Search

RESUMO Este trabalho teve como objetivo desenvolver um novo método híbrido de calibração de rugosidades absolutas em redes de distribuição de água, com base na combinação do método iterativo do gradiente hidráulico alternativo (Migha) com uma rede neural artificial (RNA) do tipo Perceptron Multicamadas. Foram testadas diferentes configurações para o modelo, em vários cenários que diferiam quanto ao número de pressões observadas utilizadas. Os resultados encontrados sugerem que a combinação dos métodos foi favorável à calibração das rugosidades, com erros absolutos médios inferiores a 0,016 mm no modelo que calculava apenas um valor por material para o parâmetro. A boa performance também ficou evidente quando analisadas as pressões e vazões retornadas pela simulação da rede calibrada, as quais apresentaram erros relativos médios de 0,12 e 0,36%, respectivamente, no cenário com 14% dos nós com pressões conhecidas, erros consideravelmente inferiores àqueles obtidos pela configuração inicial da rede e pelo uso exclusivo do Migha. ABSTRACT This work aimed to develop a new hybrid method for the calibration of absolute roughness in water distribution networks, starting from the combination of the Alternative Hydraulic Gradient Iterative Method (Migha) with a Multilayer Perceptron Artificial Neural Network (ANN). Different configurations were tested for the model, in different scenarios that differed in the number of observed pressures used. The results found suggest that the combination of methods was favorable to roughness calibration, with mean absolute errors lower than 0.016 mm in the model that calculated only one value per material for the parameter. The good performance was also evident when analyzing the pressures and flows returned by the calibrated network simulation, which showed average relative errors of 0.12 and 0.36%, respectively, in the scenario with 14% of nodes with known pressures, errors considerably lower than those obtained by the initial configuration of the network and the exclusive use of Migha.

O objetivo principal deste trabalho é a análise da série temporal "Número de dormidas mensais nos estabelecimentos turísticos da ilha do Sal - Cabo Verde” entre 2000 e 2018 e demonstrar que, no quadro dos modelos quantitativos, estimativas e previsões fiáveis para o comportamento da procura turística são preferencialmente obtidas com modelos estatísticos de previsão adequadamente especificados e testados, e com redes neuronais artificiais que permitem prever um passo à frente. Para tal, iniciou-se a investigação com uma revisão da literatura e análise de dados que possibilitou conhecer: a dinâmica do turismo mundial; o mercado emissor europeu; o desenvolvimento turístico da ilha; as características da série temporal; modelos de previsão e tendências da procura turística. Seguidamente implementaram-se diferentes estruturas de modelos de previsão. Os resultados obtidos mostram que, a nível individual, a ilha se encontra na fase de Desenvolvimento; a nível de competitividade, a ilha está estagnada dentro da fase de Exploração; e que o seu Índice de Desenvolvimento Turístico deverá crescer em 48% para entrar na fase de Envolvimento. Quanto aos modelos de previsão, obtiveram-se: o modelo SARIMA(2,1,0)(0,1,1)[12], com uma acurácia medida pelo MAPE igual a 6,77%; o modelo de redes neuronais do tipo RNAR(12,1,7)[12], com um erro de 5,61% e o método de Holt-Winters que produziu um modelo com uma precisão de 7,94%. Todos esses modelos têm alta precisão, com destaque para a rede neuronal, apesar dos dados da série não estarem adaptados à Lei de Benford. Porém, o proposto Algoritmo de Atribuição do Erro, traz melhorias ao resultado do modelo SARIMA, com uma precisão de 4,98%. Esta tese pretendeu contribuir para mostrar o potencial dos modelos estatísticos de previsão e da aplicação das redes neuronais artificiais para a previsão do número de dormidas mensais na ilha do Sal. Também se avalia a precisão das previsões de cada modelo e compara os seus diferentes desempenhos. The main objective of this work is the analysis of the time series "Number of monthly overnight stays in tourist establishments on the Island of Sal- Cape Verde" between 2000 and 2018. In the framework of quantitative models, one can obtain reliable estimates and forecasts for the behavior of tourism demand, using statistical forecasting models adequately specified and tested, and artificial neural networks that allow one step ahead predictions. With this goal, the research began with a literature review and data analysis that allowed do understand: the dynamics of world tourism; the European outbound market; the island's tourism development; the time series characteristics; the forecasting models and tourism demand trends. Then, different forecast model structures were implemented. The results obtained show that, at the individual level, the island is in the Development stage; at the competitiveness level, the island is stagnated within the Exploration stage; and that its Tourism Development Index should grow by 48% to enter the Involvement stage. As for the prediction models, the following were obtained: the SARIMA(2,1,0)(0,1,1)[12] model, with an accuracy measured by MAPE equal to 6.77%; the neural network model of type RNAR(12,1,7)[12], with an error of 5.61% and the Holt Winters method that produced a model with an accuracy of 7.94%. All models show a high accuracy, with the neural network standing out, despite the series data not being adapted to Benford's Law. However, the proposed Error Assignment Algorithm brings improvements to the result of the SARIMA model, with an accuracy of 4.98%. This thesis intended to contribute to show the potential of statistical forecasting models and the application of artificial neural networks to forecast the number of monthly overnight stays in the Island of Sal. The forecasting accuracy of each model was also evaluated, and their different performances were compared. À Fundação para a Ciência e Tecnologia (FCT, Portugal) pelo apoio financeiro dos fundos nacionais FCT/MCTES à UNIAG, ao abrigo do Projeto n.º UIDB/04752/2020 e para o INEGI no âmbito do projeto LAETA IDB/5022/2020.

