Journal articles on the topic 'Rete neurali'
To see the other types of publications on this topic, follow the link: Rete neurali.
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the top 50 journal articles for your research on the topic 'Rete neurali.'
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.
Browse journal articles on a wide variety of disciplines and organise your bibliography correctly.
1
De Benedittis, Giuseppe. "Ipnobioma: una nuova frontiera dell'ipnositerapia? Uno studio pilota e una revisione della letteratura." IPNOSI, no. 2 (January 2022): 5–25. http://dx.doi.org/10.3280/ipn2021-002001.
Full textAbstract:
Una crescente evidenza suggerisce che l'asse intestino-cervello possa svolgere un ruolo chiave nelle condizioni di salute e malattia attraverso una rete di comuni-cazioni bidirezionali che coinvolge percorsi neurali e immunoendocrini. Questa complessa interazione influenza profondamente sia il microbiota intestinale che il comportamento del cervello. La disbiosi del patobioma intestinale è rilevante per la patogenesi di disturbi gastrointestinali funzionali, sindromi dolorose croniche, disturbi neurologici e mentali. Di conseguenza, il targeting del microbiota intestina-le sta emergendo come una nuova, efficace prospettiva terapeutica. Tra le molte opzioni di trattamento, gli interventi psicologici, inclusa l'ipnosi, sono stati utilizzati per modulare lo Psicobioma e il suo analogo ipnotico, l'Ipnobioma. Oltre a una revisione della letteratura recente, viene riportato uno studio pilota su una paziente con Sindrome del colon irritabile (IBS) trattata con successo con ipnosi simil-quantica. L'esito positivo del trattamento è stato associato a una significativa di-minuzione di taxa microbici patologici concomitante con un aumento di taxa fi-siologici. Questi risultati preliminari suggeriscono che l'Ipnobioma può rappresentare una nuova promettente frontiera dell'ipnositerapia.
2
Oliveira, Anderson Castro Soares de, Ademária Aparecida de Souza, Wilian Soares Lacerda, and Luciene Resende Gonçalves. "Aplicação de redes neurais artificiais na previsão da produção de álcool." Ciência e Agrotecnologia 34, no. 2 (April 2010): 279–84. http://dx.doi.org/10.1590/s1413-70542010000200002.
Full textAbstract:
Este trabalho descreve a aplicação de Redes Neurais Artificiais na tarefa de previsão da produção de álcool no Brasil no ano de 2006, a partir de dados de produção anteriores. É também apresentada uma comparação entre os resultados obtidos por meio da Rede Neural com os obtidos utilizando técnicas de séries temporais, sendo que a Rede Neural obteve melhores resultados.
3
Costa Pereira, Diogo. "RECONHECENDO ESTILOS DE CERVEJA COM UMA REDE NEURAL ARTIFICIAL." RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218 2, no. 4 (May 5, 2021): e24200. http://dx.doi.org/10.47820/recima21.v2i4.200.
Full textAbstract:
Este trabalho teve como objetivo elaborar uma ferramenta computacional utilizando os conceitos de redes neurais artificiais para reconhecer alguns dos grupos de estilos de cervejas baseado no guia de estilos do BJCP 2015. Para isso, além do desenvolvimento dos padrões de entrada que a rede neural artificial necessita para trabalhar, foi utilizado o framework Encog 3.4 para reaproveitamento de códigos. Os resultados dos dois testes realizados neste trabalho foram bastante positivos, uma vez que a rede neural além de reconhecer todos os estilos de cervejas de um grupo do BJCP 2015, em seu primeiro teste, ela também conseguiu distinguir os estilos de quatros grupos simultâneos do guia de estilos.
4
Da Silva, Jeremias Fontinele, Carlos Alberto de Sousa Parente Rodrigues, Carlos Henrique Corrêa Tolentino, and Wandro Bequiman Maciel. "Modelo de Rede Neural para avaliação desportiva." Revista Sítio Novo 5, no. 3 (July 1, 2021): 34. http://dx.doi.org/10.47236/2594-7036.2021.v5.i3.34-44p.
Full textAbstract:
<p>Trata-se de uma pesquisa que objetiva comprovar a possibilidade de utilizar um Modelo em Rede Neural capaz de avaliar o movimento desportivo. O diferencial deste estudo encontra-se no fato de a máquina-servidor ser totalmente em <em>cloud,</em> o que torna viável sua futura utilização por dispositivos <em>mobile</em> devido ao não comprometimento da capacidade de processamento destes. Outro fato relevante é o emprego de duas Redes Neurais (Convolucional e Recorrente) na análise do movimento desportivo. Quanto à metodologia investigativa, este trabalho tem por alicerce uma revisão bibliográfica sobre Rede Neurais e estimativa de pose humana. Isso significa que a fundamentação teórica foi desenvolvida tendo por suporte estudos já realizados e publicados sobre a temática. Como resultado, conclui-se que a utilização de redes convolucionais para a análise de estimativa de pose possui uma acurácia satisfatória, mas que carece de tratamento de ruídos para que a análise da execução do movimento desportivo possa ser feita de fato.</p>
5
Caticha, Nestor. "Representações internas e processamento de informação em redes neurais." Revista USP, no. 124 (March 19, 2020): 49–58. http://dx.doi.org/10.11606/issn.2316-9036.v0i124p49-58.
Full textAbstract:
O objetivo deste artigo é mostrar em casos simples como funcionam as redes neurais. Nesse sentido, embora seja possível descrever o funcionamento de uma rede neural de arquitetura profunda de várias formas, neste artigo optou-se pela descrição em termos da construção e reconstrução de representações internas à medida que a informação se propaga pela rede.
6
Decherchi, Carlo, and Pier Giuseppe Giribone. "Prospective estimate of financial risk measures through dynamic neural networks: an application to the U.S. market." Risk Management Magazine 1, no. 2020 (April 8, 2020): 50–69. http://dx.doi.org/10.47473/2020rmm0008.
Full text
7
Dalla Rosa, Francisco, Laura Dall'Igna Favretto, Vítor Borba Rodrigues, and Nasir G. Gharaibeh. "Convolutional neural networks performance evaluation applied to automated pavement crack detection." TRANSPORTES 28, no. 5 (December 15, 2020): 267–79. http://dx.doi.org/10.14295/transportes.v28i5.2283.
Full textAbstract:
Neste artigo é avaliado o potencial de Redes Neurais Convolucionais (RNC) como ferramenta automatizada para detecção de trincas em superfícies de pavimentos. Foram utilizadas fotografias da superfície de diferentes segmentos de um pavimento do tipo Cheapseal, obtidas a partir de câmeras fotográficas montadas em veículos. As imagens foram avaliadas a partir da proposta do uso de duas arquiteturas de redes neurais convolutionais e implementadas com o auxílio da biblioteca de aprendizado de máquina PyTorch, o qual possui código aberto e disponível na forma de script em linguagem Python. As imagens foram processadas com o uso de três técnicas diferentes, com o intuito de avaliar a influência da complexidade dos algoritmos propostos. Para análise da performance da rede neural, foram utilizadas como métricas de avaliação a acurácia, a precisão, o recall e o F1 score. Os resultados apontaram que a arquitetura da rede neural escolhida apresentou desempenho satisfatório na detecção de trincas, bem como indicam que a complexidade da rede é um dos fatores a ser considerado durante o processo de classificação das imagens.
8
Jorge, David Calhau, Jefferson Beethoven Martins, André Luiz Souza, and Luiz Fernando Resende dos Santos Anjo. "SISTEMA MÓVEL ANALISADOR DE FALTA EM LINHAS DE ALTA TENSÃO." Revista Brasileira Multidisciplinar 19, no. 2 (July 1, 2016): 96. http://dx.doi.org/10.25061/2527-2675/rebram/2016.v19i2.416.
Full textAbstract:
Este trabalho apresenta uma ferramenta móvel desenvolvida para simular um relé de distância, dispositivo muito utilizado para acusar falhas em linhas de alta tensão. Os dados colhidos da rede elétrica são simulados por um microcontrolador, sendo posteriormente enviados a um celular com sistema operacional Android versão 2.3. Através de uma transmissão GSM (Sistema Global para Comunicações Móveis) os dados podem ser recebidos em qualquer lugar sendo encaminhados a uma rede neural que mostrará se a falta está em determinado trecho de proteção. O objetivo do trabalho não é mostrar apenas o software Android ou a rede neural, mas como a mobilidade pode dar significativa contribuição para o setor de energia elétrica. Além de simular o relé de distância, através da rede neural, os dados adquiridos são inseridos em um banco de dados, o que produz um repositório que traz informações sobre as falhas em uma rede de alta tensão. Através da geração de gráficos, torna-se possível analisar o histórico de eventos em determinada rede elétrica e até mesmo alterar os parâmetros de funcionamento do microcontrolador. O intuito do trabalho é mostrar que as redes neurais artificiais podem substituir, com eficiência, o tradicional cálculo de faltas em linhas e mostrar, também, que o atual estágio de software/hardware dos dispositivos móveis já permite executar aplicações pesadas, a priori utilizadas em computadores pessoais. Cálculos outrora feitos em desktops e mainframes podem migrar para plataformas móveis, o que traz mobilidade. Inúmeros aplicativos, como os jogos, exploram o poder de processamento destas novas gerações, porém ainda são poucos os programas focados em sistemas elétricos de potência que estão presentes em plataformas móveis. O uso de redes neurais artificiais aliadas aos dispositivos móveis representa grandes ganhos às empresas fornecedoras de energia, as quais realizam inúmeros cálculos, como o relé de distância, baseando-se, tradicionalmente em um modelo matemático (caixa-branca).
