Identificação da região central de cordões de solda em imagens radiográficas de tubulações de petróleo do tipo parede dupla vista dupla
|
|
- Stella Back Mota
- 5 Há anos
- Visualizações:
Transcrição
1 Identificação da região central de cordões de solda em imagens radiográficas de tubulações de petróleo do tipo parede dupla vista dupla Fernando M. Suyama 1, Andriy Krefer 1, Alex R. Faria 1, Tania M. Centeno 1 1 Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial (CPGEI) - Universidade Tecnológica Federal do Paraná (UTFPR) Av. 7 de Setembro, 3165, CEP: , Curitiba, PR, Brasil {fernandomoreirasuyama, andriy.krefer}@gmail.com, alex@alexfaria.eti.br, mezzadri@utfpr.edu.br Abstract. This paper presents a methodology for the detection of central weld beads of oil pipelines in double wall double view radiographic images. The method is based on three steps: pre-processing (to isolate selected areas), optimization (to define the ellipse that best fits each selected area), decision (choosing the best selected area). The results show that the Particle Swarm Optimization algorithm converges satisfactorily for the selection of the polygon that is most similar to the central region of the weld. The scientific contribution of this research is the new method applied in the search of candidate regions through ellipse s similarity analysis independent of pipeline detection. Resumo. Este artigo apresenta uma metodologia para a detecção da região central de cordões de solda de tubulações de petróleo em imagens radiográficas parede dupla vista dupla. O método é baseado em três etapas: préprocessamento (para isolar as regiões candidatas), otimização (para definir a elipse que melhor se inscreve em cada região candidata), decisão (escolha da melhor região candidata). Os resultados obtidos mostram que o algoritmo Particle Swarm Optimization converge de maneira satisfatória para a seleção do polígono que mais se assemelha à região central do cordão de solda. A contribuição científica dessa pesquisa consiste no novo método empregado na busca da região de regiões candidatas por análise de similaridade de elipse independente da detecção da tubulação. 1. Introdução Em instalações petroquímicas, redes de tubulações condutoras de fluidos são construídas através da união de tubos, conexões e diversos tipos de componentes, por meio de juntas soldadas [Telles 2001]. Estas instalações são projetadas para suportar condições críticas de temperatura e pressão. Mesmo assim ocorrem falhas, que, quando não são solucionadas a tempo, podem resultar em vazamentos, paradas não programadas, perdas de produção, incêndios ou mesmo acidentes com sérios danos ambientais. Entretanto, programas de inspeção periódica através de Ensaios Não destrutivos (END) contribuem para evitar a ocorrência de tais falhas. O termo Ensaio Não-Destrutivo (Nondestructive Test/Evaluation), compreende métodos e procedimentos utilizados para examinar materiais e produtos sem interferir ou alterar a sua funcionalidade [Kroetz 2012].
2 A inspeção de estruturas soldadas é essencial para assegurar sua qualidade, de maneira a garantir sua segurança e confiabilidade [Wang e Liao 2002]. Atualmente, a inspeção radiográfica de juntas soldadas de tubulações de petróleo é realizada por especialistas e constitui a única forma reconhecida legalmente pelas instituições normalizadoras e certificadoras [Kroetz 2012]. Entretanto, está sujeita a erros relacionados à visão, experiência e fadiga do inspetor especialista, afetando a repetitividade e reprodutibilidade do processo. Nesse contexto, a inspeção radiográfica computadorizada apresenta-se como um recurso interessante a ser explorado. O desenvolvimento de uma ferramenta de apoio à tomada de decisão de inspetores pode auxiliar na minimização do erro humano na inspeção. Técnicas de visão computacional e inteligência artificial foram amplamente exploradas em pesquisas relacionadas à detecção de juntas soldadas [Liao e Ni 1996; Liao e Tang 1997; Liao e Li (1998); Wang e Liao 2002; Padua et al. 2004; Kroetz 2012]. O objetivo principal desta pesquisa é a identificação da região central de cordões de solda em imagens radiográficas de tubulações de petróleo do tipo parede dupla vista dupla (PDVD). Para isso, é adotado o algoritmo Particle Swarm Optimization (PSO). O problema abordado nesta pesquisa não está relacionado com situações apresentadas na literatura, pois possui este objetivo específico e aplica o algoritmo PSO de maneira em que a busca não depende da detecção inicial da tubulação na imagem. O documento está organizado da seguinte forma: a seção 2 apresenta uma breve revisão bibliográfica sobre estudos e técnicas já empregadas para a detecção de cordões de soldas em imagens radiográficas e o modelo clássico do PSO. A seção 3 apresenta os materiais e métodos utilizados: pré-processamento (para isolar as regiões candidatas), otimização (para definir a elipse que melhor se inscreve em cada região candidata através do algoritmo PSO), decisão (escolha da melhor região candidata). A seção 4 apresenta os resultados obtidos e a discussão. Por fim, na seção 5 são apresentadas as considerações finais do trabalho. 2. Revisão da Literatura A análise e interpretação de radiografias de soldas é uma tema de grande interesse da comunidade científica. Em Liao e Ni (1996), é proposta uma metodologia de digitalização de imagens radiográficas. O método é baseado na observação da intensidade dos pixels na área de soldas. Este método mostrou-se eficiente apenas na utilização de segmentos lineares. Para a identificação de segmentos curvos, Liao e Tang (1997) utilizaram redes neurais artificiais MultiLayer Perceptron (MLP) e classificadores Fuzzy. Wang e Liao (2002) apresentam um método automático baseado em classificadores Fuzzy e redes neurais artificiais MultiLayer Perceptron (MLP) que possibilitam o reconhecimento de diferentes tipos de cordões de soldas em imagens radiográficas. A detecção do cordão de solda é realizada pela subtração da imagem de fundo. Liao e Li (1998) apresentam uma metodologia composta por duas etapas: extração da solda e detecção do defeito. A detecção de falhas de solda, de um universo de 24 perfis de imagens radiográficas representativas, foi efetuada com acerto 93.3%, apresentando detecção de falso alarme em 4.2%. Os falsos alarmes de detecção foram origi-