The peak particle velocity is the most commonly utilized metric in the mineral sector for quantifying and evaluating the damage potential of blast-induced ground vibration (PPV). Over time, initiatives have been conducted with the goal of measuring PPV levels. Intelligent systems are potential methods for estimating rock blasting results, due to significant improvements in computer technology. In this regard, the goal of this research is to use artificial neural networks to evaluate seismic vibrations caused by rock blasting with explosives in a mine in Quadrilátero Ferrífero. The database obtained in the field was separated into training (70%) and test (30%) samples. Different groups of variables were examined considering the necessity of selecting appropriate input variables for neural network training. The distance between the monitoring and detonation points, as well as the maximum charge per delay, were input variables in the network that performed best. The same database was used to compare the performance of neural networks with the performance of empirical and multiple regression models. Finally, in terms of coefficient of determination (R2) and root mean square error (RMSE) for measured and predicted data, the neural network model outperformed empirical equations and multiple regression. Furthermore, the importance of choosing the right input variables when using neural networks to estimate PPV was demonstrated. En la industria minera, el parámetro más utilizado para la cuantificación y evaluación del daño potencial de las vibraciones sísmicas generadas por la voladura de rocas es la velocidad máxima de vibración de partículas (VPP). Se han tomado varias iniciativas con el objetivo de estimar los niveles de VPP. Los rápidos avances en la tecnología informática han convertido a los sistemas inteligentes en herramientas prometedoras para estimar resultados de las voladuras de rocas. En este contexto, este estudio tiene como objetivo evaluar las vibraciones inducidas por la voladura de rocas con explosivos en una mina en el Quadrilátero Ferrífero por medio de redes neuronales artificiales. La base de datos se dividió en muestras de entrenamiento (70%) y prueba (30%) de las redes. Considerando la importancia de seleccionar variables adecuadas para el entrenamiento de redes, se analizaron diferentes grupos de variables de entrada. La arquitectura que demostró mejor desempeño consideró la distancia entre el punto de monitoreo y detonación y la carga máxima por retardo como variables input. Para comparar el desempeño de la red neuronal con el desempeño de modelos empíricos y de regresión múltiple, se aplicó la misma base de datos. Finalmente, el modelo de red neuronal demostró ser superior a las ecuaciones empíricas y la regresión múltiple en términos de coeficiente de determinación (R²) y raíz del error cuadrático medio (RMSE) para los datos medidos y predichos. Además, se demostró la importancia de seleccionar las variables de entrada adecuadas para estimar el VPP por medio de redes neuronales. Na indústria mineral, o parâmetro mais utilizado para a quantificação e avaliação do potencial de danos das vibrações sísmicas geradas por desmonte de rochas é a velocidade de vibração de pico de partícula (VPP). Várias iniciativas foram tomadas, ao longo do tempo, com o intuito de estimar os níveis de VPP. Os rápidos avanços na tecnologia computacional fizeram com que sistemas inteligentes se tornassem ferramentas promissoras na estimativa dos resultados de desmonte de rochas. Nesse contexto, este estudo tem como objetivo avaliar as vibrações induzidas por desmontes de rochas por explosivos em uma mina do Quadrilátero Ferrífero por meio de redes neurais artificiais. O banco de dados foi dividido em amostras de treinamento (70%) e teste (30%) das redes. Considerando a importância da seleção de variáveis de entrada adequadas para o treinamento das redes, diferentes grupos de variáveis input foram analisados. A arquitetura que demonstrou melhor desempenho considerou a distância entre o ponto de monitoramento e detonação e a carga máxima por espera como variáveis input. A fim de comparar o desempenho da rede neural com o desempenho de modelos empíricos e de regressão múltipla, os mesmos dados foram utilizados. Por fim, o modelo de redes neurais se mostrou superior às equações empíricas e à regressão múltipla em termos do coeficiente de determinação (R²) e da raiz do erro quadrático médio (RMSE) para os dados medidos e preditos. Além disso, demonstrou-se a importância da seleção das variáveis de entrada adequadas para a estimação de VPP por meio de redes neurais.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES Transmission lines transport the energy produced in power plants to distribution centers. In these lines, insulators perform the role of segregating regions of different electrical potential, while accomplishing the mechanical function of supporting the cables. Due to the nature of their function, insulators are exposed to electrical and mechanical stress throughout their life span, in addition to withstanding the wear caused by the environment through solar radiation, moisture, pollution and other weather conditions. Regarding polymeric high voltage insulators, which are the kind of insulator most widely used in the current scenario, these stresses lead to a decrease in their surface hydrophobicity, allowing moisture to accumulate on the insulator, giving rise to a leakage current and increasing the probability of a flashover to occur. In this sense, the present work presents a methodology for evaluating and classifying the surface hydrophobicity of polymeric high voltage insulators based on the method proposed by the Swedish Transmission Research Institute (STRI). The classification is performed automatically, using a Multilayer Perceptron artificial neural network, based on digital image processing, using spatial frequency information. A method for segmenting hydrophobicity images produced under unbalanced lighting conditions and with low contrast is also proposed. Furthermore, an image database containing 1200 hydrophobic surface samples in various stages of degradation was created. Images of an insulating column collected in the environment of a 500 kV substation were also used to validate the proposed method. The results obtained were compared with two other methods in the literature and it could be seen that the methodology developed was able to successfully segment and classify surface hydrophobicity images, obtaining a success rate above 78% for the database used. As linhas de transmissão realizam o transporte da energia produzida nas centrais geradoras até os centros de distribuição. Nessas linhas, os isoladores desempenham o papel de segregar regiões de potencial elétrico diferente, enquanto realizam a função mecânica de suporte dos cabos. Devido à natureza da sua função, os isoladores estão expostos a esforços elétricos e mecânicos durante toda sua vida útil, além de suportarem a ação do meio ambiente através da irradiação solar, umidade, poluição e demais intempéries. No que tange aos isoladores de alta tensão do tipo polimérico, muito empregados no cenário atual, esses esforços levam à diminuição da sua hidrofobicidade de superfície, permitindo que a umidade se acumule sobre o isolador, facilitando o aumento da corrente de fuga e a probabilidade de ocorrência de uma descarga disruptiva (flashover). Nesse sentido, o presente trabalho apresenta uma metodologia para avaliação e classificação da hidrofobicidade de superfície de isoladores de alta tensão do tipo polimérico com base no método proposto pelo Swedish Transmission Research Institute (STRI). A classificação proposta é realizada de forma automática, utilizando uma rede neural artificial do tipo Perceptron de Múltiplas Camadas, com base no processamento digital de imagens, utilizando informações de frequência espacial. Um método para segmentação de imagens de hidrofobicidade produzidas sob iluminação não uniforme e com baixo contraste também é proposto. Ademais, uma base de imagens contendo 1200 amostras de superfície hidrofóbica em vários estágios de degradação foi criada. Imagens de uma coluna isolante coletadas no ambiente de uma subestação de 500 kV também foram utilizadas para validar o método. Os resultados obtidos foram comparados com outros dois métodos da literatura e pôde-se perceber que a metodologia desenvolvida foi capaz de segmentar e classificar com sucesso imagens de hidrofobicidade de superfície, obtendo uma taxa de acerto superior a 78% para a base de dados utilizada. São Cristóvão

