MAPAS AUTO-ORGANIZÁVEIS PARA MODELAGEM CHUVA-VAZÃO. Farias, C. A. S.; Carneiro, T. C. & Lourenço, A. M. G.
|
|
- Eric Philippi Antunes
- 6 Há anos
- Visualizações:
Transcrição
1 MAPAS AUTO-ORGANIZÁVEIS PARA MODELAGEM CHUVA-VAZÃO Farias, C. A. S.; Carneiro, T. C. & Lourenço, A. M. G.
2 Motivação O crescimento populacional e consequente aumento das demandas; A situação se agrava em regiões semiáridas; As regras de operação de sistemas hídricos surgem para mitigar problemas; Estas regras requerem séries longas e confiáveis de dados hidrometeorológicos.
3 Objetivo Desenvolver um modelo baseado em Mapas Auto-Organizáveis (do inglês Self Organizing Maps SOM) e investigar a sua aplicação para: (1)detecção de similaridades entre dados mensais de chuva e vazão (2)extensão da série de vazão de um rio localizado no semiárido paraibano.
4 Área de Estudo
5 Mapas Auto-Organizáveis (SOM) Neurônios ou classes Camada de saída (bidimensional) Pesos Camada de entrada (multidimensional)
6 Mapas Auto-Organizáveis (SOM) São redes neurais não-supervisionadas; Agrupam dados de entrada em classes de acordo com suas semelhanças; Usa aprendizagem competitiva à distância Euclidiana; O treinamento consiste em atualizar os pesos de neurônios vencedores e seus vizinhos.
7 Aplicação 26 anos de dados mensais ( )
8 Aplicação Código (Identificação) Nome do posto Tipo Município (P 1 ) Piancó Pluviométrico Piancó (P 2 ) Conceição Pluviométrico Conceição (P 3 ) Manaíra Pluviométrico Manaíra (P 4 ) Princesa Isabel Pluviométrico Princesa Isabel (P 5 ) Sant. dos Garrotes Pluviométrico Sant. dos Garrotes (P 6 ) Boa Ventura Pluviométrico Boa Ventura (P 7 ) Nova Olinda Pluviométrico Nova Olinda (P 8 ) Ibiara Pluviométrico Ibiara (Q) Piancó Fluviométrico Piancó
9 Aplicação 23 anos foram utilizados para o treinamento ( ) e 3 anos para teste ( ). Utilizou-se uma malha de neurônios para camada bidimensional (Gárcia & Gonzáles, 2004).
10 Aplicação Espaço Bidimensional 10 x Neurônio vencedor Neurônios vizinhos Vetor = [ P(t-2), 1..., P(t-2), 8 P(t-1), 1..., P(t-1), 8 P(t), 1..., P(t), 8 Q(t-2), Q(t-1), Q(t) ] Camada de Saída Camada de Entrada
11 Resultados Vazão (m³/s) r = 0.89 VR = NASH = 0.80 Observado Calculado Tempo (meses) Comparação entre vazões mensais obtidas com o modelo SOM e valores observados no posto fluviométrico de Piancó para o período de treinamento ( )
12 Resultados P 1 ( t) ( t) P 2 P 3 ( t) P 4 ( t) P 5 ( t) P 6 ( t) P 7 ( t ) ( t) P 8 Q ( t 2) Q ( t 1) Q( t) Planos de componentes (detecção de similaridades): chuva em [mm] e vazão em [m³/s]
13 Resultados As redes SOM também podem ser utilizadas como ferramentas de previsão e estimativa; Para tal, deve-se considerar o vetor de entrada com a ausência da variável a ser prevista; Calcula-se as distâncias Euclidianas e identifica-se o neurônio vencedor; O peso associado ao componente ausente no neurônio vencedor será a previsão.
