II Seminário da Pós-graduação em Engenharia Elétrica
|
|
- Vinícius Padilha Ávila
- 5 Há anos
- Visualizações:
Transcrição
1 APLICAÇÃO DE REDES NEURAIS MLP E KOHONEN NO RECONHECIMENTO DE PADRÕES DE DESGASTE DE DRESSADORES DE PONTA ÚNICA Cesar Henrique R. Martins Aluno do Programa de Pós-Graduação em Engenharia Elétrica Unesp Bauru Prof. Dr. Paulo Roberto de Aguiar Orientador Depto de Engenharia Elétrica Unesp Bauru RESUMO A retificação é um processo de acabamento de peças, que objetiva produtos e superfícies avançadas. Porém, com o constante atrito entre a peça e o rebolo, este perde a agressividade, de modo que o resultado da retificação fique prejudicado. Quando isso ocorre é imprescindível a realização do processo de dressagem, que consiste em reavivar os grãos gastos do rebolo. Como as condições de dressagem provocam uma grande influência no desempenho da operação de retificação, monitorá-las durante todo o processo pode aumentar sua eficiência. Assim, o objetivo deste trabalho foi estimar a condição de desgaste de um dressador de ponta única utilizando sistemas inteligentes cujas entradas foram obtidas pelo processamento digital de sinais de emissão acústica. Foram comparados quanto a sua capacidade de classificação dois sistemas inteligentes, o perceptron de múltiplas camadas e a rede neural de Kohonen. Observou-se no estudo que o conteúdo harmônico do sinal de emissão acústica sofre influencia da condição do dressador e quando utilizado para alimentar redes neurais é possível realizar a classificação da condição da ferramenta em estudo. PALAVRAS-CHAVE: Operação de dressagem; Emissão acústica; Rede neural; Rede neural de Kohonen; Desgaste de dressador. 1. INTRODUÇÃO A retificação é um dos processos de acabamento mais utilizados na fabricação de componentes mecânicos de precisão. Porém é o processo de menor domínio tecnológico, se comparado aos processos convencionais de usinagem, mesmo tendo a função de solucionar os problemas de qualidade e tempo de toda a sequência de fabricação (Irani et al., 2005). Segundo Linke (2008), o desempenho desse processo depende principalmente da forma com que o rebolo é preparado. De modo que o processo de dressagem deve produzir uma topografia adequada para o rebolo além do perfil desejado. A topografia do rebolo influencia na rugosidade e na camada superficial da peça por meio da quantidade e forma das arestas de corte, do volume do poro e do comportamento do desgaste da camada abrasiva. O processo de dressagem deve promover um processo de retificação tão consistente quanto possível, levando-se em conta o desgaste do rebolo. De acordo com Hassui & Diniz (2003), são dois os efeitos resultantes da operação de dressagem: o macroefeito e o microefeito. O macroefeito é ocorre em função do formato do dressador, da profundidade de penetração deste e do passo de dressagem em que é realizada a operação. Esse fenômeno determina a posição na qual as arestas dos grãos abrasivos estão localizadas. O microefeito é formado pelo arrancamento dos grãos desgastados e fratura dos
2 grãos que não se desgastaram por completo, onde novas arestas de corte são geradas pelo dressador. A agressividade das arestas depende das condições de dressagem e da friabilidade do grão abrasivo. Segundo Xue & Naghdy (2002), a ponta do dressador é um fator que afeta significativamente a rugosidade da peça quando comparado com outros parâmetros do processo de retificação, tais como profundidade de corte e velocidade da mesa. O monitoramento dos parâmetros de dressagem resulta em valores mais consistentes de rugosidade para a operação de retificação. Como a operação de dressagem e muitos outros processos de manufatura de precisão demandam forças e consumo de potencia muito pequenas, sensores convencionais de força e potência são inadequados para o monitoramento desses processos. Para essas operações de precisão o uso de sensores acústicos se torna mais adequado, pelo fato deles serem baseados em elementos piezelétricos muitos sensíveis. O campo da emissão acústica (EA) está relacionado ao estudo e aplicação de fenômenos da geração, propagação e transdução de ondas de tensão elástica transitórias. Geralmente, algum fenômeno físico dentro ou na superfície de uma estrutura causa uma grande variação transitória do estado de tensão da estrutura naquele ponto. Como consequência, ondas de tensão se propagam pela estrutura, causando deslocamentos transitórios. Assim, um sensor acústico acoplado na estrutura pode monitorar essas ondas de tensão e produzir um sinal elétrico que, por fim, é usado para monitoramento e controle do processo gerador do sinal acústico (Daniel, 1996). Sendo a operação de dressagem crucial para o processo de retificação, e conhecer as condições do desgaste do dressador é um fator de extrema importância para otimização do processo, o presente trabalho visa estudar o desgaste do dressador de ponta única pela análise do conteúdo harmônico do sinal de EA e comparar os resultados de classificação de dois modelos neurais. 2. MONITORAMENTO EM PROCESSOS DE USINAGEM Um dos maiores obstáculos para se atingir a completa automatização do processo de usinagem dentro de sistemas integrados e flexíveis de manufatura é o desenvolvimento do que se pode chamar de usinagem não assistida pelo homem, isto é, um processo no qual o estabelecimento do momento de troca da ferramenta, a própria troca da ferramenta e mudanças nos parâmetros de operação visando a otimização do processo não necessitam da intervenção do homem. Para isto, o desenvolvimento de um sistema de monitoramento e controle do processo, em tempo real, é de fundamental importância (Inasaki & Okamura, 1985; Racko, 1982). Sensores de emissão acústica se provaram superiores a outros tipos de sensores usados na retificação devido principalmente a sua estabilidade a temperatura, alta sensibilidade e alta resposta dinâmica. Assim, diversos pesquisadores estão empregando esses sensores para o monitoramento do operação de dressagem. Os principais usos são em detectar o contato dressador/rebolo, monitorar a profundidade de dressagem e diagnosticar falhas na dressagem (Konig & Meyen, 1990). Os sinais de EA fornecem várias informações a respeito do processo de retificação e dressagem. Entretanto, análises mais rigorosas podem ser obtidas via tratamento de sinais com o auxílio de parâmetros estatísticos, afim de se obter informações que podem relacionar os sinais com os fenômenos em estudo.
