Navegando por Assunto "Redes neurais"

Agora exibindo 1 - 4 de 4

Acesso aberto (Open Access)
Beam-selection otimizado por aprendizado de máquina : uma abordagem multimodal
(Universidade Federal do Pará, 2023-12-30) FERREIRA, Jamelly Freitas; GOMES, Diego de Azevedo; http://lattes.cnpq.br/5116561408505726; KLAUTAU JÚNIOR, Aldebaro Barreto da Rocha; http://lattes.cnpq.br/1596629769697284
Esta dissertação tem como objetivo investigar a utilização de modelos de aprendizado de máquina usando dados multimodais como entrada para otimizar o processo de “Beam-Selection”em redes baseadas em ondas milimétricas. O uso de Deep Learning tem se intensificado em diferentes áreas, sendo possível obter performance igual ou superior à humana, desta forma seu uso mostra-se promissor também em cenários de comunicação sem fio. Neste trabalho foram usados dados de diferentes naturezas o que se mostrou conveniente ao passo que é possível ajustar o modelo de acordo com a qualidade/disponibilidade destes dados. Após execução dos experimentos, e obtencão dos resultados, foi observado que é possível obter significativa performance em diferentes métricas, mesmo com dados mais simples como Imagem e Coordenada.
Acesso aberto (Open Access)
Uma estratégia baseada em rede neural de base radial aplicada ao gerenciamento da produção de petróleo e gás natural
(Universidade Federal do Pará, 2008-03-03) SILVA, Cleison Daniel; BARREIROS, José Augusto Lima; http://lattes.cnpq.br/1246564618922453; COSTA JÚNIOR, Carlos Tavares da; http://lattes.cnpq.br/6328549183075122
O objetivo geral desta dissertação foi aprimorar o Separador Lógico Programável (SLP), desenvolvido em Silva (2006), utilizando a técnica de inteligência computacional de Redes Neurais de Base Radial , podendo este SLP ser integrado a um sistema de automação de poços de petróleo. Este programa objetiva o acompanhamento em tempo real das vazões de óleo, gás e água dos poços, bem como a predição da vazão em vasos separadores de um sistema de escoamento da produção de campos petrolíferos, neste caso o do Leste de Urucu – LUC, operacionalizado a partir da Base de Operações Geólogo Pedro de Moura, na Unidade de Negócios da Bacia do Solimões (UNBSOL) da Petrobras, município de COARI, estado do Amazonas. Desta forma, esta dissertação consistiu na realização de uma modelagem Neural para estimar a relação entre as variáveis de superfície de cabeça de poço e as vazões multifásicas dos vasos separadores de teste, no campo petrolífero de LUC no estado do Amazonas. Esta relação é obtida, na prática, quando cada poço produtor é alinhado a um separador de teste para medição da produção. Os dados, obtidos quando o poço está alinhado a um separador de teste, são utilizados para treinamento de uma Rede Neural de Base Radial (RBF). Após o treinamento, a RBF reconhece padrões das variáveis de cabeça de poço (entrada da RBF) e das vazões das fases no separador (saída da RBF). O treinamento é efetuado através de um método de aprendizado híbrido, onde padrões obtidos durante os testes de produção realizados no passado são utilizados para adaptar os parâmetros da rede RBF. Os resultados obtidos nos testes mostram que a rede RBF consegue predizer os resultados dentro da um faixa de tolerância aceitável.
Acesso aberto (Open Access)
Identificacao de larvas de mosquitos do genero aedes utilizando redes neurais convolucionais
(Universidade Federal do Pará, 2023-09-29) SILVA, Romário da Costa; FERREIRA JÚNIOR, José Jailton Henrique; http://lattes.cnpq.br/9031636126268760; FRANCÊS, Carlos Renato Lisboa
As arboviroses transmitidas pelos mosquitos do gênero Aedes constituem uma séria ameaça à saúde pública. A detecção e o controle desses vetores são fundamentais para prevenir surtos de doenças, incluindo Dengue, Chikungunya, Zika e Febre Amarela. As técnicas de visão computacional e aprendizagem profunda tem sido cada vez mais utilizadas no controle epidemiológico, principalmente, no que tange à classificação e detecção destes mosquitos. Nesse sentido, propõe-se três modelos voltados para classificação, detecção e segmentação de larvas dos mosquitos baseado na utilização de redes neurais convolucionais (CNN) e algoritmos de detecção de objetos (YOLO). Para tanto, foi criado um conjunto de dados (dataset) próprio para treinamento. O dataset é composto por imagens de larvas, sendo categorizadas entre as classes Aedes e Não Aedes. Os resultados obtidos indicam que os modelos propostos se apresentam como estratégias promissoras e alcançaram valores de acurácia de 86,71%, mAP (Mean Average Precision) de 88,3% e 95,7% para as tarefas de classificação, detecção e segmentação, respectivamente.
Acesso aberto (Open Access)
Sistema web de suporte a mobilidade multimodal em smart campus usando algoritmos baseados em inteligência artificial e análise estatística
(Universidade Federal do Pará, 2023-08-16) SILVA, Edinho do Nascimento da; ARAÚJO, Jasmine Priscyla Leite de; http://lattes.cnpq.br/4001747699670004
A mobilidade urbana de uma grande cidade depende em grande parte do transporte público, que desempenha um papel vital ao facilitar o fluxo de cidadãos entre diferentes áreas onde uma variedade de bens e serviços, como saúde e atividades físicas, estão disponíveis. Segundo a ONU, espera-se que mais de 60% da população mundial resida em áreas urbanas até 2050, o que aumenta a necessidade de tornar todo o sistema de transporte mais sustentável e eficiente energeticamente. Para isso, a transição de modais movidos a combustíveis fósseis para opções alimentadas por energia elétrica é um divisor de águas que irá requerer a implantação de nova infraestrutura para provimento de energia elétrica aos futuros modais. Tal instalação de pontos de energia, denominados de pontos de recarga elétrica de modais elétricos é um desafio técnico, econômico e energético. Para discutir sobre esse tema atual e relevante, este trabalho apresenta os resultados obtidos a partir do Projeto de Sistema Inteligente Multimodal da Amazônia (SIMA), desenvolvido em parceria entre a empresa Norte Energia e a Universidade Federal do Pará (UFPA), com foco na implementação do Smart Campus da UFPA, em Belém do Pará. De posse da implantação da estrutura, essa ramificação do projeto, fez uso do projeto de infraestrutura para o desenvolvimento de uma solução baseada em software que sirva de suporte na tomada de decisões sobre a gestão da eficiência energética de um ambiente inteligente, isto é, um Smart Campus. Diante do exposto, este trabalho tem como foco principal projetar e desenvolver um sistema de gestão da eficiência energética que convertam os dados gerados por modais elétricos com o intuito de serem úteis na gestão da eficiência energética de todo o sistema multimodal. Para isso diversos algoritmos foram implementados no software, sendo eles: regressão linear, rede neural de regressão geral e média móvel. A partir deste trabalho é possível concluir que a ferramenta pode ser útil para auxiliar gestores dos modais a alcançarem reduções no consumo de energia, por consequência, reduzindo custos de operação e aumentando a longevidade de equipamentos, o que também impactará em custos de capital.