Soluções para o problema de detecção de fonte de odor são necessárias para permitir a realização de diversas tarefas como busca por vazamentos ambientais de gás, monitoramento da qualidade do ar e detecção de presença de gás tóxico em ambientes internos, permitindo, assim, aumentar a segurança e prevenir acidentes em ambientes com presença de gases perigosos. Neste sentido, a utilização de aeronaves nesta tarefa agrega agilidade, segurança e eficiência, contribuindo no desenvolvimento da Indústria 4.0. A solução presente neste trabalho faz uso de uma estratégia de busca pela fonte de odor utilizando a abordagem do mapeamento da distribuição de gás em um ambiente tridimensional utilizando um nanoquadricóptero do modelo Crazyflie 2.0. O mapeamento é viabilizado a partir de uma função de densidade de probabilidade por kernel gaussiano, a qual atua sobre as leituras de características extraídas do sinal de qualidade do ar de um sensor SGP30 embarcado e produz um mapa contínuo, sem haver necessidade de segmentação do ambiente. A subtarefa de declaração da posição da fonte é avaliada através de diferentes estratégias envolvendo redes neurais artificiais e técnicas de aprendizagem de máquina. Os resultados apontam que o algoritmo proposto é capaz de realizar estimativas precisas sobre a localização da fonte com erros de estimação com média próxima a 0,46 m em um ambiente de aproximadamente 15 m3. O algoritmo possui a possibilidade de escalabilidade para incorporar outras aeronaves e explorar ambientes internos com maiores volumes. Solutions to the odor source localization problem are necessary to allow accomplishment of several tasks such as environmental gas leakage searching, air quality monitoring and indoor detection of dangerous gas, thus allowing to increase safety and prevent accidents in environments where hazardous gases are handle. In this sense, the use of aircraft in this task brings agility, safety and efficiency, contributing to the development of Industry 4.0. The solution presented in this work makes use of an odor source localization strategy by gas distribution mapping approach in a three-dimensional environment using a Crazyflie 2.0 nano quadcopter. The mapping is constructed from a probability density function by Gaussian kernel, which acts over characteristics extracted from the air quality signal of an on-board SGP30 sensor and produces a continuous map, without the need for segmentation of the workspace. The source position declaration subtask is evaluated through different strategies involving artificial neural networks and machine learning techniques. The results show that the proposed algorithm is capable of making accurate estimates of the odor source location with estimation errors means close to 0.46 m in an environment of approximately 15 m3. The algorithm has the possibility of scalability by incorporation other aircraft and thus explore indoor environments with higher volumes. Tese (Doutorado)

Submitted by Hiago Matheus Brajato (hiago.brajato@unesp.br) on 2022-03-09T11:32:09Z No. of bitstreams: 1 Disserta__o____Mestrado.pdf: 2041789 bytes, checksum: aeca61bc8771299a5f4663ecbbc736c8 (MD5) Rejected by Vivian Letícia Duarte Parisi (vivian.parisi@unesp.br), reason: Sua submissão será devolvida para que você possa fazer as correções. 1. Falta a data na FOLHA DE APROVAÇÃO, que é a data efetiva da defesa. 2. Solicitamos inserir no Sumário e corrigir no texto, o correto é REFERÊNCIAS e não Referências Bibliográficas. Lembramos que o arquivo depositado no repositório deve ser igual ao impresso, o rigor com o padrão da Universidade se deve ao fato de que o seu trabalho passará a ser visível mundialmente. Agradecemos a compreensão. Estamos à disposição caso necessite esclarecer alguma dúvida ou necessite algum auxílio para efetuar as correções. Atenciosamente, Repositório Institucional UNESP UNESP - Câmpus de São José do Rio Preto Rua Cristóvão Colombo, 2265 - Jd. Nazareth São José do Rio Preto – SP. on 2022-03-09T14:55:09Z (GMT) Submitted by Hiago Matheus Brajato (hiago.brajato@unesp.br) on 2022-03-09T18:02:51Z No. of bitstreams: 1 Disserta__o_Final___Dep_sito.pdf: 2050199 bytes, checksum: 461eb936180e443f9d8528294710eebb (MD5) Approved for entry into archive by Vivian Letícia Duarte Parisi (vivian.parisi@unesp.br) on 2022-03-09T19:47:02Z (GMT) No. of bitstreams: 1 brajato_hm_me_sjrp.pdf: 2065149 bytes, checksum: b626a01272e0b0a30c31b33342386e56 (MD5) Made available in DSpace on 2022-03-09T19:47:02Z (GMT). No. of bitstreams: 1 brajato_hm_me_sjrp.pdf: 2065149 bytes, checksum: b626a01272e0b0a30c31b33342386e56 (MD5) Previous issue date: 2022-02-24 Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) Speech Emotion Recognition (SER) pode ser definida como a maneira automatizada de identificar o estado emocional de um locutor a partir da sua voz. Dentre as metodologias encontradas na literatura para viabilizar o SER, as quais ainda carecem de melhor compreensão e discussão, o presente trabalho ocupa-se da abordagem handcrafted extraction para a composição dos vetores de características responsáveis por permitir a classificação dos sinais de voz entre sete classes emocionais distintas: raiva, tédio, desgosto, medo, felicidade, neutralidade e tristeza. Os descritores utilizados, os quais foram obtidos por meio da energia clássica, do Operador de Energia de Teager, do zero crossing rate, da planaridade espectral e da entropia espectral, foram submetidos à Engenharia Paraconsistente de Características, que é responsável por selecionar o melhor subgrupo de características a partir da análise de similaridades e dissimilaridades intra e interclasse, respectivamente. Finalmente, um algoritmo genético associado à uma rede neural multilayer perceptron foi responsável por realizar a classificação dos sinais visando a maior taxa de acurácia possível, isto é, 84.9%, considerando a base de dados pública EMO_DB com 535 sinais na modalidade speaker-independent. Em contraste com abordagens do tipo feature learning, a estratégia proposta permitiu uma melhor compreensão física do problema em questão. Speech Emotion Recognition (SER) can be defined as the automated way to identify spe akers’ emotional states from their voices. Considering the methodologies found in the li terature, for which there is room for further research and better comprehension, this mo nograph considers a handcrafted feature extraction approach to create the feature vectors responsible for the classification of voice signals in one of the seven different classes: anger, boredom, disgust, fear, happiness, neutrality and sadness. The descriptors adopted, which were obtained based on regular energy, on Teager Energy Operator, on zero crossing rates, on spectral flatness and on spectral entropy, were submitted to the Paraconsistent Feature Engineering, which was responsible for selecting the best subgroup of features from the analysis of intra- and interclass similarities and dissimilarities, respectively. Lastly, a genetic algorithm associted with a multiplayer perceptron neural network was responsible for perfor ming the classification of the described signals aiming at the highest possible accuracy rate, i.e., 84.9%, considering the well-known EMO_DB database with 535 signals in a speaker independent approach. In contrast with feature learning strategies, the proposed approach allowed for a better comprehension of the problem being treated. 88887.499431/2020-00

