modelos de comportamento da mesma. Neste sentido, a análise de situações de emergência requer, em regra, a atenção de um especialista em segurança de barragens, o qual poderá, perante os resultados da observação disponíveis e da aplicação de modelos do comportamento da estrutura, identificar o nível de alerta adequado à situação que se está a viver na barragem. Esta abordagem tradicional de controlo de segurança é um processo eficaz mas que apresenta a desvantagem de poder decorrer um período de tempo significativo entre a identificação de um processo anómalo e a definição do respectivo nível de gravidade. O uso de novas tecnologias de apoio à decisão e o planeamento de emergência podem contribuir para minorar os efeitos desta desvantagem. O presente trabalho consiste no desenvolvimento de um modelo de aferição do comportamento de uma barragem através da aplicação de redes neuronais do tipo Perceptrão Multicamadas aos resultados da observação de uma barragem de aterro, por forma a identificar anomalias de comportamento e a quantificar o correspondente nível de alerta. A tese divide-se essencialmente em duas partes. A primeira parte aborda os aspectos que se relacionam com as barragens de aterro, nomeadamente definindo as soluções estruturais mais correntes e identificando os principais tipos de deteriorações que podem surgir nestas estruturas. São, igualmente, abordadas as questões que se relacionam com o controlo de segurança e o planeamento de emergência em barragens de aterro. A segunda parte do trabalho versa sobre o modelo de rede neuronal desenvolvido em linguagem de programação java – o modelo ALBATROZ. Este modelo permite definir o nível de alerta em função do nível de água na albufeira, da pressão registada em quatro piezómetros localizados no corpo e na fundação da barragem e do caudal percolado através da barragem e respectiva fundação. Nesta parte, o trabalho recorre, aos resultados da observação da barragem de Valtorno/Mourão e usa os resultados de um modelo de elementos finitos (desenvolvido no Laboratório Nacional de Engenharia Civil, no âmbito do plano de observação da obra) por forma a simular o comportamento da barragem e fornecer dados para o treino da rede neuronal desenvolvida.O presente trabalho concluiu que o desenvolvimento de redes neuronais que relacionem o valor registado em algumas das grandezas monitorizadas pelo sistema de observação com o nível de alerta associado a uma situação anómala na barragem pode contribuir para a identificação rápida de situações de emergência e permitir agir atempadamente na sua resolução. Esta característica transforma a redes neuronais numa peça importante no planeamento de emergência em barragens e constitui, igualmente, um instrumento de apoio ao controlo de segurança das mesmas.

Efeitos da sinalização via creb sobre a sobrevivência e diferenciação meuronal

The cortical development requires a precise process of proliferation, migration, survival and differentiation of newly formed neurons to finally achieve the development of a functional network. Different kinases, such as PKA, CaMKII, MAPK and PI3K, phosphorylate the transcription factors CREB, and thus activate it, inducing CREB-dependent gene expression. In order to identify the involvement of such signaling pathways mediated by CREB over neuronal differentiation and survival, in vitro experiments of cell culture were conducted using pharmacological kinase inhibitors and genetic techniques to express different forms of CREB (A-CREB and CREB-FY) in cortical neurons. Inhibition of PKA and CaMKII decreased the length of neuronal processes (neurites); whereas inhibition of MAPK did not affect the length, but increased the number of neurites. Blockade of PI3K do not appear to alter neuronal morphology, nor the soma size changed with the kinase blockades. CREB activation (CREB-FY) along with MAPK and PI3K blockades presented a negative side effect over neuritic growth and the expression of A-CREB leaded to a significant decrease in neuronal survival after 60h in vitro and mimicked some of the effects on neuronal morphology observed with PKA and CaMKII blockade. In summary the signaling through CREB influences the morphology of cortical neurons, particularly when phosphorylated by PKA, and CREB signaling is also important for survival of immature neurons prior to the establishment of fully functional synaptic contacts. Our data contribute to understanding the role of CREB signaling, activated by different routes, on survival and neuronal differentiation and may be valuable in the development of regenerative strategies in different neurological diseases

Avaliação da inervação entérica e análise proteômica do intestino delgado de ratos expostos à dose aguda ou crônica de fluoreto