9
Rocha, José Celso, Felipe Delestro Matos, and Fernando Frei. "Utilização de redes neurais artificiais para a determinação do número de refeições diárias de um restaurante universitário." Revista de Nutrição 24, no. 5 (October 2011): 735–42. http://dx.doi.org/10.1590/s1415-52732011000500007.
Full textAbstract:
OBJETIVO: Construir uma rede neural artificial para auxiliar os gestores de restaurantes universitários na previsão de refeições diárias. MÉTODOS: O estudo foi desenvolvido a partir do levantamento de oito variáveis que influenciam o número de refeições diárias servidas no restaurante universitário. Utiliza-se o algoritmo de treinamento Backpropagation. Os resultados por meio da rede são comparados com os da série estudada e com resultados da estimação por média aritmética simples. RESULTADOS: A rede proposta acompanha as inúmeras alterações que ocorrem no número de refeições diárias do restaurante universitário. Em 73% dos dias analisados, o método das redes neurais artificiais apresenta uma taxa de acerto maior do que o método da média aritmética simples. CONCLUSÃO: A rede neural artificial mostrou-se mais adequada para a previsão do número de refeições do que a metodologia de média simples ou quando a decisão do número de refeições é feita de forma subjetiva, sem critérios científicos.
10
Rodrigues, Joany, Aline Sousa, and Adam Santos. "Aplicação de redes neurais convolucionais e processamento digital de imagens para classificação do estado dos olhos e avaliação de sonolência." Revista Brasileira de Computação Aplicada 13, no. 1 (November 9, 2020): 1–10. http://dx.doi.org/10.5335/rbca.v13i1.9944.
Full textAbstract:
Nos últimos anos, a quantidade de veículos que circulam nas avenidas e rodovias brasileiras, tem crescido bastante. Com isso, aumentou o tempo que as pessoas passam conduzindo seus veículos, o que ocasiona mais estresse, cansaço e falta de atenção. Em virtude dessas situações, a quantidade de acidentes também expandiu. Além disso, dirigir, principalmente para pessoas que trabalham com isso, diariamente, se torna ainda mais cansativo e estressante, além do que, é uma ação que nescessita de muita disposição e atenção de quem está a praticando. Esses fatos, foram relevantes para o crescimento na quantidade de acidentes, que do ano de 2016 para 2017 foi de 7.272, e aproximadamente 38% desses, foram causados por condutores sonolentos. Então, neste trabalho, será apresentado a utilização de três técnicas de Inteligência Artificil (IA): Rede Neural Artificial e duas Redes Neurais Convolucionais. Essas técnicas, foram submetidas aos processamentos offline (o qual necessitou de uma base de dados com 811 fotos) e online. As acurácias dos processos offline obtidos para as três técnicas foram aproximadamente, 77% para a rede neural artificial e 95% para as redes neurais convolucionais. Já as acurácias dos testes online para a rede neural artificial, LeNet-5 e VGG16 foram respectivamente: 57,48%, 90.52% e 78.85%. os resultados dos testes oline, mostram que a melhor técnica para solucionar o problema proposto foi a LeNet-5.
11
FERNANDES, Márcia Rodrigues de Moura, Ronie Silva JUVANHOL, Daniel Henrique Breda BINOTI, Gilson Fernandes da SILVA, Márcio BERNARDI, Josué Pedro dos Santos BORGES, and Hélio Garcia LEITE. "APLICAÇÃO DE CLASSIFICADORES CONVENCIONAIS E REDE NEURAL ARTIFICIAL PARA MAPEAMENTO DE UMA IMAGEM VANT." Geosciences = Geociências 36, no. 4 (January 17, 2018): 785–91. http://dx.doi.org/10.5016/geociencias.v36i4.10472.
Full textAbstract:
Este estudo teve por objetivo avaliar a eficiência de dois classificadores convencionais e uma rede neural MLP para o mapeamento do uso da terra a partir de uma imagem VANT. Foram definidas quatro classes na imagem para a classificação automática: eucalipto, pastagem, matocompetição e solo exposto. O algoritmo utilizado no simulador de redes neurais artificiais NeuroDic® 2.0 foi o resilient-propagation. Para aplicação dos classificadores convencionais MAXVER e ISODATA foi utilizado o software Erdas Imagine®11. A melhor classificação foi obtida pelo algoritmo MAXVER e o pior desempenho, com o algoritmo ISODATA. Ao final, pode-se concluir que a rede neural mostrou ser um paradigma eficiente para a classificação de imagens.
12
Menezes Filho, José Bezerra de, Simplício Arnaud da Silva, Clivaldo Silva de Araújo, and Antônio Feliciano Xavier Filho. "Controlador vetorial neural para mesa de coordenadas XY." Sba: Controle & Automação Sociedade Brasileira de Automatica 21, no. 4 (August 2010): 406–24. http://dx.doi.org/10.1590/s0103-17592010000400007.
Full textAbstract:
Este trabalho apresenta uma nova estratégia de acionamento para uma mesa de coordenadas XY, denominada de Controle Vetorial Neural, utilizando uma rede neural multicamada (RNMC) atuando como controlador adaptativo direto, cujo algoritmo de aprendizagem se baseia na minimização do erro entre o vetor de posição atualizado e o de referência. Duas estratégias de controle são mostradas. A primeira estratégia é baseada no uso de controladores de posição neurais, independentes, para cada eixo e a segunda é apresentada como principal contribuição deste trabalho e é baseada no uso do Controlador Vetorial Neural. A estratégia proposta é diferenciada dos conhecidos controladores de trajetória por não possuírem controladores independentes para cada eixo. A mesa de coordenadas XY, usada para validação, é uma estrutura de dois graus de liberdade considerada como um manipulador de eixos desacoplados. Resultados experimentais e de simulação mostram o desempenho superior do Controlador Vetorial Neural. Um menor tempo de processamento no uso de uma única rede neural é uma vantagem adicional do uso do Controlador Vetorial Neural em relação aos controladores independentes.
13
Soares, Fátima Cibele, Adroaldo Dias Robaina, Marcia Xavier Peiter, and Jumar Luis Russi. "Predição da produtividade da cultura do milho utilizando rede neural artificial." Ciência Rural 45, no. 11 (November 2015): 1987–93. http://dx.doi.org/10.1590/0103-8478cr20141524.
Full textAbstract:
Esta investigação visa avaliar o desempenho de redes neurais artificiais na predição da produtividade da cultura do milho, no município de Jaguari, região Central do Estado do Rio Grande do Sul, com base em variáveis morfológicas da cultura. Para treinamento e validação das redes neurais, foram utilizados dados publicados por SOARES (2010). Foram testadas diversas redes neurais do tipo perceptron, multicamadas com algoritmo backpropagation otimizado (Levenberg-Marquardt). Elas tiveram como variáveis na camada de entrada: índice de área foliar; matéria verde total; altura de planta; e no de planta m-2. Na camada de saída: produção de grãos. Cada arquitetura foi treinada 10 vezes, escolhendo-se, ao final do treinamento, aquela com menor erro relativo médio e menor variância em relação aos dados de validação. A eficiência das redes foi analisada por meio de indicadores estatísticos. A rede com 35 neurônios na camada escondida apresentou os menores erros nos processos de treinamento e validação, dentre as diversas arquiteturas treinadas. Dessa forma, a rede neural com arquitetura 4-35-1 apresenta bom desempenho, sendo eficiente na estimativa da produção de grãos, considerando a região de abrangência do experimento.
14
Freitas, Antônio A. C. de, Ivan N. da Silva, and André N. de Souza. "Aplicação de redes neurais na estimação da temperatura interna de transformadores de distribuição imersos em óleo." Sba: Controle & Automação Sociedade Brasileira de Automatica 13, no. 3 (September 2002): 266–74. http://dx.doi.org/10.1590/s0103-17592002000300005.
Full textAbstract:
Neste artigo, os sinais de temperatura ambiente e de carregamento de transformadores de distribuição imersos em óleo são aplicados em uma arquitetura de redes neurais artificiais com o objetivo de estimar a temperatura interna destes transformadores. A arquitetura da rede neural utilizada nesta aplicação é do tipo perceptron multicamadas. O treinamento da rede foi realizado através do algoritmo de retropropagação denominado ''Resilient Propagation'' e foi baseado em dados de projeto e de ensaios de transformadores de distribuição imersos em óleo. Resultados de simulação da abordagem proposta indicam que esta metodologia pode ser utilizada eficientemente nos processos de proteção de transformadores, incrementando a seletividade, confiabilidade e o gerenciamento da rede de distribuição.
15
Campos, Bráulio Pizziolo Furtado, Gilson Fernandes da Silva, Daniel Henrique Breda Binoti, Adriano Ribeiro de Mendonça, and Helio Garcia Leite. "Predição da altura total de árvores em plantios de diferentes espécies por meio de redes neurais artificiais." Pesquisa Florestal Brasileira 36, no. 88 (January 11, 2017): 375. http://dx.doi.org/10.4336/2016.pfb.36.88.1166.
Full textAbstract:
O objetivo deste trabalho foi analisar a capacidade de uma rede neural artificial (RNA) em estimar a altura total de árvores de duas espécies em diferentes condições de crescimento. Para fins de comparação, também foi ajustado o modelo hipsométrico de Campos, aplicado por estrato, conforme o gênero, espécie, rotação, espaçamento e classe de idade das árvores. A avaliação das redes neurais artificiais e do modelo de Campos foi realizada com base no coeficiente de correlação entre as alturas observadas e estimadas, a raiz quadrada do erro quadrático médio percentual e de análises gráficas. Observou-se que a altura de árvores de diferentes espécies, em distintas condições de crescimento e locais, pode ser estimada utilizando uma única rede neural, com a mesma eficiência e exatidão normalmente obtida com o emprego de equações de regressão.
