Academic literature on the topic 'Redes neurais (Computação)'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Redes neurais (Computação).'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Journal articles on the topic "Redes neurais (Computação)"
1
Ferneda, Edberto. "Redes neurais e sua aplicação em sistemas de recuperação de informação." Ciência da Informação 35, no. 1 (April 2006): 25–30. http://dx.doi.org/10.1590/s0100-19652006000100003.
Full textAbstract:
Redes neurais constituem um campo da ciência da computação ligado à inteligência artificial, buscando implementar modelos matemáticos que se assemelhem às estruturas neurais biológicas. Nesse sentido, apresentam capacidade de adaptar os seus parâmetros como resultado da interação com o meio externo, melhorando gradativamente o seu desempenho na solução de um determinado problema. A utilização de redes neurais em sistemas computacionais de recuperação de informação permite atribuir um caráter dinâmico a tais sistemas, dado que as representações dos documentos podem ser reavaliadas e alteradas de acordo com a especificação de relevância atribuída pelos usuários aos documentos recuperados. O presente trabalho apresenta as principais iniciativas de se aplicarem os conceitos de redes neurais aos sistemas de recuperação de informação e avalia sua aplicabilidade em grandes bases documentais, como é o caso da Web.
2
Silva, Ivan Nunes da, Wagner Caradori do Amaral, and Lúcia V. R. de Arruda. "Uma abordagem usando redes neurais artificiais para resolução de problemas de otimização restrita." Pesquisa Operacional 24, no. 2 (August 2004): 285–302. http://dx.doi.org/10.1590/s0101-74382004000200005.
Full textAbstract:
Sistemas baseados em redes neurais artificiais fornecem altas taxas de computação devido ao uso de um número massivo de elementos processadores simples. Redes neurais com conexões realimentadas fornecem um modelo computacional capaz de resolver uma rica classe de problemas de otimização. Este artigo apresenta uma nova abordagem para resolver problemas de otimização restrita utilizando redes neurais artificiais. Mais especificamente, uma rede de Hopfield modificada é desenvolvida cujos parâmetros internos são calculados usando a técnica de subespaço válido de soluções. A partir da obtenção destes parâmetros a rede tende a convergir aos pontos de equilíbrio que representam as possíveis soluções para o problema. Exemplos de simulação são apresentados para justificar a validade da abordagem proposta.
3
Coelho, Leandro dos Santos, Roberto Tadeu Raittz, and Maurício Trezub. "FControl®: sistema inteligente inovador para detecção de fraudes em operações de comércio eletrônico." Gestão & Produção 13, no. 1 (April 2006): 129–39. http://dx.doi.org/10.1590/s0104-530x2006000100012.
Full textAbstract:
A prevenção de fraude em cartão de crédito é uma importante aplicação comercial para aplicação de abordagens de métodos de previsão e inteligência computacional. A inteligência computacional é uma associação de metodologias bio-inspiradas que incluem, como principais membros, as redes neurais, sistemas nebulosos, computação evolutiva, inteligência coletiva e computação probabilística. Recentemente, a aplicação de técnicas da inteligência computacional no suporte de tarefas de serviço, tais como detecção e identificação de anomalia, classificação de padrão, diagnóstico, prognóstico, estimação e controle, tem emergido nos ambientes industrial e comercial. Este artigo apresenta um sistema computacional eficiente baseado em metodologias da inteligência computacional para detecção de fraude em operações reais de dados de cartão de crédito em transações de comércio eletrônico. O novo método proposto é denominado FControl® de detecção de fraude e classificação integra conceitos de sistemas inteligentes híbridos baseado em abordagens de redes neurais, sistemas nebulosos e computação evolutiva. O método proposto gera soluções de qualidade em termos de eficiência e sucesso de previsão. O programa computacional do FControl® está atualmente instalado em um Intel Pentium IV 2.4 MHz (bi-processador e RAM de 4 Gbytes) na companhia Ciashop E-Commerce e está correntemente em uso para detecção de fraude para 250 companhias com serviços de comércio eletrônico.
4
Fernandez Bou, Angel Santiago, and Vítor Hugo Ferreira. "PREVISÃO DE CARGA ELÉTRICA NO CURTO PRAZO COM REDES NEURAIS." Engevista 16, no. 1 (November 25, 2013): 91. http://dx.doi.org/10.22409/engevista.v16i1.591.
Full textAbstract:
A previsão da carga elétrica que vai ser consumida em um determinado horizonte temporal tem-se tornado um dos alvos das pesquisas das empresas concessionárias de energia elétrica. Ao longo das últimas décadas, diversos métodos de cálculo estatístico têm sido usados para realizar estas previsões; no entanto, com a evolução da computação, novas técnicas baseadas na inteligência artificial conseguiram desenvolver-se com bons resultados. Uma das técnicas que oferecem melhores resultados é a de Redes Neurais Artificiais, já que apresenta alta capacidade de lidar com comportamentos não lineares, como os que acontecem na demanda de potência elétrica. Neste artigo estudou-se uma série de dados de carga elétrica horária e de temperatura horária durante dois meses para realizar a previsão da potência elétrica horária demandada durante os sete dias posteriores à série, utilizando a técnica de Redes Neurais Artificiais. A hipótese de partida usada foi que a carga elétrica depende da temperatura. Para alimentar a Rede Neural utilizaram-se como entradas a evolução do consumo, a temperatura horária e um coeficiente dependente da temperatura. Este coeficiente tentou destacar o efeito da não linearidade da série. O menor erro percentual médio obtido com o modelo após aplicar diversas parametrizações foi de 3,41%. Este resultado pode ser considerado bom, ficando provado que a técnica de Redes Neurais Artificiais fornece boas previsões para o cálculo da potência elétrica demandada no curto prazo.
5
Costa, Ernane José Xavier. "Inteligência artificial aplicada à Zootecnia." Revista Brasileira de Zootecnia 38, spe (July 2009): 390–96. http://dx.doi.org/10.1590/s1516-35982009001300038.
Full textAbstract:
Os sistemas biológicos são surpreendentemente flexíveis pra processar informação proveniente do mundo real. Alguns organismos biológicos possuem uma unidade central de processamento denominada de cérebro. O cérebro humano consiste de 10(11) neurônios e realiza processamento inteligente de forma exata e subjetiva. A Inteligência Artificial (IA) tenta trazer para o mundo da computação digital a heurística dos sistemas biológicos de várias maneiras, mas, ainda resta muito para que isso seja concretizado. No entanto, algumas técnicas como Redes neurais artificiais e lógica fuzzy tem mostrado efetivas para resolver problemas complexos usando a heurística dos sistemas biológicos. Recentemente o numero de aplicação dos métodos da IA em sistemas zootécnicos tem aumentado significativamente. O objetivo deste artigo é explicar os princípios básicos da resolução de problemas usando heurística e demonstrar como a IA pode ser aplicada para construir um sistema especialista para resolver problemas na área de zootecnia.
6
Rocha, Tacia. "Inteligência Artificial, educação e trabalho: entrevista com Eric Aislan Antonelo." Texto Livre: Linguagem e Tecnologia 12, no. 2 (July 23, 2019): 214–20. http://dx.doi.org/10.17851/1983-3652.12.2.214-220.
