Navegando por Assunto "Redes neurais auto-associativas"

Agora exibindo 1 - 5 de 5

Acesso aberto (Open Access)
Estrutura competitiva de redes neurais autoassociativas para classificação de fadiga mental através de sinais de eletroencefalografia
(Universidade Federal do Pará, 2018-12-21) FERREIRA, Mylena Nazaré Medeiros dos Reis; CASTRO, Adriana Rosa Garcez; http://lattes.cnpq.br/5273686389382860
A complexidade da analise da fadiga mental em pessoas saudaveis e evidenciada pela ausencia de perturbacoes especificas no sinal eletroencefalografico e pela singularidade e variabilidade do perfil cognitivo de cada individuo. Identificar esse tipo de estado mental requer a analise de diversos fatores que envolvem o comportamento das regioes cerebrais em diversas faixas de frequencia. No contexto da industria, a fadiga mental compromete a eficiencia da cadeia produtiva ao afetar a percepcao (concentracao e atencao) dos individuos, o que aumenta o risco de acidentes e os custos de producao. Desta forma, o monitoramento da condicao cognitiva faz-se necessario para a manutencao do desempenho produtivo e cognitivo do individuo avaliado. Dentro deste contexto, este trabalho propoe um sistema para classificacao da fadiga mental baseado em uma estrutura competitiva de Redes Neurais Autoassociativas e em sinais obtidos atraves de um eletroencefalografo. O vetor de caracteristicas usado como entrada para o sistema e composto pelas informacoes normalizadas de tres faixas de frequencias (teta, beta e alfa) e quatro metricas que, de acordo com a literatura, diferenciam estados mentais a partir dos dados eletroencefalograficos, em termos de densidade de energia espectral. Os resultados obtidos mostram a eficiencia do sistema proposto e a aplicabilidade das redes neurais autoassociativas para problemas de classificacao de padroes.
Acesso aberto (Open Access)
Estrutura de redes neurais auto-associativas aplicadas ao processo de identificação de equipamentos elétricos em sistemas de monitoramento não intrusivo de cargas
(Universidade Federal do Pará, 2019-10-23) MORAIS, Lorena dos Reis; CASTRO, Adriana Rosa Garcez; http://lattes.cnpq.br/5273686389382860
A busca pela redução e racionalização do consumo de energia elétrica vem cada vez mais se tornando uma prioridade para todos consumidores em nível mundial. Ambientes residenciais são responsáveis por uma grande parte do consumo de energia elétrica. Os sistemas de monitoramento não intrusivo de cargas surgiram exatamente com o objetivo de auxílio aos consumidores, trazendo a possibilidade de se obter informações a respeito do consumo individual dos equipamentos e permitindo assim um consumo monitorado e o consequente aumento da eficiência energética. Em um sistema de Monitoramento não intrusivo de cargas - NILM quatro etapas são fundamentais: a aquisição de dados agregados através de um sensor único, a detecção de eventos de liga/desliga dos equipamentos a partir da carga agregada, a extração de características dos sinais desagregados e a identificação de equipamentos a partir das características extraídas do sinal desagregado. Neste contexto, este trabalho propõe uma nova metodologia para identificação de equipamentos elétricos em ambiente residencial empregando uma estrutura competitiva de Redes Neurais Auto-Associativas. O sistema proposto é baseado nas medidas do sinal de potência obtido a partir de eventos de liga/desliga dos equipamentos. Para testar a metodologia proposta foram desenvolvidos 3 cenários utilizando 3 diferentes bancos de dados públicos. Devido aos bons resultados alcançados, analisados com uso de métricas estatísticas, avalia-se que a metodologia proposta é capaz de executar de forma eficiente a tarefa de identificação de equipamento elétricos, podendo desta forma contribuir para o desenvolvimento de futuros sistemas de monitoramento não intrusivo que atendam as demandas do mercado.