3 nados, principalmente, pela falta de fusão ou perfis com muitos ruídos e que apresentam características não gaussianas. No trabalho realizado por Padua et al. (2004) de detecção e classificação de defeitos de soldagem em radiografias utilizando perfil transversal ao cordão de solda foram usadas redes neurais supervisionadas para classificação de defeitos com acerto de 98%. As classes classificadas como defeitos e não defeitos foram geradas a partir de redes semisupervisionadas. Kroetz (2012) usa a redução do espaço de busca através do algoritmo Particle swarm optimization (PSO) para a detecção dos cordões de solda em tubulações de petróleo nas imagens radiográficas através de máscaras adaptativas com a imagem radiográfica inteira. E, para isso, realiza uma busca para determinar o que é tubulação na imagem, para depois buscar neste espaço delimitado o cordão de solda Particle Swarm Optimization (PSO) A técnica de otimização conhecida como Particle Swarm Optimization (PSO), ou em português otimização por enxame de partículas, é uma abordagem estocástica baseada em população, que simula o processo comportamental de interação entre indivíduos (partículas) de um grupo [Kennedy e Eberhart 1995]. No modelo clássico do PSO, um enxame de partículas é gerado de forma aleatória para um determinado espaço de busca. Dentro do espaço de busca, cada partícula representa uma possível solução de acordo com a sua posição. Em cada partícula são armazenadas as informações sobre a sua posição no espaço de busca, sua velocidade e a melhor posição alcançada pela partícula até o momento. Globalmente, também é armazenada a posição da melhor solução encontrada pelo enxame. Com base nestas informações, as partículas são deslocadas durante o processo de busca. O vetor de velocidade pode ser iniciado de forma aleatória. A inicialização aleatória do vetor de posição garante uma boa dispersão das partículas no espaço de busca [Siciliano 2007]. Após a inicialização das partículas, ocorre o processo de avaliação e atualização das velocidades e posições. Este processo é realizado de forma iterativa até que o critério de parada seja atendido. Os critérios de parada mais comuns empregados são: número de iterações e valor de fitness atingido. A avaliação de cada partícula é realizada através dos valores calculados de fitness, onde armazena-se o melhor valor encontrado até o momento. A velocidade de cada partícula é atualizada conforme a equação 1, em seguida atualiza-se a posição das partículas no espaço de busca utilizando a equação 2 [Kennedy e Eberhart 1995]. v i k+1 = w.v i k + c 1.r 1 (p i x i k) + c 2.r 2 (p s k x i k) (1) vk i é a velocidade atual da i-ésima partícula, pi é a melhor posição (pelo valor de fitness) encontrada pela partícula i, p s k é a melhor posição dentre todas as partículas na k-ésima iteração, w é um parâmetro que representa a inércia da partícula e, na prática, controla a sua capacidade de exploração do espaço de soluções. Quando utilizado um valor alto para inércia, assume-se uma busca preferencialmente global, que um valor baixo determina uma busca mais localizada, usualmente estes valores oscilam entre 0,4 e 1,4 [Siciliano 2007]. c 1 e c 2 são os chamados parâmetros de confiança e definem o
4 quanto uma partícula confia em si (c 1 ) ou no enxame (c 2 ). r 1 e r 2 são números aleatórios compreendidos entre zero e um. x i k+1 é a posição de cada partícula i na iteração k + 1; e a velocidade da i-ésima partícula na k-ésima iteração. v i k+1 3. Materiais e métodos x i k+1 = x i k + v i k+1 (2) Para a realização deste estudo foram utilizadas imagens radiográficas de soldas de tubulações de petróleo do tipo parede dupla vista dupla (PDVD) fornecidas pelo Centro de Pesquisas e Desenvolvimento da Petrobras (CENPES). A Figura 1 apresenta um exemplo de radiografia PDVD de uma tubulação de petróleo. Radiografias do tipo PDVD são obtidas através da captura da parede externa e interna do tubo simultaneamente e são empregadas quando não há possibilidade de adotar o filme radiográfico na parte interior de uma tubulação devido às dimensões reduzidas da tubulação. Figura 1. Exemplo de radiografia PDVD de uma tubulação de petróleo O método empregado compreende três etapas: pré-processamento que identifica as regiões candidatas a serem classificadas na imagem (subseção 3.1), otimização que emprega o algoritmo PSO para realizar uma busca em um espaço de cinco dimensões para tentar obter a maior elipse inscrita nas regiões candidatas (subseção 3.2) e, por fim, a etapa de decisão de regiões candidatas que define qual das elipses encontradas é uma região central de um cordão de solda (subseção 3.3) Pré-processamento Nesta etapa foram aplicadas diferentes técnicas de processamento de imagens com o objetivo de facilitar a busca pelo algoritmo PSO. A Figura 2 mostra a sequência de técnicas utilizadas. Primeiramente, foi aplicada uma transformação na escala de cinza para que toda a faixa de níveis de cinza pudesse ser utilizada [Figura 2(a)], em seguida aplicou-se uma equalização para melhorar o contraste [Figura 2(b)]. Os níveis de cinza foram invertidos para tornar escura a região do cordão de solda [Figura2(c)] e sobre essa imagem foi aplicada uma limiarização [Figura 2(d)]. A abertura morfológica permitiu realizar a correção de distorções abrindo as cavidades e separando as componentes próximas [Figura 2(e)]. Para a redução do espaço de busca, a área externa ao cano foi eliminada através de preenchimento com a cor branca de regiões contíguas pretas [Figura 2(f)] através dos pixels posicionados nas bordas da imagem. Em seguida a técnica de labelling foi utilizada para identificar as diferentes regiões. As regiões candidatas identificadas pelo processo de labelling são exibidas na Figura 3.