16
Fiorin, Daniel V., Fernando R. Martins, Nelson J. Schuch, and Enio B. Pereira. "Aplicações de redes neurais e previsões de disponibilidade de recursos energéticos solares." Revista Brasileira de Ensino de Física 33, no. 1 (March 2011): 01–20. http://dx.doi.org/10.1590/s1806-11172011000100009.
Full textAbstract:
Este trabalho tem como objetivo discutir de forma sucinta a ferramenta matemática conhecida como redes neurais artificiais e algumas aplicações na área de energias renováveis. Inicialmente, o trabalho descreve a relevância desta ferramenta estatística nas diversas áreas do conhecimento e, posteriormente, conceitua e descreve as principais configurações possíveis de uma rede neural artificial. Por fim, o trabalho demonstra a aplicação da ferramenta para o levantamento de disponibilidade de recursos de energia solar no Brasil a partir de dados de superfície coletados em estações da rede SONDA operada pelo Centro de Ciência do Sistema Terrestre do Instituto Nacional de Pesquisas Espaciais. Os resultados obtidos até o momento mostram que as redes neurais podem fornecer estimativas com a confiabilidade necessária para avaliação da disponibilidade de energia solar e com melhor desempenho que outras técnicas estatísticas utilizadas na literatura.
17
Kamassury, Jorge Kysnney Santos. "Decodificador baseado em Rede Neural Profunda para Códigos de Bloco Lineares Curtos Transmitidos via Canal Binário Simétrico." REMAT: Revista Eletrônica da Matemática 7, no. 1 (February 22, 2021): e3006. http://dx.doi.org/10.35819/remat2021v7i1id4389.
Full textAbstract:
Os códigos de comprimento curto têm sido alvo de estudos recentes devido, principalmente, às exigências de tecnologias emergentes por requisitos específicos de comunicação. Entretanto, para a classe de código mais promissora (BCH), a decodificação é complexa quando se usa os decodificadores tradicionais. Nesse contexto, os projetos que empregam redes neurais para esse propósito manifestam-se como interessantes alternativas. Isto posto, neste artigo estende-se, para os códigos BCH de comprimento n menor ou igual a 31, o projeto de decodificador proposto na literatura que aplica a rede neural para estimar o padrão de erro a partir da síndrome do vetor recebido. Além disso, introduz-se um novo decodificador que estima iterativamente as posições mais confiáveis para serem os bits errôneos do padrão de erro previamente predito por uma rede neural. Os resultados apresentados evidenciam que para todos os códigos analisados, o novo decodificador alcança os máximos desempenhos teóricos.
18
Moreira, Kleverson Dáliton Silva, and Antonio Sergio Torres Penedo. "Seleção de Portfolios: Uma análise comparativa dos cinco fatores de Fama e French e Redes Neurais Artificiais." Enfoque: Reflexão Contábil 37, no. 2 (June 22, 2018): 141. http://dx.doi.org/10.4025/enfoque.v37i2.38329.
Full textAbstract:
O presente artigo buscou avaliar o desempenho de uma rede neural artificial desenvolvida com o objetivo de identificar padrões e classificar títulos em carteiras de ações de empresas do mercado de capitais brasileiro, levando em consideração os pressupostos evidenciados pela Teoria das Carteiras de Markowitz (1952) de que a formação de portfolios reduz a variabilidade e possibilita a obtenção de maiores retornos ajustados ao risco. Para isto, utilizou-se variáveis em nível da firma, componentes dos cinco fatores de Fama e French (2015), os quais, inclusive, serviram para a montagem de portfolios através da utilização de regressão linear múltipla com dados em painel. Os resultados comparativos dos métodos de regressão com dados em painel e redes neurais artificiais apontaram que ambas as metodologias permitiram a obtenção de retornos acima da média de mercado, no entanto, que a rede neural artificial apresenta maior capacidade de evitar títulos que sejam prejudiciais ao portfólio e permite a suavização das perdas em momentos de instabilidade.
19
Affonso, Carlos de Oliveira, and Renato José Sassi. "Aplicação de redes Neuro Fuzzy ao processamento de peças automotivas por meio de injeção de polímeros." Production 25, no. 1 (March 11, 2014): 157–69. http://dx.doi.org/10.1590/s0103-65132014005000005.
Full textAbstract:
O processamento de peças automotivas por meio de injeção de polímeros envolve vários fenômenos físicos que ocorrem simultaneamente e que possuem caráter não linear e multivariável. Softwares comerciais podem ser utilizados na previsão dos parâmetros do processo, o que pode ser caro e inviável. Pode-se determinar os parâmetros de forma analítica, mas o tratamento desse problema requer a aplicação de teorias clássicas dos fenômenos de transporte, de difícil equacionamento. As redes NeuroFuzzy são aplicáveis a esse problema porque reúnem a capacidade de aprender das redes neurais artificiais com a capacidade da lógica Fuzzy de transformar variáveis linguísticas em regras. Neste trabalho combinou-se uma rede neural artificial Multilayer Perceptron e uma rede neural artificial Radial Basis Function à lógica Fuzzy para construir-se um modelo de inferência que previu o tempo de ciclo de processos de injeção de polímeros. Os resultados obtidos confirmam as redes NeuroFuzzy como opção para esse tipo de problema.
20
Barreto, Guilherme de A., Christof Dücker, Aluizio F. R. Araújo, and Helge Ritter. "Implementação de um sistema de controle para o robô puma 560 usando uma rede neural auto-organizável." Sba: Controle & Automação Sociedade Brasileira de Automatica 13, no. 2 (August 2002): 141–55. http://dx.doi.org/10.1590/s0103-17592002000200006.
Full textAbstract:
Neste trabalho é proposta uma rede neural auto-organizável, chamada rede Competitiva e Hebbiana Temporal (CHT), capaz de aprender e reproduzir seqüências temporais complexas. Tais seqüências possuem elementos repetidos e/ou compartilham elementos com outras seqüências. Em ambos os casos ocorrem incertezas durante a fase de reprodução das seqüências armazenadas, sendo estas resolvidas por meio de informação de contexto. Pesos sinápticos competitivos codificam a parte estática das seqüências, enquanto a ordem temporal é codificada através de conexões laterais. A rede CHT faz uso eficiente de memória, pois armazena apenas uma única cópia de cada elemento repetido/compartilhado. Além disso, redundância no armazenamento dos elementos de uma seqüência a torna tolerante a ruídos e falhas. Foi utilizada uma plataforma de controle distribuído para avaliar a rede CHT no problema de planejamento de trajetórias para controle ponto-a-ponto, em tempo real, do robô PUMA 560. A performance do sistema de controle é comparada com a de outras redes neurais.
21
Silva, Leonardo Pereira e., and Adriano Nascimento da Paixão. "MODELAGEM E ANÁLISE TEMPORAL DA DINÂMICA DO USO E OCUPAÇÃO DO SOLO NA BACIA DO RIO CUIÁ-PB." InterEspaço: Revista de Geografia e Interdisciplinaridade 5, no. 17 (January 2, 2020): 11617. http://dx.doi.org/10.18764/2446-6549.2019.11617.