Full textAbstract:
Eric Aislan Antonelo é cientista da computação com mestrado em Engenharia de Sistemas de Computação, na linha de pesquisa “Sistemas Inteligentes”, pela Universidade de Halmstad, na Suécia, e doutorado em Ciência da Computação pela Universidade de Ghent, na Bélgica. Do seu vasto currículo destaca-se sua mais recente experiência como pesquisador associado na Universidade de Luxemburgo, de dezembro de 2016 a março de 2019, em projeto de pesquisa industrial com uma empresa privada usando técnicas de aprendizado de máquina. Estabelecemos contato quando o pesquisador recém chegou ao Brasil, após estadia em Luxemburgo. Na ocasião eu estava produzindo uma reportagem sobre “tecnologia e educação” para um projeto de ensino do qual participo, voltado para a produção textual em gêneros jornalísticos por acadêmicos/as e pós-graduandos/as em Letras, da Universidade Estadual de Maringá (UEM). Convidei-o para participar como fonte-especialista em Inteligência Artificial (IA). Dada a complexidade do tema, passei um briefing do meu projeto discursivo e o pesquisador colaborou já na fase preliminar da pesquisa exploratória, sugerindo temas para elaboração das perguntas. A entrevista, concedida em língua portuguesa no dia 14 de abril de 2019, via formulário compartilhado no Google Docs, tem como objetivo tomar os argumentos do pesquisador de modo a localizar a IA como disciplina e área da engenharia, compreender sua especificidade, tendências, impactos na educação e estágio de desenvolvimento no Brasil. Os resultados constantes no texto permitem: i) recuperar a razão da existência da IA – emular a inteligência do ser humano; ii) retomar a classificação tanto como IA simbólica referindo-se à manipulação de símbolos como sistemas de inferência por lógica, quanto como IA conexionista que engloba modelos chamados redes neurais. Entre suas diversas aplicações, destacam-se a tradução automática, reconhecimento de fala e sistemas Q&R; iv) compreender que a popularização do termo IA nos últimos anos se dá graças ao desenvolvimento tecnológico. De acordo com o pesquisador, no mundo do trabalho, poderá ser critério de desempate, transferindo à escola o dever de ensinar o básico de ciência da computação a fim de garantir a empregabilidade. Finalizo minha asserção agradecendo a gentileza do pesquisador ao tornar possível a reelaboração desta temática emergente e urgente que congrega reflexões acerca de tecnologia, educação e trabalho e ao periódico Texto Livre: Linguagem e Tecnologia, que possibilita a circulação desta entrevista na íntegra para uma vasta comunidade, ampliando assim a discussão.
7
Brito, Emilayne Nicácio Dias, Bárbara Queiroz de Figueiredo, Diego Nunes Souto, Júlia Fernandes Nogueira, Ana Luísa de Castro Melo, Iorrane Tavares da Silva, Iuri Pimenta Oliveira, and Marcelo Gomes de Almeida. "Inteligência Artificial no diagnóstico de doenças neurodegenerativas: uma revisão sistemática de literatura." Research, Society and Development 10, no. 11 (September 7, 2021): e482101120004. http://dx.doi.org/10.33448/rsd-v10i11.20004.
Full textAbstract:
Introdução: Inteligência Artificial (IA) é um ramo da ciência da computação que se propõe a desenvolver sistemas que simulem a capacidade humana de percepção de um problema, identificando seus componentes para, com isso, resolver problemas e propor/tomar decisões. Objetivo: ampliar conhecimentos e categorizar aplicações do uso da IA para o diagnóstico, tratamento e prognóstico de doenças neurodegenerativas, uma vez que, atualmente, seu uso se torna amplamente aplicável e essencial para contornar as etapas da moléstia. Metodologia: Trata-se de uma pesquisa descritiva do tipo revisão integrativa da literatura realizada através do acesso online nas bases de dados National Library of Medicine (PubMed MEDLINE), Scientific Electronic Library Online (Scielo), Google Scholar, Biblioteca Virtual em Saúde (BVS), Web of Science e EBSCO Information Services, nos meses de junho e julho de 2021. Resultados e discussão: Nos últimos anos, os dados obtidos por redes neurais, aprendizagem profunda e outros métodos matemáticos estão se desenvolvendo a uma velocidade sem precedentes. Eles têm sido amplamente utilizados no campo da análise de imagens, e demostraram grande potencial na análise de imagens médicas no diagnóstico de Doença de Alzheimer, Doença de Parkinson, esclerose múltipla, sendo a aplicação destes métodos podem melhorar ainda mais a capacidade de análise de dados de imagem multimodais complexos e melhorar a eficiência desses diagnósticos. Conclusão: com a inteligência artificial, os distúrbios neurodegenerativos podem ser investigados em um nível mais profundo, fornecendo uma visão geral abrangente da doença e abrindo caminhos para a aplicação da medicina de precisão para essas patologias.
8
Cruz, Karine Duque. "ANÁLISE DA INFLUÊNCIA DE TEORES DE SUBSTITUIÇÃO DE AGREGADOS DE RESÍDUO DE CONSTRUÇÃO E DEMOLIÇÃO EM CONCRETOS UTILIZANDO A ANÁLISE DE COMPONENTES PRINCIPAIS." Anais dos Seminários de Iniciação Científica, no. 21 (November 1, 2017). http://dx.doi.org/10.13102/semic.v0i21.2445.
Full textAbstract:
Na tentativa de redução do impacto causado ao ambiente pelas atividades humanas todos os segmentos da sociedade têm buscado repensar suas estratégias de produção. A construção civil é um dos segmentos industriais que mais consome recursos naturais. O desenvolvimento de novos materiais a base de cimento vem sendo estimulado pela capacidade de incorporação de resíduos sólidos ao concreto, o que tende a minimizar o impacto ambiental destes resíduos e aprimorar este material, abrindo campo para novas aplicações.Para modelagem foram utilizadas Redes Neurais Artificiais (RNA), que são um dos tipos de técnicas de inteligência computacional, em que seutiliza a denominada computação natural para a solução dos problemas e podem ser aplicadasem tarefas em que se tem uma base de dados de um problema específico.Para preparação dos dados foi utilizado o método de modelagem numérica Análise de Componentes Principais (ACP), a qual é associada à ideia de redução de massa de dados, com menor perda possível da informação.
9
De Oliveira, Tiago, and Denise Stringhini. "Rede Neural Artificial para Atribuição de Notas em Relatórios Técnicos num Contexto de Avaliações por Pares e Rubricas." RENOTE 18, no. 1 (July 31, 2020). http://dx.doi.org/10.22456/1679-1916.105918.
Full textAbstract:
Num ambiente educacional, o processo de atribuição de notas para uma determinada atividade didática é uma tarefa importante e recorrente realizada por um professor ou instrutor responsável pela condução de uma disciplina ou de um curso. Esse processo de atribuição de notas envolve fatores como o contexto educacional onde a metodologia de ensino-aprendizagem está sendo aplicada e os critérios, estratégias e o estilo do professor ou instrutor no estabelecimento das notas. Neste artigo, busca-se investigar a possibilidade de personalização e ao mesmo tempo de automatização de um processo de atribuição de notas para relatórios técnicos utilizando redes neurais artificiais (RNAs) num contexto educacional composto de avaliações por pares e rubricas. A arquitetura de RNA proposta foi submetida à avaliação em dados educacionais reais provenientes de avaliações por pares realizadas por alunos de um curso de Engenharia de Computação nos anos de 2017, de 2018 e de 2019. Os resultados obtidos com o uso das RNAs levando em consideração os dados educacionais reais coletados são promissores, inclusive em comparação com atribuições automáticas de notas disponibilizadas por Ambientes Virtuais de Aprendizagem (AVA) como o MOODLE.