14 Resultados Dados de entrada para previsão (estimativa) de vazão mensal para o período de teste utilizando o modelo SOM para seis diferentes simulações. Simulação SIM #1 SIM #2 SIM #3 SIM #4 SIM #5 SIM #6 Dados de Entrada P 1 (t-2),..., P 8 (t-2), P 1 (t-1),..., P 8 (t-1), P 1 (t),..., P 8 (t), Q(t-2) e Q(t-1) P 1 (t-1),..., P 8 (t-1), P 1 (t),..., P 8 (t), Q(t-2) e Q(t-1) P 1 (t-2),..., P 8 (t-2), P 1 (t),..., P 8 (t), Q(t-2) e Q(t-1) P 1 (t-2),..., P 8 (t-2), P 1 (t-1),..., P 8 (t-1), Q(t-2) e Q(t-1) P 1 (t-2),..., P 8 (t-2), P 1 (t-1),..., P 8 (t-1), P 1 (t),..., P 8 (t) e Q(t-1) P 1 (t-2),..., P 8 (t-2), P 1 (t-1),..., P 8 (t-1), P 1 (t),..., P 8 (t) e Q(t-2)
15 Resultados SIM #1 P 1 (t-2),..., P 8 (t-2), P 1 (t-1),..., P 8 (t-1), P 1 (t),..., P 8 (t), Q(t-2) e Q(t-1) Vazão (m³/s) R = 0.98 VR = NASH = 0.89 Observado SIM # Tempo (meses)
16 Resultados SIM #2 P 1 (t-1),..., P 8 (t-1), P 1 (t),..., P 8 (t), Q(t-2) e Q(t-1) Vazão (m³/s) R = 0.94 VR = NASH = 0.88 Observado SIM # Tempo (meses)
17 Resultados SIM #3 P 1 (t-2),..., P 8 (t-2), P 1 (t),..., P 8 (t), Q(t-2) e Q(t-1) Vazão (m³/s) R = 0.95 VR = NASH = 0.88 Observado SIM # Tempo (meses)
18 Resultados SIM #4 P 1 (t-2),..., P 8 (t-2), P 1 (t-1),..., P 8 (t-1), Q(t-2) e Q(t-1) Vazão (m³/s) R = 0.80 VR = NASH = 0.62 Observado SIM # Tempo (meses)
19 Resultados SIM #5 P 1 (t-2),..., P 8 (t-2), P 1 (t-1),..., P 8 (t-1), P 1 (t),..., P 8 (t) e Q(t-1) Vazão (m³/s) R = 0.99 VR = NASH = 0.89 Observado SIM # Tempo (meses)
20 Resultados SIM #6 P 1 (t-2),..., P 8 (t-2), P 1 (t-1),..., P 8 (t-1), P 1 (t),..., P 8 (t) e Q(t-2) Vazão (m³/s) R = 0.96 VR = NASH = 0.86 Observado SIM # Tempo (meses)
21 Conclusão Os planos gerados pelo modelo SOM mostraram-se poderosos instrumentos de análise; Simulações com várias configurações de entradas indicam que o modelo SOM pode produzir estimativas confiáveis mesmo quando existem falhas nos dados de entrada;
22 Conclusão Os resultados obtidos sugerem que este tipo de modelagem pode ser utilizado para extensão de séries de vazões e preenchimento de falhas em locais carentes de informações.
Rede Neural com Atraso de Tempo Aplicada à Previsão Mensal de Vazões na Bacia Hidrográfica do Rio Piancó
Rede Neural com Atraso de Tempo Aplicada à Previsão Mensal de Vazões na Bacia Hidrográfica do Rio Piancó Camilo A. S. de Farias Celso A. G. Santos Alcigeimes B. Celeste Estrutura da Apresentação Motivação
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 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 maisREDES AUTO-ORGANIZÁVEIS SELF-ORGANIING MAP (SOM)
REDES AUTO-ORGANIZÁVEIS SELF-ORGANIING MAP (SOM) APRENDIZADO COMPETITIVO Os algoritmos de aprendizado não-supervisionado são geralmente baseados em uma forma de competição entre os neurônios. O método
Leia maisMapas Auto-Organizáveis de Kohonen SOM
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Mapas Auto-Organizáveis de Kohonen SOM Redes Neurais Artificiais Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisMapas Auto-Organizáveis de Kohonen (SOM) SOM é uma rede neural artificial (Kohonen (1995))
Mapas Auto-Organizáveis de Kohonen (SOM) SOM é uma rede neural artificial (Kohonen (1995)) que realiza simultaneamente agrupamento e visualização SOM usa aprendizagem não supervisionada para mapear dados
Leia maisMapas Auto-Organizáveis de Kohonen SOM
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Mapas Auto-Organizáveis de Kohonen SOM Redes Neurais Artificiais Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisMensurando o desenvolvimento do Pensamento Computacional por meio de Mapas Auto-Organizáveis: um estudo preliminar em uma Oficina de Jogos Digitais
Mensurando o desenvolvimento do Pensamento Computacional por meio de Mapas Auto-Organizáveis: um estudo preliminar em uma Oficina de Jogos Digitais Thiago Barcelos Alexandra Souza Leandro Silva Roberto
