Navegando por Assunto "Redes neurais (Computação)"

Agora exibindo 1 - 16 de 16

Acesso aberto (Open Access)
Algoritmo genético retroviral iterativo
(Universidade Federal do Pará, 2010-09-10) MOREIRA, Renato Simões; AFFONSO, Carolina de Mattos; http://lattes.cnpq.br/2228901515752720
Este trabalho tem como objetivo apresentar o desenvolvimento de uma metaheurística híbrida baseada no ciclo de vida viral, mais especificamente dos Retrovírus, que fazem parte do grupo dos seres que evoluem mais rápido na natureza. Este algoritmo é denominado Algoritmo Genético Retroviral Iterativo (AGRI) e para embasamento computacional são utilizados conceitos de Algoritmo Genético (AG) e biológico características de replicação e evolução retroviral, o que proporciona uma grande diversidade genética o que aumenta a probabilidade para encontrar a solução, fato este confirmado através de melhores resultados obtidos pelo AGRI em relação ao AG.
Acesso aberto (Open Access)
Aplicação de redes neurais artificiais na classificação de padrões filogeográficos com base na variabilidade genômica do DNA mitocondrial
(Universidade Federal do Pará, 2007-12-20) GOMES, Larissa Luz; SANTOS, Ândrea Kely Campos Ribeiro dos; http://lattes.cnpq.br/3899534338451625; OLIVEIRA, Roberto Célio Limão de; http://lattes.cnpq.br/4497607460894318
Historicamente, o processo de formação das populações da Amazônia, assim como de todo território brasileiro, envolveu três grupos étnicos principais: o ameríndio, o europeu e o africano. Como conseqüência, estas populações possuem em geral constituição miscigenada do ponto de vista social e biológico. Desde o final do século passado, estudos do DNA mitocondrial (mtDNA) tem sido desenvolvidos com o propósito de estimar a mistura interétnica presente nestas populações. Para isto, é de fundamental importância a classificação de uma determinada linhagem de mtDNA em um dos mais de 250 haplogrupos/subclados propostos na literatura. Com o objetivo de desenvolver um sistema automatizado, preciso e acurado de classificação de seqüências (linhagens) de mtDNA, o presente trabalhou lançou mão da técnica de Redes Neurais Artificiais (RNA’s) tendo como base os estudos de filogeografia. Para esta classificação, foram desenvolvidas quatro redes neurais artificiais diretas, com múltiplas camadas e algoritmo de aprendizagem de retropropagação. As entradas de cada rede equivalem às posições nucleotídicas polimórficas da região hipervariável do DNA mitocondrial, as quais retornam como saída a classificação específica de cada linhagem. Posterior ao treinamento, todas as redes apresentaram índices de acerto de 100%, demonstrando que a técnica de Rede Neural Artificial pode ser utilizada, com êxito, na classificação de padrões filogeográficos com base no DNA mitocondrial.
Acesso aberto (Open Access)
Cálculo de porosidade com a rede neural competitiva
(Universidade Federal do Pará, 2015-10-26) ROSELLÓN GUZMAN, Laura Yesenia; ANDRADE, André José Neves; http://lattes.cnpq.br/8388930487104926
A porosidade é a propriedade petrofísica que quantifica o volume de fluido presente na constituição da rocha reservatório nas condições originais de subsuperfície. No entanto, o seu cálculo pelo Método Densidade-Neutrônico é extremamente prejudicado no caso de poços não testemunhados, onde não se dispõe do conhecimento das propriedades físicas da matriz (densidade e porosidade neutrônica). Esta dissertação apresenta um método para a viabilização do Método Densidade-Neutrônico em poços não testemunhados, apresentado uma estimativa realista das propriedades físicas da matriz de cada camada reservatório, com a utilização de uma rede neural competitiva angular. Para cada camada de interesse, o treinamento da rede é realizado no Gráfico Densidade-Neutrônico construído com os pontos da camada e a informação da densidade dos grãos (densidade da matriz), obtida na análise de testemunho. Este método é apresentado com dados sintéticos, que satisfazem o modelo petrofísico e dados reais de dois poços testemunhados, do Campo de Namorado, Bacia de Campos.
