Décimo Quinto Encontro Regional Ibero-americano do CIGRÉ Foz do Iguaçu-PR, Brasil 19 a 23 de maio de 2013
|
|
- José Barreto Fartaria
- 7 Há anos
- Visualizações:
Transcrição
1 UTILIZAÇÃO DE REDES NEURAIS PARA MODELAGEM DO COMPORTAMENTO DE ISOLADORES A. H. Reiner* L. H. Meyer* F. H. Molina** *Fundação Universidade Regional de Blumenau ** Centrais Elétricas de Santa Catarina S/A - CELESC RESUMO O estudo trata da análise dos isoladores para as diversas condições climáticas do estado de Santa Catarina, Brasil. Os isoladores de estudo são do tipo cerâmicos classe 25kV do formato pilar, sendo estes instalado na localidade litorânea de SC, na cidade de Itajaí e submetidos a tensão nominal. Uma estação de monitoramento permite o registro simultâneo de corrente de fuga e das condições atmosféricas, tais como a umidade, temperatura e pressão atmosférica. Na modelagem do sistema, no instante que não se possui informações suficientes para construir um modelo físico, as redes neurais permitem o desenvolvimento de um modelo a partir da relação entre as saídas e as entradas. Com a utilização da Ferramente Ntstool do Matlab, será possível criar uma função de RNA (rede neural artificial), operando com base nas conectividade e no peso das conexões, por isto são conhecidos como processamento distribuído e paralelo (PDP). O cálculo dos pesos sinápticos não representa um problema matemático, todavia com dados de entrada limitados, ocorrem discrepâncias que serão comparadas. O desempenho dos sistemas isolantes tais com o isoladores, chaves, buchas, pára-raios, dentre outras representa um desafio para as concessionárias de energia, de forma que a falha destes equipamentos podem levar ao desligamento do ramal ou ao sistema, piorando os índices de qualidade da concessionária. PALAVRAS-CHAVE Redes Neurais, Corrente de fuga, Desempenho de sistemas isolantes, Redes de distribuição, Modelagem do comportamento, Isoladores Cerâmicos, Condições Climáticas,Materiais elétricos, Descargas de banda seca, Câmara Salina. 1. INTRODUÇÃO O estudo trata da análise dos isoladores nas condições climáticas do estado de Santa Catarina, Brasil. Os isoladores de estudo são do tipo cerâmicos classe 25kV do formato pilar, sendo estes instalado na localidade litorânea de SC, na cidade de Itajaí e submetidos a tensão nominal. Nos sistemas de distribuição, os isoladores possuem um papel fundamental na transmissão da energia elétrica, de forma que sua falha gera a interrupção do fornecimento. Destaca-se como causadores as contaminação superficiais, sendo os agentes poluentes : poluição salina,biológica, industrial, dentre outros. A função do isolador, em resumo, deverá apresentar além das características ótimas de resistência mecânica, além de suportar a tensão de linha se manter inalterável a quaisquer mudanças de condições, umidade, temperatura,chuva, orvalho, neve, etc. 1 / 8
2 Uma estação de monitoramento permite o registro simultâneo de corrente de fuga e das condições atmosféricas como a umidade, temperatura e pressão atmosférica, por meio destes registros são fornecidos informações importantes sobre o desempenho do isolador [1]. A medição da corrente de fuga é uma forma eficaz de fornecer informações importante quanto ao desempenho do sistema isolante. A análise da corrente se baseia por meio da avaliação do valor RMS, contagem de pulsos, de picos, dentre outros. Com o avanço nas pesquisas relacionado modelagem de sistemas, foi comprovado a eficácia da aplicação de redes neurais artificiais (RNAs) para a solução de problemas relacionados aos Sistema Elétricos de Potência (SEPs). Visualizando o potencial das Redes Neurais, pretende-se utilizá-las para modelar o comportamento do isolador em campo. Por meio deste modelo foi possível melhorar a compreensão do isolador frente as mudanças das condições meteorológicas. 2. METODOLOGIA A estação de monitoramento utiliza um sistema de medição, que por meio da aquisição das medições das condições reais do isolador. Com a utilização de meio de anéis coletores, a corrente passa pelo resistor shunt a fim de realizar a captura do sinal de tensão. Um conversor analógico/digital que converte o sinal e utiliza uma frequência de amostragem 1600 aquisições por segundo. O microcontrolador armazena o valor máximo da corrente de fuga a cada 30 segundos, este valor é então enviado a unidade central para armazenamento. Além disso, o registrador possui também sensores de umidade e temperatura onde os valores são ajustados em um intervalo predefinido, sendo que a cada captura de valor de corrente o sistema registra o valor correspondente da umidade e temperatura naquele instante. Os equipamentos de medição foram instalados em pontos estratégicos do litoral de Santa Catarina, com apoio da divisão de operação da CELESC. Um dos pontos escolhidos foi a Praia do Mole em Itajai/SC para realizar a instalação. Figura 1 - Ilustração da instalação dos medidores em campo. A fim de monitorar a influencia do maritimidade, o equipamento foi desenvolvido para registrar as condições durante um período de sete dias, de forma que é possível visualizar em gráfico as tendências de crescimento da corrente nos períodos noturnos. As unidades locais, conforme Fig. 1, foram instaladas na parte inferior dos isoladores, possibilitando as medições nas 3 fases simultaneamente. O processamento dos dados medidos é feito por meio de um microcontrolador 16F, que recebe as medições das unidades locais nos isoladores. A aquisição é feita 2 / 8
