Contribuições a técnicas de agrupamento e visualização de dados multivariados utilizando mapas auto-organizáveis

Self-organizing maps (SOM) are artificial neural networks widely used in the data mining field, mainly because they constitute a dimensionality reduction technique given the fixed grid of neurons associated with the network. In order to properly the partition and visualize the SOM network, the various methods available in the literature must be applied in a post-processing stage, that consists of inferring, through its neurons, relevant characteristics of the data set. In general, such processing applied to the network neurons, instead of the entire database, reduces the computational costs due to vector quantization. This work proposes a post-processing of the SOM neurons in the input and output spaces, combining visualization techniques with algorithms based on gravitational forces and the search for the shortest path with the greatest reward. Such methods take into account the connection strength between neighbouring neurons and characteristics of pattern density and distances among neurons, both associated with the position that the neurons occupy in the data space after training the network. Thus, the goal consists of defining more clearly the arrangement of the clusters present in the data. Experiments were carried out so as to evaluate the proposed methods using various artificially generated data sets, as well as real world data sets. The results obtained were compared with those from a number of well-known methods existent in the literature

Extração de conhecimento em forma de regras difusas a partir de mapas auto-organizáveis de Kohonen: aplicação em diagnóstico de faltas incipientes em transformadores

Apesar das diversas vantagens oferecidas pelas redes neurais artificiais (RNAs), algumas limitações ainda impedem sua larga utilização, principalmente em aplicações que necessitem de tomada de decisões essenciais para garantir a segurança em ambientes como, por exemplo, em Sistemas de Energia. Uma das principais limitações das RNAs diz respeito à incapacidade que estas redes apresentam de explicar como chegam a determinadas decisões; explicação esta que seja humanamente compreensível. Desta forma, este trabalho propõe um método para extração de regras a partir do mapa auto-organizável de Kohonen, projetando um sistema de inferência difusa capaz de explicar as decisões/classificação obtidas através do mapa. A metodologia proposta é aplicada ao problema de diagnóstico de faltas incipientes em transformadores, em que se obtém um sistema classificatório eficiente e com capacidade de explicação em relação aos resultados obtidos, o que gera mais confiança aos especialistas da área na hora de tomar decisões.

Identificação de correntes de inrush na proteção diferencial de transformadores de potência através do gradiente da corrente diferencial e de mapas auto-organizáveis

A principal dificuldade encontrada na proteção diferencial de transformadores de potência é a correta distinção entre as correntes de inrush e as correntes de faltas internas. Tradicionalmente os relés diferenciais executam esta tarefa utilizando a técnica de restrição por harmônicos baseada na premissa de que as correntes de inrush possuem alta concentração de componentes harmônicas de segunda ordem, contudo essa técnica nem sempre é eficaz. O presente trabalho tem como objetivo apresentar a proposta de duas novas metodologias capazes de realizar a identificação e distinção entre as correntes de inrush das correntes de faltas internas na proteção diferencial de transformadores de potência através de metodologias que não dependem do conteúdo de harmônicos do sinal da corrente diferencial. A primeira metodologia proposta, denominada de método do gradiente da corrente diferencial, é baseada no comportamento do vetor gradiente, obtido através da diferenciação numérica do sinal da corrente diferencial. O critério de distinção utilizado é baseado no desvio padrão do ângulo do vetor gradiente que apresenta comportamento diferenciado para correntes de inrush e correntes de curto-circuito. A segunda metodologia proposta é baseada na capacidade de reconhecimento e classificação de padrões das redes neurais de Mapeamento Auto-organizável de Kohonen. Como padrão de entrada e de treinamento da rede neural é utilizado um vetor contendo quatro níveis do espectro do desvio padrão do ângulo do vetor gradiente da corrente diferencial nas três fases do transformador de potência. A eficácia dos métodos foi testada através da simulação de diversas situações de faltas internas e correntes de inrush, incluindo situações de “Sympathetic Inrush”, em um transformador de potência usando o software EMTP/ATP e através da implementação do algoritmo em MATLAB®, apresentando resultados altamente promissores.