Acesso aberto (Open Access)
Classificação de regiões de desmatamento via imagens do satélite landsat no nordeste do Pará
(Universidade Federal do Pará, 2023-12-18) CANAVIEIRA, Luena Ossana; COSTA, João Crisóstomo Weyl Albuquerque; http://lattes.cnpq.br/9622051867672434
Acesso aberto (Open Access)
Comparação dos algoritmos C4.5 e MLP usados na avaliação da segurança dinâmica e no auxílio ao controle preventivo no contexto da estabilidade transitória de sistemas de potência
(Universidade Federal do Pará, 2013-03-06) OLIVEIRA, Werbeston Douglas de; BEZERRA, Ubiratan Holanda; http://lattes.cnpq.br/6542769654042813; VIEIRA, João Paulo Abreu; http://lattes.cnpq.br/8188999223769913
Esse trabalho compara os algoritmos C4.5 e MLP (do inglês “Multilayer Perceptron”) aplicados a avaliação de segurança dinâmica ou (DSA, do inglês “Dynamic Security Assessment”) e em projetos de controle preventivo, com foco na estabilidade transitória de sistemas elétricos de potência (SEPs). O C4.5 é um dos algoritmos da árvore de decisão ou (DT, do inglês “Decision Tree”) e a MLP é um dos membros da família das redes neurais artificiais (RNA). Ambos os algoritmos fornecem soluções para o problema da DSA em tempo real, identificando rapidamente quando um SEP está sujeito a uma perturbação crítica (curto-circuito, por exemplo) que pode levar para a instabilidade transitória. Além disso, o conhecimento obtido de ambas as técnicas, na forma de regras, pode ser utilizado em projetos de controle preventivo para restaurar a segurança do SEP contra perturbações críticas. Baseado na formação de base de dados com exaustivas simulações no domínio do tempo, algumas perturbações críticas específicas são tomadas como exemplo para comparar os algoritmos C4.5 e MLP empregadas a DSA e ao auxílio de ações preventivas. O estudo comparativo é testado no sistema elétrico “New England”. Nos estudos de caso, a base de dados é gerada por meio do programa PSTv3 (“Power System Toolbox”). As DTs e as RNAs são treinada e testadas usando o programa Rapidminer. Os resultados obtidos demonstram que os algoritmos C4.5 e MLP são promissores nas aplicações de DSA e em projetos de controle preventivo.
Acesso aberto (Open Access)
Deconvolução de perfis de poço através de rede neural recorrente
(Universidade Federal do Pará, 2006-03-05) RUÉLA, Aldenize de Lima; ANDRADE, André José Neves; http://lattes.cnpq.br/8388930487104926
Para a indústria do petróleo, a interpretação dos perfis de poço é a principal fonte de informação sobre a presença e quantificação de hidrocarbonetos em subsuperfície. Entretanto, em duas situações as novas tecnologias, tanto em termos do processo construtivo das ferramentas, quanto da transmissão dos dados não têm justificativa econômica, ensejando a utilização de um conjunto de perfis convencionais: reavaliações de campos maduros e avaliações de campos marginais. Os procedimentos de aquisição dos perfis convencionais podem alterar o valor da propriedade física bem como a localização dos limites verticais de uma camada rochosa. Este é um antigo problema na geofísica de poço – o paradoxo entre a resolução vertical e a profundidade de investigação de uma ferramenta de perfilagem. Hoje em dia, isto é contornado através da alta tecnologia na construção das novas ferramentas, entretanto, este problema ainda persiste no caso das ferramentas convencionais como, a ferramenta de raio gama natural (GR). Apresenta-se, neste trabalho, um novo método para atenuar as alterações induzidas no perfil pela ferramenta, através da integração do clássico modelo convolucional do perfil com as redes neurais recorrentes. Assume-se que um perfil de poço pode ser representado através da operação de convolução em profundidade entre a variação da propriedade física da rocha (perfil ideal) e uma função que representa a alteração produzida sobre a propriedade física, chamada como resposta vertical da ferramenta. Assim, desenvolve-se um processamento iterativo dos perfis, o qual atua na forma da operação de deconvolução, composto por três redes neurais recorrentes. A primeira visa estimar a resposta vertical da ferramenta; a segunda procura definir os limites verticais de cada camada rochosa e a última é construída para estimar o valor real da propriedade física. Este processamento é iniciado com uma estimativa externa tanto para o perfil ideal, quanto para a resposta vertical da ferramenta. Finalmente, mostram-se as melhorias na resolução vertical e na avaliação da propriedade física produzida por esta metodologia em perfis sintéticos e em perfis reais da formação Lagunillas, bacia do Lago Maracaibo, Venezuela.