3 por um segundo microcontrolador que também exerce o função de fazer o armazenamento dos dados em um cartão SD. Com a utilização da ferramenta computacional Matlab é possível visualizar o comportamento da corrente de fuga em relação ao tempo. Abaixo, na Fig. 2, visualizando o gráfico é possível ver a correlação positiva com a umidade e negativa com a temperatura [2]. Por meio um programa filtro, utiliza-se da função de média móvel para conseguir obter o valor médio sem desconsiderar os picos de corrente, facilitando a leitura dos gráficos. Figura 2 - Correlação corrente de fuga e umidade Redes Neurais Artificiais A rede neural consiste em uma estrutura que tem como unidade inteligente o neurônio artificial, de forma que o sistema adquire experiência por meio de estímulos que são definidos pela função de treinamento. O neurônio artificial é um modelo matemático que buscar simular o funcionamento do neurônio humano. Abaixo, na Fig. 3, é representado o esquema do neurônio artificial possuindo as entradas (estímulos), peso sináptico, somador e função de ativação. 3 / 8
4 Figura 3 - Representação do neurônio articial Os parâmetros w e o bias b são ajustáveis durante o treinamento do neurônio e da RNA. Conforme Fig. 3, tem-se: x1, x2... xn: São os sinais de entrada. w1,w2...wn: São os pesos sinápticos. bk : É a polarização do neurônio. u: É a saída do somador linear. g(.) : É a função de ativação do neurônio. y: É o sinal de saída da função. A função de ativação do neurônio processa o conjunto de entradas e se transforma em um estado de ativação, de forma que as funções de ativação mais comuns são: Função degrau, sigmóide e tangente hiperbólica. Na modelagem do sistema, no instante que não se possui informações suficientes para construir um modelo físico, as redes neurais permitem o desenvolvimento de um modelo a partir da relação entre as saídas e as entradas. Com a utilização da ferramenta Matlab, será possível criar uma função de RNA (rede neural artificial), operando com base nas conectividade e no peso das conexões, por isto são conhecidos como processamento distribuído e paralelo (PDP) [2]. Dados de entrada e saída O arquivo de dados gerado pelo registrador é do tipo escalar separado por vírgula. A captura desses sinais obedece a constante de tempo definida pelo sistema. Utilizando o Matlab, foi desenvolvido uma programação capaz de criar uma tabela vetorial do tipo Cell array time, sendo este o formato necessário utilizando para alimentar a rede neural. Por meio dos dados obtidos em campo, possuindo as informações escalares da umidade e corrente de fuga, utilizou-se a programação para criar esta tabela dependente do tempo. Para a criação do modelo, foi utilizada a umidade como entrada do rede neural e foi realizado seu treinamento objetivando a corrente de fuga na superfície do isolador. Modelo do sistema Na modelagem do sistema, optou-se em utilizar a forma convencional de criação da rede neural, apesar do Matlab possuir um Toolbox - Neural Network, seus parâmetros individuais estão em "Defaut", dificultado assim a compreensão do funcionamento. A função utilizada é Newff, que utiliza o método de treinamento feedfoward network que utiliza a forma de realimentação direta, permitindo a compreensão de entradas lineares e não-lineares e m relação a saída. A camada da saída permite que a rede neural produza valores dentro da faixa -1 até 1. O funcionamento desta ferramenta se baseia na arquitetura perceptron multicamadas, pelo método de aprendizado backpropagation. Com os estudos 4 / 8
5 nesta área, foi verificado que esta arquitetura se tornou a mais adaptativa a sistemas variantes do tempo. O algoritmo Resilient Backpropagation (RPROP), método otimizado que reduz o tempo de convergência, utilizando o método de treinamento Trainrp. Vários pesquisadores utilizam o sistema Levenberg-Marquardt, todavia, os dados obtidos são de tamanho médio à grande, sendo indicado neste caso sistemas maior capacidade de memória. Para a criação do modelo foi utilizado os dados coletados em campo para entrada e saída do sistema. Com base nisto, será possível criar um sistema de correlação com a saída (corrente de fuga do isolador). Na criação desde modelo, foi trabalhado inicialmente com a análise isolada da umidade, por meio de artigos da área [3], pode-se visualizar a correlação positiva entre umidade relativa e o comportamento da corrente de fuga sobre o isolador. A topologia do sistema, constituí-se de 60 neurônios na primeira camada escondida, um neurônio na segunda camada e uma camada de saída. Pelo método de tentativa e erro foi observado que o existe uma saturação do número máximo de neurônios, desta forma concluiu-se em utilizar 60. Figura 4 - Representação da topologia