5 (a) Escala de Cinza (b) Equalização (c) Inversão (d) Limiarização (e) Abert. Morf. (f) Preenchimento Figura 2. Etapas do pré-processamento (a) (b) Figura 3. Regiões candidatas identificadas pelo processo de labelling 3.2. Otimização Em cada região candidata procura-se inscrever a elipse de maior área possível. A tarefa de encontrar a melhor elipse é feita através do algoritmo PSO. A função que executa o PSO recebe como parâmetro de entrada uma região candidata e retorna a melhor elipse encontrada dentro do número máximo de iterações definido. A Figura 4 exemplifica uma região candidata com várias possibilidades de elipses inscritas. Figura 4. Possíveis soluções
6 Modelagem das partículas Cada partícula no algoritmo PSO representa uma solução possível para o problema. Para a caracterização de uma elipse foram utilizados os seguintes atributos: centro da elipse no eixo x; centro da elipse no eixo y; escala da elipse em x; escala da elipse em y; rotação da elipse. Cada atributo é associado a uma dimensão no PSO. Dessa maneira, as partículas percorrem um espaço R 5 em busca da solução. Um ponto no espaço de cinco dimensões caracteriza uma solução, pois representa uma elipse descrita pelos atributos citados Função de Custo Nessa abordagem, o algoritmo PSO busca minimizar o custo (erro), aumentando o fitness (custo 1 ). O objetivo da função de custo desenvolvida é a minimização do valor de erro calculado entre a área da imagem e área da elipse inscrita. A função procura obter a maior área percentual da elipse inscrita. A avaliação é realizada de acordo com a área ocupada e a área total de uma determinada região candidata. Quando a elipse está totalmente inscrita na região (no caso da Figura 5) o cálculo do custo é realizado pela equação 3, A im representa a área da imagem e A el a área da elipse. Nesse caso o valor do custo é sempre menor ou igual a 1. Figura 5. Elipse totalmente inscrita custo = A im A el A im (3) Caso a elipse solução extrapole a região candidata (como na Figura 6), a solução não é descartada, porém sofre uma penalização, com a atribuição de um alto valor de custo. Esse custo é também proporcional à área extrapolada e é definido através da equação 4, Qtd ex é a área que extrapola a região e A el é a área total da elipse. Nessa situação o custo tem sempre um valor maior que 1. A razão que levou à opção de não descartar as elipses que extrapolam a região é que algoritmo PSO executa esta tarefa ao decorrer das iterações. custo = 1 + Qtd ex A el (4)
7 Figura 6. Elipse extrapolando a região A partir da função de custo descrita, pode-se saber pelo seu valor de retorno se a solução analisada está ou não completamente inscrita na região candidata. No caso de valores menores ou iguais a 1, a solução está inscrita, do contrário, a elipse possui pontos extrapolando a região Outros parâmetros do algoritmo PSO Após o processamento da imagem, cada região identificada é avaliada pelo algoritmo PSO até o critério de parada ser atendido. Definiu-se como critério de parada o número de 30 iterações, porque foi observada a estabilização e a convergência com este valor (Figuras 7, 8 e 9). Na implementação do algoritmo, o enxame de partículas é gerado com 32 partículas para um espaço de busca de cinco dimensões. Para uma melhor convergência da solução, as partículas foram distribuídas próximas ao centroide da região candidata. Para a atualização das velocidades são assumidos os seguintes valores: para w o valor 1,0, c 1 e c 2 igual a 2,0. A cada iteração do algoritmo as posições das partículas são atualizadas e avaliadas de acordo com o fitness, calculado através da função de custo Decisão de regiões candidatas Entre as regiões candidatas, deve-se escolher a que realmente corresponde ao cordão de solda. A similaridade das regiões com elipses é a principal característica extraída, porém não é a única utilizada nessa avaliação. Outro parâmetro levado em conta é a distância focal, pois a região do cordão de solda costuma ter uma maior distância focal. A classificação das regiões candidatas é baseada na equação 5. Ep = P f.f(k) + P Df.Df(k) (5) f(k) é o valor de fitness normalizado para a região k. Df(k) é o valor da distância focal da região k. P f é o peso atribuído ao parâmetro de fitness e P Df é o peso atribuído ao parâmetro de distância focal. Os pesos foram encontrados empiricamente para melhor se adequar ao conjunto de imagens analisadas. Dessa maneira, foram encontrados os valores de P f = 5 e P Df = 1. Quanto maior o fitness e a distância focal, maior a probabilidade da região ser a corresponder a um cordão de solda.
8 4. Resultados e Discussão 4.1. Variação do parâmetro de inércia do PSO As Figuras 7, 8 e 9 ilustram o comportamento do algoritmo ao utilizar os valores (0,4, 1 e 1,4) para o parâmetro de inércia na atualização das velocidades da partículas. Elas representam o melhor valor e o valor médio de custo através das iterações. Em geral, com um valor mais baixo, o algoritmo tende a estabilizar em mínimos locais, enquanto que valores mais altos ajudam o enxame a escapar desses mínimos. Os valores de inércia 0,4 e 1,4 servem para ilustrar o comportamento do PSO com valores abaixo e acima de 1. Foi possível analisar pela Figura 7 que a estabilização é mais rápida e em um valor não-ótimo (próximo a 1), a estabilização é tanto do melhor indivíduo quanto da média da população. Por outro lado, observa-se na Figura 8, que, ao utilizar o valor 1 para o parâmetro de inércia, há variações do custo médio, mesmo após a estabilização do valor mínimo. Ao utilizar o valor 1,4 para o parâmetro de inércia há uma grande movimentação de partículas ao variar o número de iterações (Figura 9). A partir destes testes concluiu-se que o valor 1 para o parâmetro de inércia apresentou o resultado com convergência equilibrada para obter uma partícula no espaço R 5 que se aproxima da maior elipse inscrita, pois não acumula em mínimos locais e não movimenta excessivamente as partículas. Figura 7. Gráfico do custo x Número de iterações: inércia 0,4 Figura 8. Gráfico do custo x Número de iterações: inércia 1,0