3 3. EXPERIMENTAÇÃO E MONTAGEM DO BANCO DE ENSAIOS O banco de ensaios foi desenvolvido de modo a permitir a análise das condições de desgaste da ferramenta de dressagem, ao mesmo tempo que o sinal de emissão acústica puro fosse coletado em um sistema de aquisição de dados. Os ensaios foram realizados para a operação de dressagem de um rebolo convencional de óxido de alumínio tipo 38A220KVS e dimensões x 12.7 x 127 mm da fabricante NORTON. Os parâmetros de operação, apresentados na Tabela 1, foram adequadamente controlados para assegurar as mesmas condições para todos os dressadores. Tabela 1 Parâmetros dos ensaios de dressagem Parâmetro Especificação Refrigeração Sem fluído de corte Velocidade periférica do rebolo 33,3 m/s Profundidade de dressagem 40 µm Velocidade transversal do dressador 3,45 mm/s Foi avaliado quanto ao desgaste um dressador de ponta única de diamante sintético (chemical vapour deposition CVD). As medições da ponta de diamante foram realizadas em intervalos de 20 passadas para cada ensaio, em um microscópio com ampliações de 10 até 100 vezes. A Figura 1 mostra as vistas laterais e frontais da ponta de diamante para diferentes graus de desgaste observados ao longo do ensaio. (a) (b) (c) Figura 1 Vista lateral e frontal do diamante CVD (a) sem uso, (b) com aproximadamente meia vida e (c) desgastado O sensor de emissão acústica foi posicionado no suporte do dressador, e o sinal foi coletado a uma frequência de dois milhões de amostras por segundo por um osciloscópio Yokogawa modelo DL850. Ao final dos ensaios iniciou-se o processamento digital dos sinais. 4. ESTUDO DO ESPECTRO DE FREQUÊNCIA DO SINAL DE EA QUANTO AO DESGASTE DA FERRAMENTA Visando-se determinar uma correlação entre os sinais de EA e a condição de desgaste do dressador, considerou-se inicialmente a análise do espectro de frequência desses sinais em diferentes estágios de desgaste. Para a determinação do espectro de frequência foi empregada
4 a transformada rápida de Fourier (FFT), considerando-se para cálculo 2048 amostras do sinal pertencentes ao meio da passada de dressagem. Observa-se na Figura 2 que o sinal de EA apresenta características diferentes no domínio da frequência de acordo com a sua condição de desgaste. Com base nessa análise, considerou-se realizar um estudo da energia do sinal de EA em diferentes bandas de frequência com o objetivo de obter informações relacionadas com o desgaste da ferramenta de dressagem. Figura 2 Espectros de frequência para três condições de desgaste do dressador Foram consideradas nove bandas de frequência, de modo que após o sinal puro de EA ser filtrado para essas bandas foi calculado o valor RMS correspondente aquela passada do ensaio. O filtro digital implementado no Matlab foi o passa-banda do tipo Butterworth, ordem 10. Esse estudo mostrou-se bastante promissor na caracterização da condição da ferramenta. Na Figura 3 é possível visualizar a evolução dos valores RMS para o diamante CVD. Observa-se que para ferramenta nova (linha verde) os valores RMS se mantem em um nível relativamente baixo, não passando de 40 k*volts (k sendo uma constante de escala) para todas as bandas de frequência consideradas. Nota-se ainda que a maior atividade acústica para essas condição está concentrada na faixa de 12 a 70 khz. Figura 3 Valores RMS em função das bandas de frequência para o diamante CVD Nessa mesma figura, pode-se observar que a ferramenta com meia vida (linha azul) apresenta amplitudes mais significativas que as da ferramenta nova, variando de 20 a 170
5 k*volts, concentrando a atividade acústica entre as frequências de 12 e 33 khz. Analisando, por fim, a curva da ferramenta desgastada verifica-se um certo grau de similaridade com a curva da ferramenta com meia vida, porém com amplitudes menores. Para a condição mais severa de desgaste pode-se observar valores mais significativos de desvios, indicando uma grande oscilação entre os sinais de passadas consecutivas, demonstrando uma instabilidade da ferramenta para essa condição. 5. PROCESSO DE CLASSIFICAÇÃO DO DESGASTE DA FERRAMENTA Na manufatura os sistemas inteligentes podem ser comparados a um operador qualificado, que emprega seu conhecimento para operar a máquina/ferramenta. Assim, esses sistemas necessitam de sensores com boa precisão e exatidão, baixo custo de implementação e ferramentas computacionais eficientes que possam reproduzir o processo de tomada de decisões do operador. Para o monitoramento e controle da operação de usinagem é necessário conhecer o modelo matemático do processo, sendo este baseado na física das interações do sistema. Porém, devido a complexidade das interações presentes no processo, dificilmente consegue-se obter modelos muito precisos. Assim métodos de computação leve, como redes neurais artificiais (RNA) e algoritmos genéticos, podem ser utilizados para modelar o processo, baseando-se em dados coletados. A vantagem dessa abordagem está na capacidade de relacionar as saídas as entradas, mesmo diante de dados imprecisos, faltantes ou incertos (Davim, 2008). 5.1 Rede Neural Perceptron de Múltiplas Camadas (MLP) A RNA é definida por Haykin (1998) como uma rede interconectada paralelamente de simples elementos e suas organizações hierárquicas tem como objetivo interagir com o mundo real assim como uma rede neural biológica. A capacidade de aprendizagem é uma característica fundamental da RNA, e é representada pela descoberta de um conjunto de pesos sinápticos que atuam em cada neurônio da rede. Para a rede MLP utilizada nesse trabalho, foi usado o método de treinamento backpropagation. 5.2 Rede Neural de Kohonen Redes neurais de Kohonen correspondem a um mapa auto-organizavel (SOM), que formam uma classe de RNAs onde neurônios vizinhos de uma rede neural competem através de interações mútuas para serem ativados; dessa forma, um neurônio ou um conjunto de neurônios se adaptam na detecção de padrões específicos. Nesse caso o processo de aprendizado recebe o nome de não-supervisionado. É uma alternativa viável as arquiteturas tradicionais de RNA (Kohonen, 1990). De acordo com Haykin (1998) o principal objetivo de uma rede neural de Kohonen é transformar padrões de entrada de dimensões arbitrarias em um mapa discreto. Os neurônios são dispostos nas células de uma grid, que pode ter um número qualquer de dimensões. Normalmente são usadas grids de duas dimensões. O processo de treinamento é baseado em um método de aprendizado competitivo, onde os neurônios de saída da grid competem para serem ativados. O neurônio ativado recebe a denominação de neurônio vencedor. Todos os neurônios da grid devem ser expostos a um número suficiente de padrões para garantir a qualidade do mapa auto-organizável.