da rede neural 3. RESULTADOS Utilizando os dados de entrada e saída na forma de cell array time, foi realizado a criação da rede neural por meio da programação customizada. O tempo de convergência foi relativamente curto, sendo que a rede neural foi configurada para um total de 5000 épocas. Foi usando a função de ativação tansig, tangsig e trainrp, por meio do método de tentativas foi verificado que se trata da melhor forma de treinamento, outros artigos na área sustentam a mesma opinião [5]. Como pode se visualizar no gráfico da Fig. 3, obteve-se o seguinte rendimento: Figura 5 - Ilustração do rendimento da convergência O treinamento foi realizado com sucessso, conforme Fig. 05, foi atingido 100% de acerto das épocas treinadas com a saída, outros formas de treinamento não alcançavam o mesmo rendimento. 5 / 8
6 Figura 6 - Representação do erro quadrático médio da rede neural Analisando as informações da Fig. 6, chega-se a uma conclusão que o sistema se comporta com um erro quadrático médio tolerável, ficando na casa dos 0,01. Figura 7 - Represetação do diagrama de blocos da rede neural Conforme Fig. 7, ilustra a relação entrada/saída do diagrama da rede neural, utilizou-se o simulink para fazer esta interface. Nos blocos de umidade e corrente de fuga, foi utilizada a programação para torná-los dependentes do tempo, de forma que o bloco de entrada e saída são configurados em 1x1 cell array time. 6 / 8
7 Figura 8 - Gráfico da comparação do comportamento da corrente de fuga medido vs. modelado. No gráfico da Fig. 8, é possível verificar que o gráfico da corrente medida do isolador segue uma tendência de crescimento, sendo visivel no dia 4 que ocorre picos de corrente gerados por uma eventual chuva na região. Após o dia crítico, a corrente tente a se estabilizar devido a limpeza superficial do isolador permanecendo assim na faixa dos 0.1 ma. Os dados obtidos por meio da rede neural graficando junto com a medida, observou-se que segue a tendência de crescimento, de forma a comprovar a eficácia do sistema. O desempenho do isolador é dependende de outras variáveis como a temperatura, vento e outros fatores. Aumentando as variáveis do sistema, cria-se uma rede neural mais complexa que poderá eventualmente prever os picos de corrente. 4. CONCLUSÃO Constatou-se, por meio da modelagem matemática que a umidade possui grande correlação com desempenho dos isoladores, de forma que com sistema treinado para a entrada umidade, apresenta bons resultados na corrente de fuga simulada. Assim, deseja-se utilizar a ferramenta criada para prever outras hipóteses com condições adversas de umidade. Por meio da visualização dos gráficos obtidos da Fig. 7, concluí-se que as redes neurais são a ferramenta ideal para modelagem do comportamento do isolador, visto que outras formas matemáticas apresentariam maior desvio. A utilização de ferramentas que eventualmente possam prever falhas em isoladores são de grande interesse das concessionárias de energia, reduzindo os custos de manutenção das redes e melhorando os índices de qualidade de energia. 7 / 8
8 BIBLIOGRAFIA [1] MEYER, L.H et al.; Desenvolvimento e Aplicação de Medidores Portáteis de Corrente de Fuga em Sistemas Isolantes; XIX Seminário Nacional de Distribuição de Energia Elétrica SENDI, 2011, São Paulo SP. [2] DEMUTH, H. ; BEALE, M.; Neural Network Toolbox, for use with Matlab. [3] OLIBONI, C. R. ; Estudo e caracterização da corrente de fuga em sistemas isolantes de linhas de distribuição no estado de Santa Catarina. [4] GOUVEIA, F. A. O.; COSTA E. G.; Redes Neurais aplicadas no diagnóstico de isoladores poliméricos. [5] GOES, E.A; Aplicação de Redes Neurais na identificação de setores em curto circuito nos sistemas de distribuição de energia elétrica. 8 / 8
Introdução à Redes Neurais. Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana
Introdução à Redes Neurais Artificiais Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana 2 Introdução Redes Neurais Artificiais (RNAs)
Leia maisRedes Neurais Artificiais. Professor: Juan Moises Villanueva
Redes Neurais Artificiais Mestrando: Lucas Nicolau Email: lucasfnicolau@gmail.com Professor: Juan Moises Villanueva Rede Neural Direta Arquitetura com múltiplas camadas com fluxo de informação apenas em
Leia maisPrevisão de consumos a curto prazo
Previsão de consumos a curto prazo Cláudio Monteiro Distribuição de Energia II 5º ano da LEEC - ramo de Energia (FEUP) O que são? são técnicas computacionais que apresentam um modelo matemático inspirado
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 maisIntrodução às Redes Neurais Artificiais
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Introdução às Redes Neurais Artificiais DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos
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 maisESTIMATIVA DE RADIAÇÃO SOLAR NA REGIÃO DO MACIÇO DE BATURITÉ: ABORDAGEM VIA REDES NEURAIS ARTIFICIAIS.
ESTIMATIVA DE RADIAÇÃO SOLAR NA REGIÃO DO MACIÇO DE BATURITÉ: ABORDAGEM VIA REDES NEURAIS ARTIFICIAIS. Arini de Menezes Costa 1, Kaio Martins Ramos 2, Hugo Hermano da Costa Castro 3, Antonio Alisson P.