9 Figura 9. Gráfico do custo x Número de iterações: inércia 1,4 Tabela 1. Classificação de regiões candidatas Imagem 1 T T k=1 fitness(k) Desvio Padrão (σ) Acerto (%) 1 0,80 0,04 60,00 2 0,83 0,00 100,00 3 0,79 0,05 60,00 4 0,90 0,01 100,00 5 0,92 0,00 100,00 6 0,74 0,07 100,00 7 0,81 0,02 100,00 8 0,80 0,04 70,00 9 0, ,00 MÉDIA 76, Classificação de regiões candidatas e outras considerações A taxa de média de acerto na classificação das regiões candidatas para 30 iterações em 9 imagens (cada uma testada T vezes, sendo T = 10) no PSO, especificada na Tabela 1, foi de 76,67% aproximadamente. Dessa forma, o somatório da Tabela 1 significa a média aritmética dos valores de fitness obtidos de cada imagem em T execuções independentes do algoritmo PSO. A falha em uma delas foi total devido a equação ponderada final (Equação 5) não considerar a rotação para os cálculos (erro de aproximadamente 11% do total). É importante ressaltar que o algoritmo de PSO cumpriu o seu papel de maneira eficaz ao tentar fixar a maior elipse inscrita, os fatores de erro da classificação foram causados por fatores externos (ajuste dos pesos da equação ponderada final). Apesar de Kroetz (2012) adotar o PSO na detecção do cordão de solda há a necessidade de executar uma busca na imagem para delimitar a área que representa a tubulação através de máscaras adaptativas em imagens padronizadas. Enquanto que o método aqui apresentado adota uma busca sem a necessidade da detecção da tubulação na imagem. São adotadas transformações na imagem para gerar regiões candidatas a serem classificadas como região central de cordões de solda em imagens radiográficas de tubulações de petróleo do tipo parede dupla vista dupla. O PSO é aplicado nessas regiões candidatas para gerar valores por similaridade de elipse que auxiliam no cálculo
10 da classificação final. 5. Conclusão A contribuição científica do trabalho desenvolvido consiste em uma nova abordagem na identificação da região central de cordões de solda em imagens radiográficas de tubulações de petróleo do tipo parede dupla vista dupla. Essa nova abordagem executa uma classificação de regiões candidatas por análise de similaridade de elipse através do algoritmo PSO e é independente da detecção da tubulação. O PSO convergiu, com 30 iterações aproximadamente, para o resultado próximo ao esperado (fixar a maior elipse inscrita na região candidata). As partículas inicializadas próximo ao centroide da região candidata reduziram a quantidade de iterações necessárias do PSO. Foi adotado o mesmo valor (2,0) para o fator de confiança da melhor posição da própria partícula e para a melhor posição global e o valor 1,0 para o parâmetro de inércia foi definido empiricamente. A função de custo que gera o valor de fitness para as partículas possui um alto custo computacional por executar operações com imagens, cerca de 2 minutos por imagem. Para trabalhos futuros, propõe-se a melhoria da equação final ponderada através do uso da rotação da elipse e a melhoria do desempenho do cálculo do fitness. Reconhecimento Agradecimentos à Universidade Tecnológica Federal do Paraná (UTFPR) pela estrutura, ao Centro de Pesquisas e Desenvolvimento da Petrobras (CENPES) pelas imagens, à Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) e ao Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) pelo auxílio financeiro processo e bolsa de pesquisa processo Referências Kennedy, J. and Eberhart, R. (1995). Particle swarm optimization. In Neural Networks, Proceedings., IEEE International Conference on, volume 4, pages vol.4. Kroetz, M. G. (2012). Sistema de apoio na inspeção radiográfica computadorizada de juntas soldadas de tubulações de petróleo. Master s thesis, Federal Technological University of Paraná, CPGEI. Liao, T. and Ni, J. (1996). An automated radiographic ndt system for weld inspection: Parti weld extraction. NDT E International, 29(3): Liao, T. and Tang, K. (1997). Automated extraction of welds from digitized radiographic images based on mlp neural networks. Applied Artificial Intelligence, 11(3). Liao, T. W. and Li, Y. (1998). An automated radiographic ndt system for weld inspection: Part ii flaw detection. NDT & E International, 31(3): Padua, G. (2004). Detecção e classificação de defeitos de soldagem em radiografias utilizando perfil transversal ao cordão. In Ph.D. dissertation, Federal University of Rio de Janeiro, COPPE.
11 Siciliano, A. d. V. (2007). Algoritmos genéticos e particle swarm optimization e suas aplicações problemas de guerra eletrônica. In Anais do IX Simpósio de Guerra Eletrônica. Telles, P. C. S. (2001). Tubulações Industriais - Materiais, Projeto e Montagem. LTC, Rio de Janeiro. Wang, G. and Liao, T. W. (2002). Automatic identification of different types of welding defects in radiographic images. NDT & E International, 35(8):
DEFEITOS EM IMAGENS RADIOGRÁFICAS DE JUNTAS SOLDADAS EM TUBULAÇÕES: SEGMENTAÇÃO E EXTRAÇÃO DE DEFEITOS
DEFEITOS EM IMAGENS RADIOGRÁFICAS DE JUNTAS SOLDADAS EM TUBULAÇÕES: SEGMENTAÇÃO E EXTRAÇÃO DE DEFEITOS * Aluno do curso Tecnologia em Sistemas de Telecomunicações da UTFPR jvrsschaid@gmail.com ** Aluno
Leia maisDetecção de Tubos em Imagens Radiográficas Digitais. Pipe detection in digital radiographic images
Pipe detection in digital radiographic images Márlon de Oliveira Vaz 1 Tania Mezzadri Centeno 2 Myriam Regattieri Delgado 3 Data de submissão: 01/06/2015, Data de aceite: 15/02/2016 Resumo: Este artigo
Leia mais4 Métodos Existentes. 4.1 Algoritmo Genético
61 4 Métodos Existentes A hibridização de diferentes métodos é em geral utilizada para resolver problemas de escalonamento, por fornecer empiricamente maior eficiência na busca de soluções. Ela pode ser
Leia maisImplementação de códigos no Matlab para detecção de falhas em cordão de soldas. Adailton Turczen de Melo Andrine M. Varela da Cruz Wallace Griz Ayres
Implementação de códigos no Matlab para detecção de falhas em cordão de soldas Adailton Turczen de Melo Andrine M. Varela da Cruz Wallace Griz Ayres Departamento Acadêmico de Eletrônica (DAELN) - Universidade
Leia maisOTIMIZAÇÃO POR ENXAME DE PARTÍCULAS PARA SEGMENTAÇÃO DE CORDÕES DE SOLDA EM IMAGENS RADIOGRÁFICAS DE TUBULAÇÕES DE PETRÓLEO
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E INFORMÁTICA INDUSTRIAL RAFAEL ARTHUR ROCHA MIRANDA OTIMIZAÇÃO POR ENXAME DE PARTÍCULAS PARA SEGMENTAÇÃO DE
Leia maisMouseCam: aplicação de controle do mouse via câmera
MouseCam: aplicação de controle do mouse via câmera Introdução ao Processamento de Imagens COS756 PESC/COPPE/UFRJ 2013 1 Renan Garrot garrot@cos.ufrj.br 1. Introdução O processo de tracking por vídeo consiste
Leia maisImplementação de algoritmo de tratamento de imagens para detecção de falhas em cordão de solda. Rafael Marques Ilivinski
Implementação de algoritmo de tratamento de imagens para detecção de falhas em cordão de solda Rafael Marques Ilivinski Departamento Acadêmico de Eletrônica (DAELN) - Universidade Tecnológica Federal do
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 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 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 maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Segmentação. Luiz Eduardo S. Oliveira, Ph.D.