10
Santos Sena, João Paulo. "SELEÇÃO DE INSTÂNCIAS DE GRANDES BASES DE DADOS USANDO ALGORITMOS EVOLUTIVOS MULTIOBJETIVO." Anais dos Seminários de Iniciação Científica, no. 22 (February 4, 2019). http://dx.doi.org/10.13102/semic.v0i22.4015.
Full textAbstract:
Os Sistemas Baseados em Regras Fuzzy (SBRF) têm sido amplamente usados para a resolução de diversos tipos de problemas, tais como, controle (Leephakpreeda, 2011), modelagem (Pedrycz, 1996), classificação (Ishibuci, 1995). A maneira mais comum para a aquisição do conhecimento de um SBRF é a partir de dados numéricos, os quais representam amostras ou exemplos do problema. As formas mais bem-sucedidas de extração automática de conhecimento a partir de dados para a construção de SFBR são as que combinam metodologias para aprendizado de máquina com conceitos de sistemas fuzzy. Entre elas, destacam-se as Redes Neurais Artificiais e a Computação Evolutiva (Cordón et al, 2001).Os Algoritmos Genéticos Multiobjetivo (AGMO), vêm demonstrando ser uma poderosa ferramenta para a construção automática (ou projeto automático) de SBRF. No entanto, este processo é fortemente influenciado pela quantidade de instâncias e características presentes nas bases de dados, que afetam o tamanho do espaço de busca e o tempo computacional. Por isso, a redução de dados é de fundamental importância para reduzir o tempo de aprendizado do SBRF e amenizar as dificuldades durante o processo de convergência dos algoritmos evolutivos.A redução de dados, neste caso, a seleção de instâncias, é um problema multiobjetivo, pois busca-se reduzir a base de dados, e ao mesmo tempo, manter o desempenho do classificador estável ou superior, quando comparado com a base de dados original. Portanto, este trabalho possui o objetivo de investigar a aplicação de Algoritmos Genéticos Multiobjetivo para a seleção de instâncias de grandes bases de dados.
Dissertations / Theses on the topic "Redes neurais (Computação)"
1
Ribeiro, João Henrique Ranhel. "Computação por assembleias neurais em redes neurais pulsadas." Universidade de São Paulo, 2011. http://www.teses.usp.br/teses/disponiveis/3/3142/tde-16032012-112119/.
Full textAbstract:
Um dos grandes mistérios da ciência é compreender como sistemas nervosos são capazes de realizar as extraordinárias operações computacionais que realizam. Provavelmente, encéfalos são as estruturas nas quais energia e matéria estão organizadas da forma mais complexa no universo. Central na computação cerebral está o conceito de neurônio. A forma como neurônios computam é motivo de intensa investigação científica. Um consenso atual é que neurônios formam grupos transientes (assembleias) a fim de representar coisas, de realizar operações computacionais, e de executar processos cognitivos; embora os mecanismos que fundamentam a computação por assembleias ainda não seja bem compreendido. Aqui é proposta uma forma pela qual se explica como computação por assembleias pode acontecer. Dois componentes são fundamentais para formação de coalizões neurais: a relação temporal entre grupos de neurônios e o fator de acoplamento entre eles. Assembleias pressupõe neurônios pulsantes; portanto, simulamos computação por assembleias em redes neurais pulsantes. A abordagem usada nesta tese é funcional; apresentamos um arcabouço teórico sobre propriedades, princípios, e dinâmicas que permitem operações computacionais por coalizões neurais. É apresentado na tese que: (i) quando neurônios formam assembleias está implícito que um tipo de função lógica estocástica ocorre, (ii) assembleias podem formar grupos com feedback, criando grupos biestáveis, (iii) grupos biestáveis criam representações internas dos eventos que os criaram, (iv) assembleias podem se ramificar e também dissolver outras assembleias, o que dá origem a algoritmos complexos. Esta é uma investigação inicial sobre computação em assembleias neurais, e há muito a ser feito. Nesta tese apresentamos os conceitos basais para esta nova abordagem. Há um conjunto de programas nos apêndices que permitem ao leitor simular formações de assembleias, ramificações, inibições, reverberações, entre outras propriedades e componentes de nossa proposta.One of the greatest mysteries in science is to comprehend how brains are capable of realizing the extraordinary computational operations they do. Probably, brains are the structures in which matter and energy are organized in the most complex way in the Universe. Central to the brain computation is the concept of neuron. How neurons compute is motive of intensive scientific investigation. A prevailing consensus is that neurons form transient groups (assemblies) in order to represent things, for realizing computational operations, and for executing cognitive processes; although the mechanisms that substantiate such computation by neural assemblies are not yet well understood. In this thesis we propose a form that explains how neural assembly computation may occur. It is shown that two components are fundamentals for neural coalition formation: the temporal relation among neural groups, and the coupling factor among them. In this sense, neural assemblies presuppose spiking neurons; therefore, here we simulate assembly computing using spiking neural networks. In this thesis it is presented basically a functional approach; thus, it presents a theoretical approach concerning the properties, principles, characteristics, and components that allow the computational operations in neural coalitions. It is presented in the thesis that: (i) as neurons form assemblies it is implicit that a kind of stochastic logic function occurs; (ii) assemblies may form groups that feedback each other, creating bistable groups; (iii) bistable groups internally represent the event that created them; (iv) assemblies may branch and dissolve other assemblies, what give rise to complex algorithms. This is an initial investigation about neural assembly computing and there is a lot to be done; however, in this thesis we present the basal concepts for this new approach. There are programs in the appendices that allow the reader to simulate assembly formation, branching, inhibition, reverberation, among other properties and components in our proposal.
2
Dartora, Gery Antonio. "Redes neurais artificiais." Florianópolis, SC, 2003. http://repositorio.ufsc.br/xmlui/handle/123456789/84537.
Full textAbstract:
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Ciência da Computação.Made available in DSpace on 2012-10-20T10:14:25Z (GMT). No. of bitstreams: 1 195587.pdf: 955703 bytes, checksum: b8985042df5f6b7ddeaa25bb04b73172 (MD5)
3
Tápia, Milena. "Redes neurais artificiais." Florianópolis, SC, 2000. http://repositorio.ufsc.br/xmlui/handle/123456789/78807.