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES Pharmaceutical compounds are fundamental to the preservation of human and animal health. However, its high and continuous consumption, associated with its incorrect disposal and the inefficient treatments of water and effluents, can cause significant damage to the environment and human health. Besides, real waters and effluents are characterized by a mixture of different chemical contaminants, which makes their treatment even more challenging. The adsorption technique on activated carbon was used to simultaneously remove nimesulide and paracetamol present in aqueous solutions. The objective of this work was to apply advanced mathematical models to predict the adsorption behavior, due to the complexity between the adsorbent-adsorbate interactions. First, an artificial neural network was successfully trained and optimized to simultaneously predict the single and binary adsorption of these pharmaceuticals as a function of the operating conditions: adsorbent particle size, adsorbent dosage, initial pharmaceutical concentration, and contact time. The highest adsorption capacities were found for the adsorbent dosage of 0.5 g/L, particle size of 150 μm, and 300 minutes of contact time. In sequence, the adsorption equilibrium was evaluated through different isotherm models, in which the Langmuir isotherm satisfactorily fitted the single adsorption equilibrium of nimesulide and paracetamol, while the Extended Langmuir isotherm better adjusted the binary adsorption equilibrium of these pharmaceuticals on activated carbon. The physisorption process was exothermic, reaching higher adsorption capacities at 298 K. Finally, the Pore Volume and Surface Diffusion Model (PVSDM) could be extended and applied, for the first time in the literature, to multicomponent adsorption systems. The proposed model was called Extended PVSDM and the finite difference approximation technique was successfully applied to its numerical solution. The results showed that there was no dominance of a sole adsorption mechanism, but both external mass transfer and intraparticle diffusion played an important role during adsorption. Overall, the experimental results showed a higher affinity of activated carbon for nimesulide, reaching an adsorption capacity of 196.32 mg/g against 58.21 mg/g for paracetamol. During the binary adsorption, this greater selectivity towards nimesulide caused a significant competition with paracetamol molecules, suppressing the adsorption of paracetamol (25.80 mg/g) and promoting the adsorption of nimesulide (199.49 mg/g) in the active sites of activated carbon. The characterization of the adsorbent before and after adsorption suggested that paracetamol interacted with the active sites of carbon through hydrogen bonds, while nimesulide interacted through hydrogen bonds and π-π and n-π dispersive interactions. Os compostos farmacêuticos são fundamentais para a preservação da saúde humana e animal. Entretanto, seu elevado e contínuo consumo, associado ao descarte incorreto e aos tratamentos ineficientes de águas e efluentes, podem trazer grandes prejuízos ao meio ambiente e à saúde humana. Além disso, águas e efluentes reais são caracterizados por uma mistura de diferentes contaminantes químicos, o que torna ainda mais desafiador o seu tratamento. A técnica de adsorção em carvão ativado foi utilizada para remover simultaneamente nimesulida e paracetamol presentes em soluções aquosas. O objetivo deste trabalho foi aplicar modelos matemáticos avançados para prever o comportamento de adsorção, devido à complexidade entre as interações adsorvente-adsorbatos. Primeiramente, uma rede neural artificial foi satisfatoriamente treinada e otimizada para prever simultaneamente a adsorção individual e binária destes fármacos em função das condições de operação: tamanho de partícula de adsorvente, dosagem de adsorvente, concentração inicial de fármacos e tempo de contato. Melhores resultados de capacidade de adsorção foram obtidos utilizando uma dosagem de 0,5 g/L de carvão ativado com granulometria de 150 μm e 300 minutos de tempo de contato. Na sequência, avaliou-se o equilíbrio de adsorção por meio de diferentes modelos de isoterma, no qual a isoterma de Langmuir ajustou satisfatoriamente o equilíbrio de adsorção individual de nimesulida e paracetamol, enquanto que a isoterma Extended Langmuir melhor ajustou o equilíbrio de adsorção binária destes fármacos em carvão ativado. O processo de fisissorção foi exotérmico, atingindo maiores capacidades de adsorção em 298 K. Finalmente, o Pore Volume and Surface Diffusion Model (PVSDM) pôde ser estendido e aplicado, pela primeira vez na literatura, para sistemas de adsorção multicomponente. O modelo proposto foi chamado de Extended PVSDM e a técnica de aproximação por diferenças finitas foi aplicada com sucesso na solução numérica do mesmo. Os resultados mostraram que não houve dominância de um único mecanismo de adsorção, mas que tanto a transferência de massa externa quanto a difusão intrapartícula tiveram um importante papel durante a adsorção. No geral, os resultados experimentais mostraram uma maior afinidade do carvão ativado para com a nimesulida, atingindo uma capacidade de adsorção de 196,32 mg/g contra 58,21 mg/g para o paracetamol. Durante a adsorção binária, a maior seletividade para com a nimesulida gerou uma grande competição com as moléculas de paracetamol, suprimindo a adsorção de paracetamol (25,80 mg/g) e promovendo a adsorção de nimesulida (199,49 mg/g) nos sítios do carvão ativado. A caracterização do adsorvente antes e depois da adsorção sugeriu que o paracetamol interagiu com os sítios ativos do carvão através de ligações de hidrogênio, enquanto que a nimesulida interagiu através de ligações de hidrogênio e empilhamento π-π e n-π.

The impact caused by the Covid-19 pandemic provided the integration of technologies and the search for new solutions to mitigate the effect of the crisis on health. The insertion of Artificial Intelligence in the systems used in Primary Care is an ally in the fight against the pandemic. This study aims to present a decision model based on Artificial Neural Networks - Multilayer Perceptron, on the architecture and data on the e-SUS platform for classifying cases of severe acute respiratory syndromes caused by Covid-19, in the municipality of Cabedelo in the state from Paraíba. The solution was developed using the Citizen's Electronic Medical Record database and the Simplified Data Collection of Primary Health Care in the municipality of Cabedelo. A database of 82,827 attendance records for the year 2020 was considered, and a sample of 1,287 SARS cases was collected. The decision model proposed in this thesis was the result of the adjustments of a multilayer neural network model, with three layers and 33 input variables with an array composed of 8, 8 and 2 neurons respectively. The topology generated by this method resulted in an Overall Test Accuracy of 99.87%. This algorithm based on RNA-MLP, integrated with e-SUS, using data from the PEC e-SUS APS, for the classification of SARS cases, allows the insertion of technologies with artificial intelligence in the health management and surveillance system to combat to the SARS. Pró-Reitoria de Pós-graduação da UFPB (PRPG/UFPB) O impacto causado pela pandemia do Covid-19 proporcionou a integração de tecnologias e a busca de novas soluções para mitigar o efeito da crise na saúde. A inserção da Inteligência Artificial nos sistemas utilizados na Atenção Primária é um aliado no combate à pandemia. Este estudo tem como objetivo apresentar um modelo de decisão baseado em Redes Neurais Artificiais - Multilayer Perceptron, sobre a arquitetura e dados na plataforma e-SUS para classificação dos casos de síndromes respiratórias agudas graves causadas pelo Covid-19, no município de Cabedelo no Estado da Paraíba. A solução foi desenvolvida utilizando a base de dados do Prontuário Eletrônico do Cidadão e das fichas da Coleta de Dados Simplificada da Atenção Primária à Saúde do município de Cabedelo. Foi considerando uma base de dados de 82.827 registro de atendimentos do ano de 2020 e foi coletado uma amostra de 1.287 casos de SRAG. O modelo de decisão proposto nesta tese foi resultado dos ajustes de um modelo de rede neural multicamada, com três camadas e 33 variáveis de entrada com um arranjo de composto por 8, 8 e 2 neurônios respectivamente. A topologia gerada por esse método resultou em uma Acurácia Global do Teste de 99,87%. Esse algoritmo baseado em RNAMLP, integrado ao e-SUS, utilizando os dados do PEC e-SUS APS, para a classificação dos casos de SRAG, possibilita a inserção de tecnologias com inteligência artificial no sistema de gestão e vigilância em saúde para combate ao SRAG.