Leia maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
PERCEPTRON MULTICAMADAS: TÉCNICAS DE VALIDAÇÃO Prof. Dr. André A. P. Biscaro 2º Semestre de 2016 UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT Aspectos de seleção topológica de redes PMC A especificação
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 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 maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS PERCEPTRONS Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 Forma mais simples de configuração das RNAs Rosenblatt (1958) retina área de projeção área de associação respostas
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 maisImplementação de um phmetro através de Redes Neurais Artificiais e Algoritmos Genéticos
Prof. Emílio Del Moral Hernandez Implementação de um phmetro através de Redes Neurais Artificiais e Algoritmos Genéticos Alexandre Kimiyaki Ligo César Augusto Mayor Herrera Massaki de Oliveira Igarashi
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 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 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 TRAJETÓRIA COM REDES NEURAIS
1 RECONHECIMENTO DE TRAJETÓRIA COM REDES NEURAIS Giovanni Crestan Leonardo Enomoto Araki Thiago Antonio Grandi De Tolosa Wânderson de Oliveira Assis Wilson Carlos Siqueira Lima Júnior IMT Instituto Mauá
Leia maisCapítulo 3. Modelagem da Rede Elétrica Estudada
Modelagem da Rede Elétrica Estudada 58 3 MODELAGEM DA REDE ELÉTRICA ESTUDADA. A primeira fase do estudo foi a escolha da subestação e dos alimentadores aéreos primários. A subestação, bem como seus circuitos
Leia maisXX Seminário Nacional de Distribuição de Energia Elétrica SENDI a 26 de outubro Rio de Janeiro - RJ - Brasil
XX Seminário Nacional de Distribuição de Energia Elétrica SENDI 2012-22 a 26 de outubro Rio de Janeiro - RJ - Brasil Viviane Olive Leonardo Souza SYNAPSIS BRASIL LTDA SYNAPSIS BRASIL LTDA volive@synapsis-it.com
Leia maisXIX Seminário Nacional de Distribuição de Energia Elétrica. Software Computacional de Perdas Técnicas de Energia PERTEC
XIX Seminário Nacional de Distribuição de Energia Elétrica SENDI 2010 22 a 26 de novembro São Paulo - SP - Brasil Software Computacional de Perdas Técnicas de Energia PERTEC Franco Pavan Ingrid Lourenço
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 maisAmbiente MATLAB. Redes Neurais. Tela Principal do MATLAB MATLAB 6.5. MATLAB MATrix LABoratory. Programação baseada em Matrizes
Redes Neurais MATLAB 6.5 Ambiente MATLAB MATLAB MATrix LABoratory Programação baseada em Matrizes Vetores e escalares também podem ser considerados matrizes, xn, Nx, x Tela Principal do MATLAB Tela Principal
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 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 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 maisPREVISÃO CLIMÁTICA DE PRECIPITAÇÃO USANDO REDE NEURAL
PREVISÃO CLIMÁTICA DE PRECIPITAÇÃO USANDO REDE NEURAL Juliana A. ANOCHI 1, Sabrina B. M. SAMBATTI 1, Eduardo F. P. da LUZ 1, Haroldo F. de CAMPOS VELHO 1 Instituto Nacional de Pesquisas Espaciais - INPE
Leia maisp TPP = (6.1) e a rajada de perda de pacote é medida pela Comprimento Médio da Rajada (CMR ) que é dada por
6 Perdas de Pacotes O problema de perda de pacotes em rajadas nas redes IP e redes móveis é um dos fatores mais importantes a serem considerados na análise de sistemas de reconhecimento de voz distribuídos.