Full textAbstract:
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Centro TecnológicoMade available in DSpace on 2012-10-17T19:37:03Z (GMT). No. of bitstreams: 0Bitstream added on 2014-09-25T17:12:29Z : No. of bitstreams: 1 178322.pdf: 8164173 bytes, checksum: 58dff9972980056ae164ad29c6b70fd0 (MD5)
Pesquisa que aborda o uso de Redes Neurais Artificiais (RNAs) - modelos biologicamente inspirados - no problema de processamento temporal, onde o principal objetivo é a previsão. Com base na Taxinomia de MOZER (1994) para processamento temporal, o foco do estudo recaiu em duas questões: 1) Definir a forma da memória de curto tempo, o conteúdo que deveria ser armazenado nesta, e como seus parametros serião atualizados; 2) e definir a topologia da rede (tamanho, estrutura e conexões), assim como os parâmetros do algoritmo de treinamento (taxa de aprendizado, termo de momento e outros). O modelo resultante foi comparado com a Metodologia de Box & Jenkins para modelos univariados, avaliado e criticado em termos de: capacidade representativa, processo de identificação e capacidade preditiva. Os resultados mostram que uma RNA, quando bem modelada, têm potencial para representar qualquer mapeamento complexo, não-linear, que pode governar mudanças em uma série de tempo. No estudo de caso foi possível prever o preço do ovo para um período de quatorze meses à frente
4
SILVA, Adenilton José da. "Redes neurais lógicas quânticas." Universidade Federal de Pernambuco, 2011. https://repositorio.ufpe.br/handle/123456789/2273.
Full textAbstract:
Made available in DSpace on 2014-06-12T15:56:05Z (GMT). No. of bitstreams: 2
arquivo2496_1.pdf: 927111 bytes, checksum: 2a7e700951f9ece734722fe6fb1707f8 (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2011Conselho Nacional de Desenvolvimento Científico e Tecnológico
Através da miniaturização dos componentes dos chips a cada ano a velocidade dos computadores é aproximadamente duplicada. Esta rápida redução dos componentes dos chips é conhecida como a Lei de Moore. Apesar de se manter verdadeira nos últimos anos, a lei de Moore está se aproximando de seu limite, pois os componentes dos chips estão se aproximando a escala atômica. Neste momento, será necessário considerar os efeitos da mecânica quântica sobre a computação. O estudo dos modelos de computação não convencionais, como a computação quântica, é um dos grandes desafios da pesquisa em computação no Brasil. O desenvolvimento de novos hardwares com tecnologias diferentes do silício pode ter consequências nas técnicas de desenvolvimento de hardware e software. O objetivo desta dissertação é investigar que vantagens podem ser obtidas através da aplicação de técnicas da computação quântica no desenvolvimento e treinamento de modelos de redes neurais artificiais. Três modelos de redes neurais quânticas baseados em modelos de redes neurais sem pesos foram propostos. Ao contrário dos outros modelos de redes neurais quânticas, as redes propostas nesta dissertação podem simular as redes em que foram baseadas. A principal vantagem dos modelos quânticos neurais propostos nesta dissertação está no seu algoritmo de treinamento, um algoritmo onde a rede neural é executada apenas uma vez independente do tamanho do conjunto de treinamento e da rede neural. O algoritmo proposto foi baseado em uma memória associativa quântica e no algoritmo de busca de Grover
5
Sandmann, Humberto Rodrigo. "Padrões de pulsos e computação em redes neurais com dinâmica." Universidade de São Paulo, 2012. http://www.teses.usp.br/teses/disponiveis/3/3142/tde-05092012-165022/.
Full textAbstract:
O processamento de sinais feito pelos sistemas neurais biológicos é altamente eficiente e complexo, por isso desperta grande atenção de pesquisa. Basicamente, todo o processamento de sinais funciona com base em redes de neurônios que emitem e recebem pulsos. Portanto, de forma geral, os estímulos recebidos do sistema sensorial por uma rede neural biológica de algum modo são convertidos em trens de pulsos. Aqui, nesta tese, é apresentada uma nova arquitetura composta por duas camadas: a primeira recebe correntes de estímulos de entrada e os mapeia em trens de pulsos; a segunda recebe esses trens de pulsos e os clássica em conjuntos de estímulos. Na primeira camada, a conversão de correntes de estímulos em trens de pulso é feita através de uma rede de neurônios osciladores acoplados por pulso. Esses neurônios possuem uma frequência natural de disparo e quando são agrupados em redes podem se coordenar para apresentar uma dinâmica global a longo prazo. Por sua vez, a dinâmica global também é sensível às correntes de entrada. Na segunda camada, a classificação dos trens de pulsos em conjuntos de estímulos é implementada por um neurônio do tipo integra-e-dispara. O comportamento típico para esse neurônio é de disparar ao menos uma vez para todas as integrações de trens de pulsos de uma determinada classe; caso contrário, ele deve car em silêncio. O processo de aprendizado da segunda camada depende do conhecimento do intervalo de tempo de repetição de um trem de pulsos. Portanto, nesta tese, são apresentadas métricas para definir tal intervalo de tempo, dando, assim, autonomia para a arquitetura. É possível concluir com base nos ensaios realizados que a arquitetura desenvolvida possui uma grande capacidade para mapeamento de correntes de entradas em trens de pulsos sem a necessidade de alterações na estrutura da arquitetura; também que a adição da dimensão tempo pela primeira camada ajuda na classificação realizada pela segunda. Assim, um novo modelo para realizar processos de codificação e decodificação é apresentado, desenvolvido através de séries de ensaios computacionais e caracterizado por medidas de sua dinâmica.The signal processing done by the neural systems is highly efficient and complex, so that it attracts a large attention for research. Basically, all the signal processing functions are based on networks of neurons that send and receive spikes. Therefore, in general, the stimuli received from the sensory system by a biological neural network somehow are converted into spike trains. Here, in this thesis, we present a new architecture composed of two layers: the first layer receives streams of input stimuli and maps them on spike trains; the second layer receives these spike trains and classifies them in a sets of stimuli. In the first layer, the conversion of currents of stimuli on spike trains is made by a pulse-coupled neural network. Neurons in this context are like oscillators and have a natural frequency to shoot; when they are grouped into networks, they can be coordinated to present a global long-term dynamics. In turn, this global dynamics is also sensible to the input currents. In the second layer, the classification of spike trains in sets of stimuli is implemented by an integrate-and-re neuron. The typical behavior for this neuron is to shoot at least once every time that it receives a known spike train; otherwise, it should be in silence. The learning process of the second layer depends on the knowledge of the time interval of repetition of a spike train. Therefore, in this thesis, metrics are presented to define this time interval, thus giving autonomy to the architecture. It can be concluded on the basis of the tests developed that the architecture has a large capacity for mapping input currents on spike trains without requiring changes in its structure; moreover, the addition of the time dimension done by the first layer helps in the classification performed by the second layer. Thus, a new model to perform the encoding and decoding processes is presented, developed through a series of computational experiments and characterized by measurements of its dynamics.
6
Cavalcanti, Hugo Mauro Vasconcelos da Cunha. "Extração de caracteristicas via redes neurais." [s.n.], 2000. http://repositorio.unicamp.br/jspui/handle/REPOSIP/259420.