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 maisMapas Auto Organizáveis SOMs Mapas de Kohonen
Mapas Auto Organizáveis SOMs Mapas de Kohonen PSI 2886 Princípios de Neurocomputação Edição de 2008 1 PSI 5886 Prof. Emilio Self Organizing Maps de Kohonen Estes slides foram usados nas aulas #8 e #9 na
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 maisAplicação do Tank Model para estimativa mensal de vazões na bacia hidrográfica do rio piancó
Revista Verde de Agroecologia e Desenvolvimento Sustentável Artigo Científico http://revista.gvaa.com.br ISSN 98-8203 Aplicação do Tank Model para estimativa mensal de vazões na bacia hidrográfica do rio
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 maisUso da Rede Neural Artificial Self Organizing Maps (SOM) na clusterização de dados meteorológicos
Trabalho apresentado no CMAC-Sul, Curitiba-PR, 2014. Uso da Rede Neural Artificial Self Organizing Maps (SOM) na clusterização de dados meteorológicos Jorge V. R. Bonato, Paulo H. Siqueira Programa de
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 maisRedes Neurais e Sistemas Fuzzy
Redes Neurais e Sistemas Fuzzy Mapas Auto-Organizáveis 1. O Mapa Auto-Organizável (SOM) Sistema auto-organizável inspirado no córtex cerebral. Nos mapas tonotópicos do córtex, p. ex., neurônios vizinhos
Leia maisClustering - c-means e Self Organizing Maps
- c-means e Self Organizing Maps Sarajane M. Peres e Clodoaldo A. M. Lima 13 de abril de 2015 Material baseado em: HAN, J. & KAMBER, M. Data Mining: Concepts and Techniques. 2nd. 2006 FAUSETT, L. Fundamentals
Leia maisModelagem hidrológica via SMAP para estimativa de vazões mensais na bacia do rio Piancó
Revista Verde de Agroecologia e Desenvolvimento Sustentável http://revista.gvaa.com.br ARTIGO CIENTÍFICO Modelagem hidrológica via SMAP para estimativa de vazões mensais na bacia do rio Piancó Hydrological
Leia mais1. Conceitos básicos dos Sistemas Auto-organizáveis. Os sistemas auto-organizáveis estão relacionados com aprendizagem nãosupervisionada.
Redes Neurais Sistemas Auto-Organizáveis. Conceitos básicos dos Sistemas Auto-organizáveis Os sistemas auto-organizáveis estão relacionados com aprendizagem nãosupervisionada. O objetivo de um algoritmo
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 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 maisInteligência Artificial. IA Conexionista: Perceptron de Múltiplas Camadas Mapas Auto-Organizáveis. Renan Rosado de Almeida
Inteligência Artificial IA Conexionista: Redes Neurais Artificiais Perceptron de Múltiplas Camadas Mapas Auto-Organizáveis Renan Rosado de Almeida rralmeida@inf.ufrgs.br Perceptron de Múltiplas Camadas
Leia mais3 FERRAMENTAS UTILIZADAS: REDES NEURAIS E LÓGICA FUZZY
3 FERRAMENTAS UTILIZADAS: REDES NEURAIS E LÓGICA FUZZY 3.1 REDES NEURAIS As redes neurais representam uma tecnologia que têm raízes em muitas disciplinas: neurociência, matemática, estatística, física,
Leia maisNEUROCOMPUTAÇÃO E SIG NO SUPORTE AO PLANEJAMENTO URBANO. Marcos Aurélio Santos da Silva 1
NEUROCOMPUTAÇÃO E SIG NO SUPORTE AO PLANEJAMENTO URBANO Marcos Aurélio Santos da Silva 1 Palavras-chave: Redes Neurais Artificiais, Análise Espacial de Área, Visualização de dados, Análise de Agrupamentos
Leia maisRedes Neuronais (outras redes)
Redes Neuronais (outras redes) Victor Lobo Principais arquitecturas de redes Aprendizagem Supervisionada MLP com BP Multi-Layer Perceptron (perceptrão multicamada) Treinado com Backpropagation (retropropagação
Leia maisMulti-Layer. Perceptron. Sumário. Aplicações de Redes Neurais. Previsão de Séries Temporais. Aplicações de Previsão