6 6. MODELOS NEURAIS E RESULTADOS 6.1 Modelos Neurais Como o desempenho das RNAs variam consideravelmente de acordo com os parâmetros que definem a arquitetura da rede e a função de treinamento, foi realizado um estudo para se obter a melhor configuração de rede neural para a classificação das condições de desgaste. Para a MLP variou-se a taxa de aprendizado, o número de neurónios e a quantidade de camadas ocultas. Na rede neural de Kohonen foram testados diferentes tamanhos de mapa, variando-se a quantidade de neurónios. A camada de entrada dos modelos neurais é formada pelos valores RMS das nove bandas de frequência, e a camada de saída possui três variáveis que representam a condição da ferramenta (dressador novo, N; dressador com meia vida, MV; dressador desgastado, D). A identificação da condição de desgaste se dá pela ativação, valor 1, de uma dessas saídas enquanto as demais saída estão desativadas, valor 0. Para o treinamento das redes neurais foram utilizados 1500 padrões, compostos de 500 padrões para cada situação de desgaste. Para se avaliar a repetibilidade da configuração, cada rede foi treinada e avaliada 5 vezes para cada conjunto de parâmetros. Para o treinamento da MLP foram definidas faixas representativas dos valores 0 e 1. Desse modo, os valores entre e 0.50 representam a saída 0, enquanto que os valores dentro do intervalo de 0.51 e 1.50 representam a saída 1. A melhor resultado da rede MLP foi obtido para a configuração apresentada na Tabela 2, para essa condição obteve-se um tempo médio de treinamento de 2 segundos. Tabela 2 Parâmetros de configuração da rede MLP Parâmetro Especificação Estrutura Função de treinamento Levenberg-Marquardt Backpropagation Número máximo de épocas 2000 Para a rede de Kohonen foi utilizado um mapa com dimensões de 12 x 12 totalizando 144 neurónios na camada de saída. A elevada quantidade de neurónios somado ao processo de aprendizado não ser supervisionado o processos possui um custo computacional superior ao observado para rede MLP. Para esse configuração o tempo médio de treinamento foi de 40 segundos. Os parâmetros de configuração da rede de Kohonen estão apresentados na Tabela 3. Tabela 3 Parâmetros de configuração da rede de Kohonen Parâmetro Especificação Estrutura Mapa: 12 x 12 Função de treinamento Batch Weight/Bias Rules Número máximo de épocas Resultados MLP Na Figura 4 é apresentada a matriz de confusão da rede MLP, nela está relacionada a classificação desejada com a classificação realizada pela rede neural. Observa-se que os erros concentraram-se nas regiões de fronteira com a condição de meia vida, devido a sensibilidade em se determinar a transição de um estado melhor definido para essa situação intermediária. O sistema mostrou-se estável conseguindo distinguir, com 97,3% de acerto, a condição mais severa de desgaste, e erro geral de apenas 1,8%.
7 Figura 4 Matriz de confusão da rede MLP 6.3 Resultado Rede Neural de Kohonen A matriz de confusão obtida para a melhor configuração da rede de Kohonen é apresentada na Figura 5. Observa-se que para os 165 padrões apresentados para avaliação da rede apenas 1 deles foi classificado incorretamente, tendo um dressador novo classificado como meia vida. É possível notar ainda que essa rede foi capaz de distinguir com precisão a condição mais severa de desgaste. De modo a ser um bom indicador do ponto no qual o dressador perde a sua eficiência na realização da operação de dressagem. Essa rede conseguiu bons resultados quanto a classificação dos dados do ensaio, obtendo uma sensibilidade de 98,5% para a condição de dressador novo, enquanto que para os demais estágios de desgaste essa taxa foi de 100%, e um erro geral de apenas 0,6%. Figura 5 Matriz de confusão da rede neural de Kohonen
8 7. CONCLUSÕES Observou-se a partir do estudo do espectro de frequência do sinal de EA que, de acordo com o desgaste do dressador, a atividade acústica sofre alterações para diferentes faixas de frequências. Analisando a energia presente nos sinais de EA para essas faixas de frequência foi possível obter curvas características para cada condição de desgaste da ferramenta. Essas curvas foram utilizadas para alimentar dois modelos de RNA com o objetivo de classificar a condição em que se encontra o dressador durante a operação de dressagem. Analisando-se os melhores resultados de cada modelo, foi observado que a rede neural de Kohonen reponde melhor a tarefa de classificação de padrões do que a rede MLP, porém o seu custo computacional para o treinamento foi bem elevado. 8. AGRADECIMENTOS Agradecemos à CAPES Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, pelo apoio concedido, ao IPEN (Instituto de Pesquisas Nucleares) pela doação dos diamantes sintéticos, a empresa NORTON, do grupo Saint Gobain, pela doação dos rebolos e a empresa Royall Diamond Ferramentas Diamantadas Ltda, pela fabricação dos dressadores. REFERÊNCIAS BIBLIOGRÁFICAS DANIEL, J. P. Applications of quantitative acoustic in monitoring precision manufacturing, University of California, Berkeley, 1996, 221. DAVIM, J. P. Machining: Fundamentals and Recent Advances 2 nd ed. (London: Springer Verlag, 2008). HASSUI, A.; DINIZ, A. E. Correlating surface roughness and vibration plunge cylindrical grinding of steel, International Journal of Machine Tools & Manufacture, 43, 2003, HAYKIN, S. Neural Networks: A Comprehensive Foundation 2 nd ed. (Prentice Hall, 1998). INASAKI, I.; OKAMURA, K. Monitoring of dressing and grinding processes with acoustic emission signals, CIRP Annals Manufacturing Technology, 34(1), 1985, IRANI, R. A.; BAUER, R. J.; WARKENTIN, A. A review of cutting fluid application in the grinding process, International Journal of Machine Tools and Manufacture, 45(15), 2005, KOHONEN, T. The self-organizing map, Proceedings of the IEEE, 78(9), 1990, KONIG, W.; MEYEN, H. P. AE in grinding and dressing: accuracy and process reliability, International Grinding Conference, 4, 1990, 220. LINKE, B. Dressing process model for vitrified bonded grinding wheels, CIRP Annals Manufacturing Technology, 57(1), 2008,