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Segmentação Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Objetivos Introduzir os conceitos básicos de segmentação
Leia maisParticle Swarm Optimization (PSO) Universidade Federal de Alfenas
Otimização por Enxame de Partículas Particle Swarm Optimization (PSO) Universidade Federal de Alfenas Tiago Silveira ... Detalhe Otimizar é selecionar algo melhor. Otimizar é melhorar até onde pudermos.
Leia maisTópicos Especiais em Otimização
Tópicos Especiais em Otimização ivo.junior@ufjf.edu.br Juiz de Fora, 05 de Maio de 2016 Introdução Qual a diferença entre inteligência: ARTIFICIAL E COMPUTACIONAL? ARTIFICIAL: É a ciência que tenta compreender
Leia mais1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 1.7. Outras Metaheurísticas Populacionais 1.7.1. Metaheurísticas Populacionais
Leia maisFundamentos de Inteligência Artificial [5COP099]
Fundamentos de Inteligência Artificial [5COP099] Dr. Sylvio Barbon Junior Departamento de Computação - UEL Disciplina Anual Assunto Aula 19 ACO - Ant Colony Optimization 2 de 15 Sumário Problema do Caixeiro
Leia maisInteligência de Enxame
Inteligência de Enxame! Inteligência de enxames é a denominação aplicada a tentativa de desenvolvimento de algoritmos para a solução distribuída de problemas inspirando-se no comportamento coletivo de
Leia mais5 Resultados Dados artificiais Convergência à mediana e à média com dados artificiais
5 Resultados Os resultados da aplicação do método proposto estão estruturados de forma a evidenciar: 1. A convergência numérica do algoritmo proposto nesta tese para a mediana e para a média de grupos
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 maisAprendizado por Reforço usando Aproximação
Aprendizado por Reforço usando Aproximação de Funções Fabrício Olivetti de França Universidade Federal do ABC Tópicos 1. Aproximação de Funções 2. Do the evolution 1 Aproximação de Funções Função Utilidade
Leia maisInteligência Artificial
Figura: Capa do Livro Hamburger, H., Richards, D. Logic and Language Models for Computer Science, Prentice Hall. Universidade Federal de Campina Grande Departamento de Sistemas e Computação Curso de Pós-Graduação
Leia maisSEL-0339 Introdução à Visão Computacional. Aula 5 Segmentação de Imagens
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 5 Segmentação de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga Segmentação de
Leia mais6 Aplicação do Modelo de Geração de Cenários
6 Aplicação do Modelo de Geração de Cenários 6.. Considerações Iniciais Os cenários de energia natural afluente, que são utilizados durante as simulações forward e backward do processo de definição da
Leia maisSEGMENTAÇÃO DE CORDÕES DE SOLDA POR MEIO DO PERFIL EM IMAGENS RADIOGRÁFICAS
SEGMENTAÇÃO DE CORDÕES DE SOLDA POR MEIO DO PERFIL EM IMAGENS RADIOGRÁFICAS GUILHERME A. SCHNEIDER, MARCELO K. FELISBERTO, LUCIA V. R. ARRUDA, TANIA M. CENTENO LASCA - Laboratório de Automação e Sistemas
Leia maisVisão Computacional. Alessandro L. Koerich. Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal do Paraná (UFPR)
Visão Computacional Alessandro L. Koerich Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal do Paraná (UFPR) Análise da Imagem Análise da Imagem O algoritmo opera sobre a imagem e extrai
Leia maisExtração de características utilizando filtros de Gabor aplicado a identificação de defeitos no couro bovino
Extração de características utilizando filtros de Gabor aplicado a identificação de defeitos no couro bovino André Luiz Pasquali 24 de abril de 2006 1 Antecedentes e Justificativa Atualmente o Brasil vem
Leia maisExtração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV
Extração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV Izadora Aparecida RAMOS 1,3,4 ; Servílio Souza de ASSIS 1,3,4 ; Bruno Alberto Soares OLIVEIRA
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 maisUm Estudo das Técnicas de Obtenção de Forma a partir de Estéreo e Luz Estruturada para Engenharia
Um Estudo das Técnicas de Obtenção de Forma a partir de Estéreo e Luz Estruturada para Engenharia Aluno: Gabriel Malizia Orientador: Professor Marcelo Gattass Co-Orientador: Professor Paulo Cezar Carvalho
Leia maisInteligência Artificial. Algoritmos Genéticos. Aula I Introdução
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação Inteligência Artificial Algoritmos Genéticos Aula I Introdução Roteiro Introdução Computação Evolutiva Algoritmos
Leia mais5 VNS com Filtro e Reconexão por Caminhos
5 VNS com Filtro e Reconexão por Caminhos A metaheurística VNS (Variable Neighborhood Search) foi proposta por Mladenović e Hansen [40] e possui como idéia básica a mudança de vizinhanças realizada da
Leia maisOtimização de Sistemas Hidrotérmicos por Enxame de Partículas: Uma Abordagem Orientada a Objetos
Otimização de Sistemas Hidrotérmicos por Enxame de Partículas: Uma Abordagem Orientada a Objetos Gelson da Cruz JUNIOR 2, Cassio Dener Noronha VINHAL 3 Lauro Ramon GOMIDES 1, Gelson da Cruz JUNIOR 2, Cassio