Submitted by Maria Aparecida (cidazen@gmail.com) on 2022-08-19T14:02:33Z No. of bitstreams: 1 Ronaldo dos Santos Silva J..pdf: 11355112 bytes, checksum: ee7d9923c71e6ed5c2ac19bb65c6cd20 (MD5) Made available in DSpace on 2022-08-19T14:02:33Z (GMT). No. of bitstreams: 1 Ronaldo dos Santos Silva J..pdf: 11355112 bytes, checksum: ee7d9923c71e6ed5c2ac19bb65c6cd20 (MD5) Previous issue date: 2022-02-18 CAPES Areas of Artificial Intelligence (AI), machine learning and artificial neural networks are underlined in the development of techniques, which require prior preparation of the database so that the algorithm performs the automatic classification of the database. In recent years, machine learning and statistical analysis techniques have been applied by health researchers in order to make clinical prognostic, decision-making, health care management, diagnosis and monitoring of various diseases feasible. Chronic Kidney Disease, one of the most globally prevalent NCDs, is characterized by the progressive and irreversible loss of glomerular, tubular and endocrine renal function. Early diagnosis of CKD is considered a great challenge, since in early stages the disease is characteristically asymptomatic and clinical manifestations stand out among the stages of moderate to severe renal failure. In order to diagnose CKD, Regression Logistic and ANN models were used, in which 5-fold cross validation was used in a dataset of 291 individuals over 18 years of age. The models had a good performance, both having the area under the ROC curve (AUROC) = 0.94, and the ANN obtained an accuracy and sensitivity of 87%, whereas the Regression obtained an accuracy and sensitivity of 85%. Thus, our models achieved acceptable performance for classifying CKD patients, presenting themselves as a low-cost alternative for the disease screening. Áreas da Inteligência Artificial (IA), o aprendizado de máquina e as redes neurais artificiais ganham destaque no desenvolvimento de técnicas, as quais exigem um preparo prévio do conjunto de dados para que o algoritmo execute a classificação automática do conjunto de dados. Nos últimos anos, técnicas de aprendizado de máquina e análise estatística vêm sendo aplicadas por pesquisadores da área da saúde, a fim de viabilizar tomada de decisões de prognósticos clínicos, gestão de assistência à saúde, diagnóstico e monitoramento de diversas doenças.A Doença Renal Crônica, uma das DCNT mais prevalentes a nível global, é caracterizada pela perda progressiva e irreversível da função renal glomerular, tubular e endócrina. .O diagnóstico precoce da DRC é considerado um grande desafio, visto que em estágios iniciais a doença é caracteristicamente assintomática e as manifestações clínicas destacam-se entre os estágios de insuficiência renal moderada a severa. A fim de realizar o diagnóstico da DRC, foram utilizados os modelos de Regressão Logística e RNA, onde foi utilizado o 5-fold crossvalidation em um conjunto de dados de 291 indivíduos maiores de 18 anos. Os modelos retornaram um bom desempenho, tendo os dois a área sobre a curva ROC (AUROC) = 0.94, e a RNA obteve uma acurácia e sensibilidade de 87%, já a Regressão obteve acurácia e sensibilidade de 85%. Dessa forma, nossos modelos obtiveram desempenho aceitável para classificar portadores da DRC, apresentando-se como alternativa de baixo custo para o rastreamento da doença.