Full textAbstract:
Orientador: Lee Luan LingDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação
Made available in DSpace on 2018-07-27T01:49:41Z (GMT). No. of bitstreams: 1 Cavalcanti_HugoMauroVasconcelosdaCunha_M.pdf: 6391593 bytes, checksum: 75cb2a1a256c8652d012f7153f370886 (MD5) Previous issue date: 2000
Resumo: A implementação de um sistema de reconhecimento de padrões requer a solução de alguns problemas básicos: Aquisição de Dados, Extração de Características e Classificação dos padrões. Apesar de muitos trabalhos estarem sendo feitos na tentativa de resolver o problema de Reconhecimento de Padrões utilizando Redes Neurais, poucos são os trabalhos que abordam o Problema de Extração de Características. Assim, nesta Tese propomos o Algoritmo de Extração de Características via Redes Neurais Lee/Cavalcanti. Este algoritmo encontra a quantidade mínima de características necessárias para resolver o problema de classificação de padrões utilizando uma rede neural do tipo Multilayer Parceptron (MLP). E baseia-se no fato de que todas as características informativas podem ser encontradas a partir da fronteira de decisão do problema. Então, mostramos como construímos o algoritmo e apresentamos alguns experimentos que provam a eficiência do mesmo. Inicialmente, alguns experimentos foram feitos utilizando dados sintéticos, mostrando a relação entre a fronteira de decisão teórica e a fronteira de decisão prática encontrada a partir da rede treinada. Em seguida, implementamos urna rede neural para classificação de assinaturas estáticas. Neste experimento, utilizamos originalmente 32 características. E, em seguida, utilizando o algoritmo de extração de características Lee/Cavalcanti, conseguimos 98,84% de precisão de classificação, com apenas 16 características. Desta forma, mostramos que o uso do algoritmo Lee/Cavalcanti pode encontrar a quantidade mínima de características de um problema de classificação de padrões. E, desta maneira, fazer com que a classificação do padrão seja realizada de forma mais rápida do que utilizando o conjunto original de amostras
Abstract: The design and implementation of Pattern Recognition systems require the solution ofthe following problems: Data Acquisition, Feature Extraction and Pattern Classification. Although, much effort has been expended to solve a Pattern Recognition problem using the Neural Networks approach, not many works have being done to solve the Feature Extraction problem. In this thesis, we propose the Lee/Cava1canti Feature Extraction Algorithm Via Neural Networks, which finds the minimum number of features necessary to solve the classification problem using Multilayer Perception (MLP) Neural Networks. This algorithm is based on informative features found from the Decision Boundary. We present how the algorithm was built and some experiments to prove its efficiency. Some experiments using synthetic data are shown, indicating the relationship between the practical decision boundary, obtained from the trained neural network, and the theoretic one. Then, we design a neural classifier for a static signature recognition and we test it using 32 features. Finally, using only 16 features, we test the classifier obtaining a 98,84% accuracy in relation to the accuracy gained in the first test. The use of only 16 features was obtained using Lee/Cava1canti Algorithm. The use of the Lee/Cava1canti Algorithm can reduce the number of features involved in a classification problem. Furthermore, it can make the system work faster with the same classification accuracy provided by the original set of features
Mestrado
Mestre em Engenharia Elétrica
7
Kapp, Angelita Fleig. "Aplicação de redes neurais à migração de serviços de telecomunicações de redes legadas para redes IP." reponame:Repositório Institucional da UnB, 2007. http://repositorio.unb.br/handle/10482/3092.
Full textAbstract:
Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2007.Submitted by Diogo Trindade Fóis (diogo_fois@hotmail.com) on 2009-11-26T20:36:26Z No. of bitstreams: 1 2007_AngelitaFleigKapp.PDF: 2854431 bytes, checksum: 7c18a4f4f583180d448d4fa471093d0c (MD5)
Approved for entry into archive by Carolina Campos(carolinacamposmaia@gmail.com) on 2010-01-11T16:32:40Z (GMT) No. of bitstreams: 1 2007_AngelitaFleigKapp.PDF: 2854431 bytes, checksum: 7c18a4f4f583180d448d4fa471093d0c (MD5)
Made available in DSpace on 2010-01-11T16:32:40Z (GMT). No. of bitstreams: 1 2007_AngelitaFleigKapp.PDF: 2854431 bytes, checksum: 7c18a4f4f583180d448d4fa471093d0c (MD5) Previous issue date: 2007-12-14
O planejamento e o dimensionamento de recursos, tanto humanos quanto materiais, devem estar suportados por dados que facilitem a sua execução e garantam uma assertividade mínima suficiente em seus resultados. Este trabalho trata deste e outros assuntos relacionados à predição do período - com a melhor assertividade possível - em que se deve migrar o transporte dos atuais serviços de conexão de redes, hoje suportados por redes totalmente Determinísticas, para redes Estatísticas. Esta estimativa de período será feita a partir de uma rede Neural de aprendizado Hebbiano, baseada na Transformada de Karhunen-Loève onde dados de evolução de flexibilidade, custo, confiabilidade e eficiência são comparados para redes IP (Internet Protocol) e redes não IP e o cruzamento destas duas curvas estima uma data onde os citados custo, confiabilidade e eficiência serão melhores para as redes baseadas em IP. __________________________________________________________________________________________ ABSTRACT
The human and material resources planning must be supported by data that makes this task easier and they must be as correct as possible. This work, based in this directive, tries to predict a period that the service transportation will migrate fro TDM (Time Division Multiplex) to IP (Internet Protocol) based Networks. This period estimate will use a Hebbian Learning Neural Network, based on Karhunen- Loève Transform where the flexibility evolution data, cost, trustworthiness and efficiency are compared for IP Networks and Non-IP Networks. The crossing of these two curves esteems a cited date where flexibility, cost, trustworthiness and efficiency will be better for IP based networks
8
Bertholdi, Paulo Roberto. "Utilizando redes neurais no reconhecimento de padrões cefalométricos." reponame:Repositório Institucional da UFSC, 2012. http://repositorio.ufsc.br/xmlui/handle/123456789/84148.
Full textAbstract:
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2002Made available in DSpace on 2012-10-20T06:44:11Z (GMT). No. of bitstreams: 1 266455.pdf: 2195807 bytes, checksum: 6c4aa278c4912dca2b6f730745626ae8 (MD5)
A Inteligência Artificial tem sido um dos principais campos de estudo na área da Ciência da Computação tentando resolver problemas de difícil solução. Todos os problemas são difíceis até que sua solução seja conhecida (Fogel, 1995). Os métodos de abordagem de problemas de difícil solução encontram na Inteligência Artificial respostas satisfatórias através de paradigmas como os modelos conexionistas baseados na estrutura neuronal do cérebro humano. As Redes Neurais surgiram com o intuito de obter resultados satisfatórios comparados aos sistemas especialistas, que falham em área de competência não restrita. Essa característica é imprescindível quando tratamos problemas voltados ao âmbito biológico, pois é preciso interagir com o meio, reconhecer padrões, adaptar-se e estabelecer processos indutivos e dedutivos. A Ciência da Computação tem propiciado a evolução do conhecimento na área de Ciência Biológica e da Saúde. Citando pesquisas como o Projeto Genoma, visualizamos a Ciência da Computação não apenas como fator auxiliar, mas sim como fator limitante no desenvolvimento destas pesquisas. Isso têm direcionado grande número de trabalhos de defesa de tese voltados para a área de Ciência Biológica e da Saúde objetivando a aplicação de Inteligência Artificial em processos de classificação e diagnóstico, onde os métodos convencionais falham ou a precisão não alcança um valor de confiança suficiente. A proposta deste trabalho é utilizar as Redes Neurais como ferramenta no processo de classificação cefalométrica de um indivíduo. A Cefalometria utiliza métodos estatísticos convencionais para obtenção destes resultados, estudando um universo de indivíduos restritos a áreas geopoliticamente isoladas ou com pouco cruzamento racial. A aplicação de Redes Neurais como Método de Classificação Cefalométrica pode aproximar a precisão dos resultados a um valor de confiança suficiente comparada aos métodos atuais.