Full textAbstract:
MODELING AND TEMPORAL ANALYSIS OF DYNAMICS OF SOIL USE AND OCCUPATION IN THE CUIÁ-PB RIVER BASINMODELACIÓN Y ANÁLISIS TEMPORAL DE LA DINÁMICA DEL USO Y OCUPACIÓN DEL SUELO EN LA CUENCA DEL RÍO CUIÁ-PBRESUMONas últimas duas décadas o crescimento da população acelerou o processo de ocupação humana nessas áreas ao longo dos rios, criando diversos problemas ambientais. Assim, este trabalho teve por objetivo analisar as mudanças no uso e ocupação do solo na bacia do rio Cuiá e estimar o uso e ocupação do solo para a bacia da Cuiá para o ano de 2030, utilizando algoritmo de Redes Neurais artificiais: Rede Neural Multi-Layer Perceptron. Dessa forma, foi realizado o processamento de imagens de satélites dos anos de 1998, 2001 e 2005, realizada a predição do uso do solo para o ano de 2001 baseado em Redes Neurais para a validação. Em seguida, o resultado da predição do uso do solo foi analisado pelo do índice Kappa e após obtenção do índice Kappa com um resultado de acordo com a classificação prevista por Landis & Koch (1977) foi realizada a predição do uso e ocupação do solo para 2030. Os resultados mostraram um aumento da classe Ocupadas entre os anos analisados. A modelagem dinâmica do uso do solo baseada em Rede Neural mostrou resultados satisfatórios para a bacia do rio Cuiá com acurácia de 98,64%, após 10.000 iterações e índice Kappa igual a 0,94, classificado como excelente. A previsão do uso do solo para 2030 apresentou aumento da área da classe Ocupada e uma diminuição da área com expansão.Palavras-chave: Uso do solo. Redes neurais. Geoprocessamento.ABSTRACTIn the last two decades the population growth accelerated the process of human occupation in these areas along the rivers, creating several environmental problems. Thus this study aimed to analyze the changes in land use and occupation in the Cuiá river basin and to estimate the land use and occupation for the Cuiá basin for the year 2030 using an artificial neural network algorithm: Multi-Layer Perceptron Neural Network. In this way, the satellite image processing of the years of 1998, 2001 and 2005 was carried out, with the prediction of the use of the ground for the year 2001 based on neural networks for the validation, followed by the prediction of the land use was analyzed through the Kappa index and after obtaining the Kappa with a result according to the classification predicted by Landis & Koch (1977) the use and occupation of the soil was predicted by 2030. The results showed an increase of the Occupied class among the analyzed years. The dynamic modeling of soil use based on Neural Network showed satisfactory results for the Cuiá River basin with accuracy of 98.64%, after 10,000 iterations and Kappa equal to 0.94, classified as excellent. Prediction of land use for 2030 showed an increase in the area of the occupied class and a decrease of the area with expansion.Keywords: Soil use. Neural network. Geoprocessing.RESUMENEn las últimas dos décadas el crecimiento de la población aceleró el proceso de ocupación humana en esas áreas a lo largo de los ríos, creando diversos problemas ambientales. Entonces este trabajo tuvo por objetivo analizar los cambios en el uso y ocupación del suelo en la cuenca del Río Cuiá y estimar el uso y ocupación del suelo para la cuenca de Cuiá para el año 2030 utilizando algoritmo de Redes Neurales Artificiales: Red Neural Multi-Layer Perceptron. De esta forma, se realizó el procesamiento de imágenes de satélites de los años 1998, 2001 y 2005, realizada la predicción del uso del suelo para el año 2001 basado en Redes Neurales para la validación, luego el resultado de la predicción del uso del suelo se analizó por el índice Kappa y tras la obtención del índice Kappa con un resultado de acuerdo con la clasificación prevista por Landis & Koch (1977) se realizó la predicción del uso y ocupación del suelo para 2030. Los resultados mostraron un aumento de la clase Ocupados entre los años analizados. El modelado dinámico del uso del suelo basado en Red Neural mostró resultados satisfactorios para la cuenca del Río Cuiá con exactitud del 98,64%, después de 10.000 iteraciones e índice Kappa igual a 0,94, clasificado como excelente. La previsión del uso del suelo para 2030 presentó aumento del área de la clase Ocupada y una disminución del área con expansión.Palabras clave: Uso del suelo. Red neurales; Geoprocesamiento.
22
Dias, Cleber Gustavo. "A implementação e o estudo de redes neurais artificiais em ferramentas de software comerciais." Exacta 6, no. 1 (February 10, 2009): 119–28. http://dx.doi.org/10.5585/exacta.v6i1.810.
Full textAbstract:
Este artigo apresenta uma abordagem da implementação de redes neurais artificiais em ferramentas de software comerciais, possibilitando o estudo e a avaliação de sistemas inteligentes voltados para fins acadêmicos, ou ainda, para profissionais que atuam em diversas áreas do conhecimento, auxiliando-os no processo de tomada de decisão. A metodologia de implementação de uma rede neural em ferramenta de software como o Microsoft Excel® e os seus resultados são apresentados neste trabalho.
23
Dias, Cleber Gustavo. "A implementação e o estudo de redes neurais artificiais em ferramentas de software comerciais DOI: 10.5585/exacta.v6i1.810." Exacta 6, no. 1 (February 10, 2009): 119–28. http://dx.doi.org/10.5585/exactaep.v6i1.810.
Full textAbstract:
Este artigo apresenta uma abordagem da implementação de redes neurais artificiais em ferramentas de software comerciais, possibilitando o estudo e a avaliação de sistemas inteligentes voltados para fins acadêmicos, ou ainda, para profissionais que atuam em diversas áreas do conhecimento, auxiliando-os no processo de tomada de decisão. A metodologia de implementação de uma rede neural em ferramenta de software como o Microsoft Excel® e os seus resultados são apresentados neste trabalho.
24
Simões, Alexandre da Silva, and Anna Helena Reali Costa. "Aprendizado não-supervisionado em redes neurais pulsadas de base radial: um estudo da capacidade de agrupamento para a classificação de pixels." Sba: Controle & Automação Sociedade Brasileira de Automatica 18, no. 2 (June 2007): 251–64. http://dx.doi.org/10.1590/s0103-17592007000200010.
Full textAbstract:
Redes neurais pulsadas - redes que utilizam uma codificação temporal da informação - têm despontado como uma promissora abordagem dentro do paradigma conexionista, emergente da ciência cognitiva. Um desses novos modelos é a rede neural pulsada com função de base radial, que é capaz de armazenar informação nos tempos de atraso axonais dos neurônios. Um algoritmo de aprendizado foi aplicado com sucesso nesta rede pulsada, que se mostrou capaz de mapear uma seqüência de pulsos de entrada em uma seqüência de pulsos de saída. Mais recentemente, um método baseado no uso de campos receptivos gaussianos foi proposto para codificar dados constantes em uma seqüência de pulsos temporais. Este método tornou possível a essa rede lidar com dados computacionais. O processo de aprendizado desta nova rede não se encontra plenamente compreendido e investigações mais profundas são necessárias para situar este modelo dentro do contexto do aprendizado de máquinas e também para estabelecer as habilidades e limitações desta rede. Este trabalho apresenta uma investigação desse novo classificador e um estudo de sua capacidade de agrupar dados em três dimensões, particularmente procurando estabelecer seus domínios de aplicação e horizontes no campo da visão computacional.
25
Santos, Elisama, Matheus S. De Jesus, Bianca Sanches, Fabio Fonseca Barbosa Gomes, and Joserland Souza Santos. "REDE NEURAL PERCEPTRON APLICADA AO JOGO DA NAVE." Revista Computa��o Aplicada - UNG-Ser 8, no. 1 (December 20, 2019): 36. http://dx.doi.org/10.33947/2316-7394-v8n1-3896.
Full textAbstract:
A rede neural propõe o processamento de dados de maneira equivalente ao cérebro humano tendo como princípio a organização de neurônios do cérebro. O cérebro humano tem a capacidade de aprender e tomar decisões baseadas nas aprendizagens adquiridas ao longo do tempo, a rede neural artificial é formada por algoritmos que simulam o processamento de aprendizagem do cérebro humano projetados para determinada finalidade afim de aprender a tomar decisões. O conhecimento adquirido através da taxa de aprendizado e pesos sinápticos são usados para memorizar o conhecimento treinado, estas características assemelham-se ao cérebro humano.
26
Rosa, Germano Mendes, and José Aurélio Medeiros da Luz. "Simulação de moagem mista por rede neural artificial." Rem: Revista Escola de Minas 65, no. 2 (June 2012): 247–56. http://dx.doi.org/10.1590/s0370-44672012000200014.
Full textAbstract:
Esse artigo versa sobre a aplicação de um simulador de moagem mista baseado em redes neurais artificiais (do tipo perceptron multicamadas com treinamento supervisionado com o algoritmo retropropagação com momento). Os dados experimentais aqui utilizados provieram do trabalho atinente ao artigo intitulado "Seletividade na cominuição de mesclas de dolomita e quartzo". Para verificar a estabilidade estatística do processo de simulação, utilizou-se a carta de controle Shewhart para valores individuais, a qual se mostrou útil para orientar a aceitação dos treinamentos. Os resultados mostraram bom desempenho dessa ferramenta na simulação de moagem mista (moagem de mistura de componentes de diferentes moabilidades), problema de comum ocorrência no setor minerometalúrgico.
27
Gonçalves, Rodrigo Mikosz, Leandro dos Santos Coelho, Claudia Pereira Krueger, and Bernhard Heck. "Modelagem preditiva de linha de costa utilizando redes neurais artificiais." Boletim de Ciências Geodésicas 16, no. 3 (September 2010): 420–44. http://dx.doi.org/10.1590/s1982-21702010000300004.
Full textAbstract:
Estudar modelagens através de dados geodésicos temporais com a possibilidade de predizer a posição de linha de costa é uma tarefa importante e pode auxiliar significativamente na gestão costeira. A área de estudo neste trabalho se refere ao município de Matinhos no estado do Paraná, Brasil. As linhas de costa temporais utilizadas para testar a modelagem preditiva são provenientes respectivamente da fotogrametria analógica para anos 1954, 1963, 1980, 1991 e 1997 e de levantamentos geodésicos utilizando GPS (Global Position System) para 2001, 2002, 2005 e 2008 (como controle). Dois testes com as redes neurais artificiais foram organizados mudando alguns parâmetros como: arquitetura, número de neurônios nas camadas ocultas e algoritmos de treinamentos. Quando comparados o valor dos resíduos entre a predição e a linha de costa de controle, os melhores resultados estatísticos indicam que o MAPE (mean absolute percentage error) são 0,28% utilizando a rede neural parcialmente recorrente de Elman com o algoritmo de treinamento quase-Newton e 0,46% para o caso da rede neural perceptron multicamadas com o algoritmo de treinamento utilizando o método Bayesiano com regularização.
28
Macedo, Deivielison Ximenes Siqueira, Leonardo De Almeida Monteiro, Viviane Castro dos Santos, Enio Costa, and Daniel Albiero. "USO DE TÉCNICAS DE AGRUPAMENTO E REDE NEURAL EM SINISTROS COM MÁQUINAS AGRÍCOLAS NAS RODOVIAS FEDERAIS PARANAENSES." ENERGIA NA AGRICULTURA 33, no. 1 (May 30, 2018): 14. http://dx.doi.org/10.17224/energagric.2018v33n1p14-21.