Submitted by Anthony Ferreira La Marca (anthony.marca@unesp.br) on 2022-02-22T15:17:45Z No. of bitstreams: 1 Anthony_Tese_Versao-22-02-22.pdf: 2698207 bytes, checksum: 026d1e1faeb04d7b7fbb92902c3e9967 (MD5) Approved for entry into archive by Joao Josue Barbosa (joao.barbosa@unesp.br) on 2022-02-22T16:16:15Z (GMT) No. of bitstreams: 1 la_marca_af_dr_ilha.pdf: 2698207 bytes, checksum: 026d1e1faeb04d7b7fbb92902c3e9967 (MD5) Made available in DSpace on 2022-02-22T16:16:15Z (GMT). No. of bitstreams: 1 la_marca_af_dr_ilha.pdf: 2698207 bytes, checksum: 026d1e1faeb04d7b7fbb92902c3e9967 (MD5) Previous issue date: 2022-02-11 O sistema público de saúde é extremamente dependente do uso de vacinas para imunizar a população de uma série de doenças infecciosas e perigosas, evitando que o sistema entre em colapso e que milhões de pessoas morram todo ano. No entanto, para desenvolvê-las e monitorar de forma efetiva essas doenças é necessário utilizar métodos de diagnóstico precisos, capazes de identificar regiões altamente imunogênicas dentro de uma determinada proteína patogênica. Os métodos experimentais existentes têm custos elevados, são demorados e exigem um árduo trabalho laboratorial, pois requerem a triagem de um grande número de potenciais epítopos candidatos, tornando os métodos extremamente laboriosos, especialmente para a aplicação em microrganismos maiores. Nas últimas décadas, os pesquisadores desenvolveram métodos de predição in sílico, baseados em aprendizagem de máquina, para identificar esses marcadores, de maneira a reduzir drasticamente a lista de potenciais epítopos candidatos para os testes experimentais, e, consequentemente, diminuir a laboriosa tarefa associada ao seu mapeamento. Apesar dos esforços da última década e da quantidade de dados disponíveis em grandes bases de dados públicas, as ferramentas e métodos desenvolvidos, com o propósito de identificar esses marcadores, ainda apresentam baixa acurácia, aprendizado lento e não utilizam técnicas de aprendizado on-line. Desta forma, a proposta deste trabalho é desenvolver uma ferramenta que utilize uma abordagem inédita, atentando ao treinamento on-line e na melhora da acurácia na identificação de epítopos lineares de células B. Para isso, a ferramenta nomeada BepFAMN (B Epitop Prediction Fuzzy ArtMap Artificial Neural) network, utiliza a Rede Neural Artificial (RNA) ARTMAP-FUZZY, treinada com epítopos anotados de sequências de aminoácidos de proteína, disponíveis no banco de dados do IEDB. Essa base de dados foi particionada utilizando a técnica de validação cruzada quíntupla e operada para treinamento e validação, sendo que os dados, antes de serem apresentados à RNA, foram pré-processados utilizando a escala de propensão de aminoácidos e sua proporção em epítopos positivos e negativos. Para os testes foi utilizado a base de dados do BepiPred-2.0, como uma base independente. Em ambos, validação e teste, os resultados foram promissores, alcançando área sob a curva (AUC) ROC de aproximadamente 0,9289 e 0,7831, respectivamente. Os valores alcançados, principalmente o de teste, demonstram que os melhores resultados, até então alcançados pela ferramenta EpiDope (0,605), foram superados. Este fato, contribui com uma redução considerável do número de potenciais epítopos lineares a serem validados experimentalmente, reduzindo o tempo laboratorial e acelerando o desenvolvimento de testes de diagnósticos, vacinas e abordagens imunoterapêuticas. The public health system is extremely dependent on the use of vaccines to immunize the population from a range of infectious and dangerous diseases, preventing the system from collapsing and millions of people dying every year. However, to effectively develop and monitor these diseases, it is necessary to use precise diagnostic methods capable of identifying highly immunogenic regions within a particular pathogenic protein. Existing experimental methods have high costs, are time-consuming and require hard laboratory work, as they require the screening of large number of potential candidate epitopes, making the methods extremely laborious, especially for application on larger microorganism. In the last decades, researchers have developed in silico prediction methods, machine learning based, to identify these markers, in order to drastically reduce the list of potential candidate epitopes for the experimental tests, and, consequently, decrease the laborious task associated with their mapping. Despite the efforts of the last decade and the amount of data available in large public databases, the tools and methods developed, with the purpose of identifying these markers, still have low accuracy. Thus, the purpose of this work is to develop a tool that uses an unprecedented approach, focusing on online training and improving the accuracy of identifying linear B-cell epitopes. For this, the tool called BepFAMN, uses the Fuzzy-ARTMAP Artificial Neural Network (ANN) trained considering annotated epitopes from sequences of protein amino acids, available from the IEDB database (Immune Epitope Databases). This database was partitioned using the five-fold cross-validation technique and operated for training and testing, and the data, before being presented to the ANN, were pre-processed using the amino acid propensity scale and its proportion in epitopes positive and negative. For the tests, the BepiPred-2.0 database was used, as an independent database. In both, validation and test, the results were promising, reaching area under the curve (AUC) ROC of approximately 0.9289 and 0.7831, respectively. The achieved values, especially the test one, demonstrates that the best results, hitherto achieved by the EpiDope tool (0.605), were surpassed. This fact contributes to a considerable reduction in the number of potential linear epitopes to be experimentally validated, reducing laboratory time and accelerating the development of diagnosis tests, vaccines and immunotherapeutic approaches.

Submitted by Daniella Santos (daniella.santos@ufma.br) on 2022-06-15T14:42:49Z No. of bitstreams: 1 ThiagoFernandes.pdf: 2769060 bytes, checksum: ea79bf6d098470d5997a9c84ca848843 (MD5) Made available in DSpace on 2022-06-15T14:42:49Z (GMT). No. of bitstreams: 1 ThiagoFernandes.pdf: 2769060 bytes, checksum: ea79bf6d098470d5997a9c84ca848843 (MD5) Previous issue date: 2021-11-26 CAPES CNPq FAPEMA The Widrow-Hoff rule is the simplest and most used method to update the synaptic weights of an artificial neural network. This is due to its simplicity of application and parametric robustness, properties of interest in several applications. However, in struc tures with high numbers of parameters, this algorithm has high computational cost and low speed of convergence. In this work, a new rule for updating the synaptic weights of a neural network is presented. The proposed method uses the concepts of linear opera tor separability, a typical property of tensors. Once this property is given, a stochastic gradient algorithm can be derived with a significant increase in the learning speed and a reduction in the computational cost when compared to the Widrow-Hoff algorithm. As the number of neural network parameters increases, the performance difference between the two algorithms is enhanced. Another relevant property of the proposed method is that its learning speed is inversely proportional to the computational cost. Due to the great impact generated by the growth of non-linear loads in the electrical power system, which cause distortions in the voltage and current waveforms, the proposed methodology is applied in harmonic estimation problems. A regra de Widrow-Hoff é o método mais simples e utilizado para atualizar os pesos sinápticos de uma rede neural artificial. Isto deve-se a sua simplicidade de aplicação e robustez paramétrica, propriedades de interesse em diversas aplicações. Entretanto, em estruturas com elevados números de parâmetros, este algoritmo apresenta elevado custo computacional e baixa velocidade de aprendizagem. Neste trabalho, uma nova regra de atualização dos pesos sinápticos de uma rede neural é apresentada. O método proposto utiliza os conceitos de separabilidade de operadores lineares, uma propriedade típica de tensores. Uma vez que essa propriedade é dada, um algoritmo do tipo gradiente estocástico pode ser derivado com aumento significativo da velocidade de aprendizagem e redução do custo computacional quando comparado ao algoritmo de Widrow-Hoff. Á medida que o número de parâmetros da rede neural aumenta, a diferença de desempenho entres os dois algoritmos é potencializada. Outra propriedade relevante do método proposto é que a sua velocidade de aprendizagem é inversamente proporcional ao custo computacional. Devido ao grande impacto gerado pelo crescimento de cargas não lineares no sistema elétrico de potência, que causam distorções na forma de onda de tensão e corrente, a metodologia proposta é aplicada em problemas de estimação de harmônicas.