Desenvolvimento de um eletrodo modificado com monocamadas auto-organizadas e sua utilização como biossesor

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Aplicação de mapas auto-organizáveis na classificação de padrões de escoamento bifásico

O escoamento bifásico de gás-líquido é encontrado em muitos circuitos fechados que utilizam circulação natural para fins de resfriamento. O fenômeno da circulação natural é importante nos recentes projetos de centrais nucleares para a remoção de calor. O circuito de circulação natural (Circuito de Circulação Natural - CCN), instalado no Instituto de Pesquisas Energéticas e Nucleares, IPEN / CNEN, é um circuito experimento concebido para fornecer dados termo-hidráulicos relacionados com escoamento monofásico ou bifásico em condições de circulação natural. A estimativa de transferência de calor tem sido melhorada com base em modelos que requerem uma previsão precisa de transições de padrão de escoamento. Este trabalho apresenta testes experimentais desenvolvidos no CCN para a visualização dos fenômenos de instabilidade em ciclos de circulação natural básica e classificar os padrões de escoamento bifásico associados aos transientes e instabilidades estáticas de escoamento. As imagens são comparadas e agrupadas utilizando mapas auto-organizáveis de Kohonen (SOM), aplicados em diferentes características da imagem digital. Coeficientes da Transformada Discreta de Cossenos de Quadro Completo (FFDCT) foram utilizados como entrada para a tarefa de classificação, levando a bons resultados. Os protótipos de FFDCT obtidos podem ser associados a cada padrão de escoamento possibilitando uma melhor compreensão da instabilidade observada. Uma metodologia sistemática foi utilizada para verificar a robustez do método.

Análise exploratória de simulações sociais computacionais por meio de estatística multivariada e mapas auto-organizáveis.

Visando oferecer subsídios para a avaliação do Plano Territorial de Desenvolvimento Rural Sustentável do Ministério do Desenvolvimento Agrário este trabalho teve como objetivo a aplicação da análise de componentes principais, da análise de agrupamentos pelo método hierárquico aglomerativo e da rede neural do tipo Mapa Auto-Organizável de Kohonen na análise exploratória de resultados de simulações sociais computacionais do sistema socioterritorial ?Território Rural Sul "sergipano?. A metodologia basea-se na Sociologia da Ação Organizada e no método Soclab. As análises estatísticas mostraram que o sistema socioterritorial em questão tem estrutura simples e determinística, ou seja, apresenta um jogo social cooperativo com forte tendência à estabilidade mesmo com situações de interesses divergentes. A análise neural permitiu a caracterização das situações atípicas quando ocorrem a estabilidade do sistema social.

Implementación eficiente de redes neuronales autoorganizadas en CUDA C/C++.

En este documento se expondrá una implementación del problema del viajante de comercio usando una implementación personalizada de un mapa auto-organizado basándose en soluciones anteriores y adaptándolas a la arquitectura CUDA, haciendo a la vez una comparativa de la implementación eficiente en CUDA C/C++ con la implementación de las funciones de GPU incluidas en el Parallel Computing Toolbox de Matlab. La solución que se da reduce en casi un cuarto las iteraciones necesarias para llegar a una solución buena del problema mencionado, además de la mejora inminente del uso de las arquitecturas paralelas. En esta solución se estudia la mejora en tiempo que se consigue con el uso específico de la memoria compartida, siendo esta una de las herramientas más potentes para mejorar el rendimiento. En lo referente a los tiempos de ejecución, se llega a concluir que la mejor solución es el lanzamiento de un kernel de CUDA desde Matlab a través de la funcionalidad incluida en el Parallel Computing Toolbox.

Uma Aplicação de Redes Neurais Auto-Organizaveis à Reconstrução Tridimensional de Superfícies

We propose a multi-resolution approach for surface reconstruction from clouds of unorganized points representing an object surface in 3D space. The proposed method uses a set of mesh operators and simple rules for selective mesh refinement, with a strategy based on Kohonen s self-organizing map. Basically, a self-adaptive scheme is used for iteratively moving vertices of an initial simple mesh in the direction of the set of points, ideally the object boundary. Successive refinement and motion of vertices are applied leading to a more detailed surface, in a multi-resolution, iterative scheme. Reconstruction was experimented with several point sets, induding different shapes and sizes. Results show generated meshes very dose to object final shapes. We include measures of performance and discuss robustness.