Acesso aberto (Open Access)
Inteligência computacional aplicada à detecção e correção de outliers em séries temporais: estudo de caso em consumo de energia elétrica
(Universidade Federal do Pará, 2015-09-04) MELO, Diemisom Carlos Romano de; CASTRO, Adriana Rosa Garcez; http://lattes.cnpq.br/5273686389382860
A previsão de consumo de energia elétrica é uma tarefa que requer modelos computacionais bastante acurados para que possam influenciar corretamente na tomada de decisão em usinas hidrelétricas e distribuidoras de energia. Estes modelos computacionais são implementados a partir de um conjunto de dados que deve representar fielmente o comportamento das variáveis. Porém, nesses conjuntos de dados é bastante comum a presença de outliers, que surgem devido a erros de leitura de sensores, erros no próprio sistema de processamento/armazenamento dos dados ou falhas no sistema de distribuição. Este trabalho propõe então uma nova metodologia baseada em Inteligência Computacional para detecção e correção de outliers em séries temporais de consumo de energia elétrica. Uma rede neural artificial auto-associativa é utilizada para detecção de outliers. Posteriormente, esta rede neural, em conjunto com um algoritmo genético, é utilizada para a correção dos outliers detectados. Esta abordagem foi aplicada a uma série temporal de consumo de Energia Elétrica no Estado do Pará. Os resultados obtidos demonstram a eficiência da metodologia proposta, que identificou e corrigiu todos os outliers virtuais introduzidos durante a fase de avaliação da metodologia.
Acesso aberto (Open Access)
Metodologias de inteligência computacional aplicadas ao problema de previsão de carga a curto prazo
(Universidade Federal do Pará, 2010-12-27) BRAGA, Marcus de Barros; SANTANA, Ádamo Lima de; http://lattes.cnpq.br/4073088744952858
Diversas atividades de planejamento e operação em sistemas de energia elétrica dependem do conhecimento antecipado e preciso da demanda de carga elétrica. Por este motivo, concessionárias de geração e distribuição de energia elétrica cada vez mais fazem uso de tecnologias de previsão de carga. Essas previsões podem ter um horizonte de curtíssimo, curto, médio ou longo prazo. Inúmeros métodos estatísticos vêm sendo utilizados para o problema de previsão. Todos estes métodos trabalham bem em condições normais, entretanto deixam a desejar em situações onde ocorrem mudanças inesperadas nos parâmetros do ambiente. Atualmente, técnicas baseadas em Inteligência Computacional vêm sendo apresentadas na literatura com resultados satisfatórios para o problema de previsão de carga. Considerando então a importância da previsão da carga elétrica para os sistemas de energia elétrica, neste trabalho, uma nova abordagem para o problema de previsão de carga via redes neurais Auto-Associativas e algoritmos genéticos é avaliada. Três modelos de previsão baseados em Inteligência Computacional são também apresentados tendo seus desempenhos avaliados e comparados com o sistema proposto. Com os resultados alcançados, pôde-se verificar que o modelo proposto se mostrou satisfatório para o problema de previsão, reforçando assim a aplicabilidade de metodologias de inteligência computacional para o problema de previsão de cargas.
Acesso aberto (Open Access)
Reconhecimento de atividades humanas utilizando redes neurais auto-associativas e dados de smartphone
(Universidade Federal do Pará, 2016-12-16) SIQUEIRA, André Luis Carvalho; CASTRO, Adriana Rosa Garcez; http://lattes.cnpq.br/5273686389382860
O Reconhecimento de Atividades Humanas (RAH) é uma área de pesquisa importante e desafiadora, com muitas aplicações na área de ambientes inteligentes, saúde e segurança domiciliar. RAH pode ser visto como um processo pelo qual o comportamento de uma pessoa é monitorado e analisado para inferir quais as atividades que estão sendo realizadas em determinado período de tempo. Este trabalho apresenta a criação de dois sistemas para RAH baseado em Redes Neurais Auto-associativas desenvolvidos a partir de um banco de dados público composto por sinais de 6 atividades básicas. Os sinais foram adquiridos a partir de um acelerômetro e giroscópio de um Smartphone e tanto as características extraídas dos sinais no domínio do tempo quanto sinais brutos da aceleração do corpo foram utilizadas para o desenvolvimento dos sistemas de RAH propostos. Os resultados obtidos mostram a eficácia do sistema e a aplicabilidade das Redes Neurais Auto-associativas para o problema de RAH.