Critical Success Factors (CSF) identify key areas for a company to succeed. This study creates a model to analyze CSF in civil construction project management, using Artificial Neural Networks (ANNs). For that, a literature review was performed to identify CSF emphasizing project management. Once the CSF were identified, a questionnaire was sent to educational institutions to evaluate the effect of each factor. Response analysis was made by the Relative Importance Index, using ANN coupled with the resilient propagation algorithm to evaluate the CSF. A total of 37,822 articles were found in 2,328 journals. Of 874 e-mails sent, 191 were answered. The respondents were distributed in 26 Brazilian states, with 70% of them being professors/researchers, 26% coordinators, 2% Rector, and 1% Director/Manager. Weights were determined using the Garson algorithm. The most critical factor in project management was ‘Unrealistic inspection and test methods in the contract’. Artificial Neural Networks produce subsidies to know the relevance of the input variables adopted and constitute an effective means for modeling nonlinear variables. Resumo: Os Fatores Críticos de Sucesso (FCS) identificam o conjunto de áreas chave que se mostram essenciais para a empresa alcance êxito em sua missão. O objetivo do presente artigo é criar um modelo para analisar os FCS que afetam o gerenciamento de projetos na indústria da construção civil (ICC), utilizando Redes Neurais Artificiais (RNAs). Para tal, parte-se de uma revisão de literatura sobre identificaçao de FCS com enfase no gerenciamento de projetos, abrangendo 37.822 artigos em 2.328 revistas. Após a identificação dos FCS, busca-se a avaliação de professores e pesquisadores voltados à ICC, sobre efeito de cada fator, utilizando-se um questionário encaminhado às instituições de ensino superior com cursos de Engenharia Civil e Arquitetura. De 874 e-mails enviados, onde 191 respondidos distribuídos em 26 estados, onde 70% ocupa o cargo de professor/pesquisador, 26% coordenadores, 2% Reitor e 1% de Direção/Gerência. A análise das resposta é feita pelo Índice de Importância Relativa, utilizando-se a RNA para avaliar os FCS com o uso do algoritmo Resilient propagation. Os pesos são determinados com uso do algoritmo de Garson. Os fatores: Inspeção irrealista e os métodos de ensaio propostos no contrato mostram-se os mais crítico no gerenciamento de projetos segundo as respostas ao questionário. As RNAs produzem subsídios para se conhecer a relevância das variáveis de entrada adotadas e constituem um meio preciso para modelagem de variáveis não lineares.

Submitted by Maria Aparecida (cidazen@gmail.com) on 2021-11-27T14:43:23Z No. of bitstreams: 1 A Imprimir ...C-Users-User-Documents-Claudyane Araújo.pdf: 20097220 bytes, checksum: 906f33c94031d5b9649c82c79f64cbae (MD5) Made available in DSpace on 2021-11-27T14:43:23Z (GMT). No. of bitstreams: 1 A Imprimir ...C-Users-User-Documents-Claudyane Araújo.pdf: 20097220 bytes, checksum: 906f33c94031d5b9649c82c79f64cbae (MD5) Previous issue date: 2021-09-24 CAPES The prevalence of overweight in adolescence is a worldwide public health problem, as it is associated with several metabolic disorders, such as cardiovascular diseases and diabetes. Such problems if not evaluated and treated early can lead to negative outcomes such as premature death, so the importance of analyzing the body fat of this population. Thus, the objective of this study is to develop an artificial neural network (ANN) to predict the percentage of body fat (%GC) of adolescents. In this network are used, as input parameters, weight, height, age, gender, heart rate, waist circumference, hip circumference, arm circumference. For training and testing of ANN, we used 5-fold cross-validation in a set of data from 772 adolescents of both sexes, aged between 10 and 19 years. For data labeling, we used the (%GC) obtained by bioimpedance (BIA). The prediction given by our RNA was compared with the prediction of other anthropometric methods commonly used in the evaluation of nutritional status. When comparing the value obtained by the net, in the test phase, with the value of BIA a correlation R= 0.87 was obtained. Our method showed significantly better results than the usual anthropometric indicators such as Body Mass Index (BMI), Waist-Height Relationship (WHtR), as can be evaluated by the area over the ROC curve (AUROC):0.83 (RNA), 0.62 (BMI) and 0.56 (WHtR). Our proposal also obtained 85.3% accuracy, 73.2% specificity, the sensitivity of 93%, and a 59.09% rate of true positives. These results are much better than the BMI and CER methods that present low sensitivity (27.6% and 11.2%). The specificity of our method showed a high rate of true negatives (26.28%). Thus, it is concluded that the RNA model obtained a better performance to predict excess body fat in adolescents compared to the usual anthropometric indicators, presenting itself as a low cost alternative for the tracking of obesity in adolescents. A prevalência de excesso de peso na adolescência é um problema de saúde pública mundial, pois está associada a diversos distúrbios metabólicos, como doenças cardiovasculares e diabetes. Tais problemas se não avaliados e tratados de forma precoce podem levar a desfechos negativos como morte prematura, por isso a importância de se analisar a gordura corporal dessa população. Assim, o objetivo deste estudo é desenvolver uma rede neural artificial (RNA) para predizer o percentual de gordura corporal (%GC) de adolescentes. Nesta rede são utilizados, como parâmetros de entrada, peso, altura, idade, gênero, frequência cardíaca, circunferência da cintura, circunferência do quadril, circunferência do braço. Para treinamento e teste da RNA utilizamos o 5-fold crossvalidation em um conjunto de dados advindos de 772 adolescentes de ambos os sexos, com idades entre 10 e 19 anos. Para rotulação dos dados foi utilizado o (%GC) obtida pela bioimpedância (BIA). A predição dada pela nossa RNA foi comparada com a predição de outros métodos antropométricos comumente utilizados na avaliação do estado nutricional. Ao comparar o valor obtido pela rede, na fase de teste, com o valor da BIA obteve-se uma correlação R= 0.87. O método proposto mostrou resultados significativamente melhor do que os dos indicadores antropométricos usuais tais como o Índice de Massa Corporal (IMC) ,Relação Cintura-Estatura (RCE), como pode ser avaliado pela área sobre a curva ROC (AUROC):0.83 (RNA), 0.62 (IMC) e 0.56 (RCE). Nossa proposta também obteve 85.3% de acurácia, 73.2% de especificidade, sensibilidade de 93% e 59.09% a taxa de verdadeiros positivos. Esses resultados são bem melhores do que os dos métodos IMC e o RCE que apresentam baixa sensibilidade (27.6% e 11.2%). A especificidade do nosso método apresentou um alto indice de verdadeiros negativos (26.28%). Assim, conclui-se que o modelo RNA obteve melhor desempenho para predizer o excesso de gordura corporal em adolescentes em comparação com os indicadores antropométricos usuais, apresentando-se como uma alternativa de baixo custo para o rastreamento da obesidade em adolescentes.