Artificial Intelligence has been one of the main matters in Computational Science area that tries to find solutions for difficult problems or those ones whereas is impossible to be solved. All the problems are difficult until their solution be known. (Fogel 1995). Approaching methods for difficult problems can get answers by paradigms like connexionistic models based on human brain neuronal structures. Neural Networks appeared intending to obtain satisfactory results compared to Specialist System that fails in unrestricted competence area. This characteristic is needful when we work out in problems pertaining to biological scopes causer we need to interact with the environment, recognizing patterns and adapting ourselves to establish inductive and deductive process. Computational Science has been providing knowledge evolution in Biological Science and Health area. Mentioning researches such as Genome Project we foresee Computational Science not only as an auxiliary factor but also a limitable one for these researches development. So this has been guiding a great number of works for thesis presentations involving Biological Science and Health areas aiming the use of Artificial Intelligence in diagnosis and classification processes whereas conventional methods or precision does not reach enough reliability. Cephalometry, an Biological Science area for studying human cranial measures, uses conventional statistical methods to obtain anthropomorphic characteristics studying an universe of individuals, restricted to an isolated geopolitical areas, or with few racial crossing. The proposal for using Neural Network as a Cephalometric classification method aims, in this work, to approach results in precision and accuracy an enough reliable value compared to the actual methods.
9
Bordignon, Fernando Luis. "Aprendizado extremo para redes neurais fuzzy baseadas em uninormas." [s.n.], 2013. http://repositorio.unicamp.br/jspui/handle/REPOSIP/259061.
Full textAbstract:
Orientador: Fernando Antônio Campos GomideDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação
Made available in DSpace on 2018-08-22T00:50:20Z (GMT). No. of bitstreams: 1 Bordignon_FernandoLuis_M.pdf: 1666872 bytes, checksum: 4d838dfb4ec418698d9ecd3b74e7c981 (MD5) Previous issue date: 2013
Resumo: Sistemas evolutivos são sistemas com alto nível de adaptação capazes de modificar simultaneamente suas estruturas e parâmetros a partir de um fluxo de dados, recursivamente. Aprendizagem a partir de fluxos de dados é um problema contemporâneo e difícil devido à taxa de aumento da dimensão, tamanho e disponibilidade temporal de dados, criando dificuldades para métodos tradicionais de aprendizado. Esta dissertação, além de apresentar uma revisão da literatura de sistemas evolutivos e redes neurais fuzzy, aborda uma estrutura e introduz um método de aprendizagem evolutivo para treinar redes neurais híbridas baseadas em uninormas, usando conceitos de aprendizado extremo. Neurônios baseados em uninormas fundamentados nas normas e conormas triangulares generalizam neurônios fuzzy. Uninormas trazem flexibilidade e generalidade a modelos neurais fuzzy, pois elas podem se comportar como normas triangulares, conormas triangulares, ou de forma intermediária por meio do ajuste de elementos identidade. Este recurso adiciona uma forma de plasticidade em modelos de redes neurais. Um método de agrupamento recursivo para granularizar o espaço de entrada e um esquema baseado no aprendizado extremo compõem um algoritmo para treinar a rede neural. _E provado que uma versão estática da rede neural fuzzy baseada em uninormas aproxima funções contínuas em domínios compactos, ou seja, _e um aproximador universal. Postula-se, e experimentos computacionais endossam, que a rede neural fuzzy evolutiva compartilha capacidade de aproximação equivalente, ou melhor, em ambientes dinâmicos, do que as suas equivalentes estáticas
Abstract: Evolving systems are highly adaptive systems able to simultaneously modify their structures and parameters from a stream of data, online. Learning from data streams is a contemporary and challenging issue due to the increasing rate of the size and temporal availability of data, turning the application of traditional learning methods limited. This dissertation, in addition to reviewing the literature of evolving systems and neuro fuzzy networks, addresses a structure and introduces an evolving learning approach to train uninorm-based hybrid neural networks using extreme learning concepts. Uninorm-based neurons, rooted in triangular norms and conorms, generalize fuzzy neurons. Uninorms bring flexibility and generality to fuzzy neuron models as they can behave like triangular norms, triangular conorms, or in between by adjusting identity elements. This feature adds a form of plasticity in neural network modeling. An incremental clustering method is used to granulate the input space, and a scheme based on extreme learning is developed to train the neural network. It is proved that a static version of the uninorm-based neuro fuzzy network approximate continuous functions in compact domains, i.e. it is a universal approximator. It is postulated and computational experiments endorse, that the evolving neuro fuzzy network share equivalent or better approximation capability in dynamic environments than their static counterparts
Mestrado
Engenharia de Computação
Mestre em Engenharia Elétrica
10
Romero, Roseli Aparecida Francelin. "Otimização de sistemas através de redes neurais artificiais." [s.n.], 1993. http://repositorio.unicamp.br/jspui/handle/REPOSIP/260763.
Full textAbstract:
Orientador: Fernando Antonio Campos GomideDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agrícola
Made available in DSpace on 2018-08-17T06:20:58Z (GMT). No. of bitstreams: 1 Romero_RoseliAparecidaFrancelin_M.pdf: 7628829 bytes, checksum: 4e2b93116a7c60ea40a9e9c6763ff7dd (MD5) Previous issue date: 1993
Resumo: Esta tese apresenta uma Rede Neural Multi-Camadas com realimentação, visando a solução de problemas de otimização estáticos irrestritos e restritos. Um novo esquema de atualização dos pesos é proposto. Este esquema é uma modificação do algoritmo back-propagation e foi desenvolvido com base em resultados da teoria de dualidade e esquemas do tipo subgradientes. Resultados computacionais e uma implementação paralela são apresentados, que mostram o desempenho e a consistência do modelo proposto. Detalhes de implementação e análise comparativa do comportamento da rede em relação a outras abordagens são também incluídos. Outra classe de Redes Neurais Artificiais constituída de redes de duas camadas com realimentação também é proposta, visando a solução de problemas de otimização dinâmica discreta não aditivamente separáveis. Esta abordagem propõe um modelo recorrente generalizado de neurônio e um método direto para designar os pesos da rede e incorporar conhecimento sobre o sistema dado. Este método fundamenta-se no Princípio de Otimalidade de Bellmann e na troca de mensagens que ocorrem entre os neurônios durante o processamento químico sináptico. Uma análise comparativa dos requisitos computacionais exigidos é realizada comprovando a vantagem da abordagem proposta com relação ao algoritmo convencional da Programação Dinâmica. Problemas conhecidos de otimização como o problema da mochila e o problema do caminho mínimo, problemas de reguladores lineares discretos e um problema de planejamento de sistemas de potência a longo prazo são resolvidos para mostrar o desempenho e utilização da abordagem proposta.
Abstract: This thesis presents an artificial neural network with a three-Iayer feedback topology to solve continuous con ex unconstrained and constrained optimization problems. A new scheme for updating the weights is introduced. This scheme is a modification of the back-propagation algorithm. It is based on the duality theory and subgradient methods. Computational results and a parallel implementation are presented which show the performance and validate the proposed approach. Further, details of implementation and comparative analysis with others optimization techniques are included. Another class of artificial neural networks, with a two-Iayer feedback topology to solve nonlinear discrete dynamic optimization problems has a.lso been developed. Generalized recurrent neurons are introduced. A direct method to assign the weights of neural networks is presented. The method is based on the Bellmann's Optimality PrincipIe and in the interchange of information which occur during the synaptic chemical processing among neurons. A comparative analysis of the computational requirements has been performed. This analysis has highlighted advantages of the new approach when compared to the standard algorithm from dynamie programming. The technique has been applied to several important optimization problems, such as the knapsaek and shortest pa.th problems. ln addition, two other applications: a power system long-range planning problem and discrete linear regulator problems have been tackled which demonstra te the applicability of the methodology.