9 RACKO, D. Distortion of acoustic emission signals by a change of gain in the sensing device, NDT International, 15(1), 1982, 3-8. XUE, L.; NAGHDY, F. Monitoring of wheel dressing operation for precision grinding, IEEE ICIT 02, 2002,
ESTUDO DO DESGASTE DE DRESSADOR DE PONTA ÚNICA POR EMISSÃO ACÚSTICA E VIBRAÇÃO
ESTUDO DO DESGASTE DE DRESSADOR DE PONTA ÚNICA POR EMISSÃO ACÚSTICA E VIBRAÇÃO RUBENS V. C. G. P. SOUZA 1, CAIO F. G. BATISTA 1, PAULO R. AGUIAR 2, CESAR H. R. MARTINS 2, EDUARDO C. BIANCHI 1, RODRIGO
Leia maisV Seminário da Pós-graduação em Engenharia Mecânica
MONITORAMENTO DA OPERAÇÃO DE DRESSAGEM POR EMISSÃO ACÚSTICA E POTÊNCIA DE CORTE Daniela Fernanda Grizzo Moia Aluna do Programa de Pós-Graduação em Engenharia Mecânica Unesp Bauru Prof. Dr. Paulo Roberto
Leia maisMONITORAMENTO DA OPERAÇÃO DE DRESSAGEM POR EMISSÃO ACÚSTICA E POTÊNCIA DE CORTE
6º CONGRESSO BRASILEIRO DE ENGENHARIA DE FABRICAÇÃO 6 th BRAZILIAN CONFERENCE ON MANUFACTURING ENGINEERING 11 a 15 de abril de 2011 Caxias do Sul RS - Brasil April 11 th to 15 th, 2011 Caxias do Sul RS
Leia maisAVALIAÇÃO DO DESGASTE DE DIAMANTES SINTÉTICOS NA DRESSAGEM (AFIAÇÃO) DE REBOLOS
Categoria Trabalho Acadêmico / Artigo Completo AVALIAÇÃO DO DESGASTE DE DIAMANTES SINTÉTICOS NA DRESSAGEM (AFIAÇÃO) DE REBOLOS Armínio Frech Junior 1 Eduardo Carlos Bianchi 2 Paulo Roberto Aguiar 3 RESUMO:
Leia maisRECONHECIMENTO DE GÊNERO ATRAVÉS DA VOZ
RECONHECIMENTO DE GÊNERO ATRAVÉS DA VOZ Marcela Ribeiro Carvalho marcela@enecar.com.br IFG/Câmpus Goiânia Hipólito Barbosa Machado Filho hipolito.barbosa@ifg.edu.br IFG/Câmpus Goiânia Programa Institucional
Leia maisArmínio Frech Junior 1. Eduardo Carlos Bianchi 2. Paulo Roberto Aguiar 3
COMPARAÇÃO DE DESGASTE PARA DOIS TIPOS DIFERENTES DE DIAMANTES SINTÉTICOS CVD EM SUA UTILIZAÇÃO PARA A DRESSAGEM DE PONTA ÚNICA DE REBOLOS DE ÓXIDO DE ALUMÍNIO Armínio Frech Junior 1 Eduardo Carlos Bianchi
Leia maisAnais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014
MONITORAMENTO DA CONDIÇÃO DA FERRAMENTA DE DRESSAGEM USANDO SINAIS DE VIBRAÇÃO E MODELOS NEURAIS RUBENS V. C. G. P. SOUZA¹, CAMILA ALVES DA ROCHA¹, MARCELO MARCHI¹, PAULO R. AGUIAR², CESAR H. R. MARTINS²,
Leia maisESTUDO DE CONDIÇÕES DA SUPERFÍCIE DE PEÇAS RETIFICADAS POR EMISSÃO ACÚSTICA E CORRENTE ELÉTRICA
ESTUDO DE CONDIÇÕES DA SUPERFÍCIE DE PEÇAS RETIFICADAS POR EMISSÃO ACÚSTICA E CORRENTE ELÉTRICA Luiz Felipe Gilli Fabiano, luiz_gilli@hotmail.com 2. Paulo Roberto de Aguiar, aguiarpr@feb.unesp.br 1. Eduardo
Leia maisRedes Neurais Artificiais
Redes Neurais Artificiais Prof. Dr. Hugo Valadares Siqueira Semana de Eletrônica e Automação 2014 Redes Neurais Artificiais Uma rede neural artificial é um circuito composto por uma grande quantidade de
Leia maisUNESP UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE ENGENHARIA DE BAURU PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA DANIELA FERNANDA GRIZZO MOIA
UNESP UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE ENGENHARIA DE BAURU PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA DANIELA FERNANDA GRIZZO MOIA APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NO MONITORAMENTO DA OPERAÇÃO
Leia maisUNESP UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE ENGENHARIA DE BAURU PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA CESAR HENRIQUE ROSSINOLI MARTINS
UNESP UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE ENGENHARIA DE BAURU PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA CESAR HENRIQUE ROSSINOLI MARTINS CLASSIFICAÇÃO DE NÍVEIS DE DESGASTE DE DRESSADORES DE PONTA ÚNICA
Leia maisAnálise Quantitativa de Tecidos em Úlceras de Perna
49 5 Análise Quantitativa de Tecidos em Úlceras de Perna A avaliação das áreas proporcionais de cada tecido interno das úlceras fornece informações importantes sobre seu estado patológico [BERRISS, 2000],
Leia maisI Seminário da Pós-graduação em Engenharia Elétrica
AVALIAÇÃO DE MÉTODOS DE INTELIGÊNCIA ARTIFICIAL APLICADOS NA ESTIMAÇÃO DE PARÂMETROS DA RETIFICAÇÃO DE CERÂMICAS AVANÇADAS Mauricio Eiji Nakai Aluno do Programa de Pós-Graduação em Engenharia Elétrica
Leia maisUM MÉTODO PARA AVALIAR A DUREZA DE REBOLOS EM TRABALHO ATRAVÉS DO MONITORAMENTO DA EMISSÃO ACÚSTICA NA DRESSAGEM
UM MÉTODO PARA AVALIAR A DUREZA DE REBOLOS EM TRABALHO ATRAVÉS DO MONITORAMENTO DA EMISSÃO ACÚSTICA NA DRESSAGEM Milton Vieira Junior Universidade Metodista de Piracicaba Faculdade de Engenharia Mecânica
Leia maisMinicurso: Inteligência Artificial Aplicada a Sistemas Elétricos
Minicurso: Inteligência Artificial Aplicada a Sistemas Elétricos Introdução a Machine Learning: Teoria, Aplicações e IA na Arquitetura Intel Vitor Hugo Ferreira, DSc - UFF Flávio Mello, DSc UFRJ e Ai2Biz
Leia maisEstimação espectral do sinal de vibração para o monitoramento do desgaste do dressador de ponta única
ISSN 1517-7076 artigo 11748, pp.827-840, 2016 Estimação espectral do sinal de vibração para o monitoramento do desgaste do dressador de ponta única Spectral estimation of vibration signal for monitoring