Aplicações de Redes Neurais Multi-Layer Perceptron Previsão de Séries Temporais Inferência da Qualidade de Produtos de Destilação (Soft Sensors) Classificação de Imagens Determinação da Carga Limite em
Leia maisMulti-Layer. Perceptron. Sumário. Aplicações de Redes Neurais. Previsão de Séries Temporais. Aplicações de Previsão
Aplicações de Redes Neurais Multi-Layer Perceptron Previsão de Séries Temporais Inferência da Qualidade de Produtos de Destilação (Soft Sensors) Classificação de Imagens Determinação da Carga Limite em
Leia maisIntrodução à Mineração de Dados com Aplicações em Ciências Espaciais
Introdução à Mineração de Dados com Aplicações em Ciências Espaciais Escola de Verão do Laboratório Associado de Computação e Matemática Aplicada Rafael Santos Dia 3: 1 /54 Programa Dia 1: Apresentação
Leia maisC o m p u t a ç ã o M ó v e l. André Siqueira Ruela
C o m p u t a ç ã o M ó v e l André Siqueira Ruela Sumário Introdução Estrutura Reconhecimento Normalização Cálculo da Saída Aprendizado Implementação Introdução Self Organizing Maps (SOM) são também conhecidos
Leia maisServiço Geológico do Brasil CPRM
SIMULAÇÃO HIDROLÓGICA E BALANÇO HÍDRICO DO RESERVATÓRIO POÇO DA CRUZ (PE) Alfredo Ribeiro Neto Cristiane Ribeiro de Melo Djalena Marques de Melo José Almir Cirilo Objetivo O objetivo deste trabalho é simular
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 mais1 Introdução 1.1. Motivação
1 Introdução 1.1. Motivação O setor elétrico em todo o mundo vem sofrendo um processo de transformação, quer no campo político, quer no econômico. A privatização e a desregulamentação do sistema elétrico
Leia maisHIDROLOGIA AULA 14 HIDROLOGIA ESTATÍSTICA. 5 semestre - Engenharia Civil. Profª. Priscila Pini
HIDROLOGIA AULA 14 5 semestre - Engenharia Civil HIDROLOGIA ESTATÍSTICA Profª. Priscila Pini prof.priscila@feitep.edu.br INTRODUÇÃO Chuva e vazão Grande variabilidade no tempo! Estatística em Hidrologia:
Leia maisAgrupamento de Fornos de Redução de Alumínio Utilizando Self Organizing Map
Agrupamento de Fornos de Redução de Alumínio Utilizando Self Organizing Map Alan Marcel Fernandes de Souza 1, Flávia A. N. de Lima 1, Fábio M. Soares 1, Roberto C. L. de Oliveira 2 1 Programa de Pós-Graduação
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 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 mais6 Clustering: Definindo Grupos Estratégicos
6 Clustering: Definindo Grupos Estratégicos 6.1 Introdução Não é difícil deduzir que as 60 empresas distribuidoras de energia elétrica, operantes no SEB, apresentam características heterogêneas. Entretanto,
Leia maisPrevisão de Vazões Naturais Afluentes a um Reservatório Utilizando a Técnica de Redes Neurais Artificiais
Previsão de Vazões Naturais Afluentes a um Reservatório Utilizando a Técnica de Redes Neurais Artificiais MSc. Carlos da Costa Ferreira Dr. Carlos Henrique Ribeiro Lima Programa de Pós-graduação em Tecnologia
Leia maisREDE NEURAL COM ATRASO DE TEMPO APLICADA À PREVISÃO MENSAL DE VAZÕES NA BACIA HIDROGRÁFICA DO RIO PIANCÓ
REDE NEURAL COM ATRASO DE TEMPO APLICADA À PREVISÃO MENSAL DE VAZÕES NA BACIA HIDROGRÁFICA DO RIO PIANCÓ Camilo Allyson Simões de Farias 1 ; Celso A. Guimarães Santos 2 & Alcigeimes Batista Celeste 3 RESUMO
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 maisBruna Galle UPE Ecomp Mêuser Valença UPE Ecomp
Bruna Galle UPE Ecomp bcga@ecomp.poli.br Mêuser Valença UPE Ecomp meuserv@yahoo.com.br Roteiro Motivação Objetivos Conceitos básicos: Redes Neurais Pré processamento dos Dados Treinamento Resultados Conclusões
Leia maisTÍTULO: COMPARAÇÃO METODOLÓGICA PARA DIMENSIONAMENTO DE RESERVATÓRIOS DE APROVEITAMENTO DE ÁGUA DE CHUVA
TÍTULO: COMPARAÇÃO METODOLÓGICA PARA DIMENSIONAMENTO DE RESERVATÓRIOS DE APROVEITAMENTO DE ÁGUA DE CHUVA CATEGORIA: CONCLUÍDO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA: ENGENHARIAS INSTITUIÇÃO: FACULDADE