Acesso aberto (Open Access)
Detecção de refletores sísmicos por rede neural discreta
(Universidade Federal do Pará, 1999) FERREIRA, Alexandre Beltrão; ANDRADE, André José Neves; http://lattes.cnpq.br/8388930487104926; LEITE, Lourenildo Williame Barbosa; http://lattes.cnpq.br/8588738536047617
As redes neurais artificiais têm provado serem uma poderosa técnica na resolução de uma grande variedade de problemas de otimização. Nesta dissertação é desenvolvida uma nova rede neural, tipo recorrente, sem realimentação (self-feedback loops) e sem neurônios ocultos, para o processamento do sinal sísmico, para fornecer a posição temporal, a polaridade e as amplitudes estimadas dos refletores sísmicos, representadas pelos seus coeficientes de reflexão. A principal característica dessa nova rede neural consiste no tipo de função de ativação utilizada, a qual permite três possíveis estados para o neurônio. Busca-se estimar a posição dos refletores sísmicos e reproduzir as verdadeiras polaridades desses refletores. A idéia básica desse novo tipo de rede, aqui denominada rede neural discreta (RND), é relacionar uma função objeto, que descreve o problema geofísico, com a função de Liapunov, que descreve a dinâmica da rede neural. Deste modo, a dinâmica da rede leva a uma minimização local da sua função de Liapunov e consequentemente leva a uma minimização da função objeto. Assim, com uma codificação conveniente do sinal de saída da rede tem-se uma solução do problema geofísico. A avaliação operacional da arquitetura desta rede neural artificial é realizada em dados sintéticos gerados através do modelo convolucional simples e da teoria do raio. A razão é para explicar o comportamento da rede com dados contaminados por ruído, e diante de pulsos fonte de fases mínima, máxima e misturada.
Acesso aberto (Open Access)
Estabilizador neural não-linear para sistemas de potência treinado por rede de controladores lineares
(2006-06) BARREIROS, José Augusto Lima; FERREIRA, André Maurício Damasceno; BARRA JUNIOR, Walter; COSTA JÚNIOR, Carlos Tavares da; BAYMA, Rafael Suzuki
A utilização de Estabilizadores de Sistemas de Potência (ESP), para amortecer oscilações eletromecânicas de pequena magnitude e baixa freqüência, é cada vez mais importante na operação dos modernos sistemas elétricos. Estabilizadores convencionais, com estrutura e parâmetros fixos, têm sido utilizados com essa finalidade há algumas décadas, porém existem regiões de operação do sistema nas quais esses estabilizadores lineares não são tão eficientes, especialmente quando comparados com estabilizadores projetados através de modernas técnicas de controle. Um ESP Neural, treinado a partir de um conjunto de controladores lineares locais, é utilizado para investigar em quais regiões de operação do sistema elétrico o desempenho do estabilizador a parâmetros fixos é deteriorada. O melhor desempenho do ESP Neural nessas regiões de operação, quando comparado com o ESP convencional, é demonstrado através de simulações digitais não-lineares de um sistema do tipo máquina síncrona conectada a um barramento infinito e de um sistema com quatro geradores.