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 maisPEA5918 Redes Elétricas Inteligentes e Microrredes (Smart Grids e Microgrids)
PEA5918 Redes Elétricas Inteligentes e Microrredes (Smart Grids e Microgrids) Métodos Avançados de Controle Giovanni Manassero Junior Depto. de Engenharia de Energia e Automação Elétricas Escola Politécnica
Leia maisOlinda Pernambuco - Brasil. Monitoramento de Desgastes dos Contatos do Disjuntor
XVIII Seminário Nacional de Distribuição de Energia Elétrica SENDI 2008-06 a 10 de outubro Olinda Pernambuco - Brasil Monitoramento de Desgastes dos Contatos do Disjuntor Clailton Silva Danilo Santos Luiz
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 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 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 maisRede Perceptron. Capítulo 3
Rede Perceptron Capítulo 3 Rede Perceptron É a forma mais simples de configuração de uma RNA (idealizada por Rosenblatt, 1958) Constituída de apenas uma camada, tendo-se ainda somente um neurônio nesta
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 AULA 03 Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 INTRODUÇÃO Aprendizagem é um processo pelo qual os parâmetros livres de uma rede neural são adaptados através de um processo
Leia maisInteligência Computacional
Inteligência Computacional INTRODUÇÃO ÀS REDES NEURAIS ARTIFICIAIS Renato Dourado Maia Faculdade de Ciência e Tecnologia de Montes Claros Fundação Educacional Montes Claros Na Aula Passada... O que é uma
Leia maisCURSO: ENGENHARIA DE CONTROLE E AUTOMAÇÃO EMENTAS º PERÍODO
CURSO: ENGENHARIA DE CONTROLE E AUTOMAÇÃO EMENTAS - 2017.2 2º PERÍODO DISCIPLINA: CÁLCULO I Estudo e aplicação de limites. Estudo e aplicação de derivadas. Estudo de soluções de problemas com utilização
Leia maisVRS usando redes neurais
IX G E G E VRS usando redes neurais Wagner Carrupt Machado GIGA Conteúdo VRS x RNA (Redes Neurais Artificiais) RNA Experimentos com ionosfera Conclusões VRS x RNA Modelagem dos erros que afetam os sinais
Leia maisTRABALHO FINAL DE GRADUAÇÃO OUTUBRO/2016 UNIVERSIDADE FEDERAL DE ITAJUBÁ ENGENHARIA ELÉTRICA
TRABALHO FINAL DE GRADUAÇÃO OUTUBRO/2016 UNIVERSIDADE FEDERAL DE ITAJUBÁ ENGENHARIA ELÉTRICA ANÁLISE DO ENVELHECIMENTO DE ISOLADORES POLIMÉRICOS POR MEIO DA CORRENTE DE FUGA Lucas Gabriel Músico Orientador:
Leia maisPREVISÃO DE CASOS DE DENGUE EM ITAJAÍ SC UTILIZANDO REDES NEURAIS ARTIFICIAIS COM SAÍDAS RECORRENTES ÀS ENTRADAS
PREVISÃO DE CASOS DE DENGUE EM ITAJAÍ SC UTILIZANDO REDES NEURAIS ARTIFICIAIS COM SAÍDAS RECORRENTES ÀS ENTRADAS Munyque Mittelmann 1, Lucas Grigolon Varela 1, Daniel Gomes Soares 1 1 Instituto Federal
Leia mais4 O Modelo Termodinâmico da Turbina a Gás
4 O Modelo Termodinâmico da Turbina a Gás 4.1. Introdução Com o intuito de realizar o diagnóstico de falhas em turbinas a gás, são necessários muitos dados para a análise de falha dos componentes. O diagnóstico
Leia maisAPLICAÇÃO E DESENVOLVIMENTO DE UM SISTEMA DE TELEMETRIA À ESTAÇÕES METEOROLÓGICAS
APLICAÇÃO E DESENVOLVIMENTO DE UM SISTEMA DE TELEMETRIA À ESTAÇÕES METEOROLÓGICAS Hans R. ZIMERMANN, Débora R. ROBERTI, Josué M. SEHNEM. 1 Introdução A telemetria é uma técnica na qual uma medição realizada
Leia maisXII Congresso Brasileiro de Meteorologia, Foz de Iguaçu-PR, 2002
ESTUDO PRELIMINAR DA UTILIZAÇÃO DE REDES NEURAIS NA PREVISÃO DE TEMPERATURA MÉDIA DIÁRIA PARA A CIDADE DE PELOTAS-RS Ariane Frassoni dos Santos 1, João Gerd Zell de Mattos 1, Paulo Roberto Krebs 2 1 Faculdade
Leia maisTransmissores e Receptores
www.iesa.com.br 1 Os transmissores são instrumentos que convertem um sinal qualquer, de um sensor ou transdutor, em um sinal padrão para ser enviado a distância. Outras funções de tratamento e condicionamento
Leia maisTrilhamento e erosão de isoladores e pára-raios poliméricos
1/6 Title Trilhamento e erosão de isoladores e pára-raios poliméricos Registration Nº: (Abstract) 220 Company Centro de Pesquisas de Energia Elétrica (CEPEL) Authors of the paper Name Country e-mail Darcy
Leia mais3 Sistema de Apoio à Decisão para o Controle de Tensão (SADECT) Baseado em Redes Neurais
3 Sistema de Apoio à Decisão para o Controle de Tensão (SADECT) Baseado em Motivado pela importância do estabelecimento de um sistema de apoio à decisão que auxiliasse o operador de tempo real durante
Leia maisTRANSMISSÃO E DISTRIBUIÇÃO DE ENERGIA TDE. Aula 4 Subestações
TRANSMISSÃO E DISTRIBUIÇÃO DE ENERGIA TDE Aula 4 Subestações Definição de Subestação (SE) Uma subestação é o conjunto de máquinas, aparelhos e circuitos cuja finalidade é controlar os níveis de tensão
Leia maisUNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE ENGENHARIA ELÉTRICA E INFORMÁTICA DEPARTAMENTO DE ENGENHARIA ELÉTRICA ELETRÔNICA
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE ENGENHARIA ELÉTRICA E INFORMÁTICA DEPARTAMENTO DE ENGENHARIA ELÉTRICA ELETRÔNICA LISTA DE EXERCÍCIO #6 (1) COMPUTAÇÃO ANALÓGICA - A computação analógica
Leia maisChaveamento dos Dispositivos Semicondutores de Potência
Chaveamento dos Dispositivos Semicondutores de Potência Chaves Ideais Na análise de sistemas com semicondutores de potência ocorrem frequentemente casos nos quais considera-se os dispositivos de chaveamento
Leia maisRedes Neurais Artificiais Aplicadas ao Jogo da Velha 3D em Pinos
Redes Neurais Artificiais Aplicadas ao Jogo da Velha 3D em Pinos TCC - Jan/09 Daniel Tré - ISTCCP Redes Neurais Artificiais Aplicadas ao Jogo da Velha 3D em Pinos p. 1/2 O que são Redes Neurais Artificiais
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 maisCÁLCULO DO EQUILIBRIO DE TROCA-IÔNICA DO SISTEMA Na + -Pb 2+ -Cu 2+ USANDO REDES NEURAIS ARTIFICIAIS.