Full textAbstract:
Acidentes com máquinas agrícolas estão cada vez mais presentes na realidade do trabalhador rural, isso pela grande difusão e necessidade do uso dessas máquinas no campo, todavia muitos desses acidentes são negligenciados na sua forma de ocorrência, havendo necessidade de estudos sobre os indicadores desses sinistros com intuito de tentar evitá-los. O uso associado de técnicas de agrupamento de dados e redes neurais vem se mostrando de grande eficiência para demonstrar o impacto de variáveis sobre a dinâmica do acidente, pois levam em consideração todas as variáveis em conjunto. Assim objetivou-se realizar o uso de redes neurais, análise de agrupamento hierárquico e análise de agrupamento não hierárquico sobre os indicadores dos acidentes envolvendo tratores ocorridos em rodovias federais do estado do Paraná. O trabalho consiste de uma parceria do Laboratório de Investigação de Acidentes com Máquinas Agrícolas-LIMA com 16ª Superintendência da Polícia Rodoviária Federal, o qual forneceu o Boletim de Acidente de Trânsito-BAT referente a máquinas agrícolas nas rodovias federais paranaenses no período de 2007 a 2016. No BAT os indicadores avaliados foram: tipo de acidente, causa do acidente, período do dia em que ocorreu o acidente, condições climáticas no momento do acidente e situação física da vítima. O uso das redes neurais foi realizado através dos mapas auto organizados, os métodos de agrupamento hierárquico foi realizado através do dendrograma e o não hierárquico pelo coeficiente de K-means. A técnica em conjunto permitiu analisar todas as variáveis em conjunto fornecendo uma visão mais clara do processo de ocorrência dos sinistros.PALAVRAS-CHAVE: Acidente, Estradas, Segurança. USE OF CLUSTER ANALYSIS AND NEURAL NETWORK IN ACCIDENTS WITH AGRICULTURAL MACHINES IN THE FEDERAL ROADS OF PARANÁABSTRACT: Accidents with agricultural machinery are increasingly present in the rural reality, due to the great diffusion and necessity of these machines use in the field. However, many of these accidents are neglected in their form of occurrence, and studies on accidents indicators are necessary to attempt to avoid them. The associated use of data grouping techniques and neural networks has been shown to be very efficient in demonstrating the impact of variables on the dynamics of accident, since they take into account all the variables together. The objective was to perform the use of neural networks, hierarchical grouping analysis and non-hierarchical grouping analysis on the indicators of tractors accidents occurred on federal highways in the state of Paraná. The study consisted of a partnership between g the Laboratory of Investigation of Agricultural Machinery Accidents -LIMA, and the 16th Superintendence of the Federal Highway Police, which provided the Traffic Accident Bulletin-BAT of agricultural machinery on the federal highways of Paraná from 2007 to 2016. The indicators evaluated were: type of accident, cause of the accident, period of the day in which the accident occurred, climatic conditions at the time of the accident and the physical situation of the victim. The use of neural networks was performed through self-organized maps; hierarchical grouping methods were performed through the dendrogram and non-hierarchical using the K-means coefficient. The technique together allowed analyzing all the variables together providing a clearer view of the process of claims occurrence.KEYWORDS: Accident, Road, Security
29
Cunha, Guilherme Bernardino da, José Francisco Luitgards-Moura, Eduardo Lázaro Martins Naves, Adriano Oliveira Andrade, Adriano Alves Pereira, and Selma Terezinha Milagre. "A utilização de uma rede neural artificial para previsão da incidência da malária no município de Cantá, estado de Roraima." Revista da Sociedade Brasileira de Medicina Tropical 43, no. 5 (October 2010): 567–70. http://dx.doi.org/10.1590/s0037-86822010000500019.
Full textAbstract:
INTRODUÇÃO: A malária é uma doença endêmica na Amazônia Legal Brasileira, apresentando riscos diferentes para cada região. O Município de Cantá, no Estado de Roraima, apresentou para todo o período estudado, um dos maiores índices parasitários anuais do Brasil, com valor sempre maior que 50. O presente estudo visa à utilização de uma rede neural artificial para previsão da incidência da malária nesse município, a fim de auxiliar os coordenadores de saúde no planejamento e gestão dos recursos. MÉTODOS: Os dados foram coletados no site do Ministério da Saúde, SIVEP - Malária entre 2003 e 2009. Estruturou-se uma rede neural artificial com três neurônios na camada de entrada, duas camadas intermediárias e uma camada de saída com um neurônio. A função de ativação foi à sigmoide. No treinamento, utilizou-se o método backpropagation, com taxa de aprendizado de 0,05 e momentum 0,01. O critério de parada foi atingir 20.000 ciclos ou uma meta de 0,001. Os dados de 2003 a 2008 foram utilizados para treinamento e validação. Comparam-se os resultados com os de um modelo de regressão logística. RESULTADOS: Os resultados para todos os períodos previstos mostraram-se que as redes neurais artificiais obtiveram um menor erro quadrático médio e erro absoluto quando comparado com o modelo de regressão para o ano de 2009. CONCLUSÕES: A rede neural artificial se mostrou adequada para um sistema de previsão de malária no município estudado, determinando com pequenos erros absolutos os valores preditivos, quando comparados ao modelo de regressão logística e aos valores reais.
30
Penna, Maria Lúcia F. "Rede neural artificial para detecção de sobremortalidade atribuível à cólera no Ceará." Revista de Saúde Pública 38, no. 3 (June 2004): 351–57. http://dx.doi.org/10.1590/s0034-89102004000300003.
Full textAbstract:
OBJETIVO: Avaliar as redes neurais recorrentes enquanto técnica preditiva para séries temporais em saúde. MÉTODOS: O estudo foi realizado durante uma epidemia de cólera ocorrida no Estado do Ceará, em 1993 e 1994, a partir da sobremortalidade tendo como causa básica as infecções intestinais mal definidas (CID-9). O número mensal de óbitos por essa causa, referente ao período de 1979 a 1995 no Estado do Ceará, foram obtidos do Sistema de Informação de Mortalidade (SIM) do Ministério da Saúde. Estruturou-se uma rede com dois neurônios na camada de entrada, 12 na camada oculta, um neurônio na camada de saída e um na camada de memória. Todas as funções de ativação eram a função logística. O treinamento foi realizado pelo método de backpropagation, com taxa de aprendizado de 0,01 e momentum de 0,9, com dados de janeiro de 1979 a junho de 1991. O critério para fim do treinamento foi atingir 22.000 epochs. Compararam-se os resultados com os de um modelo de regressão binomial negativa. RESULTADOS: A predição da rede neural a médio prazo foi adequada, em dezembro de 1993 e novembro e dezembro de 1994. O número de óbitos registrados foi superior ao limite do intervalo de confiança. Já o modelo regressivo detectou sobremortalidade a partir de março de 1992. CONCLUSÕES: A rede neural se mostrou capaz de predição, principalmente no início do período, como também ao detectar uma alteração concomitante e posterior à ocorrência da epidemia de cólera. No entanto, foi menos precisa do que o modelo de regressão binomial, que se mostrou mais sensível para detectar aberrações concomitantes à circulação da cólera.
31
Rodrigues, Thiago Baptista, José Leonardo Ribeiro Macrini, and Elisabeth Costa Monteiro. "Seleção de variáveis e classificação de padrões por redes neurais como auxílio ao diagnóstico de cardiopatia isquêmica." Pesquisa Operacional 28, no. 2 (August 2008): 285–302. http://dx.doi.org/10.1590/s0101-74382008000200007.
Full textAbstract:
Este estudo propõe uma metodologia, baseada em procedimentos quantitativos, para auxiliar o diagnóstico de indivíduos portadores de doença cardíaca. Os resultados obtidos neste estudo, utilizando "Redes Neurais", foram comparados aos resultados de outros autores. Um percentual de acerto médio de 91,0 % foi atingido, enquanto outros estudos utilizando a mesma base de dados atingem até 83,5 %. Foram utilizadas também outras técnicas de classificação de padrões conhecidas na literatura, denominadas "Análise Discriminante" e "Algoritmo C4.5", de forma a estabelecer comparações com os resultados aqui obtidos utilizando "Redes Neurais". A metodologia de divisão dos conjuntos de treinamento/generalização sugerida promoveu melhorias em todas as três técnicas de classificação de padrões utilizadas, tendo a Rede Neural apresentado o melhor desempenho.
32
Valente, Emanuele de Oliveira, and Gerson de Freitas Silva Valente. "Simulação de redes neurais artificiais para estimativa de volume de madeira florestal a partir do DAP / Simulation of artificial neural networks for estimation of forest wood volume from DAP." Brazilian Journal of Animal and Environmental Research 4, no. 3 (August 13, 2021): 3748–57. http://dx.doi.org/10.34188/bjaerv4n3-080.