Acesso aberto (Open Access)
Identificação de fácies em perfis com rede neural direta
(Universidade Federal do Pará, 2015) GOMES, Kivia do Carmo Palheta; ANDRADE, André José Neves; http://lattes.cnpq.br/8388930487104926
A aplicação das técnicas de testemunhagem é, normalmente, realizada em um número restrito dos poços verticais perfurados em um campo, fazendo com que as descrições das fácies, pela análise de testemunhos, tornem-se rarefeitas e consequentemente não permitindo uma caracterização realista dos reservatórios. O aumento da produção de hidrocarbonetos em um campo petrolífero é de extrema importância para a indústria do petróleo e profundamente dependente do conhecimento dos reservatórios em função das suas propriedades petrofísicas, que variam em função das fácies geológicas. Uma melhor descrição das fácies pode refletir em estimativas de volumes de hidrocarboneto mais realistas. Neste trabalho é apresentado um algoritmo inteligente capaz de produzir o transporte da informação das fácies produzida pela análise do testemunho para os poços perfilados e não testemunhados de um campo petrolífero, através do projeto de uma rede neural direta treinada para realizar um mapeamento da informação geológica em termos das propriedades físicas registradas nos perfis. O algoritmo inteligente processa o resultado produzido pela rede neural através de um filtro de coerência de profundidade para indicar os limites das camadas ao longo da trajetória do poço. Para os casos aqui avaliados a algoritmo inteligente apresentou resultados compatíveis com a análise de testemunho e de forma completamente independente da dimensão do conjunto de treinamento.
Acesso aberto (Open Access)
Modelagem chuva-vazão em bacias hidrograficas com suporte em redes neurais artificiais
(Universidade Estadual de Campinas, 1999-12-06) BARP, Ana Rosa Baganha; BARBOSA, Paulo Sérgio Franco; http://lattes.cnpq.br/9653654803297649
Este trabalho investiga a utilização de modelos determinísticos de simulação hidrológica do tipo chuva-vazão, cuja área de estudo refere-se as bacias dos rios Itapetininga, das Almas e Guarapiranga no estado de São Paulo e bacia do rio Guaporé no estado de Mato Grasso. São testados dois modelos determinísticos do tipo chuva-vazão, ambos com processo de otimização dos parâmetros na forma irrestrita e não linear: SMAP (Soi! Moisture Accouting Procedure) com aplicação de um método de otimização de primeira ordem; e outro modelo utilizando a técnica de Redes Neurais Artificiais (RNA's), com método de otimização de segunda ordem. Em ambos os casos é tomado o intervalo de discretização mensal. A concepção testada sobre a posição de inserção do modelos de RNA's acoplado ao SMAP, tem origem na necessidade de investigação do potencial das RNA's em substituição aos parâmetros e processos tradicionais dos modelos chuva-vazão e, representada diretamente a relação chuva-vazão, partindo-se portanto, como entrada a série de precipitações e gerando-se as vazões através da RNA.
Acesso aberto (Open Access)
Predição de comportamento de usuários oriundos do marketing digital por meio de redes neurais artificiais e aprendizado supervisionado
(Universidade Federal do Pará, 2019) ALVES, Vitor Pinheiro; TEIXEIRA, Otávio Noura; http://lattes.cnpq.br/5784356232477760; https://orcid.org/0000-0002-7860-5996
O sucesso em atrair clientes a partir de técnicas de marketing gera um problema bilionário e um dos maiores problemas em vendas que é justamente escolher entre os muitos interessados, quais possuem maior probabilidade de fechamento. Este trabalho utiliza redes neurais artificiais para analisar o dataset gerado a partir de técnicas de marketig digital e classificar quais clientes tem maior chance de fechamento em vendas e quais devem ser descartados. A rede neural acerta aproximadamente 70% dos casos entre 3.541 registros processados.