CÁLCULO DO EQUILIBRIO DE TROCA-IÔNICA DO SISTEMA Na + -Pb 2+ -Cu 2+ USANDO REDES NEURAIS ARTIFICIAIS. A. B. B. GIOPATTO 1, E. A. SILVA 2, T. D. MARTINS 1 1 Universidade Federal de São Paulo, Departamento
Leia maisInteligência Artificial. Prof. Tiago A. E. Ferreira Aula 21 Projeto de RNA
Inteligência Artificial Prof. Tiago A. E. Ferreira Aula 21 Projeto de RNA Projeto de Redes Neurais Projeto de Redes Neurais Baseado apenas em dados Exemplos para treinar uma rede devem ser compostos por
Leia maisComparação entre uma neuroprevisão(empírica) e um modelo físico simplificado para estimação hidrológica
Trabalho apresentado no XXXVII CNMAC, S.J. dos Campos - SP, 2017. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Comparação entre uma neuroprevisão(empírica) e um modelo
Leia maisUNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE ENGENHARIA ELÉTRICA E INFORMÁTICA DEPARTAMENTO DE ENGENHARIA ELÉTRICA ELETRÔNICA
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE ENGENHARIA ELÉTRICA E INFORMÁTICA DEPARTAMENTO DE ENGENHARIA ELÉTRICA ELETRÔNICA LISTA DE EXERCÍCIO #5 (1) COMPUTAÇÃO ANALÓGICA - A computação analógica
Leia mais2 Revisão Bibliográfica
Revisão Bibliográfica 20 2 Revisão Bibliográfica Antes de definir o modelo para previsão de carga elétrica, é necessário fazer um breve resumo dos mais tradicionais modelos de previsão de carga publicados
Leia maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
Toolbox de Redes Neurais MATLAB Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 Toolbox de Redes Neurais Introdução ao Matlab Linha de comando NNTool Estudo de Casos Análise de Crédito Bancário (Classificação).
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 REDE ADALINE e REGRA DELTA Prof. Dr. André A. P. Biscaro 2º Semestre de 2017 Aspectos históricos O ADALINE foi idealizado por Widrow & Hoff em 1960. Sua principal aplicação estava
Leia maisProteção contra efeito corona na cadeia de isoladores
UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO FACULDADE DE ENGENHARIA ÊNFASE EM SISTEMAS DE POTÊNCIA Disciplina: Transmissão de Energia Elétrica II Proteção contra efeito corona na cadeia de isoladores Alunos:
Leia maisDécimo Quinto Encontro Regional Ibero-americano do CIGRÉ Foz do Iguaçu-PR, Brasil 19 a 23 de maio de 2013
DESENVOLVIMENTO DE ESTAÇÃO DE MONITORAMENTO DE SISTEMAS ISOLANTES PARA MELHORIA DA QUALIDADE DE ENERGIA G. E. CARDOSO* C. P. R. OLIBONI* L. H. MEYER* F. H. MOLINA** *UNIVERSIDADE REGIONAL DE BLUMENAU -
Leia maisTÉCNICO EM ELETRÔNICA 1 CONHECIMENTOS ESPECÍFICOS QUESTÕES DE 11 A 35
TÉCNICO EM ELETRÔNICA 1 CONHECIMENTOS ESPECÍFICOS QUESTÕES DE 11 A 35 11. Observando a figura abaixo, e levando em consideração o cálculo da resistência equivalente do circuito e a corrente que passa pelo
Leia maisRedes Neurais Artificiais Sistemas Inteligentes Especialização em Automação Industrial SISTEMAS INTELIGENTES PROFESSOR FLÁVIO MURILO
Redes Neurais Artificiais Sistemas Inteligentes Especialização em Automação Industrial 1 Redes Neurais - Definição O que é Rede Neural ou Rede Neuronal Artificial (RNA)? É um modelo computacional que objetiva
Leia maisPadrões, Modelagem e Neurocomputação
Escola Politécnica Universidade de São Paulo Departamento de Engenharia Elétrica Sistemas Eletrônicos PSI2672 Práticas em Reconhecimento de Padrões, Modelagem e Neurocomputação APRESENTAÇÃO FINAL 21/06/2016
Leia maisLuis Fabiano 21/ago/2008. Rejeição de Cargas Inteligente
ABB Group - 1 Luis Fabiano 21/ago/2008 Rejeição de Cargas Inteligente Introdução Um sistema de potência em condições estáveis de operação, com freqüência nominal, deve apresentar um equilíbrio entre as
Leia maisN1040. Controlador de Temperatura