Full textAbstract:
O inventário florestal usa a altura (H) e o diâmetro na altura do peito (DAP) para determinação do volume de madeira. O grande problema é ajustar equações hipsométricas adequadas para estimar a altura. As equações são testadas e avaliadas por critérios estatísticos. A medição de alturas em povoamentos florestais é uma atividade onerosa, uma vez que, em comparação com a medição do diâmetro, sua obtenção não é fácil. Uma alternativa promissora consiste no uso de redes neurais artificiais (RNA), sistemas computacionais paralelos constituídos por unidades de processamento simples conectadas entre si de maneira específica para desempenhar determinada tarefa. Diante disso, o trabalho propõe usar técnicas de inteligência artificial para estimação do volume de madeira em uma floresta usando somente o DAP. Baseado em dados da literatura (Pesquisa: Modelos para quantificação do volume de diferentes sortimentos em plantio de Eucalyptus urophylla X Eucalyptus grandis.), foram gerados dados aleatórios de H e DAP entre o mínimo do DAP e H, 2,0 cm e 4,4 m, e o máximo, 28,9 cm e 32,9 m, respectivamente, no Excel. A partir desses dados, calculou-se o volume estimado de madeira pela fórmula de Takata (H e DAP), escolhida entre outros modelos por apresentar baixo erro-padrão da estimativa, além do baixo erro-padrão da estimativa em percentagem (Syx%), o modelo de Takata tem apresentado um alto coeficiente de determinação no inventario de fazendas de eucalipto. Sendo assim, este modelo se mostrou ligeiramente superior aos demais, tornando-se o mais adequado para estimativa da variável volume total em povoamentos de Eucalyptus urograndis, em Brasília. A partir dos dados treinou-se uma rede neural artificial (RNA) utilizando como variável contínua de entrada o DAP e de saída o volume calculado pela equação de Takata. A rede neural foi obtida pelo software PYTHON usando a função MLPRegressor (verbose=True, max_iter=10000, hidden_layer_sizes=(n)). Com isso foram testadas várias redes neurais artificiais para realizar a regressão entre volume de madeira calculado pela equação de Takata e DAP, e a melhor Rede Neural Artificial foi com 10 neurônios na camada oculta, apresentou r=0,99. A RNA é uma ferramenta do machine learning para o inventario florestal na determinação do volume de madeira a partir do DAP, principalmente quando já se tem banco de dados.
33
Da Cruz, João Vitor Alves, and Bruno Alberto Soares Oliveira. "Avaliação de Uma Rede Neural Artificial Como Modelo Regressor Para Séries Temporais." CALIBRE - Revista Brasiliense de Engenharia e Física Aplicada 6, no. 1 (March 21, 2021): 33. http://dx.doi.org/10.17648/calibre.v6i1.1552.
Full textAbstract:
<p>Técnicas de predição de demanda são utilizadas em inúmeros ramos da indústria, com o objetivo de agregar valor ao negócio das empresas, especialmente por meio da busca pelo dimensionamento ótimo dos recursos de produção. A predição de demanda em refeitórios, com o intuito de balancear a quantidade de alimento produzido, buscando um melhor aproveitamento dos ingredientes, é um desafio, pois fatores como a quantidade de usuários, o tempo de atendimento e o tipo de alimento utilizado podem ser bastante variáveis neste tipo de problema. O estudo das filas, neste contexto, é de primordial importância, dado que, conhecendo suas características, podem-se estimar, por meio de previsão, informações que podem melhorar a qualidade de atendimento. O presente trabalho teve por finalidade utilizar modelos baseados em Redes Neurais Artificiais (RNA) para realizar regressões em uma série temporal personalizada, gerada por meio de metodologia própria, mediantes os dados coletados in loco no restaurante do IFMG - Campus Bambuí. Teve-se por principal objetivo desenvolver um modelo computacional que fosse capaz de descrever o comportamento para os intervalos de tempo no atendimento dos usuários. Por meio deste recurso, pôde-se gerar informações importantes para a tomada de decisão, como os horários de maior e menor pico de atendimento.</p><p><strong>Palavras-chave</strong>: Redes neurais artificiais, regressão, séries temporais.</p><p>==================================================================================</p><p>Demand prediction techniques are used in numerous industry sectors with the aim of adding value to the business of the companies, especially through the search for optimal sizing of production resources. The prediction of demand in restaurants with the intention of balancing the quantity food produced looking for better use of ingredients is a challenge, since factors like the quantity of users, the time of service and the kind of food can be quite variable in this type of problem. The study of queue, in this context, is of paramount importance, given that, knowing its characteristics, it is possible to estimate, by means of prediction, information that can improve service quality. Present work had the purpose of using models based on Artificial Neural Networks (ANN) to perform regressions in a personalized time series, generated through its own methodology with data collected in the restaurant of the IFMG - Campus Bambuí. The main objective was to develop a computational model that would be able to describe the behavior for the time intervals in the restaurant customer service. Through this resource, it was possible to generate important information for decision making, such as the peak times of higher and lower demands.</p><p><strong>Keywords</strong>: Artificial neural networks, regression, time series.</p>
34
Côrtes, Eduardo Gabriel, Rodrigo Frantz, and Rejane Frozza. "Desenvolvimento de uma aplicação para reconhecer significado de palavras homônimas utilizando redes neurais artificiais." Tecno-Lógica 20, no. 2 (July 6, 2016): 144. http://dx.doi.org/10.17058/tecnolog.v20i2.7428.
Full textAbstract:
Este trabalho propõe desenvolver uma aplicação para auxiliar no entendimento do significado de palavras ambíguas da língua portuguesa, que dependem necessariamente do contexto para serem identificadas. A aplicação foi implementada na linguagem de programação JAVA, utilizando a IDE NetBeans, juntamente com a ferramenta ADReNA, que permitiu modelar e treinar a rede neural artificial backpropagation. Foram desenvolvidas duas versões da aplicação, que se diferenciam pela forma que representam a camada de entrada da rede neural artificial. Testes realizados mostraram que a forma que a rede neural é representada gera influência em seus resultados. Após a realização dos testes, a aplicação se mostrou promissora no reconhecimento de significados de palavras homônimas.
35
Steiner, Maria Teresinha Arns, Júlio Cesar Nievola, Nei Yoshihiro Soma, Tamio Shimizu, and Pedro José Steiner Neto. "Extração de regras de classificação a partir de redes neurais para auxílio à tomada de decisão na concessão de crédito bancário." Pesquisa Operacional 27, no. 3 (2007): 407–26. http://dx.doi.org/10.1590/s0101-74382007000300002.
Full textAbstract:
A avaliação de risco de crédito é um importante problema administrativo da área de análise financeira. As Redes Neurais têm recebido muita atenção pela sua alta taxa de acurácia preditiva, no entanto não é fácil compreender como elas alcançam as suas decisões. Neste artigo um conjunto de dados de crédito é analisado usando a técnica de extração de regras NeuroRule e o software WEKA para a extração de regras a partir de uma Rede Neural treinada. Os resultados foram considerados bastante satisfatórios alcançando mais de 80% de acurácia quanto à concessão (ou não) de crédito bancário em todas as simulações.
36
Aroztegui, José Miguel, and Thiago José Machado. "Soluções Numéricas de Equações Diferenciais com Redes Neurais Artificiais." VETOR - Revista de Ciências Exatas e Engenharias 31, no. 2 (December 17, 2021): 2–13. http://dx.doi.org/10.14295/vetor.v31i2.13793.
Full textAbstract:
Neste artigo, vamos estudar uma forma de resolver numericamente equações diferenciais utilizando redes neurais. Basicamente, reescrevemos a equação diferencial como um problema de otimização, onde os parâmetros associados à rede neural são otimizados. A proposta deste trabalho apresentada aqui constitui uma variação da formulação introduzida por Lagaris et al. [1], diferenciando-se principalmente na forma de construção da solução aproximada. Apesar de lidarmos apenas com equações diferenciais ordinárias de primeira e segunda ordens, os resultados numéricos mostram a eficiência do método proposto. Além disso, ele possui bastante potencial, devido a quantidade de equações diferenciais e aplicações nas quais ele pode ser utilizado.
37
Pereira, Gabriel César, and Rogério Custodio. "Redes neurais para regressão uni- e multivariada." Revista Chemkeys 3 (September 9, 2021): e021003. http://dx.doi.org/10.20396/chemkeys.v3i00.15880.
Full textAbstract:
Redes Neurais Artificiais têm ganhado notoriedade na aproximação de funções uni e multivariadas em virtude a alta capacidade aproximativa desse tipo de modelo. Neste artigo é apresentada uma descrição dos modelos de regressão baseados em redes neurais juntamente com os algoritmos comumente usados para otimizá-los. A performance deste tipo de modelo é exemplificada através da aproximação de uma função univariada que relaciona a fração em mol na fase líquida de um dos componentes de uma mistura água-acetona com sua fração em mol na fase de vapor. O desempenho do modelo é, ainda, comparado com o desempenho de outros modelos baseados em métodos de regressão clássicos utilizados para solucionar o mesmo problema. Ao final do texto, é apresentado o código PYTHON para a criação do modelo de rede neural discutido aqui.
38
Anochi, Juliana Aparecida, and Haroldo Fraga de Campos Velho. "PREVISÃO CLIMÁTICA DE PRECIPITAÇÃO PARA A REGIÃO SUL POR REDE NEURAL AUTOCONFIGURADA." Ciência e Natura 38 (July 20, 2016): 98. http://dx.doi.org/10.5902/2179460x19968.
Full textAbstract:
Climate prediction for precipitation field is a key issue, because such meteorological variable is the challenge for climate and weather forecasting due to the high spatial and temporal variability with strong impact on the society. A method based on the artificial neural network is applied to monthly and seasonal precipitation forecast in southern Brazil. The use of neural networks as a predictive model is widespread in different applications. The best configuration for the neural network is automatically calculated. The autoconfiguration scheme is described as an optimization problem.
39
Kamassury, Jorge Kysnney Santos. "Otimização de um decodificador neural para códigos BCH curtos sob regime de comunicação crítica." Revista Brasileira de Computação Aplicada 14, no. 3 (November 2, 2022): 86–95. http://dx.doi.org/10.5335/rbca.v14i3.13278.