Acesso aberto (Open Access)
Reconhecimento de fáceis em perfis geofísicos de poços com rede neural competitiva
(Universidade Federal do Pará, 2015-02-27) COSTA, Jéssica Lia Santos da; ANDRADE, André José Neves; http://lattes.cnpq.br/8388930487104926
A descrição de um sistema de deposição com base no reconhecimento de fácies sedimentares é fundamental para a indústria do petróleo caracterizar um sistema petrolífero. Na ausência da descrição de facies seja em testemunhos ou em afloramento, apresentamos uma metodologia baseada em um algoritmo inteligente, que busca identificar as facies utilizando os perfis geofísicos. Esta metodologia utiliza uma rede neural competitiva para extrair a informação geológica a partir das propriedades físicas mapeadas no Gráfico M-N. A competição entre os neurônios identifica as fácies de interesse, que foram previamente identificados em um poço testemunhado em outros não testemunhados do mesmo campo petrolífero. O objetivo desta metodologia é o de codificar e transmitir a informação geológica adquirida nos poços testemunhados para poços não testemunhados e, assim, possibilitar a interpretação geológica das fácies de interesse em um campo de petróleo. Esta metodologia foi avaliada com perfis sintéticos e perfis reais registrados em dois poços testemunhados do Campo de Namorado, Bacia de Campos, Brasil
Acesso aberto (Open Access)
Redes neurais convolucionais aplicadas à inspeção de componentes do vagão ferroviário
(Universidade Federal do Pará, 2020-02-03) ROCHA, Rafael de Lima; GOMES, Ana Claudia da Silva; http://lattes.cnpq.br/9898138854277399; SILVA, Cleison Daniel; http://lattes.cnpq.br/1445401605385329; https://orcid.org/0000-0001-8280-2928
O vagão ferroviário é um dos patrimônios mais importantes em uma empresa mineradora, onde toneladas de minério são transportados por este diariamente, além disso, o vagão ferroviário pode ser utilizado para o transporte de pessoas. Por isso, a inspeção de defeitos em componentes estruturais do vagão ferroviário é uma atividade de suma importância, possibilitando evitar problemas na logística da ferrovia, assim como prevenir acidentes. A tarefa de inspeção é realizada visualmente por um técnico operacional que está exposto a acidentes no local em que a inspeção é realizada, além da possibilidade de erro humano devido ao estresse, fadiga e outros. O pad é componente ferroviário analisado neste trabalho, onde este é responsável pela suspensão primária, papel que é importante na dinâmica dos vagões. Assim, o intuito deste trabalho é utilizar técnicas de aprendizado profundo, especificamente redes neurais convolucionais (CNN) para a realização da inspeção do componente. A CNN classifica a imagem do componente estrutural analisado em relação aos possíveis estados em que ele se encontra na ferrovia, pad ausente, pad não danificado e pad danificado. Além disso, pretende-se investigar a contribuição da imagem do componente no domínio da frequência obtida através da magnitude e fase da transformada discreta de Fourier (DFT) da imagem original (domínio espacial) no processo de classificação da CNN. As técnicas de equalização de histograma e o aumento do número de imagens através do data augmentation também são examinadas, de modo a avaliar suas colaborações na melhoria no desempenho de classificação. Os resultados da inspeção do pad por CNN demonstram-se bastante inspiradores, em especial quando é utilizada a imagem espacial do componente em conjunto da imagem da magnitude da DFT da imagem de origem como entradas da CNN, que se demonstram superiores quando é utilizada somente a imagem original (espacial) do componente, atingindo uma acurácia de classificação de 95,65%. Em especial, o método que utiliza o aumento do número de imagens de treinamento pelo data augmentation e as imagens do domínio espacial e da frequência (magnitude) é o que alcança a maior acurácia, com 97,47%, que representa aproximadamente 385,5 imagens classificadas corretamente de um total de 395,2 imagens.