Controlador de Temperatura N1040 O controlador de temperatura N1040 reúne baixo custo e alta precisão com ação PID. Tem profundidade de somente 80 mm, sistema de conexão elétrica removível, duas saídas
Leia maisXX Seminário Nacional de Distribuição de Energia Elétrica SENDI a 26 de outubro Rio de Janeiro - RJ - Brasil
XX Seminário Nacional de Distribuição de Energia Elétrica SENDI 2012-22 a 26 de outubro Rio de Janeiro - RJ - Brasil WAGNER EUSTÁQUIO DINIZ TEREX RITZ wagnered@ritzbrasil.com.br Raimundo Anastácio Filho
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 maisINOVAÇÃO TECNOLÓGICA NO SETOR AGRÍCOLA PARAIBANO POR MEIO DA INSERÇÃO DE TÉCNICAS DE SENSORIAMENTO REMOTO - SENSORES DE UMIDADE
INOVAÇÃO TECNOLÓGICA NO SETOR AGRÍCOLA PARAIBANO POR MEIO DA INSERÇÃO DE TÉCNICAS DE SENSORIAMENTO REMOTO - SENSORES DE UMIDADE Autores MACEDO 1, Euler Cássio Tavares de FLORIANO 2, Jordan da silva Centro
Leia mais1 Sistema Máquina-Barra in nita: apresentação e modelagem
EEL 751 - Fundamentos de Controle 1o rabalho Computacional 1 Sistema Máquina-Barra in nita: apresentação e modelagem Modelos do tipo máquina-barra in nita como o representado pelo diagrama uni - lar da
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 maisInteligência Artificial
Universidade Federal de Campina Grande Departamento de Sistemas e Computação Pós-Graduação em Ciência da Computação Inteligência Artificial Aprendizagem (Redes Neurais - Complementar) Prof. a Joseana Macêdo
Leia maisSOLUÇÕES EM QUALIDADE DE ENERGIA Soluções em média e alta tensão
SOLUÇÕES EM QUALIDADE DE ENERGIA Soluções em média e alta tensão 2 Moving together 1. PAINÉIS METÁLICOS, FILTROS DE HARMÔNICOS E BANCOS DE CAPACITORES 1. PAINÉIS METÁLICOS, FILTROS DE HARMÔNICOS E BANCOS
Leia maisRedes Neurais e Sistemas Fuzzy
Redes Neurais e Sistemas Fuzzy O ADALINE e o algoritmo LMS O ADALINE No contexto de classificação, o ADALINE [B. Widrow 1960] pode ser visto como um perceptron com algoritmo de treinamento baseado em minimização
Leia maisSISTEMA DE AQUISIÇÃO DE GRANDEZAS ELÉTRICAS 1
SISTEMA DE AQUISIÇÃO DE GRANDEZAS ELÉTRICAS 1 Sandy Tondolo De Miranda 2, Maurício De Campos 3, Paulo S. Sausen 4. 1 Pesquisa Institucional desenvolvida no Departamento de Ciências Exatas e Engenharias
Leia maisHP UFCG Analytics Abril-Maio Um curso sobre Reconhecimento de Padrões e Redes Neurais. Por Herman Martins Gomes.
HP UFCG Analytics Abril-Maio 2012 Um curso sobre Reconhecimento de Padrões e Redes Neurais Por Herman Martins Gomes hmg@dsc.ufcg.edu.br Programa Visão Geral (2H) Reconhecimento Estatístico de Padrões (3H)
Leia maisMODELOS ELÉTRICOS PARA PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS DE LITHIUM ÍON POLÍMERO 1
MODELOS ELÉTRICOS PARA PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS DE LITHIUM ÍON POLÍMERO 1 Marcia De Fatima Brondani 2, Airam Teresa Zago Romcy Sausen 3, Paulo Sérgio Sausen 4. 1 Projeto de Pesquisa realizado
Leia maisIntrodução às Redes Neurais Artificiais
Introdução às Redes Neurais Artificiais Perceptrons de Múltiplas Camadas I Prof. João Marcos Meirelles da Silva www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola de Engenharia
Leia maisESTAÇÃO DE COLETA DE DADOS AMBIENTAIS ON-LINE BASEADA NO MICROCONTROLADOR ESP8266
ESTAÇÃO DE COLETA DE DADOS AMBIENTAIS ON-LINE BASEADA NO MICROCONTROLADOR ESP8266 Danilo Bellintani, Carlos Y. Shigue Escola de Engenharia de Lorena Universidade de São Paulo danilo@alunos.eel.usp.br Resumo
Leia maisFelix da Cunha 412, Pelotas RS Home-Page: s: Bolsista BIC/FAPERGS
UTILIZAÇÃO DE REDES NEURAIS PARA PREVISÕES EM SÉRIES TEMPORAIS 1 A. T. Gonçalez, A. C. R. Costa, G. P. Dimuro UCPEL Universidade Católica de Pelotas, ESIN Escola de Informática GMFC Grupo de Matemática
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 maisPERFIL da EMPRESA TECHIMP