Full textAbstract:
No presente trabalho, introduz-se no contexto dos códigos corretores de erros uma estratégia de decodificação onde uma rede neural é treinada para predizer padrões de erros usando simultaneamente as informações dos módulos e das síndromes dos vetores recebidos. No decodificador proposto, as posições mais confiáveis são selecionadas de forma iterativa para serem os bits errôneos do padrão de erro estimado, de modo que estas são posteriormente subtraídas do vetor recebido antes que uma nova decodificação seja realizada. Para a predição do padrão de erro, projeta-se uma rede neural profunda com complexidade reduzida. Os experimentos realizados para os códigos BCH curtos transmitindo via canal AWGN evidenciam que os desempenhos obtidos com essa estratégia de decodificação superam àqueles obtidos exclusivamente com a rede neural.
40
Ballini, R., S. Soares, and Marinho G. Andrade. "Previsão de vazões médias mensais usando redes neurais nebulosas." Sba: Controle & Automação Sociedade Brasileira de Automatica 14, no. 3 (September 2003): 680–93. http://dx.doi.org/10.1590/s0103-17592003000300008.
Full textAbstract:
Este trabalho apresenta um modelo de rede neural nebulosa para previsão de vazões sazonais. O modelo é baseado em um método de aprendizado construtivo onde grupos de neurônios competem quando a rede recebe uma nova entrada. A rede aprende os parâmetros fundamentais para definir as regras nebulosas e funções de pertinência para cada variável de entrada. O modelo foi aplicado para o problema de previsão de vazões médias mensais de três usinas hidroelétricas situadas em diferentes regiões do Brasil. O desempenho do modelo foi comparado com métodos convencionais usados para previsão de vazões. Os resultados mostraram que a rede neural nebulosa forneceu um melhor desempenho para previsão um passo à frente, com erros significativamente menores que as outras abordagens.
41
Marin, Regina Paiva Melo, and Paulo Marcelo Tasinaffo. "Uma metodologia de modelagem empírica utilizando o integrador neural de múltiplos passos do tipo Adams-Bashforth." Sba: Controle & Automação Sociedade Brasileira de Automatica 21, no. 5 (October 2010): 487–509. http://dx.doi.org/10.1590/s0103-17592010000500005.
Full textAbstract:
Este artigo apresenta e desenvolve uma metodologia empírica alternativa para modelar e obter as funções de derivadas instantâneas para sistemas dinâmicos não-lineares através de um treinamento supervisionado utilizando integradores numéricos neurais de múltiplos passos do tipo Adams-Bashforth. Esta abordagem a rede neural desempenha o papel das funções de derivadas instantâneas que é acoplada à estrutura do integrador numérico, que efetivamente, é o responsável em realizar as propagações no tempo apenas através de uma combinação linear de redes neurais feedforward com respostas atrasadas. É um fato importante que somente os integradores numéricos de mais alta ordem aprendem efetivamente as funções de derivadas instantâneas com precisão adequada, o que comprova o fato de que os de primeira ordem somente conseguem aprender as derivadas médias. Esta abordagem é uma alternativa à metodologia que trata os problemas de modelagem neural em estruturas de integração de passo simples do tipo Runge-Kutta de alta-ordem, sendo esta, mais robusta e complexa na determinação da retropropagação, que exige - neste caso - o emprego da regra da cadeia para funções compostas. Ao final deste artigo são apresentadas simulações de resultados numéricos dos integradores neurais de Adams-Bashforth em três estudos de caso: 1) pêndulo não-linear sem variáveis de controle; 2) um modelo abstrato com controle e 3) sistema de Van der Pol.
42
Almeida, Matheus Henrique Baldi, Roger Cristhian Gomes, Osvaldo Cesar Pinheiro Almeida, and Adriano Wagner Ballarin. "DESEMPENHO DA TÉCNICA DEEP LEARNING NA ANÁLISE E CATEGORIZAÇÃO DE IMAGENS DE DEFEITO DE MADEIRA." ENERGIA NA AGRICULTURA 33, no. 3 (December 14, 2018): 275–82. http://dx.doi.org/10.17224/energagric.2018v33n3p275-282.
Full textAbstract:
A inteligência artificial tem tido grandes avanços em seu campo de pesquisa, contribuindo muito em várias áreas, como a análise e categorização de imagens digitais com o emprego de aprendizado de máquina. Existem várias técnicas específicas para o reconhecimento de imagens e sua categorização, uma dessas técnicas, que utiliza redes neurais artificiais, envolve o estudo específico, a extração das características por meio da análise de dados da imagem do objeto que está sendo analisado e a especificação de qual será o impacto dessas características no modelo neural para cada uma das categorias, o que exige a imersão do pesquisador em uma área ou campo de pesquisa que não é de seu domínio. A Deep Learning, utilizando-se das redes neurais convolucionais artificiais tem a capacidade de aprender e extrair as características durante o treinamento, sem a especificação dessas características no modelo, sendo que, geralmente, apresentam resultados melhores do que aqueles observados por modelos de redes neurais que tiveram as características observadas e programadas por humanos. O objetivo desse trabalho é aplicar a Deep Learning com auxílio da linguagem Python e duas bibliotecas chamadas Keras e NumPy, na categorização de um conjunto de imagens de tábuas de madeira, avaliando seu desempenho. Foram elaborados e avaliados alguns modelos de rede neural convolucional aplicados nesse processo, obtendo resultados promissores, sendo que o melhor deles apresentou erro de categorização na ordem de cinco por cento.
43
Almeida, Matheus Henrique Baldi, Roger Cristhian Gomes, Osvaldo Cesar Pinheiro Almeida, and Adriano Wagner Ballarin. "DESEMPENHO DA TÉCNICA DEEP LEARNING NA ANÁLISE E CATEGORIZAÇÃO DE IMAGENS DE DEFEITO DE MADEIRA." ENERGIA NA AGRICULTURA 33, no. 3 (December 14, 2018): 284–91. http://dx.doi.org/10.17224/energagric.2018v33n3p284-291.
Full textAbstract:
A inteligência artificial tem tido grandes avanços em seu campo de pesquisa, contribuindo muito em várias áreas, como a análise e categorização de imagens digitais com o emprego de aprendizado de máquina. Existem várias técnicas específicas para o reconhecimento de imagens e sua categorização, uma dessas técnicas, que utiliza redes neurais artificiais, envolve o estudo específico, a extração das características por meio da análise de dados da imagem do objeto que está sendo analisado e a especificação de qual será o impacto dessas características no modelo neural para cada uma das categorias, o que exige a imersão do pesquisador em uma área ou campo de pesquisa que não é de seu domínio. A Deep Learning, utilizando-se das redes neurais convolucionais artificiais tem a capacidade de aprender e extrair as características durante o treinamento, sem a especificação dessas características no modelo, sendo que, geralmente, apresentam resultados melhores do que aqueles observados por modelos de redes neurais que tiveram as características observadas e programadas por humanos. O objetivo desse trabalho é aplicar a Deep Learning com auxílio da linguagem Python e duas bibliotecas chamadas Keras e NumPy, na categorização de um conjunto de imagens de tábuas de madeira, avaliando seu desempenho. Foram elaborados e avaliados alguns modelos de rede neural convolucional aplicados nesse processo, obtendo resultados promissores, sendo que o melhor deles apresentou erro de categorização na ordem de cinco por cento.
44
Santos, José Airton Azevedo dos. "Previsão do preço do café arábica: uma aplicação de redes neurais CNN-BLSTM." Research, Society and Development 11, no. 3 (February 10, 2022): e3511326101. http://dx.doi.org/10.33448/rsd-v11i3.26101.
Full textAbstract:
Este trabalho propõe a utilização da rede neural CNN-BLSTM como ferramenta de previsão do preço do café arábica. A base de dados disponibilizada pelo CEPEA (Centro de Estudos Avançados em Economia Aplicada) apresenta uma série histórica, do preço do café arábica, no período entre janeiro de 1997 e dezembro de 2021. Modelos de previsão baseados em redes neurais LSTM, BLSTM, CNN e CNN-BLSTM foram implementados, na linguagem Python, utilizando o framework Keras. Resultados obtidos, dos quatro modelos, foram comparados por meio das métricas MAE, RMSE e MAPE. Verificou-se, para um horizonte de 6 meses, que o modelo CNN-BLSTM apresentou melhor desempenho.
45
Lima, Sidney Marlon Lopes de, Heverton Kleidson de Lima Silva, João Henrique da Silva Luz, Samuel Lopes de Paula Silva, Hercília Juliana do Nascimento Lima, Anna Beatriz Augusta de Andrade, and Alisson Marques da Silva. "Antivírus dotado de Rede Neural Artificial visando Detectar Malwares Preventivamente." iSys - Brazilian Journal of Information Systems 11, no. 4 (December 21, 2018): 31–62. http://dx.doi.org/10.5753/isys.2018.376.
Full textAbstract:
O malware é um software o qual tem como principal objetivo acessar um dispositivo alheio sem permissão explícita de seu proprietário. Os antivírus constituem o mecanismo mais popular quanto à detecção de malwares. Os antivírus comerciais têm como estratégia aguardar que algum usuário seja infectado e em sequência denuncie um comportamento anômalo de seu dispositivo, para que, então, a fabricante do antivírus possa tomar providências. Então, visando suprir as limitações dos antivírus comerciais, o trabalho proposto cria um antivírus capaz de identificar, preventivamente, o modus operandi de uma aplicação maliciosa. O antivírus proposto emprega inteligência artificial e consegue detectar um aplicativo mal-intencionado antes mesmo dele ser executado pelo usuário. Em média, o antivírus inteligente criado consegue distinguir os aplicativos malwares dos benignos em 98,13% dos casos.