Acesso aberto (Open Access)
Redes neurais diretas e recorrentes na previsão do preço de energia elétrica de curto prazo no mercado brasileiro
(Universidade Federal do Pará, 2016-11-11) PEREIRA JUNIOR, Flaviano Ramos; OLIVEIRA, Roberto Célio Limão de; http://lattes.cnpq.br/4497607460894318
Nos estudos sobre o mercado de energia do brasil existem poucos trabalhos sobre predição do preço de energia elétrica em curto prazo. Os que existem utilizam modelos preditores do tipo ARIMA e rede neural direta, entretanto com a rede neural sem método de seleção das variáveis de entrada ou dos atrasos das entradas. Além disso, não há trabalhos que utilizem redes neurais recorrentes no mercado brasileiro. O mercado de energia de curto prazo pode apresentar importantes oportunidades aos agentes atuantes, pois a comercialização nesse mercado é menos burocrática em relação ao mercado de longo prazo. Este trabalho apresenta o uso de redes neurais diretas e recorrentes (além da comparação com o modelo ARIMA) para a previsão do preço de energia elétrica de curto prazo brasileiro com uso da técnica de correlação para seleção das variáveis externas da rede e também para escolha dos atrasos nestas variáveis selecionadas. Mostra-se que, na previsão de um passo a frente, as redes neurais implementadas superam o desempenho do modelo ARIMA para esta série e, em geral, a rede direta apresenta melhor resultado que a recorrente. além disso, a seleção dos atrasos nas variáveis de entrada melhora o desempenho da rede neural direta.
Acesso aberto (Open Access)
Sistema hidrológico para previsão de risco na Amazônia utilizando redes neurais.
(Universidade Federal do Pará, 2019-03-02) PERES, Victor da Cruz; ROCHA, Edson José Paulino da; http://lattes.cnpq.br/2313369423727020
A estimativa do comportamento futuro dos níveis de uma bacia hidrográfica é fundamental para a elaboração do plano de gerenciamento dos seus recursos hídricos. O objetivo desta pesquisa foi modelar a relação entre chuva e nível através de uma técnica conhecida por redes neurais artificiais (RNA). As RNA são modelos empíricos com funcionamento semelhante ao funcionamento do cérebro humano. Nesta pesquisa foi avaliada a capacidade das RNA modelarem o processo chuva-nível em base diário. Foi considerado durante o treinamento das RNA as influências da arquitetura da rede, da inicialização dos pesos e da extensão das séries de dados. As cinco RNA que produziram os melhores resultados foram confrontados com os resultados observados. Os resultados foram muito satisfatórios. Findando em um sistema de alerta de seca e cheia em Itaituba/Pa.
Acesso aberto (Open Access)
Stormsom: clusterização em tempo-real de fluxos de dados distribuídos no contexto de BigData
(Universidade Federal do Pará, 2015-08-28) LIMA, João Gabriel Rodrigues de Oliveira; CARDOSO, Diego Lisboa; http://lattes.cnpq.br/0507944343674734; SANTANA, Ádamo Lima de; http://lattes.cnpq.br/4073088744952858
Cresce cada vez mais a quantidade de cenários e aplicações que algoritmo necessitam de processamento e respostas em tempo real e que se utilizam de modelos estatísticos e de mineração de dados a fim de garantir um melhor suporte à tomada de decisão. As ferramentas disponíveis no mercado carecem de processos computacionais mais refinados que sejam capazes de extrair padrões de forma mais eficiente a partir de grandes volumes de dados. Além disso, há a grande necessidade, em diversos cenários, que o os resultados sejam providos em tempo real, tão logo inicie o processo, uma resposta imediata já deve estar sendo produzida. A partir dessas necessidades identificadas, neste trabalho propomos um processo autoral, chamado StormSOM, que consiste em um modelo de processamento, baseado em topologia distribuída, para a clusterização de grandes volumes de fluxos, contínuos e ilimitados, de dados, através do uso de redes neurais artificiais conhecidas como mapas auto-organizáveis, produzindo resultados em tempo real. Os experimentos foram realizados em um ambiente de computação em nuvem e os resultados comprovam a eficiência da proposta ao garantir que o modelo neural utilizado possa gerar respostas em tempo real para o processamento de Big Data.