Mestrado
Doutor em Engenharia Elétrica
Book chapters on the topic "Redes neurais (Computação)"
1
Andrade, Tadeu Nogueira Costa de, Marcos Rodrigo Trindade Pinheiro Menuchi, and Paulo Eduardo Ambrósio. "ANÁLISE E MODELAGEM DA RELAÇÃO INTERPESSOAL EM ESPORTES COLETIVOS UTILIZANDO REDES NEURAIS ARTIFICIAIS." In Princípios e aplicações da computação no brasil 2, 67–74. Antonella Carvalho de Oliveira, 2019. http://dx.doi.org/10.22533/at.ed.4831916017.
Full text
2
Rezende, Bárbara Raquel Mendonça, Eliane da Silva Christo, and Fernando Tadeu Pereira de Medeiros. "REDES NEURAIS ARTIFICIAIS: MODELAGEM COMPUTACIONAL DA PREVISÃO DE VOLUME DE UMA USINA HIDRELÉTRICA." In Conteúdo Conceitual e Aspectos Práticos da Ciência da Computação, 221–32. Atena Editora, 2020. http://dx.doi.org/10.22533/at.ed.01020141219.
Full text
3
Junior, Sidnei Gouveia, Narciso Ferreira dos Santos Neto, and Nilton Alves Maia. "CLASSIFICAÇÃO DE PASSAGEIROS DOMÉSTICOS DE LINHAS AÉREAS UTILIZANDO REDES NEURAIS ARTIFICIAIS DO TIPO MLP." In Tecnologias, Métodos e Teorias na Engenharia de Computação 2, 118–28. Atena Editora, 2021. http://dx.doi.org/10.22533/at.ed.45521160411.
Full text
4
Cavalcanti, Rafael Dutra. "CLASSIFICAÇÃO DE TENDÊNCIAS POLÍTICAS EM NOTÍCIAS VIA MINERAÇÃO DE TEXTO E REDES NEURAIS SEM PESO." In Princípios e Aplicações da Computação no Brasil 3, 158–68. Atena Editora, 2019. http://dx.doi.org/10.22533/at.ed.02419151014.
Full text
5
Paschoa, Leonardo Faure Nardini, and Sergio Ribeiro Augusto. "USO DE REDES NEURAIS ARTIFICIAIS PARA OBTENÇÃO DE UM SENSOR AR/COMBUSTÍVEL VIRTUAL APLICADO A UM MOTOR MONOCILÍNDRICO." In Engenharia Elétrica e de Computação: Atividades Relacionadas com o Setor Científico e Tecnológico 2, 218–28. Atena Editora, 2020. http://dx.doi.org/10.22533/at.ed.68820070716.
Full textConference papers on the topic "Redes neurais (Computação)"
1
Rocha, Joilane, Yasmin Perci, Gabryel Soares, and José A. Júnior. "Inferência da Temperatura Interna em uma Incubadora Neonatal Utilizando Redes Neurais Artificiais." In Escola Regional de Computação Ceará, Maranhão, Piauí. Sociedade Brasileira de Computação - SBC, 2020. http://dx.doi.org/10.5753/ercemapi.2020.11486.
Full textAbstract:
A incubadora neonatal consiste em um equipamento hospitalar que proporciona condições de temperatura adequadas aos recém-nascidos. Este trabalho propõe um sistema de inferência neural, obtido a partir de redes neurais artificiais (RNA) do tipo MultiLayer Perceptron (MLP), que será utilizado como sensor virtual. Esse sistema substitui a instalação de sensores físicos durante a certificação ou manutenção da incubadora e tornará possível a realização do monitoramento on-line da temperatura. Os resultados demonstraram que o sistema pode ser utilizado satisfatoriamente como sensor virtual. Foram obtidos erros médios quadráticos de validação entre 1.6x10-3 e 1.9x10-3 e variância entre 2.533x10-7 e 8.098x10-7.
2
Moura, Luiza Rosa de, Alessandra Martins Coelho, and Matheus de Freitas Oliveira Baffa. "Detecção Automática de Anomalias Oculares Utilizando Redes Neurais Convolucionais." In Encontro Nacional de Computação dos Institutos Federais. Sociedade Brasileira de Computação, 2021. http://dx.doi.org/10.5753/encompif.2021.15953.
Full textAbstract:
Analisando a importância do cuidado com a visão, o trabalho proposto tem como objetivo desenvolver um método de auxílio ao diagnostico de diferentes anomalias que acometem a região externa do olho. A Rede Neural Convolucional foi então utilizada para detectar padroes visuais das imagens da base de dados Warsaw BioBase Disease Iris v2.1, que posteriormente foram classificadas entre doentes e saudáveis. O classificador construído foi avaliado seguindo o protocolo de experimentação Holdout, obtendo uma taxa de acerto de 94%. Mediante tal resultado, é possível concluir que o modelo desenvolvido tem potencial para se tornar uma ferramenta para o auxílio ao diagnostico.
3
Da Silva, Gustavo José, Ramon Gustavo Teodoro Marques Da Silva, and Ricardo Vasconcellos de Carvalho Remédio. "Redes Neurais Multicamadas Perceptron na Identificação de Proteínas Efetoras." In V Encontro Nacional de Computação dos Institutos Federais. Sociedade Brasileira de Computação - SBC, 2018. http://dx.doi.org/10.5753/encompif.2018.3564.
Full textAbstract:
O estudo do proteoma de bactérias é importante na descoberta de alvos para o desenvolvimento de fármacos para o tratamento de doenças bacterianas. As bactérias secretam proteínas efetoras que alteram os processos celulares causando doenças. As sequências de proteínas efetoras possibilitam extrair características que determinam seus comportamentos. Assim, o objetivo deste trabalho foi desenvolver uma rede neural multicamadas perceptron capaz de predizer o potencial efetor de proteínas a partir de 8 características biológicas extraídas de suas sequências, relacionadas com a hidropatia, apoptose e presença de dupla hélice. Foram utilizadas 392 sequências de proteínas, divididas em conjuntos de treino e pós-treino, para treinamento e avaliação da rede neural. Chegou-se ao índice de identificação de 97,5% no conjunto de treinamento e 80,7% no conjunto de pós-treinamento.
4
Adeodato, Paulo J. L., Adrian L. Arnaud, Claudia C. C. Salgues, and Sílvio R. L. Meira. "Sistema de Apoio à Decisão para Estimação do Sucesso do Aluno no Programa de Mestrado em Ciência da Computação da UFPE." In 7. Congresso Brasileiro de Redes Neurais. SBRN, 2016. http://dx.doi.org/10.21528/cbrn2005-106.