PERFIL da EMPRESA TECHIMP Beneficie-se do Sistema de Monitoramento Global Techimp Diagnostics All in One 1 Sistemas de Cabos em Alta Tensão As Descargas Parciais (PD) evidenciam a presença de diversos
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 maisPEA5918 Redes Elétricas Inteligentes e Microrredes (Smart Grids e Microgrids)
PEA5918 Redes Elétricas Inteligentes e Microrredes (Smart Grids e Microgrids) Sensoreamento e Medição Giovanni Manassero Junior Depto. de Engenharia de Energia e Automação Elétricas Escola Politécnica
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação Aprendizado de Máquina (Machine Learning) Aula 03 Aprendizado Supervisionado / : Modelo MCP e Perceptron Max Pereira Neurônio Booleano de McCulloch- Pitts (Modelo MCP) Proposto em
Leia maisTransdutores para Alta Tensão / Shunt
ProLine Tecnologia de Interface Transdutores para Alta Tensão / Shunt Medição confiável de correntes CC até na faixa de ka com alto nível de precisão A Tarefa As correntes a serem medidas são associadas
Leia maisUNIVERSIDADE FEDERAL DE LAVRAS PRÓ-REITORIA DE GRADUAÇÃO. Currículo Pleno
UNIVERSIDADE FEDERAL DE LAVRAS PRÓ-REITORIA DE GRADUAÇÃO Currículo Pleno Curso: G022 - Engenharia de Controle e Automação (Bacharelado) Base Curricular: 2013/02 Disciplinas Obrigatórias Código Nome Período
Leia maisDécimo Quinto Encontro Regional Ibero-americano do CIGRÉ Foz do Iguaçu-PR, Brasil 19 a 23 de maio de 2013
A ESTIMAÇÃO DO VALOR EFICAZ DAS TENSÕES TRIFÁSICAS EM PONTOS ESTRATÉGICOS DE UM SISTEMA DE DISTRIBUIÇÃO VIA REDES NEURAIS ARTIFICIAIS F. B. Bottura* F. S. P. Camargo* M. Oleskovicz* R. C. Santos** * Universidade
Leia maisComparação de Modelos Neurais Aplicados a Resistência de Fornos de Redução do Alumínio Primário
Trabalho apresentado no DINCON, Natal - RN, 2015. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Comparação de Modelos Neurais Aplicados a Resistência de Fornos de
Leia mais23ª SEMANA DE TECNOLOGIA METROFERROVIÁRIA 4º PRÊMIO TECNOLOGIA E DESENVOLVIMENTO METROFERROVIÁRIOS CATEGORIA (3) RODANTE
23ª SEMANA DE TECNOLOGIA METROFERROVIÁRIA 4º PRÊMIO TECNOLOGIA E DESENVOLVIMENTO METROFERROVIÁRIOS CATEGORIA (3) UTILIZAÇÃO DO PIMS PARA MONITORAMENTO PREDITIVO DE MATERIAL RODANTE INTRODUÇÃO No momento
Leia maisRedes Neurais e Sistemas Fuzzy
Redes Neurais e Sistemas Fuzzy Aspectos Temporais Modelagem de sistemas As tarefas que estudamos, classificação e regressão, podem ser vistas como atividades de modelagem de sistemas. As técnicas de modelagem
Leia maisEvento: XXV SEMINÁRIO DE INICIAÇÃO CIENTÍFICA
COLETA DE UM AMPLO CONJUNTO DE DADOS EXPERIMENTAIS DO TEMPO DE VIDA DE BATERIAS DE LÍTIO-ÍON POLÍMERO ATRAVÉS DE UMA PLATAFORMA DE TESTES E MODELAGEM MATEMÁTICA DOS DADOS UTILIZANDO MODELOS ELÉTRICOS.
Leia maisARES 7023 Medidor Eletrônico de Energia Elétrica
ARES 7023 Medidor Eletrônico de Energia Elétrica Descrição O medidor ARES 7023 auxilia as concessionárias de energia a obter informações referentes ao consumo de energia elétrica de seus clientes. Projetado
Leia maisPor que Redes Neurais?
Redes Neurais Profa. Jaqueline Brigladori Pugliesi Por que Redes Neurais? Utilizar máquinas efetivamente para resolver problemas simples (humanos) Exemplo: distinguir padrões visuais previsão do valor
Leia maisDIAGNÓSTICO DE ESTADO DE TRANSFORMADORES, ATRAVÉS DA CROMATOGRAFIA E COM O USO DE REDES NEURAIS. CHESF/DOMA UFPE/DEESP UFPE/CiN
SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GSE - 11 16 a 21 Outubro de 2005 Curitiba - Paraná GRUPO VIII GRUPO DE ESTUDO DE SUBESTAÇÕES E EQUIPAMENTOS ELÉTRICOS - GSE DIAGNÓSTICO
Leia maisAula 1 Introdução - RNA
Aula 1 Introdução - RNA Sumário 1- Conceitos Iniciais; 2- Neurônio Biológico; 3- Neurônio Artificial; 4- Funções de Ativação; 5- Comparação Neurônio Biológico e Artificial. 1- Conceitos Iniciais - Computadores
Leia mais