Leia mais3 Redes Neurais Artificiais
3 Redes Neurais Artificiais 3.1. Introdução A capacidade de implementar computacionalmente versões simplificadas de neurônios biológicos deu origem a uma subespecialidade da inteligência artificial, conhecida
Leia maisRedes Neurais não Supervisionadas: SOM
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais não Supervisionadas: SOM DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos
Leia maisPalavras chave: ensaios não destrutivos, processamento digital de sinal, redes neurais, pulso eco, ultrassom
CLASSIFICAÇÃO DE SINAIS ULTRASSÔNICOS PRÉ-PROCESSADOS PELA TRANSFORMADA DE FOURIER ATRAVÉS DAS REDES NEURAIS ARTIFICIAIS UTILIZANDO A TÉCNICA PULSO ECO PARA IDENTIFICAÇÃO DE DEFEITOS EM JUNTAS SOLDADAS
Leia maisMONITORAMENTO DA CONDIÇÃO DA SUPERFÍCIE DE PEÇAS RETIFICADAS POR MEIO DE SINAIS DE EMISSÃO ACÚSTICA
MONITORAMENTO DA CONDIÇÃO DA SUPERFÍCIE DE PEÇAS RETIFICADAS POR MEIO DE SINAIS DE EMISSÃO ACÚSTICA Fábio Isaac Ferreira, fab.kf@hotmail.com Paulo Roberto de Aguiar, aguiarpr@feb.unesp.br Rafael Dourado
Leia maisAnálise da influência do tempo de centelhamento na retificação cilíndrica externa de mergulho de aços endurecidos VC-131
Análise da influência do tempo de centelhamento na retificação cilíndrica externa de mergulho de aços endurecidos VC-131 Ulysses de Barros Fernandes (UNESP) ulyssesfernandes@uol.com.br José Augusto Camargo
Leia maisRedes Neurais: RBF. Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais: RBF DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos Redes de Funções de
Leia mais5 RNA para Diagnóstico de Falhas em Turbinas a Gás
5 RNA para Diagnóstico de Falhas em Turbinas a Gás 5.1. Introdução Neste capítulo, a aplicação de RNAs para diagnosticar as falhas no caminho do gás de turbinas a gás foi investigada. As redes neurais
Leia maisReconhecimento de Faces Utilizando Redes Neurais MLP
Reconhecimento de Faces Utilizando Redes Neurais MLP Autor: Adilmar Coelho Dantas 1, Orientador: Márcia Aparecida Fernandes 1 1 Programa de Pós-Graduação em Ciência da Computação Universidade Federal do
Leia maisIII Seminário da Pós-Graduação em Engenharia Mecânica Unesp - Bauru
ANÁLISE DE DIFERENTES MÉTODOS DE LUBRI-REFRIGERAÇÃO NA RETIFICAÇÃO PLANA DO AÇO ABNT4340 Ricardo Fernando Damasceno Aluno do Programa de Pós-Graduação em Engenharia Mecânica Unesp Bauru Prof. Dr. Eduardo
Leia maisFABIO ISAAC FERREIRA PREDIÇÃO DA LARGURA ÚTIL DE DRESSADORES DE PONTA ÚNICA UTILIZANDO EMISSÃO ACÚSTICA E REDES NEURAIS ARTIFICIAIS
FABIO ISAAC FERREIRA PREDIÇÃO DA LARGURA ÚTIL DE DRESSADORES DE PONTA ÚNICA UTILIZANDO EMISSÃO ACÚSTICA E REDES NEURAIS ARTIFICIAIS Bauru 2016 FABIO ISAAC FERREIRA PREDIÇÃO DA LARGURA ÚTIL DO DRESSADOR
Leia maisSinopse. 1. Introdução
COTEQ-204 VARIÁVEIS QUE INFLUENCIAM OS RESULTADOS DO ENSAIO DE MATERIAIS FERROMAGNÉTICOS PELA ANÁLISE DO RUÍDO MAGNÉTICO BARKHAUSEN Silvério Ferreira da Silva Júnior 1, Donizete Anderson de Alencar 2,
Leia mais2. Redes Neurais Artificiais
Computação Bioinspirada - 5955010-1 2. Redes Neurais Artificiais Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 2.4. Outras Redes Neurais Artificiais 2.4.1. Redes RBF 2.4.2. Mapas
Leia maisRedes Neurais 1. Redes Neurais. cont.) Definição (cont( Definição. Histórico. Características básicas
Redes Neurais Dalma M. Falcão falcao@nacad.ufr.br http://www.nacad.ufr.br/~falcao/ Redes Neurais Definição Histórico Áreas de aplicação RNs biológicas Modelos de neurônios artificiais Arquiteturas de RNs
Leia mais2. Redes Neurais Artificiais
Computação Bioinspirada - 5955010-1 2. Redes Neurais Artificiais Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 2.3. Perceptron Multicamadas - MLP 2.3.1. Introdução ao MLP 2.3.2. Treinamento
Leia maisRedes Neurais MLP: Exemplos e Características
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais MLP: Exemplos e Características DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1
Leia maisPalavras-chave: Rebolos, Superabrasivos, Agressividade, Ligantes
ESTUDO DA INFLUÊNCIA DOS LIGANTES (RESINÓIDE E VITRIFICADO) E DOS GRÃOS ABRASIVOS (CBN E ÓXIDO DE ALUMÍNIO) NA AGRESSIVIDADE DA SUPERFÍCIE DE CORTE DE RESINAS COMPOSTAS Eduardo Carlos Bianchi Rodrigo Daun
Leia maisUM MODELO NEURAL PARA A PREVISÃO DA DEMANDA DE ENERGIA ELÉTRICA NA CIDADE DE FRANCA
UM MODELO NEURAL PARA A PREVISÃO DA DEMANDA DE ENERGIA ELÉTRICA NA CIDADE DE FRANCA SOUZA, REGIANE MÁXIMO YOSHINO, RUI TADASHI HANISC,H, WERNER SIEGFRIED ETO, REGINA FUMIE Palavras-chaves: Artificial Neural
Leia maisOTIMIZAÇÃO DO PROCESSO DE RETIFICAÇÃO DE SUPERLIGAS COM REBOLO CBN VITRIFICADO
OTIMIZAÇÃO DO PROCESSO DE RETIFICAÇÃO DE SUPERLIGAS COM REBOLO CBN VITRIFICADO Marcelo Biffi TRW Automotive Ltda. - Av. Alexandre de Gusmão, 1125 Capuava Santo André São Paulo CEP: 09111-310 - F: (11)
Leia maisAnálise do conteúdo harmônico do sinal de emissão acústica quando da queima no processo de retificação
Análise do conteúdo harmônico do sinal de emissão acústica quando da queima no processo de retificação Carlos César de Paula Souza (UNESP) carlos.depaula@bertin.com.br Ricardo Costa Prazeres (UNESP) riccprazeres@yahoo.com.br
Leia maisPROPOSTA DE UTILIZAÇÃO DE REDES NEURAIS PARA ANÁLISES FÍSICO- QUÍMICA UTILIZANDO DADOS ESPECTROMÉTRICOS NO UV-VIS
PROPOSTA DE UTILIZAÇÃO DE REDES NEURAIS PARA ANÁLISES FÍSICO- QUÍMICA UTILIZANDO DADOS ESPECTROMÉTRICOS NO UV-VIS 1 SILVA, J. N., 2 MONTEIRO, G. S., 3 SILVA, S. K., 4 AVELINO, M. C., 5 FRANÇA, M. I. C,.