Leia maisSIMULAÇÃO NUMÉRICA DA DETECÇÃO DE VAZAMENTO EM OLEODUTO CONTENDO CONEXÃO TÊ
SIMULAÇÃO NUMÉRICA DA DETECÇÃO DE VAZAMENTO EM OLEODUTO CONTENDO CONEXÃO TÊ M. de V. ARAÚJO 1, F. D. T. de LUNA 2, S. R. de FARIAS NETO³, A. G. B. de LIMA 4 1 Universidade Federal de Campina Grande, Programa
Leia mais5 ESTUDO DE CASOS 5.1 CATEGORIZAÇÃO
102 5 ESTUDO DE CASOS 5.1 CATEGORIZAÇÃO Conforme detalhado na seção 4.3, foram criados três conjuntos de dados: clientes BT com 382 padrões, clientes comerciais MT com 866 padrões e clientes industriais
Leia maisSÍNTESE DE REDES FLEXÍVEIS DE TROCADORES DE CALOR UTILIZANDO PSO
SÍNTESE DE REDES FLEXÍVES DE TROCADORES DE CALOR UTLZANDO PSO G. R. P. DA SLVA 2, E. P. DE CARVALHO 2, M. A. S. S. RAVAGNAN 1 1 Universidade Estadual de Maringá, Departamento de Engenharia Química E-mail
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 mais4 Metáforas de Optimização
4 Metáforas de Optimização O gigantesco avanço tecnológico que vem sofrendo os sistemas de computação, mais precisamente as unidades de processamento, criou a base para o uso efetivo da Inteligência Computacional,
Leia maisALGORITMO HÍBRIDO DE OTIMIZAÇÃO GLOWWORM-BOIDS. {oliveira,
ALGORITMO HÍBRIDO DE OTIMIZAÇÃO GLOWWORM-BOIDS Gian FRITSCHE 1,2,*, Paulo B. Moura OLIVEIRA 1, Eduardo J. Solteiro PIRES 1, Pedro L. Paula FILHO 2 1 INESC TEC INESC Tecnologia e Ciência (INESC Porto, polo
Leia mais5 Estudo de Caso e Resultados
5 Estudo de Caso e Resultados 5.1. Introdução Finalizado o desenvolvimento da ferramenta, é indispensável testar suas funcionalidades e a eficácia da aplicação conjunta dos seus módulos de geração de experimentos
Leia maisAlgoritmos Genéticos e Evolucionários
Algoritmos Genéticos e Evolucionários Djalma M. Falcão COPPE/UFRJ PEE e NACAD falcao@nacad.ufrj.br http://www.nacad.ufrj.br/~falcao/ http://www.nacad.ufrj.br/~falcao/ag/ag.htm Resumo do Curso Introdução
Leia maisInteligência Coletiva. Prof. Eduardo R. Hruschka (Slides adaptados dos originais elaborados pelo Prof. André C. P. L. F.
Inteligência Coletiva Prof. Eduardo R. Hruschka (Slides adaptados dos originais elaborados pelo Prof. André C. P. L. F. de Carvalho) Principais tópicos Inteligência Coletiva (CI) Otimização por enxames
Leia maisMÉTODO DE DETECÇÃO DE PONTOS DE INTERESSE PARA SENSOR DE TRIANGULAÇÃO LASER APLICADA A SOLDAGEM
MÉTODO DE DETECÇÃO DE PONTOS DE INTERESSE PARA SENSOR DE TRIANGULAÇÃO LASER APLICADA A SOLDAGEM Autores : Dan Lucio PRADA; Eduardo Bidese PUHL Identificação autores: Aluno da Ciência da Computação, Bolsista
Leia mais3. Resolução de problemas por meio de busca
Inteligência Artificial - IBM1024 3. Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3. Resolução de problemas por
Leia maisProcessamento digital de imagens
Processamento digital de imagens Agostinho Brito Departamento de Engenharia da Computação e Automação Universidade Federal do Rio Grande do Norte 6 de outubro de 2016 Segmentação de imagens A segmentação
Leia maisDiego Martin Mancini Orientador: Prof. Paulo A. V. de Miranda Instituto de Matemática e Estatística Universidade de São Paulo
Estudo de comparação do descritor de imagens coloridas BIC empregando diferentes abordagens de classificação de detecção de bordas: Canny e Operador Laplaciano Diego Martin Mancini Orientador: Prof. Paulo
Leia mais1. Introdução. 1.1.Objetivo
1. Introdução 1.1.Objetivo O objetivo desta dissertação é desenvolver um sistema de controle por aprendizado acelerado e Neuro-Fuzzy baseado em técnicas de inteligência computacional para sistemas servo-hidráulicos
Leia maisUSO DE TÉCNICAS DE SEGMENTAÇÃO NA ANÁLISE DE IMAGENS DE TOMOGRAFIA COMPUTADORIZADA DE PULMÕES COM DPOC
USO DE TÉCNICAS DE SEGMENTAÇÃO NA ANÁLISE DE IMAGENS DE TOMOGRAFIA COMPUTADORIZADA DE PULMÕES COM DPOC 1 2 3 Fausta Joaquim Faustino, Álisson Gomes Linhares, John Hebert Da Silva Felix Resumo: O uso das
Leia maisNuno Miguel Duarte Sequeira André PARTICLE SWARM OPTIMIZATION
Nuno Miguel Duarte Sequeira André PARTICLE SWARM OPTIMIZATION Optimization and decision support techniques PDEEC 2008 Introdução O algoritmo PSO é um algoritmo de optimização estocástico e baseado em populações
Leia maisInteligência de enxame e o algoritmo das abelhas
Inteligência de enxame e o algoritmo das abelhas (Swarm intelligence and bee s algorithm) Glaucus Augustus, 6219168 O que é: Cooperação: é o processo de agir junto, em união(ex: grupo de tcc) Colaboração:
Leia mais1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Programa de Pós-Graduação Em Computação Aplicada Depto. de Computação e Matemática (FFCLRP/USP) 2 Computação Bioinspirada
Leia maisDETECÇÃO E CLASSIFICAÇÃO DE DEFEITOS DE SOLDAGEM EM RADIOGRAFIAS UTILIZANDO PERFIL TRANSVERSAL AO CORDÃO DE SOLDA. Germano Xavier de Padua
DETECÇÃO E CLASSIFICAÇÃO DE DEFEITOS DE SOLDAGEM EM RADIOGRAFIAS UTILIZANDO PERFIL TRANSVERSAL AO CORDÃO DE SOLDA Germano Xavier de Padua TESE SUBMETIDA AO CORPO DOCENTE DA COORDENAÇÃO DOS PROGRAMAS DE
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Tipos de Aprendizagem. Luiz Eduardo S. Oliveira, Ph.D.