46
Tavares, Vitor Borges, Claudia Olímpia Neves Mamede Maestri, Antonio Sergio Torres Penedo, and Vinícius Silva Pereira. "Grau de internacionalização influencia a previsão da rentabilidade de ações? Evidências do mercado de ações brasileiro, por meio de redes neurais artificiais." Desenvolve Revista de Gestão do Unilasalle 8, no. 1 (April 4, 2019): 137. http://dx.doi.org/10.18316/desenv.v8i1.4937.
Full textAbstract:
Prever a direção da variação de preços de ações é uma contribuição importante para o desenvolvimento de estratégias eficazes em operações do mercado financeiro. Especialmente no Brasil, cuja economia vem se expandindo desde meados da década de 1990 após a estabilização macroeconômica alcançada pelo Plano Real e de políticas para melhorar a inserção do país em mercados mundiais. Assim, o presente estudo teve como objetivo desenvolver modelos de redes neurais artificiais para prever a rentabilidade das ações das empresas brasileiras com maior e menor grau de internacionalização. Os modelos desenvolvidos para prever a rentabilidade das ações das empresas mais e menos internacionalizadas da BM&FBovespa no período de 2007 a 2012 apresentaram erro médio quadrático de 0.2422 e 0.0988, respectivamente. A ocorrência do maior erro quadrático no modelo de rede neural para previsão da rentabilidade das ações das empresas com alto grau de internacionalização pode estar associada à dependência das novas redes de negócios com exposição a diferentes riscos e também às diferenças entre os países estrangeiros, o que aumenta os riscos dos negócios internacionais. E, o menor erro quadrático no modelo de rede neural para previsão da rentabilidade das ações das empresas com baixo grau de internacionalização pode estar relacionado ao comprometimento gradual dos recursos e da estrutura organizacional, o que proporcionaria uma menor exposição ao risco, rentabilidade de ação mais estável e um modelo de previsão mais eficaz.
47
Gomes da Silva, Diogo Cesar. "Predição de Estresse em Ovelhas Prenhas e Lactantes com o Uso de Redes Neurais Artificiais." Ensaios e Ciência C Biológicas Agrárias e da Saúde 25, no. 2 (June 29, 2021): 160–65. http://dx.doi.org/10.17921/1415-6938.2021v25n2p160-165.
Full textAbstract:
Os indicadores de bem-estar animal na agropecuária ganharam um grande aliado com o avanço da tecnologia da informação, que foi a utilização de sistemas inteligentes para a predição de respostas, e utilizados como ferramentas nas tomadas de decisão. Dentre os sistemas inteligentes destacam-se as redes neurais artificiais, devido à redução no custo de implantação, e que permite a inserção de novas técnicas para solução de problemas complexos, como a predição de dados não-lineares e padrões de comportamento. Com este trabalho objetivou-se construir uma rede neural capaz de predizer índices de estresse no período final de gestação e pós-parto de ovelhas Pantaneiras por meio das Redes Neurais Artificais do tipo Perceptron. Utilizou-se variáveis térmicas e fisiológicas de ovelhas gestantes, obtidas no Centro Tecnológico de Ovinos (CTO) da Universidade Anhanguera Uniderp, utilizando 30 matrizes alojadas em um piquete comum durante as fases de pré e pós gestação, onde foram classificados três indicadores de estresse em função da frequência respiratória (Leve, Moderado e Alto). Para tanto, foi implementada uma Rede Multilayer Perceptron com uma camada de entrada, uma oculta (com sete neurônios) e uma camada de saída, com função de ativação tangente hiperbólica e softmax. A temperatura ambiente do ar, a umidade relativa, e as temperaturas da pele, do corpo, da lã, da cabeça, a retal e a frequência respiratória foram consideradas variáveis de entrada. Como variável preditiva, foi considerada o estresse animal. Os resultados podem ser considerados satisfatórios, visto que a Rede apresentou erro de entropia cruzada de 2,337 e predições incorretas de 1,1% em predizer o nível de estresse térmico das ovelhas nas três classificações propostas a partir dos dados de entrada. Palavras-chave: Centro Tecnológico de Ovino. Sistemas Inteligentes. Treinamento de Redes Neurais. Abstract The indicators of animal welfare in agriculture have gained a great ally with the advancement of information technology, which was the use of intelligent systems for the prediction of responses, and used as tools in decision making. Among the intelligent systems, artificial neural networks stand out, due to the reduction in the cost of implantation, which allows the insertion of new techniques for solving complex problems, such as the prediction of non-linear data and behavior patterns. This work aimed to build a neural network capable of predicting stress indices in the final period of pregnancy and postpartum of Pantaneira ewes by means of Perceptron Artificial Neural Networks. Thermic and physiological variables of pregnant ewes, obtained at the Centro Tecnológico de Ovinos (CTO) of Universidade Anhanguera Uniderp, were used, using 30 matrices housed in a common paddock during the pre and post pregnancy phases, where three stress indicators were classified in respiratory rate function (mild, moderate and high). To this end, a Perceptron Multilayer Network was implemented with an input layer, a hidden layer (with seven neurons) and an output layer, with a hyperbolic and softmax tangent activation function. Ambient air temperature, relative humidity, and skin, body, wool, head, rectal and respiratory rate temperatures were considered to be input variables. As a predictive variable, animal stress was considered. The results can be considered satisfactory, since the Network presented a cross entropy error of 2.337 and incorrect predictions of 1.1% in predicting the level of thermal stress of the sheep in the three classifications proposed from the input data. Keywords: Centro Tecnológico de Ovinos. Intelligent Systems.Training of Neural Networks.
48
Assis, Walber Rodrigues de. "REDE NEURAL ARTIFICIAL: IDENTIFICAÇÃO DE ACADÊMICOS EM CURSO DE LICENCIATURA EM MATEMÁTICA COM POSSIBILIDADE DE DESISTÊNCIA." Cadernos Cajuína 5, no. 3 (September 9, 2020): 534. http://dx.doi.org/10.52641/cadcaj.v5i3.348.
Full textAbstract:
<p>Este trabalho desenvolveu-se no âmbito do Instituto Federal de Educação, Ciência e Tecnologia do Piauí – IFPI, <em>Campus</em> São Raimundo Nonato, cujo objetivo principal foi avaliar a capacidade de uma rede neural artificial Perceptron Multicamadas em identificar acadêmicos de Licenciatura em Matemática com possibilidade de evadir-se do curso. A metodologia empregada dividiu-se em 03 etapas: A primeira etapa, foi destinada a um levantamento junto ao controle acadêmico do Campus; na etapa seguinte, realizou-se uma pesquisa com acadêmicos de Licenciatura em Matemática; a terceira etapa, examinou-se a eficiência da rede neural artificial, através do software Weka, para prever evasões de acadêmicos. Os resultados obtidos decorrem da utilização de tecnologias da informação, no qual, deduziu-se ser viável utilizar uma rede neural artificial para prever desistências de acadêmicos de um curso de Licenciatura em matemática.</p>
49
Oliveira, Francisco Nobre de, and Luis Paulo Guimarães dos Santos. "ESTRATÉGIAS PARA COMBATER A SONEGAÇÃO FISCAL: UM MODELO PARA O ICMS BASEADO EM REDES NEURAIS ARTIFICIAIS." Revista de Gestão, Finanças e Contabilidade 10, no. 1 (February 27, 2021): 42–64. http://dx.doi.org/10.18028/rgfc.v10i1.7474.
Full textAbstract:
A pesquisa teve como objetivo desenvolver um Sistema de Identificação de Risco de Contribuintes baseado em Redes Neurais para auxiliar a Administração Tributária Estadual na identificação de contribuintes mais propensos a assumir a condição de sonegadores do ICMS. Para tanto, foi desenvolvida uma rede neural artificial, denominada Sistema de Identificação de Risco de Contribuintes – SIRC, baseada num modelo perceptron de múltiplas camadas, do tipo alimentada adiante (feedforward), completamente conectada, composta por duas camadas ocultas e treinada com o algoritmo de retropropagação de erro (Backpropagation Error). A construção e operacionalização da SIRC deu-se a partir de informações extraídas dos bancos de dados da Secretaria da Fazenda do Estado da BAHIA (SEFAZ-BA), alimentados por informações prestadas pelos contribuintes, em uma amostra de 74.447 eventos. Na fase de treinamento, a Rede apresentou um índice de acerto de 71% na classificação dos contribuintes passíveis de autuação (ou não). Em relação aos contribuintes que foram autuados, a performance foi 94%. Estes percentuais atestam a eficácia do modelo como instrumento de apoio a decisões de fiscalização no âmbito da Administração Tributária Estadual.
50
Parpinelli Bonfim, Bruno, Rafael Bratifich, Marcelo Marques da Silva, and Hugo Gomes Silva. "PREVISÃO DE CONSUMO DE ENERGIA UTILIZANDO REDE NEURAL COM RETARDO DE TEMPO (TDNN)." COLLOQUIUM EXACTARUM 12, no. 4 (February 23, 2021): 63–70. http://dx.doi.org/10.5747/ce.2020.v12.n4.e340.
Full textAbstract:
As artificial neural networks (ANN), they are computational models inspired by the way the nervous system of living beings work, these models can be used for processing and classification of data and applications, such as series and function prediction. Thus, this work used a time-delayed neural network (TDNN) to predict the demand for active energy on the P4 bus in the city of Presidente Prudente