Construção de genossensor amperométrico para diagnóstico da hepatite C baseado em monocamadas auto montadas e detecção não marcada

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Estudo da aplicabilidade de biossensores piezoelécticos para a detecção de lipopolissacáridos bacterianos

Dissertação de Mestrado, Engenharia Biológica, Faculdade de Engenharia de Recursos Naturais, Universidade do Algarve, 2009

Desenvolvimento e caracterização de nanovesículas lipossômicas compósitas de fosfatidilcolina da lecitina de soja e quitosana

Nanovesículas lipossômicas constituem promissoras estruturas auto-organizadas hábeis para encapsular e transportar diferentes substâncias, como os fármacos, e foram produzidas neste trabalho pelo método da evaporação em fase reversa. Fosfatidilcolina de alta pureza foi utilizada na produção das estruturas. Paralelamente procedeu-se a purificação de fosfatidilcolina por cromatografia em coluna a partir da lecitina de soja fornecida pela indústria de óleo de soja local. O processo foi monitorado por cromatografia em camada delgada e a caracterização foi feita por RMN do 1H e do 31P. O resultado mostrou que fosfatidilcolina pode ser purificada facilmente pela cromatografia em coluna, mas a sua degradação deve ser evitada por processos eficientes de conservação. Quitosana foi obtida pela desacetilação por hidrólise alcalina da quitina comercial. O grau de desacetilação resultante foi caracterizado por infra-vermelho e a massa molar média, assim como outros parâmetros do polímero em solução como raio de giro e segundo coeficiente virial, foram determinados pela técnica de espalhamento de luz estático. O polímero de caráter catiônico quitosana foi empregado na produção de nanovesículas lipossômicas para revestimento das estruturas, visando o aumento da estabilidade física das mesmas. A preparação de lipossomas pela evaporação em fase reversa constitui um processo em etapas, onde os diferentes estágios levam à formação de três sistemas vesiculares de distintas organizações estruturais: micelas reversas, organogel e lipossomas. As técnicas de viscosimetria, turbidimetria, ultra-violeta visível, espalhamento de luz estático e dinâmico e espalhamento de raios-X a baixo ângulo permitiram ampla caracterização destas estruturas com e sem quitosana. Dados como raio hidrodinâmico e ponto de percolação das micelas reversas, espessura lamelar do organogel, intensidade de espalhamento de luz, raio hidrodinâmico, raio de giro e espessura lamelar dos lipossomas foram obtidos. Além disso, o solvente orgânico éter etílico, clássico para este método de preparação foi substituído pelo acetato de etila sem prejuízo na formação das estruturas e com a vantagem do seu menor impacto ambiental. Lipossomas revestidos externa e internamente com quitosana formando um compósito foram obtidos com sucesso e apresentaram uma estabilidade física em solução aquosa maior do que lipossomas convencionais ou não revestidos.

Processamento Inteligente de Sinais de Pressão e Temperatura Adquiridos Através de Sensores Permanentes em Poços de Petróleo

Originally aimed at operational objectives, the continuous measurement of well bottomhole pressure and temperature, recorded by permanent downhole gauges (PDG), finds vast applicability in reservoir management. It contributes for the monitoring of well performance and makes it possible to estimate reservoir parameters on the long term. However, notwithstanding its unquestionable value, data from PDG is characterized by a large noise content. Moreover, the presence of outliers within valid signal measurements seems to be a major problem as well. In this work, the initial treatment of PDG signals is addressed, based on curve smoothing, self-organizing maps and the discrete wavelet transform. Additionally, a system based on the coupling of fuzzy clustering with feed-forward neural networks is proposed for transient detection. The obtained results were considered quite satisfactory for offshore wells and matched real requisites for utilization

Crescimento de fibras de zircônia preparadas pela rota sol-gel a partir de moldes de cristal líquido

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Desenvolvimento de um biosensor amperométrico para a detecção do vírus da Hepatite C

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Desenvolvimento de imunossensores para aflatoxina B1

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)