Full text
5
Noceli, Diego Nunes, Alessandra Martins Coelho, and Matheus de Freitas Oliveira Baffa. "Uma Abordagem Multiclasse para a Caracterização de Flores Utilizando Redes Neurais Convolucionais." In Encontro Nacional de Computação dos Institutos Federais. Sociedade Brasileira de Computação, 2021. http://dx.doi.org/10.5753/encompif.2021.15952.
Full textAbstract:
No Brasil existem cerca de 30 mil especies de plantas com flores,sendo descobertas entre 250 e 300 novas especies anualmente podendo conter diferentes formas, cores e perfumes. Devido as características semelhantes encontradas nas plantas, a sua tipificação não é uma tarefa trivial. Este trabalho tem como objetivo, desenvolver um método preliminar de classificação de flores, baseado em Redes Neurais Convolucionais para identificar padrões e diferenciar automaticamente os tipos de flores. Para o desenvolvimento, foi utilizada uma base de dados de 4.135 imagens contendo cinco grupos de flores, sendo elas o dente de leão, a margarida, a rosa, a tulipa e o girassol. Essas imagens foram utilizadas no treinamento e avaliação de dois tipos de Redes Neurais Convolucionais, a LeNet-5 e a ResNet152. Embora mais simples, a LeNet-5 obteve um resultado superior, atingindo 99.69% de acurácia categórica.
6
Almeida, Anderson, Marcos Amaris, Bruno Merlin, and Allan Veras. "Modelagem e Predição temporal de Parâmetros de Qualidade de Água usando Redes Neurais Profundas." In Workshop de Computação Aplicada à Gestão do Meio Ambiente e Recursos Naturais. Sociedade Brasileira de Computação - SBC, 2020. http://dx.doi.org/10.5753/wcama.2020.11026.
Full textAbstract:
A qualidade da água está diretamente relacionada com o seu nível de poluição, e para isso, é necessário o monitoramento para identificar as características físicas, químicas e biológicas, considerando a legislação vigente. Este artigo apresenta a comparação dos modelos de rede neural Long-Short Term Memory (LSTM) e Perceptron Multilayer (MLP) para predizer os parâmetros pH, OD, DBO, Fósforo e Turbidez da qualidade da água. Foram usadas as métricas de erro RMSE e MSE, quando as redes neurais são configuradas com 10, 25 e 50 neurônios. A rede LSTM apresentou um RMSE médio de 0,134, MSE médio de 0,035 e MAPE médio de 13,49. A rede MLP apresentou RMSE médio de 0,085, MSE médio de 0,01 e MAPE médio de 13,03. Os resultados do experimentos visam contribuir com o processo de monitoramento da qualidade da água e auxiliar o planejamento da gestão hídrica através do modelo de aprendizado de máquina adequado para predição dos parâmetros.
7
Buzuti, Lucas F., and Carlos E. Thomaz. "Avaliação de Dor em Expressão Facial Neonatal por meio de Redes Neurais Profundas." In Anais Estendidos do Simpósio Brasileiro de Computação Aplicada à Saúde. Sociedade Brasileira de Computação (SBC), 2021. http://dx.doi.org/10.5753/sbcas.2021.16099.
Full textAbstract:
A avaliação da dor neonatal pode sofrer variações entre profissionais de saúde, resultando em intervenção tardia e tratamento inconsistente da dor. Neste contexto, o objetivo desta dissertação foi analisar, quantitativa e qualitativamente, modelos de Redes Neurais Convolucionais na tarefa de classificação automática da dor neonatal por meio de imagens de faces de dois bancos de dados distintos (um internacional, denominado COPE, e outro nacional, denominado UNIFESP). Os resultados quantitativos mostraram a superioridade da arquitetura N-CNN para avaliação automática da dor neonatal, com acurácias médias de 87.2% e 78.7% para os bancos de imagens COPE e UNIFESP, respectivamente. No entanto, a análise qualitativa evidenciou que todos os modelos neurais avaliados, incluindo a arquitetura Neonatal Convolutional Neural Network (N-CNN), podem aprender artefatos da imagem e não variações discriminantes das faces, mostrando a necessidade de mais estudos para aplicação de tais modelos na prática clínica em questão.
8
Lima, Thiago, Daniel Luz, Rodrigo Veras, and Flavio Araújo. "Classificação de Nódulos Pulmonares Utilizando Redes Neurais Convolucionais 3D." In Anais Principais do Simpósio Brasileiro de Computação Aplicada à Saúde. Sociedade Brasileira de Computação - SBC, 2020. http://dx.doi.org/10.5753/sbcas.2020.11507.
Full textAbstract:
O câncer de pulmão é o segundo mais comum no Brasil. A detecção precoce de nódulos pulmonares é essencial para a sobrevivência do paciente. Neste trabalho propomos um algoritmo baseado na Rede Neural Convolucional 3D para classificar nódulos pulmonares como benignos ou malignos em imagens da tomografia computadorizada. A arquitetura proposta possui dois blocos de camadas convolucionais seguidos por uma camada de pooling, duas camadas totalmente conectadas e uma softmax. O uso de aumento de dados para balanceamento do conjunto de treino produziu resultados promissores, com acurácia de 0,9077, kappa de 0,7774, sensibilidade de 0,8481, especificidade de 0,9322 e AUC de 0,8901, na classificação de nódulos pulmonares.
9
Meyer, João Luiz M., Hugo Siqueira Valadares, Thiago Antonini Alves, and Yara de Souza Tadano. "Comparação entre Redes Neurais Artificiais para Avaliação do Impacto do MP10 na Saúde Humana." In Anais Estendidos do Simpósio Brasileiro de Computação Aplicada à Saúde. Sociedade Brasileira de Computação (SBC), 2021. http://dx.doi.org/10.5753/sbcas.2021.16109.
Full textAbstract:
A alta emissão de poluentes atmosféricos em grandes centros urbanos acarreta diversos malefícios para a saúde populacional. Neste trabalho, a proposta foi estimar o número de internações hospitalares por doenças respiratórias devido à concentração de material particulado com diâmetro aerodinâmico menor ou igual à 10 micrometros (MP10) utilizando duas Redes Neurais Artificiais, Perceptron de Múltiplas Camadas (MLP) e Máquinas de Aprendizado Extremo (ELM). As entradas dos modelos consideradas são a concentração de MP10 e variáveis meteorológicas. Os resultados computacionais mostraram que a rede MLP foi capaz de alcançar melhores desempenhos.
10
Rodrigues, Márcio, Marly Costa, and Cícero C. Filho. "Proposta de um Método para Previsão de Cheias Sazonais Utilizando Redes Neurais Artificiais: Uma Aplicação ao Rio Amazonas." In Workshop de Computação Aplicada à Gestão do Meio Ambiente e Recursos Naturais. Sociedade Brasileira de Computação - SBC, 2015. http://dx.doi.org/10.5753/wcama.2015.10184.
Full textAbstract:
Esse trabalho discute a aplicação de um novo método para previsão de cheias sazonais de rios, utilizando redes neurais artificiais com as seguintes variáveis de entrada: índices climáticos e o nível do próprio rio, avaliado meses antes da ocorrência do pico da cheia. Um novo método para seleção das variáveis mais relevantes para a predição é proposto. Para o treinamento da rede neural são utilizados dois métodos para melhorar a generalização das mesmas, parada antecipada e regularização. O melhor resultado de predição obtido foi com três variáveis e resultou num índice de correlação de predição de rp = 0,755.