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Tipos de Aprendizagem Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Objetivos Introduzir diferentes tipos de
Leia maisESTUDO DE CASO PARA VERIFICAR A SEGURANÇA EM DUTOS COM DEFEITOS DE CORROSÃO
ESTUDO DE CASO PARA VERIFICAR A SEGURANÇA EM DUTOS COM DEFEITOS DE CORROSÃO Maylon Dieferson Silva de Sobral 1 ; Juliana Von Schmalz Torres 2 1 Estudante do Curso de Engenharia Civil CAA UFPE. E-mail:
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Extração de Características
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Extração de Características Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Objetivos Entender os conceitos de
Leia maisPalavras-chave: distribuição de energia elétrica; fluxo de potência; regulador de tensão.
Desenvolvimento e Modelagem de Regulador de Tensão para Fluxo de Potência em Redes de Distribuição de Energia Elétrica Rodrigo Mendonça de CARVALHO; Antônio Cesar Baleeiro ALVES Escola de Engenharia Elétrica
Leia maisDetecção e Correção Automáticas de Olhos Vermelhos
Setor de Tecnologia da Universidade Federal do Paraná Curso de Engenharia Elétrica TE 072 Processamento Digital de Sinais Detecção e Correção Automáticas de Olhos Vermelhos Trabalho elaborado pelo aluno
Leia maisMáquinas de Vetores de Suporte Aplicadas à Classificação de Defeitos em Couro Bovino
Máquinas de Vetores de Suporte Aplicadas à Classificação de Defeitos em Couro Bovino Ricardo Cezar Bonfim Rodrigues 24 de abril de 2006 1 Antecedentes e Justificativa Hoje, em diversos processos industriais,
Leia maisAprendizagem de Máquina
Problema do Agrupamento Aprendizagem de Máquina Alessandro L. Koerich Seja x = (x 1, x 2,, x d ) um vetor d dimensional de características Seja D um conjunto de x vetores, D = { x(1), x(2),, x(n) } Problema
Leia maisSINTONIA DE CONTROLADOR POR MODOS DESLIZANTES FUZZY VIA ENXAME DE PARTÍCULAS
SINTONIA DE CONTROLADOR POR MODOS DESLIZANTES FUZZY VIA ENXAME DE PARTÍCULAS FERNANDO H. D. GUARACY*, CARLOS A. M. PINHEIRO* *Universidade Federal de Itajubá Instituto de Engenharia de Sistemas e Tecnologia
Leia maisMARCEL GIOVANI KROETZ SISTEMA DE APOIO NA INSPEÇÃO RADIOGRÁFICA COMPUTADORIZADA DE JUNTAS SOLDADAS DE TUBULAÇÕES DE PETRÓLEO
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E INFORMÁTICA INDUSTRIAL MARCEL GIOVANI KROETZ SISTEMA DE APOIO NA INSPEÇÃO RADIOGRÁFICA COMPUTADORIZADA DE JUNTAS
Leia maisComputação Evolucionária
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ UTFPR Programa de Pós-Graduação em Engenharia e Informática CPGEI Laboratório de Bioinformática e Inteligência Computacional Câmpus Curitiba (PR) Computação Evolucionária
Leia maisUniversidade Federal do Rio Grande do Norte. Métodos Computacionais Marcelo Nogueira
Universidade Federal do Rio Grande do Norte Métodos Computacionais Marcelo Nogueira Método de Jacobi Método iterativo: produz uma sequencia de soluções,,,, que aproximam a solução do sistema a partir de
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 mais3 Aprendizado por reforço
3 Aprendizado por reforço Aprendizado por reforço é um ramo estudado em estatística, psicologia, neurociência e ciência da computação. Atraiu o interesse de pesquisadores ligados a aprendizado de máquina
Leia maisCLASSIFICAÇÃO DE DEFEITOS DE SOLDAGEM EM IMAGENS RADIOGRÁFICAS PDVD DE TUBULAÇÕES DE PETRÓLEO: UMA ABORDAGEM COM ENSEMBLE DE EXTREME LEARNING MACHINES
0 UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E INFORMÁTICA INDUSTRIAL CPGEI NEURY BOARETTO CLASSIFICAÇÃO DE DEFEITOS DE SOLDAGEM EM IMAGENS RADIOGRÁFICAS
Leia mais4 Implementação Computacional
4 Implementação Computacional 4.1. Introdução Neste capítulo é apresentada a formulação matemática do problema de otimização da disposição das linhas de ancoragem para minimizar os deslocamentos (offsets)
Leia maisMetodologia de inversão
6 Metodologia de inversão Nesta tese, a transformação de velocidades em pressão de poros é encarada como um problema de inversão. Pela natureza do problema, essa transformação apresenta caráter não único
Leia maisO reconhecimento facial é dividido em três etapas: i) detecção da face, ii) extração de características e iii) reconhecimento da face.
ESTUDO SOBRE MÉTODOS DE RECONHECIMENTO FACIAL EM FOTOGRAFIAS DIGITAIS Ana Elisa SCHMIDT¹, Elvis Cordeiro NOGUEIRA² ¹ Orientadora e docente do IFC-Campus Camboriú; ² Aluno do curso de Bacharelado em Sistemas
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 maisINSTRUMENTAÇÃO MECATRÔNICA
CONCEITOS DE INSTRUMENTAÇÃO Instrumentação é a ciência que aplica e desenvolve técnicas para adequação de instrumentos de medição, transmissão, indicação, registro e controle de variáveis físicas em equipamentos
Leia maisPSO Particle Swarm Optimization ou Otimização por enxame de partículas Introdução Inspiração Funcionamento Parametrização
Manoela Kohler PSO Particle Swarm Optimization ou Otimização por enxame de partículas Introdução Inspiração Funcionamento Parametrização Variantes de PSO Aplicações PSO+: algoritmo baseado em enxame de
Leia maisAula 8 - Reconhecimento e Interpretação. Prof. Adilson Gonzaga
Aula 8 - Reconhecimento e Interpretação Prof. Adilson Gonzaga Elementos de Visão Computacional: Visão Computacional Processamento de Baio Nível Processamento de Nível Intermediário Processamento de Alto
Leia maisCAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves
CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C Simulated Annealing (2//7). C2 Busca Tabu (22//7). C3 Colônia de Formigas
Leia mais4 ABORDAGENS METROLÓGICAS
4 4 ABORDAGENS METROLÓGICAS Neste capitulo são apresentados os termos metrológicos utilizados neste documento. Estes conceitos foram selecionados do Vocabulário Internacional de termos fundamentais e gerais
Leia maisProcessamento Digital de Imagens Radiográficas de Juntas Soldadas e Tubulações
Processamento Digital de Imagens Radiográficas de Juntas Soldadas e Tubulações Daniel Felipe Warkentin, Dionísio Benedito, Devanir Pereira de Carvalho, Luís Alberto Lucas Universidade Tecnológica Federal
Leia maisO EFEITO DA CORREÇÃO DO EFEITO HEEL EM IMAGENS RADIOGRÁFICAS DA MÃO
Artigo Original O EFEITO DA CORREÇÃO DO EFEITO HEEL EM IMAGENS RADIOGRÁFICAS DA MÃO C. Olivete Jr., E. L. L. Rodrigues e M. Z. do Nascimento Escola de Engenharia de São Carlos, Departamento de Engenharia
Leia maisComputação Evolucionária
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ UTFPR Programa de Pós-Graduação em Engenharia e Informática CPGEI Laboratório de Bioinformática e Inteligência Computacional Câmpus Curitiba (PR) Computação Evolucionária
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 maisCONSTRUÇÃO AUTOMÁTICA DE OPERADORES MORFOLÓGICOS UTILIZANDO PROGRAMAÇÃO GENÉTICA.