Leia maisModelos ART Adaptive Ressonance Theory. Germano C. Vasconcelos Centro de Informática - UFPE
Modelos ART Adaptive Ressonance Theory Germano C. Vasconcelos Centro de Informática - UFPE Introdução Capacidade de Generalização Resposta satisfatória ao universo de padrões Problema: Conhecimento modificado
Leia maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
REDES DE FUNÇÃO DE BASE RADIAL - RBF Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 Funções de Base Global Funções de Base Global são usadas pelas redes BP. Estas funções são definidas como funções
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 mais3 Agrupamento de dados e o algoritmo GNG
25 3 Agrupamento de dados e o algoritmo GNG Processos de agrupamento de dados são utilizados para categorizar uma massa de dados em um número desejado de grupos, com a restrição de que os componentes de
Leia maisAmílcar Soares Júnior Mestrando de Ciências da Computação - UFPB
Modelagem hidrológica com o GeoCISA Cristiano Das Neves Almeida Prof. Adjunto da Universidade Federal da Paraíba Centro de Tecnologia Departamento de Engenharia Civil e Ambiental Amílcar Soares Júnior
Leia maisCases de sucesso Problemas e Soluções
Cases de sucesso Problemas e Soluções 1. Classificação aromática através de redes neurais artificiais acoplada ao nariz eletrônico Importante indústria de café solúvel utiliza nariz eletrônico como suporte
Leia maisTUTORIA ADAPTATIVA AO APRENDIZ BASEADA EM REDES NEURAIS ARTIFICIAIS
TUTORIA ADAPTATIVA AO APRENDIZ BASEADA EM REDES NEURAIS ARTIFICIAIS Sirlon Diniz de Carvalho Universidade Federal de Goiás Faculdades Alves Faria sirlon@pireneus.eee.ufg.br Weber Martins Universidade Federal
Leia maisDEMANDA GT. Potencializar o Uso do Radar Meteorológico Através do Ajuste da Relação ZR com Aplicações à Hidrometeorologia.
DEMANDA GT Potencializar o Uso do Radar Meteorológico Através do Ajuste da Relação ZR com Aplicações à Hidrometeorologia. OBJETIVOS -Determinar qual a melhor relação ZR ajusta-se às condições físicas de
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 MÁQUINA DE VETOR DE SUPORTE (SUPPORT VECTOR MACHINES) Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 Introdução Poderosa metodologia para resolver problemas de aprendizagem
Leia maisClassificação de Elementos no Ambiente de Navegação Robótica Utilizando Redes de Kohonen
Classificação de Elementos no Ambiente de Navegação Robótica Utilizando Redes de Kohonen Felipe A. PINAGÉ (1); Eulanda M. dos SANTOS (2); José P. QUEIROZ-NETO (3) (1) Universidade Federal do Amazonas -
Leia maisPOLVO-IIDS: Um Sistema de Detecção de Intrusão Inteligente Baseado em Anomalias p. 1/16
POLVO-IIDS: Um Sistema de Detecção de Intrusão Inteligente Baseado em Anomalias p. 1/16 POLVO-IIDS: Um Sistema de Detecção de Intrusão Inteligente Baseado em Anomalias Paulo Manoel Mafra 1, Joni da Silva
Leia maisVARIABILIDADE INTERANUAL E ESPACIAL DA PRECIPITAÇÃO COM DADOS DO CPC PARA O ALTO SERTÃO PARAIBANO
VARIABILIDADE INTERANUAL E ESPACIAL DA PRECIPITAÇÃO COM DADOS DO CPC PARA O ALTO SERTÃO PARAIBANO Vanderlane Cavalcanti da Silva 1 ; Daisy Beserra Lucena 2 1 Aluna de Engenharia de Materiais CCT/ UAEMa/Universidade
Leia maisANÁLISE TEMPORAL DO REGIME FLUVIOMÉTRICO DO RIO PIANCÓ AO LONGO DE 41 ANOS: ESTUDO DE CASO DA ESTAÇÃO PAU FERRADO
ANÁLISE TEMPORAL DO REGIME FLUVIOMÉTRICO DO RIO PIANCÓ AO LONGO DE 41 ANOS: ESTUDO DE CASO DA ESTAÇÃO PAU FERRADO Amanda Maria Felix Badú (1); Kaio Sales de Tancredo Nunes (2); Maria Helena de Lucena Justiniano
Leia maisRedes Competitivas e de Kohonen
Redes Competitivas e de Kohonen Redes Competitivas Até agora as redes estudadas possuíam muitas saídas ativas, no aprendizagem competitivo somente uma unidade de saída pode estar ativa a cada momento.