Numerical models are valuable tools to provide information on wave-structure interaction processes that are difficult to measure in a physical model. The current level of accuracy of numerical models is relatively high but an adequate validation to establish the models' empirical parameters is required to ensure a correct representation of the phenomena to be investigated. To this end, a "trial and error" approach is typically adopted, potentially resulting in a large number of simulations. In this study, a methodology based on Artificial Neural Networks (ANN) is presented, to obtain the optimal combination of values for the empirical coefficients that characterize the porous media in a VARANS-VOF model for predicting mean overtopping discharges. From an initial reduced set of simulations, input and output data are obtained for the training of the ANN. The ANN is then used to estimate the best values for the combination of coefficients that describe the three breakwater layers (armour, filter, and core), which are subsequently applied in the numerical model. The method was successfully applied to a set of laboratory experiments aimed at obtaining overtopping discharges for a Single-Layer Cube armoured breakwater. It resulted in a large reduction of computational effort when compared to the simulation of all possible combinations of values. (c) 2021 Elsevier Ltd

Submitted by DOUGLAS WILLER FERRARI LUZ VILELA (douglas.ferrari@ifmt.edu.br) on 2021-09-22T18:49:13Z No. of bitstreams: 1 Tese-Douglas_vf-BIBLIOTECA-23-09.pdf: 2308267 bytes, checksum: e000cedbf4fbc799f8ae3b81331b37a3 (MD5) Approved for entry into archive by Raiane da Silva Santos (raiane.santos@unesp.br) on 2021-09-22T19:53:44Z (GMT) No. of bitstreams: 1 vilela_dwfl_dr_ilha.pdf: 2308267 bytes, checksum: e000cedbf4fbc799f8ae3b81331b37a3 (MD5) Made available in DSpace on 2021-09-22T19:53:44Z (GMT). No. of bitstreams: 1 vilela_dwfl_dr_ilha.pdf: 2308267 bytes, checksum: e000cedbf4fbc799f8ae3b81331b37a3 (MD5) Previous issue date: 2021-07-27 As redes de comunicação sem fio IEEE 802.11 possuem diversas vulnerabilidades, e os ataques de negação de serviço são considerados uma das suas principais ameaças. A primícias básica do ataque de negação de serviço pauta-se pela indisponibilidade dos recursos e serviços da rede. A maioria das técnicas aplicadas no ataque de negação de serviço em redes sem fio exploram a falta de proteção dos quadros de gerenciamento e controle do quadro MAC do IEEE 802.11. Garantir a segurança absoluta de um ambiente de rede sem fio não é possível, porém pode-se adicionar camadas extras de proteção para redução do risco de incidentes de segurança. Os sistemas de detecção de intrusão (IDS, do inglês Intrusion Detection System) são ferramentas utilizadas no monitoramento do tráfego da rede e identificação de eventos anômalos. No entanto, um dos grandes gargalos dos sistemas de detecção de intrusão é encontrar conjuntos de dados públicos que caracterizem o funcionamento normal e anômalo de uma rede sem fio. Com objetivo de mitigar as vulnerabilidades das redes sem fio e sanar o problema de caracterização do comportamento da rede, foi desenvolvido nesta pesquisa um algoritmo de detecção de intrusão baseado no modelo de rede neural artificial ARTMAP Fuzzy. O trabalho foi realizado em quatro etapas: seleção da rede sem fio IEEE 802.11; avaliação da rede IEEE 802.11; construção, padronização e pré-processamento do conjunto de dados; e resultados gerados pelo algoritmo de detecção de intrusão. Os resultados obtidos demostram que o IDS possui alta capacidade de detecção de intrusão em redes sem fio e utiliza poucos recursos computacionais para processar os dados. A taxa média de detecção foi de 98,9% e a taxa de falso positivo foi menor que 1,2%. A seleção de um cenário de rede sem fio real e com características heterogêneas, foi fundamental para construção de um conjunto de dados com atributos representativos do comportamento normal e criação de assinaturas anômalas. A rede neural ARTMAP Fuzzy confirmou a eficiência do IDS, atestando as características da estabilidade e plasticidade. IEEE 802.11 wireless communication networks have several vulnerabilities, and the attacks called denial of service are the principal threat. The bases of this kind of attack are the unavailability of the resources and network services. Most of the techniques applied to the denial of service in wireless networks explore the lack of protection in management and control of IEEE 802.11 MAC. Absolute security in wireless environment is difficult to assure, however extra protection layers can be added to reduce the risk of security incidents. The IDS (Intrusion Detection System) contains tools that monitor the traffic in the network and identify anomalous events. Nonetheless, the great difficulty of the IDS is to find public dataset that characterize the normal and anomalous operation of wireless network. To mitigate the vulnerabilities of the wireless network and solve the problem of characterizing the network behavior, this research develops an algorithm of intrusion detection based on Fuzzy ARTMAP Artificial Neural Network. Results show that the IDS has high capacity of detecting intrusions in wireless networks with few computational resources to process the data. The medium detection rate is 98.9% and false positive rate is less than 1.2%. The selection of a wireless scenery with heterogeneity characteristic is fundamental to build a dataset with representative attributes of normal and anomalous behavior. The Fuzzy ARTMAP neural network confirms the efficiency of IDS proving its proprieties of stability and plasticity.

This article aims to identify how artificial intelligence together with optical character recognition (OCR) can help in the translation of documents and books written in Portuguese into the Brazilian Sign Language. Through scientific articles and theses published on the two technologies, we analyzed the possibility of applying both in the translation process, automating it and making it more accessible to the people who are Deaf or Hard of Hearing (DHH), whether they are literate in Portuguese or not. For this article, we performed theoretical research and a bibliographic review to present the application of these technologies in the proposed scenario. Finally, based on what has been evidenced, we concluded the feasibility of an application that uses separate modules of OCR and a neural network interconnected to perform automatic translation. O objetivo deste artigo é identificar como a inteligência artificial junto com o reconhecimento óptico de caracteres (OCR) podem ajudar na tradução de documentos e livros escritos na língua portuguesa para LIBRAS. Através de artigos científicos e teses publicados sobre as duas tecnologias analisamos a possibilidade de se aplicar ambas no processo de tradução, automatizando-o e tornando-a mais acessível para pessoas com deficiência auditiva, sendo elas alfabetizadas na língua portuguesa ou não. Para este artigo, realizamos pesquisa teórica e revisão bibliográfica para apresentar a aplicação das tecnologias no cenário proposto. Por fim, mediante o que foi evidenciado, chegamos ao resultado da viabilidade de um aplicativo que utilize módulos separados de OCR e de uma rede neural interligados para realizar a tradução automática.

The focus of modern neuroscience on cognitive processes has relegated to behavior the epiphenomenal status of neural processing and the difficulties generated by this interpretation have encouraged the use of computational models. However, the implementation based on inferred cognitive constructs has been inefficient. The objective of this work was to review the concept of behavior by a selectionist approach and propose a connectionist computational model that operates integrally with its neurophysiological bases. The behavioral phenomenon was functionally defined and described at different levels of analysis. Functional levels make it possible to understand why behavioral phenomena exist, while topographic levels describe how morphophysiological mechanisms implement the response. The connectionist notions of PDP ANNs formalizes the proposal. The model stands out for contextualizing neural processing as part of the response, addressing the behavioral phenomenon as a whole that needs to be explained in its most different levels of analysis.