O trato gastrointestinal (TGI) é a principal rota de exposição ao fluoreto (F) e o seu mais importante sítio de absorção. Acredita-se que a toxicidade do F comprometa a fisiologia do intestino, devido à relevante sintomatologia gastrointestinal relatada em consequência da exposição excessiva ao F. A função intestinal é controlada por uma complexa rede neuronal interligada e incorporada à parede deste órgão, denominada Sistema Nervoso Entérico (SNE). Embora os efeitos tóxicos do F sobre o Sistema Nervoso Central sejam descritos na literatura, não há estudos relacionados à sua toxicidade sobre o SNE. Neste estudo realizado em ratos, foi avaliado o efeito da exposição aguda ou crônica ao F, sobre a população geral de neurônios entéricos e sobre as subpopulações que expressam os principais neurotransmissores entéricos: Acetilcolina (ACh), Óxido Nítrico (NO), Peptídeo Vasoativo Intestinal (VIP), Peptídeo Relacionado ao Gene da Calcitonina (CGRP) e Substância P (SP). Os animais foram divididos em 5 grupos: 3 destinados à exposição crônica (0 ppm, 10 ppm ou 50 ppm de F na água de beber) e 2 à exposição aguda (0 ou 25 mgF/Kg por gavagem gástrica). Foram coletados os 3 segmentos do intestino delgado (duodeno, jejuno e íleo) e processados para a detecção da HuC/D, ChAT, nNOS, VIP, CGRP e SP, através de técnicas de imunofluorescência, no plexo mioentérico. Foram obtidas imagens para a realização da análise quantitativa dos neurônios da população geral (HuC/D) e nitrérgicos (imunorreativos à nNOS); e morfométrica dos neurônios imunorreativos à HuC/D ou nNOS; e das varicosidades imunorreativas à ChAT, VIP, CGRP ou SP. Amostras dos 3 segmentos intestinais foram preparadas e coradas em Hematoxilina e Eosina para análise histológica da morfologia básica. O segmento intestinal considerado mais afetado na análise morfométrica da população geral de neurônios, o duodeno, foi selecionado para a realização da análise proteômica, com o objetivo de oferecer o seu perfil proteico e determinar diferenças na expressão proteica em decorrência da exposição crônica ou aguda ao F. A análise da concentração de F no plasma sanguíneo foi realizada para a confirmação da exposição. Na análise quantitativa, o grupo de 50 ppm F, apresentou uma diminuição significativa na densidade da população geral de neurônios do jejuno e do íleo e na densidade dos neurônios imunorreativos à nNOS no duodeno e no jejuno. Quanto à análise morfométrica, a população geral e as subpopulações neuronais entéricas avaliadas apresentaram alterações morfológicas significativas, tanto após a exposição crônica quanto a aguda. Para a análise proteômica do duodeno, verificou-se que da associação de seus genes a um termo, e assim classificadas de acordo com diferentes processos biológicos. No caso do grupo da dose aguda, o processo biológico com a maior porcentagem de genes associados foi a geração de metabólitos precursores e energia (27% das proteínas); enquanto para os grupos de 10 e 50 ppm F foram o processo metabólico da piridina (41%) e a polimerização proteica (33%), respectivamente.

Guiding Monte Carlo tree searches with neural networks in the game of go

A dissertation submitted in fulfillment of the requirements to the degree of Master in Computer Science and Computer Engineering

Algoritmos construtivos para treino de redes neuronais b-spline

Dissertação de mest. em Engenharia de Sistemas e Computação - Área de Sistemas de Controlo, Faculdade de Ciências e Tecnologia, Univ.do Algarve, 2001

Phase transitions and nonlinear phenomena in neuronal network models

Communication and cooperation between billions of neurons underlie the power of the brain. How do complex functions of the brain arise from its cellular constituents? How do groups of neurons self-organize into patterns of activity? These are crucial questions in neuroscience. In order to answer them, it is necessary to have solid theoretical understanding of how single neurons communicate at the microscopic level, and how cooperative activity emerges. In this thesis we aim to understand how complex collective phenomena can arise in a simple model of neuronal networks. We use a model with balanced excitation and inhibition and complex network architecture, and we develop analytical and numerical methods for describing its neuronal dynamics. We study how interaction between neurons generates various collective phenomena, such as spontaneous appearance of network oscillations and seizures, and early warnings of these transitions in neuronal networks. Within our model, we show that phase transitions separate various dynamical regimes, and we investigate the corresponding bifurcations and critical phenomena. It permits us to suggest a qualitative explanation of the Berger effect, and to investigate phenomena such as avalanches, band-pass filter, and stochastic resonance. The role of modular structure in the detection of weak signals is also discussed. Moreover, we find nonlinear excitations that can describe paroxysmal spikes observed in electroencephalograms from epileptic brains. It allows us to propose a method to predict epileptic seizures. Memory and learning are key functions of the brain. There are evidences that these processes result from dynamical changes in the structure of the brain. At the microscopic level, synaptic connections are plastic and are modified according to the dynamics of neurons. Thus, we generalize our cortical model to take into account synaptic plasticity and we show that the repertoire of dynamical regimes becomes richer. In particular, we find mixed-mode oscillations and a chaotic regime in neuronal network dynamics.

Neuronal nicotinic acetylcholine receptors as pharmacotherapeutic targets for the treatment of alcohol use disorders

Alcohol use disorders (AUDs) are complex and developing effective treatments will require the combination of novel medications and cognitive behavioral therapy approaches. Epidemiological studies have shown there is a high correlation between alcohol consumption and tobacco use, and the prevalence of smoking in alcoholics is as high as 80% compared to about 30% for the general population. Both preclinical and clinical data provide evidence that nicotine administration increases alcohol intake and nonspecific nicotinic receptor antagonists reduce alcohol-mediated behaviors. As nicotine interacts specifically with the neuronal nicotinic acetylcholine receptor (nAChR) system, this suggests that nAChRs play an important role in the behavioral effects of alcohol. In this review, we discuss the importance of nAChRs for the treatment of AUDs and argue that the use of FDA approved nAChR ligands, such as varenicline and mecamylamine, approved as smoking cessation aids may prove to be valuable treatments for AUDs. We also address the importance of combining effective medications with behavioral therapy for the treatment of alcohol dependent individuals.