Leia maisRede neural artificial aplicada à previsão de vazão da Bacia Hidrográfica do Rio Piancó
Revista Brasileira de Engenharia Agrícola e Ambiental v.4, n., p., Campina Grande, PB, UAEA/UFCG http://www.agriambi.com.br Protocolo 6. /4/ Aprovado em 4// Rede neural artificial aplicada à previsão de
Leia maisPRECIPITAÇÃO MÉDIA ANUAL E A CAPTAÇÃO DE ÁGUA DE CHUVA NO ESTADO DA PARAÍBA
CAPTAÇÃO E MANEJO DE ÁGUA DE CHUVA PARA SUSTENTABILIDADE DE ÁREAS RURAIS E URBANAS TECNOLOGIAS E CONSTRUÇÃO DA CIDADANIA TERESINA, PI, DE 11 A 14 DE JULHO DE 2005 PRECIPITAÇÃO MÉDIA ANUAL E A CAPTAÇÃO
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 mais5. Aplicação da Modelagem Proposta
Aplicação da Modelagem Proposta 5. Aplicação da Modelagem Proposta Na aplicação da modelagem proposta serão utilizados os dados de carga elétrica da LIGHT Serviços de Eletricidade S.A. (principal concessionária
Leia maisImplementação dos Algoritmos e Resultados
Capítulo 6 Implementação dos Algoritmos e Resultados 6.1 Considerações Iniciais Diversas situações foram exploradas neste trabalho visando analisar qual seria a wavelet mais adequada para sistemas de extração
Leia mais6 Aplicação da Metodologia Proposta
6 Aplicação da Metodologia Proposta 6.1 Introdução A utilização da metodologia Box & Jenkins para a identificação da estrutura adequada é tarefa difícil para um usuário sem conhecimento prévio. Por isso,
Leia maisRede ARTMAP Euclidiana na solução do problema de previsão de cargas elétricas
Rede ARTMAP Euclidiana na solução do problema de previsão de cargas elétricas Code: 01.003 Tânia T. Gomes, Mara Lúcia M. Lopes, Carlos R. Júnior, Marleide F. Alves, Anna Diva P. Lotuffo Universidade Estadual
Leia maisUNIVERSIDADE PRESBITERIANA MACKENZIE PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA LEANDRO JUVÊNCIO MOREIRA
UNIVERSIDADE PRESBITERIANA MACKENZIE PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA LEANDRO JUVÊNCIO MOREIRA CLASSIFICAÇÃO DE DADOS COMBINANDO MAPAS AUTO-ORGANIZÁVEIS COM VIZINHO INFORMATIVO MAIS PRÓXIMO
Leia maisMapeamento automático de horizontes e falhas em volumes sísmicos 3D baseado no algoritmo de Gás Neural Evolutivo
Mapeamento automático de horizontes e falhas em volumes sísmicos 3D baseado no algoritmo de Gás Neural Evolutivo Aurélio Moraes Figueiredo, 29 de Junho de 2007 Introdução Para a descoberta de novas jazidas
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 maisHiliene da Costa de Carvalho 1, George Leite Mamede 2
CARACTERIZAÇÃO DA PEQUENA AÇUDAGEM DA BACIA HIDROGRÁFICA DO RIO CURÚ USANDO SENSORIAMENTO REMOTO PARTE 1 VALIDAÇÃO DA MODELAGEM HIDROLÓGICA COM O WASA-SED Hiliene da Costa de Carvalho 1, George Leite Mamede
Leia maisCHEIA MÁXIMA PROVÁVEL DO RIO TELES PIRES
XI Simpósio de Recursos Hídricos do Nordeste CHEIA MÁXIMA PROVÁVEL DO RIO TELES PIRES Eng(a) Olivia Souza de Matos Rocha 28 de Novembro de 2012 INTRODUÇÃO Resolução nº 621/2010: O vertedor deverá ser verificado
Leia mais3 Análise de Fácies Sísmicas
3 Análise de Fácies Sísmicas Os modelos geológicos dos reservatórios são formados a partir de estimativas de características especificas das rochas ou sedimentos. Estimativas das propriedades das rochas,
Leia maisSelf-Organizing Maps na Busca de Erros em Dados de Vazão da
Trabalho apresentado no CMAC-Sul, Curitiba-PR, 2014. Self-Organizing Maps na Busca de Erros em Dados de Vazão da Estação de União da Vitória - PR Alana R. Ribeiro, Deise M. B. Costa, Mariana Kleina, Programa