Leia maisREDES NEURAIS ARTIFICIAIS
REDES NEURAIS ARTIFICIAIS REDES NEURAIS ARTIFICIAIS O QUE É UMA REDE NEURAL NEURÔNIOS BIOLÓGICOS CÉREBRO HUMANO E CAPACIDADE DE GENERALIZAÇÃO. Modelo McCulloch e Pitts FUNÇÕES DE ATIVAÇÃO APRENDIZADO APRENDIZADO
Leia maisPrevisão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN
Previsão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN Alan Caio Rodrigues MARQUES 1, Gelson da Cruz JUNIOR 2, Cassio Dener Noronha VINHAL 3 Escola de Engenharia Elétrica e de Computação 1
Leia maisRedes Neurais: MLP. Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais: MLP DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos Redes diretas de múltiplas
Leia maisRedes Neurais Artificiais
Redes Neurais Artificiais Aplicações em Telecomunicações Prof. João Marcos Meirelles da Silva, D.Sc. Professor Adjunto II do Departamento de Engenharia de Telecomunicações Universidade Federal Fluminense
Leia maisREDES NEURAIS NA PREDIÇÃO DA MICRODUREZA NO PROCESSO DE RETIFICAÇÃO
REDES NEURAIS NA PREDIÇÃO DA MICRODUREZA NO PROCESSO DE RETIFICAÇÃO Lúcio R. S. Santana 2 Universidade Estadual Paulista UNESP - Campus de Bauru, Departamento de Engenharia Mecânica, CEP 17033-360, Bauru
Leia maisEstudo comparativo da força de corte no processo de retificação
Estudo comparativo da força de corte no processo de retificação Patrik Nascimento Lançoni (UNESP) patrik@ladaps.feb.unesp.br Danilo Augusto Boso (UNESP) daniloboso@feb.unesp.br Paulo Roberto de Aguiar
Leia maisESTUDO COMPARATIVO DO DESEMPENHO DE REBOLOS COM GRÃOS SUPERABRASIVOS E CONVENCIONAIS SUBMETIDOS A DIVERSAS CONDIÇÕES DE USINAGEM
ESTUDO COMPARATIVO DO DESEMPENHO DE REBOLOS COM GRÃOS SUPERABRASIVOS E CONVENCIONAIS SUBMETIDOS A DIVERSAS CONDIÇÕES DE USINAGEM Ivan De Domenico Valarelli Eduardo Carlos Bianchi Paulo Roberto Aguiar Rodrigo
Leia maisCOMPARAÇÃO ENTRE DIFERENTES ESTRUTURAS DE REDES NEURAIS NO PROBLEMA PRESA-PREDADOR 1
COMPARAÇÃO ENTRE DIFERENTES ESTRUTURAS DE REDES NEURAIS NO PROBLEMA PRESA-PREDADOR 1 Márcia Da Silva 2, Eldair Fabricio Dornelles 3, Rogério S. M. Martins 4, Édson L. Padoin 5. 1 Pesquisa desenvolvida
Leia maisAplicação de redes neurais artificiais na classificação de imagens obtidas por sensoriamento remoto
Aplicação de redes neurais artificiais na classificação de imagens obtidas por sensoriamento remoto Alexandre G. de Lima 1, Adrião Duarte Dória Neto 1, Jailton Carlos de Paiva 1, Vitor Meneghtetti 1, Xiankleber
Leia maisUNESP UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE ENGENHARIA DE BAURU PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA CAMILA ALVES DA ROCHA
UNESP UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE ENGENHARIA DE BAURU PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA CAMILA ALVES DA ROCHA MONITORAMENTO DA CONDIÇÃO DA FERRAMENTA DE DRESSAGEM USANDO SINAIS DE VIBRAÇÃO
Leia maisAVALIAÇÃO DO PERFIL DE RUGOSIDADE E DO DESGASTE DA FERRAMENTA ATRAVÉS DO SINAL DE EMISSÃO ACÚSTICA
15º POSMEC - Simpósio do Programa de Pós-Graduação em Engenharia Mecânica Universidade Federal de Uberlândia Faculdade de Engenharia Mecânica AVALIAÇÃO DO PERFIL DE RUGOSIDADE E DO DESGASTE DA FERRAMENTA
Leia maisAlgoritmo para Determinação e Classificação de Distúrbios Múltiplos em Sistemas Elétricos 79
Algoritmo para Determinação e Classificação de Distúrbios Múltiplos em Sistemas Elétricos 79 3.3.3 Classificação dos distúrbios múltiplos Para a correta classificação dos diversos distúrbios é necessário
Leia maisSENDI 2004 XVI SEMINÁRIO NACIONAL DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA
SENDI 2004 XVI SEMINÁRIO NACIONAL DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA 948 Metodologia para Avaliação das Perdas Técnicas em Redes de Baixa Tensão Utilizando Técnicas de Classificação O Caso da RGE A. Méffe
Leia maisIntrodução às Redes Neurais Artificiais
Introdução às Redes Neurais Artificiais Mapas Auto-Organizáveis Prof. João Marcos Meirelles da Silva http://www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola de Engenharia
Leia maisIN Redes Neurais
IN0997 - Redes Neurais Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática - CIn Departamento de Sistemas da Computação aluizioa@cin.ufpe.br Conteúdo Objetivos Quem usa
Leia maisSISTEMA DE MAPEAMENTO DA DISTRIBUIÇÃO DE ENERGIA ACÚSTICA DE RETIFICAÇÃO NO REBOLO ( DEAR )
SISTEMA DE MAPEAMENTO DA DISTRIBUIÇÃO DE ENERGIA ACÚSTICA DE RETIFICAÇÃO NO REBOLO ( DEAR ) João J. F. Gomes 1, João F. G. Oliveira 2, Paulo H. C. Bellini 3 Escola de Engenharia de São Carlos USP, Departamento
Leia maisAnálise da Complexidade de Tempo e Espaço em Algoritmos para Classificação de Padrões em sinais de ECG
Análise da Complexidade de Tempo e Espaço em Algoritmos para Classificação de Padrões em sinais de ECG Eduardo Luz David Menotti Universidade Federal de Ouro Preto 05/07/2011 Summary Rede Neuronal Artificial
Leia maisAula 7 RNA Redes Auto-Organizáveis de Kohonen
2COP229 Aula 7 RNA Redes Auto-Organizáveis de Kohonen 2COP229 Sumário 1- Introdução 2- Processo de Aprendizado Competitivo 3- Mapas auto-organizáveis de Kohonen (SOM) 4- Projeto Prático 1-Introdução 2COP229
Leia maisSelf Organizing Maps - Redes de Kohonen
Self Organizing Maps - Redes de Kohonen 1. Redes auto organizáveis Existe uma classe de redes neurais artificias que possuem a capacidade de auto organização, sendo por isto chamadas de redes auto organizáveis.
Leia maisANÁLISE DE SINAIS DE EMISSAO ACÚSTICA E ESTATÍSTICA COUNTS NA DETECÇÃO DA ALTERAÇÃO MICROESTRUTURAL NA RETIFICAÇÃO DE AÇO 1045
6th Engineering, Science and Technology Conference (2017) Volume 2018 Conference Paper ANÁLISE DE SINAIS DE EMISSAO ACÚSTICA E ESTATÍSTICA COUNTS NA DETECÇÃO DA ALTERAÇÃO MICROESTRUTURAL NA RETIFICAÇÃO
Leia maisBrasil 2017 SOLUÇÕES INTEGRADAS EM ENSAIOS NÃO DESTRUTIVOS
Brasil 2017 SOLUÇÕES INTEGRADAS EM ENSAIOS NÃO DESTRUTIVOS PONTES O PROGRAMA DE MONITORAMENTO DE SAÚDE ESTRUTURAL (PMSE) PARA PONTES 01 O PROGRAMA DE MONITORAMENTO DE (PMSE) foi desenvolvido pela IB-NDT
Leia maisRedes Neurais Artificial. Prática. Inteligência Artificial
Redes Neurais Artificial Prática Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto Estrutura 1. Introdução a MLP 2. Base de dados e Pré-Processamento 3. Prática MLP - Introdução Redes
Leia mais(a) (b) (c) (d) (e) (f)
87 (a) (b) (c) (d) (e) (f) Figura 4.25 - Micrografias em MEV do risco do ensaio 05 (penetrador cônico de 40 em PC). As posições correspondentes no risco são indicadas na Fig. 4.24. Micrografia (d) possui
Leia maisunesp MONITORAMENTO DA DRESSAGEM NO PROCESSO DE RETIFICAÇÃO UNIVERSIDADE ESTADUAL PAULISTA ANDRÉ GUSTAVO OLIVEIRA SOUZA
unesp UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE ENGENHARIA CAMPUS DE BAURU MONITORAMENTO DA DRESSAGEM NO PROCESSO DE RETIFICAÇÃO ANDRÉ GUSTAVO OLIVEIRA SOUZA BAURU SP Julho / 2009 Livros Grátis http://www.livrosgratis.com.br
Leia maisO uso de uma Rede Neural Artificial Supervisionada para obtenção do fator de carga de um alimentador.
O uso de uma Rede Neural Artificial Supervisionada para obtenção do fator de carga de um alimentador. Resumo: Lucas da Silva Assis Universidade Federal de Goiás lucasilvassis@gmail.com Esse trabalho apresenta
Leia maisRafael Ribeiro Alexandra Souza Thiago Barcelos Leandro Silva
Mensurando o desenvolvimento do Pensamento Computacional por meio de Mapas Auto-Organizáveis: Comparação de métricas de complexidade de Software com Dr. Scratch e CT-Test Rafael Ribeiro Alexandra Souza
Leia maisRedes Neurais Noções Gerais
Redes Neurais Noções Gerais Segundo Loesch (apupt Fernandes), Redes Neurais Artificiais são sistemas computacionais, de implementação em hardware e software, que imitam as habilidades computacionais do
Leia maisMineração de Dados aplicada a Gestão de Negócios. Aula 2. Prof. Dr. Sylvio Barbon Junior
Aula 2 Introdução Redes Neurais Prof. Dr. Sylvio Barbon Junior barbon@uel.br Sumário 1- Inteligência Artificial 2- Introdução às Redes Neurais Artificiais 3- Modelos de Redes Neurais supervisionados e
Leia maisA evolução natural deu ao cérebro humano muitas características desejáveis que não estão presentes na máquina de von Neumann:
Faculdade de Engenharia de Computação Centro de Ciências Exatas, Ambientais e de Tecnologias PUC-Campinas João Luís Garcia Rosa 2004 2 A evolução natural deu ao cérebro humano muitas características desejáveis
Leia maisEstudo Comparativo entre Redes Neurais Artificiais Aplicadas a Reconhecimento Facial
Estudo Comparativo entre Redes Neurais Artificiais Aplicadas a Reconhecimento Facial Renan Bessa 1, Elder dos Santos Teixeira 2, Guilherme Costa Holanda 3, Auzuir Ripardo de Alexandria 4 1 Graduando em
Leia maisTESTE DE TOPOLOGIAS DE REDES NEURAIS ARTIFICIAS NA DETECÇÃO DE FALTAS MONOFÁSICAS DE ALTA IMPEDÂNCIA EM SISTEMA DE DISTRIBUIÇÃO DE ENERGIA 1
TESTE DE TOPOLOGIAS DE REDES NEURAIS ARTIFICIAS NA DETECÇÃO DE FALTAS MONOFÁSICAS DE ALTA IMPEDÂNCIA EM SISTEMA DE DISTRIBUIÇÃO DE ENERGIA 1 Eliseu Kotlinski 2, Manuel Martín Pérez Reimbold 3. 1 Relatório
Leia maisADEQUAÇÕES NO CIRCUITO DE ACOPLAMENTO PLC PARA UTILIZAÇÃO EM SUBESTAÇÕS DE ENERGIA ELÉTRICA 1
ADEQUAÇÕES NO CIRCUITO DE ACOPLAMENTO PLC PARA UTILIZAÇÃO EM SUBESTAÇÕS DE ENERGIA ELÉTRICA 1 Leonardo Sostmeyer Mai 2, Luís F. Sauthier 3, Caroline D. Commandeur 4, Maurício De Campos 5, Paulo S. Sausen
Leia maisClassificação Neural de Descontinuidades com Espectros de Frequência em Inspeção Ultrassônica por Imersão
Classificação Neural de Descontinuidades com Espectros de Frequência em Inspeção Ultrassônica por Imersão Vitor Luis Conceição Leite 1, Antônio Carlos Peixoto Bitencourt 2, Cláudia Teresa Teles Farias
Leia maisESTIMAÇÃO DA VELOCIDADE DE DESLOCAMENTO DE UMA ESTEIRA TRANSPORTADORA UTILIZANDO REDES NEURAIS ARTIFICIAIS
ESTIMAÇÃO DA VELOCIDADE DE DESLOCAMENTO DE UMA ESTEIRA TRANSPORTADORA UTILIZANDO REDES NEURAIS ARTIFICIAIS Samuel Vieira DIAS (1); Geraldo Luis Bezerra RAMALHO (2); (1) Instituto Federal de Educação, Ciência
Leia maisUsando MLP para filtrar imagens
Usando MLP para filtrar imagens Thiago Richter, Ediel Wiezel da Silva, e Adilson Gonzaga Departamento de Engenharia Elétrica, Universidade de São Paulo, Brasil thiago.richter@yahoo.com.br, edielws@gmail.com,
Leia mais6. RESULTADOS E DISCUSSÃO: INDENTADORES TRONCO DE CONE. Desgastes com predominância de oxidação ocorreram em riscamentos sem lubrificação no
98 6. RESULTADOS E DISCUSSÃO: INDENTADORES TRONCO DE CONE 6.1. DESGASTE COM PREDOMINÂNCIA DE OXIDAÇÃO Desgastes com predominância de oxidação ocorreram em riscamentos sem lubrificação no aço 0,4 % C de
Leia maisInstrumentação Eletroeletrônica AULA ZERO. Prof. Afrânio Ornelas Ruas Vilela
Instrumentação Eletroeletrônica AULA ZERO Prof. Afrânio Ornelas Ruas Vilela Apresentação dos Alunos Nome do Aluno De onde é? Empresa que trabalha Se já atua ou não na área de Engenharia Se atua, quanto
Leia maisAPLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NA PREDIÇÃO DE PEÇAS RETIFICADAS
APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NA PREDIÇÃO DE PEÇAS RETIFICADAS Carlos Eduardo Dorigatti Cruz Universidade Estadual Paulista UNESP - Campus de Bauru, Departamento de Engenharia Mecânica, CEP 17033-360
Leia maisTÓPICOS EM INTELIGÊNCIA ARTIFICIAL Redes Neurais Artificiais
TÓPICOS EM INTELIGÊNCIA ARTIFICIAL Redes Neurais Artificiais ricardo.kerschbaumer@ifc.edu.br http://professor.luzerna.ifc.edu.br/ricardo-kerschbaumer/ Introdução O Cérebro humano Mais fascinante processador
Leia maisCapítulo 1 Introdução
Introdução 16 Capítulo 1 Introdução Esta tese trata de um novo algoritmo capaz de detectar e classificar os distúrbios múltiplos que afetam a qualidade de energia em sistemas elétricos industriais com
Leia maisMAPAS AUTO-ORGANIZÁVEIS PARA MODELAGEM CHUVA-VAZÃO. Farias, C. A. S.; Carneiro, T. C. & Lourenço, A. M. G.