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 maisSALA DE SITUAÇÃO PCJ. Boletim Mensal. Abril/2019
Boletim Mensal Abril/2019 1 DADOS PLUVIOMÉTRICOS DAS BACIAS PCJ 2 Tabela 1: Dados pluviométricos registrados em abril/2019. Fonte: SAISP Obs.: Os dados Pluviométricos (mm) correspondem às 7h00min de cada
Leia maisARTIGO 2. KRIGAGEM E INVERSO DO QUADRADO DA DISTÂNCIA PARA INTERPOLAÇÃO DOS PARÂMETROS DA EQUAÇÃO DE CHUVAS INTENSAS
ARTIGO 2. KRIGAGEM E INVERSO DO QUADRADO DA DISTÂNCIA PARA INTERPOLAÇÃO DOS PARÂMETROS DA EQUAÇÃO DE CHUVAS INTENSAS Análise conceitual de dados 1. Estrutura de dados: Xi: coordenadas das 140 estações
Leia maisAPRENDIZADO EM MODELOS CONEXIONISTAS
APRENDIZADO EM MODELOS CONEXIONISAS Aprendizado é o processo pelo qual os parâmetros (os pesos das coneões entre os neurônios) de uma rede neural são austados através de uma forma continuada de estímulo
Leia maisDESCOBRINDO ROTAS GEOGRÁFICAS SUB-ÓTIMAS DISCOVERING SUB-OPTIMAL GEOGRAPHIC ROUTES
DESCOBRINDO ROTAS GEOGRÁFICAS SUB-ÓTIMAS CRUZ FONSECA, M. A. 1 ; MATOS, L. N.²; SILVA, M. A. S.³ RESUMO: Este trabalho apresenta uma solução heurística para uma variação do clássico problema computacional
Leia maisAplicações 8/10/2007. Redes Auto-Organizáveis (Self-Organizing) Modelos(1) Modelos(2) Kohonen(SOM) Modelos(3) Modelos(4) Treinamento
Modelos(1) Modelos(2) Kohonen(SOM) - 1989 Kohonen(SOM) - Arquitetura Baseadas no mapeamento realizado pelo Cérebro Pode ter várias camadas, onde o processo de auto-organização segue de camada em camada
Leia maisSEMINÁRIO DOS ARTIGOS:
SEMINÁRIO DOS ARTIGOS: Text Detection and Character Recognition in Scene Images with Unsupervised Feature Learning End-to-End Text Recognition with Convolutional Neural Networks Fernanda Maria Sirlene
Leia maisESTIMATIVA DO DEFLÚVIO ANUAL ATRAVÉS DE UM MODELO E COMPARAÇÃO COM A VAZÃO MEDIDA NA BACIA DO ALTO JAGUARIBE CE
ESTIMATIVA DO DEFLÚVIO ANUAL ATRAVÉS DE UM MODELO E COMPARAÇÃO COM A VAZÃO MEDIDA NA BACIA DO ALTO JAGUARIBE CE E. M. Araújo 1 ; E. M. Araújo 1 ; G. L. Mamede 2 ; E. R. F. Lêdo 3 ; F. N. Silva 2 ; D. H.
Leia maisAgrupamento de Dados a partir de Mapas Auto-Organizáveis na Ferramenta YADMT. Thiago Magalhães Faino
UNIOESTE Universidade Estadual do Oeste do Paraná CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS Colegiado de Ciência da Computação Curso de Bacharelado em Ciência da Computação Agrupamento de Dados a partir
Leia maisRegionalização de Vazões com o Emprego de Redes Neurais Artificiais RBF
Regionalização de Vazões com o Emprego de Redes Neurais Artificiais RBF João Pedro Bazzo Vieira, Ricardo Carvalho de Almeida Departamento de Engenharia Ambiental Universidade Federal do Paraná Curitiba,
Leia maisAnálise e visualização de dados utilizando redes neurais artificiais auto-organizáveis
Análise e visualização de dados utilizando redes neurais artificiais auto-organizáveis Adriano Lima de Sá, Marcelo Keese Albertini 1 Universidade Federal de Uberlândia, Brasil adrianolima@si.ufu.br 2 albertini@ufu.br
Leia maisDeterminação de Malhas de Falhas em Dados Sísmicos por Aprendizado Competitivo. Marcos Machado. Orientador: Prof. Marcelo Gattass
Determinação de Malhas de Falhas em Dados Sísmicos por Aprendizado Competitivo Marcos Machado Orientador: Prof. Marcelo Gattass Tese de Doutorado Dep. Informática / PUC-Rio 14/03/2008 Sumário 1. Introdução
Leia maisIntrodução à Mineração de Dados com Aplicações em Ciências Espaciais