MAPAS AUTO-ORGANIZÁVEIS PARA MODELAGEM CHUVA-VAZÃO Farias, C. A. S.; Carneiro, T. C. & Lourenço, A. M. G. Motivação O crescimento populacional e consequente aumento das demandas; A situação se agrava em
Leia maisRedes Neurais Artificial. Inteligência Artificial. Professor: Rosalvo Ferreira de Oliveira Neto
Redes Neurais Artificial Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto Estrutura 1. Definições 2. Histórico 3. Conceitos Básicos 4. Aprendizado em RNA 5. Exemplo de Aprendizado com
Leia maisRedes neurais artificiais
Redes neurais artificiais Conceitos em redes neuronais Redes neuronais artificiais (RNA): uma metáfora cerebral para processamento de informações Computação neuronal Muitos usos de RNA para Reconhecimento
Leia maisProtótipo de Software para Reconhecimento de Impressões Digitais
Protótipo de Software para Reconhecimento de Impressões Digitais Aluno: Alex Sandro da Silva Orientador: Paulo de Tarso Mendes Luna Semestre - 99/1 Roteiro da Apresentação INTRODUÇÃO CONCEITOS BÁSICOS
Leia mais1 Introdução 1.1 Definição do Problema
1 Introdução 1.1 Definição do Problema A engenharia de perfuração é uma das áreas na indústria que envolve o estudo da iteração entre a rocha e o cortador. Muitos estudos nesta área têm sido desenvolvidos
Leia maisWALLACE CHRISTIAN FEITOSA DE PAULA ANÁLISE DE SUPERFÍCIES DE PEÇAS RETIFICADAS COM O USO DE REDES NEURAIS ARTIFICIAIS
WALLACE CHRISTIAN FEITOSA DE PAULA ANÁLISE DE SUPERFÍCIES DE PEÇAS RETIFICADAS COM O USO DE REDES NEURAIS ARTIFICIAIS WALLACE CHRISTIAN FEITOSA DE PAULA ANÁLISE DE SUPERFÍCIES DE PEÇAS RETIFICADAS COM
Leia maisAPLICAÇÃO DA TÉCNICA DE TERMOGRAFIA ATIVA NA INSPEÇÃO NÃO-DESTRUTIVA DE TAMBORES DE REJEITO NUCLEAR
APLICAÇÃO DA TÉCNICA DE TERMOGRAFIA ATIVA NA INSPEÇÃO NÃO-DESTRUTIVA DE TAMBORES DE REJEITO NUCLEAR Aluno: Igor Szczerb Orientador: Marcos Venicius Soares Pereira Introdução A termografia ativa é um método
Leia mais4 Cálculo de Equivalentes Dinâmicos
4 Cálculo de Equivalentes Dinâmicos 4.1. Introdução Os sistemas de potência interligados vêm adquirindo maior tamanho e complexidade, aumentando a dependência de sistemas de controle tanto em operação
Leia maisAPLICAÇÃO DE REDES NEURAIS ARTIFICIAIS PARA ESTIMAR MATRIZ ORIGEM-DESTINO DE CARGA
APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS PARA ESTIMAR MATRIZ ORIGEM-DESTINO DE CARGA Daniel Neves Schmitz Gonçalves Luiz Antonio Silveira Lopes Marcelino Aurelio Vieira da Silva APLICAÇÃO DE REDES NEURAIS
Leia maisAprendizado de Máquina
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Aprendizado de Máquina Inteligência Artificial Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisTransformação de Imagens Digitais em Código CNC Aprimoradas com Redes Neurais Artificiais
Transformação de Imagens Digitais em Código CNC Aprimoradas com Redes Neurais Artificiais Abstract. Jader Teixeira 1, Alex Vinícios Telocken 1 1 Universidade de Cruz Alta (UNICRUZ) jader033139@unicruz.edu.br,
Leia maisAnálise de um aproximador funcional utilizando as Redes Neurais artificiais MLP treinada com o algoritmo Backpropagation
Análise de um aproximador funcional utilizando as Redes Neurais artificiais MLP treinada com o algoritmo Backpropagation Martinez, S. C. 1, Ferrara, L. F. P. 2, Mario, M. C. 2. 1 Aluna do Curso de Mestrado
Leia maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS PERCEPTRON MULTICAMADAS Prof. Dr. André A. P. Biscaro 1º Semestre de 2018 Arquitetura Redes Perceptron de Múltiplas Camadas (PMC), também conhecidas como redes MLP (Multiple Layer
Leia maisInteligência Artificial Redes Neurais
Inteligência Artificial Jarley P. Nóbrega, Dr. Faculdade Nova Roma Bacharelado em Ciência da Computação jpn@jarley.com Semestre 2018.2 Jarley P. Nóbrega, Dr. (Nova Roma) Inteligência Artificial Semestre
Leia maisCAPÍTULO 5 RESULTADOS. São apresentados neste Capítulo os resultados obtidos através do programa Classific, para
CAPÍTULO 5 RESULTADOS São apresentados neste Capítulo os resultados obtidos através do programa Classific, para as imagens coletadas no verão II, período iniciado em 18/01 e finalizado em 01/03 de 1999,
Leia maisVI Seminário da Pós-graduação em Engenharia Mecânica
MONITORAMENTO DA QUEIMA NO PROCESSO DE RETIFICAÇÃO COM IMPLEMENTAÇÃO POR HARDWARE Marcelo Marchi Aluno do Programa de Pós-Graduação em Engenharia Mecânica Unesp Bauru Prof. Dr. Paulo Roberto de Aguiar
Leia maisSISTEMA DE IDENTIFICAÇÃO DE FALHAS EM ESCADAS ROLANTES UTILIZANDO REDES NEURAIS ARTIFICIAIS
SISTEMA DE IDENTIFICAÇÃO DE FALHAS EM ESCADAS ROLANTES UTILIZANDO REDES NEURAIS ARTIFICIAIS Alessandro Lins Alves 23ª Semana de Tecnologia Metroferroviária CONTEÚDO Introdução. TÍTULO DO TRABALHO Justificativas.
Leia mais2 Tomografia Computadorizada de Raios X
2 Tomografia Computadorizada de Raios X 2.1 Fundamentos Teóricos de Tomografia Computadorizada de Raios X A Tomografia Computadorizada de Raios X é uma técnica que permite a avaliação de modo não destrutivo
Leia maisINTELIGÊNCIA ARTIFICIAL
INTELIGÊNCIA ARTIFICIAL REDES NEURAIS Caracterização Intuitiva: Em termos intuitivos, Redes Neurais Artificiais (RNAs) são modelos matemáticos inspirados nos princípios de funcionamento dos neurônios biológicos
Leia maisRECONHECIMENTO DE TONS DTMF UTILIZANDO UMA REDE NEURAL DE KOHONEN
Lima e Minussi 36 RECONHECIMENTO DE TONS DTMF UTILIZANDO UMA REDE NEURAL DE KOHONEN Fernando Parra dos Anjos Lima 1 engfernandoparra@gmail.com Carlos Roberto Minussi 2 minussi@dee.feis.unesp.br RESUMO
Leia maisPROCESSOS DE GEOMETRIA NÃO DEFINIDA
PROCESSOS DE GEOMETRIA NÃO DEFINIDA Prof. Janaina Fracaro de Souza Janainaf@utfpr.edu.br Aula 14 Processos de Fabricação Tópicos da aula: - BRUNIMENTO: - Ferramentas; - Processo de brunimento; - RETIFICAÇÃO:
Leia maisPARTE 7: EFEITOS DE ENTALHE E DE TENSÕES RESIDUAIS. Fadiga dos Materiais Metálicos - Prof. Carlos Baptista EEL
PARTE 7: EFEITOS DE ENTALHE E DE TENSÕES RESIDUAIS ENTALHES Concentradores de Tensão - Entalhe é um contorno geométrico a interromper o fluxo de forças pela peça. - Furos, ranhuras, chanfros, etc, resultam
Leia mais