Introdução à Mineração de Dados com Aplicações em Ciências Espaciais Escola de Verão do Laboratório Associado de Computação e Matemática Aplicada Rafael Santos Dia 2: 1 /59 Programa Dia 1: Apresentação
Leia mais5 Redes Neurais Artificiais
5 Redes Neurais Artificiais 5.1. Introdução A motivação original desta metodologia 1 foi a tentativa de modelar a rede de neurônios humanos visando compreender o funcionamento do cérebro. Portanto, como
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 maisTópicos em Mineração de Dados
Tópicos em Mineração de Dados Descoberta de agrupamentos Método k-médias 1. Introdução A descoberta de agrupamentos é uma tarefa descritiva que procura agrupar dados utilizando a similaridade dos valores
Leia maisRede RBF (Radial Basis Function)
Rede RBF (Radial Basis Function) André Tavares da Silva andre.silva@udesc.br Roteiro Introdução à rede neural artificial RBF Teorema de Cover da separabilidade de padrões RBF x MLP RBF Função de ativação
Leia maisAnálise dos alunos do 1ºAno da Escola Naval. O problema. Sumário. O problema. A questão. Os dados (1)
Análise dos alunos do ºAno da Escola Naval Sumário O problema Análise exploratória Tentativa de previsão Resultados possíveis Conclusões O problema O problema Apesar de uma escolha muito cuidada, /3 dos
Leia maisModelo Híbrido SOM-ANN/BP para a Previsão de Índices da Bolsa de Valores NYSE através de Redes Neurais Artificiais
Modelo Híbrido SOM-ANN/BP para a Previsão de Índices da Bolsa de Valores NYSE através de Redes Neurais Artificiais Autoria: Adriano Beluco, Denise Lindstrom Bandeira Resumo Este estudo propõe um modelo
Leia maisAPLICAÇÃO DE MAPAS AUTO ORGANIZÁVEIS NA ANÁLISE E AGRUPAMENTO DE ESTILOS DE APRENDIZAGEM
Patrocínio, MG, outubro de 2016 ENCONTRO DE PESQUISA & EXTENSÃO, 3., 2016, Patrocínio. Anais... Patrocínio: IFTM, 2016. APLICAÇÃO DE MAPAS AUTO ORGANIZÁVEIS NA ANÁLISE E AGRUPAMENTO DE ESTILOS DE APRENDIZAGEM
Leia maisFatores de Hipertensão usando Redes Neurais Kohonen SOM. Palavras Chave: análise de cluster, hipertensão, mapas auto-organizáveis, redes neurais.
Fatores de Hipertensão usando Redes Neurais Kohonen SOM Resumo O Mapa Auto-organizável de Kohonen (SOM) é um tipo especial de Rede Neural com aprendizado não-supervisionado. Em um mapa Auto-organizável,
Leia maisIntrodução 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 maisESTUDO PLUVIOMÉTRICO E FLUVIOMÉTRICO PRELIMINAR NA BACIA HIDROGRÁFICA DO RIO EMBU-GUAÇU, SP.
ESTUDO PLUVIOMÉTRICO E FLUVIOMÉTRICO PRELIMINAR NA BACIA HIDROGRÁFICA DO RIO EMBU-GUAÇU, SP. Rita Monteiro Falcão - Aluna do curso de Geografia da FFLCH/USP. E-mail: rita.falcao@usp.br Emerson Galvani
Leia maisCARACTERIZAÇÃO DE VOZES ENVELHECIDAS UTILIZANDO MÉTODOS DE CLUSTERIZAÇÃO
CARACTERIZAÇÃO DE VOZES ENVELHECIDAS UTILIZANDO MÉTODOS DE CLUSTERIZAÇÃO Marco Silva 1, Jorge L. M. Amaral 1 e Marley M. B. R. Vellasco 2 1 Universidade do Estado do Rio de Janeiro - UERJ, Departamento
Leia maisParadigmas de Aprendizagem
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Paradigmas de Aprendizagem Redes Neurais Artificiais Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisEmprego de técnicas de clusterização para gestão tributária de solo urbano Mestrando: Carlos Cristiano Cabral
Mestrado Acadêmico em Ciência da Computação Área: Sistemas de Apoio à Decisão Banca: Profs. Drs. Jackson Sávio de Vasconcelos Silva (UECE), Antônio Clécio Fontelles Thomaz (UECE), Gilda Collet Bruna (Univ.
Leia mais