CONSTRUÇÃO AUTOMÁTICA DE OPERADORES MORFOLÓGICOS UTILIZANDO PROGRAMAÇÃO GENÉTICA. Emerson Carlos Pedrino * e-mail: ecpedrin@sel.eesc.sc.usp.br Valentin Obac Roda ** e-mail: valentin@sel.eesc.sc.usp.br
Leia maisAVALIAÇÃO DA QUALIDADE DAS MEDIDAS EXPERIMENTAIS NAS REGIÕES DE CONFIANÇA DOS PARÂMETROS CINÉTICOS ESTIMADOS DE UM SISTEMA COM REAÇÕES EM SÉRIE
AVALIAÇÃO DA QUALIDADE DAS MEDIDAS EXPERIMENTAIS NAS REGIÕES DE CONFIANÇA DOS PARÂMETROS CINÉTICOS ESTIMADOS DE UM SISTEMA COM REAÇÕES EM SÉRIE H. ENZWEILER 1, E. B. COUTINHO 2 e M. SCHWAAB 3 1 Universidade
Leia maisRelatório de pesquisa sobre o procedimento de otimização de modelos no Activate
Relatório de pesquisa sobre o procedimento de otimização de modelos no Activate 1 Introdução Esse trabalho tem por objetivo apresentar o bloco de otimização BobyqaOpt, suas funcionalidades, parâmetros
Leia maisARTIFICIAL FISH SWARM ALGORITHM APPLIED TO THE TRAVELING SALEMAN PROBLEM
ARTIFICIAL FISH SWARM ALGORITHM APPLIED TO THE TRAVELING SALEMAN PROBLEM Allan Kardec Lopes (Instituto Federal Goiano Campus Urutaí GO Brasil) allankardec.ti@gmail.com Gina M. B. de Oliveira (Universidade
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 mais6. Controle por Aprendizado Neuro-Fuzzy
6. Controle por Aprendizado Neuro-Fuzzy 6.1. Introdução Neste capítulo é apresentado o controle por aprendizado utilizando um sistema híbrido Neuro-Fuzzy, para o cálculo e atualização dos pontos de reversão
Leia maisTópicos Especiais: Inteligência Artificial REDES NEURAIS
Tópicos Especiais: Inteligência Artificial REDES NEURAIS Material baseado e adaptado do Cap. 20 do Livro Inteligência Artificial de Russell & Norvig Bibliografia Inteligência Artificial Russell & Norvig
Leia maisAplicação de Otimização por Enxame de Partículas para Treinamento de Redes Neurais MLPs
Aplicação de Otimização por Enxame de Partículas para Treinamento de Redes Neurais MLPs Saulo M. O. C. dos Santos, Mêuser J. Valença e Carmelo J. A. Bastos-Filho Escola Politécnica de Pernambuco Universidade
Leia maisExtração de atributos usando o método LBP - Local Binary Pattern
Extração de atributos usando o método LBP - Local Binary Pattern Lia Nara Balta Quinta. 2 de maio de 2006 1 Antecedentes e Justificativa O Brasil possui, atualmente, um grande rebanho bovino, porém em
Leia maisEstudo comparativo de métodos de segmentação das bordas de lesões em imagens dermatoscópicas
Estudo parativo de métodos de segmentação das bordas de lesões em imagens dermatoscópicas Pedro Vinícius Macêdo de Araújo, Geraldo Braz Junior Curso de Ciência da Computação Universidade Federal do Maranhão
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 maisRicardo de Oliveira Carneval PETROBRAS S.A.
DESENVOLVIMENTO DE UM SISTEMA DE AQUISIÇÂO DE DADOS PARA AGILIZAR O EMPREGO DO ENSAIO DE CORRENTES PARASITAS EM TROCADORES DE CALOR Ricardo de Oliveira Carneval PETROBRAS S.A. Trabalho apresentado no XXI
Leia maisFundamentos de Mineração de Dados
Fundamentos de Mineração de Dados Prof. Ricardo Fernandes ricardo.asf@ufscar.br O que é Mineração de Dados? Uso de ferramentas matemáticas, clássicas ou inteligentes, no processo de descoberta de conhecimento
Leia maisPós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO
Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO AULA 06 Algoritmos Genéticos Sumário Introdução Inteligência Artificial (IA) Algoritmos Genéticos Aplicações de
Leia maisOtimização com Algoritmos Genéticos no MATLAB. Prof. Rafael Saraiva Campos CEFET-RJ
Otimização com Algoritmos Genéticos no MATLAB Prof. Rafael Saraiva Campos CEFET-RJ Conteúdo do Mini-Curso PARTE 1 Teoria PARTE 2 Prática Conteúdo do Mini-Curso PARTE 1 Teoria 1.1. Conceitos Básicos de
Leia maisF- Classificação. Banda A
F- Classificação Classificação Digital é associar determinado pixel a determinada categoria por meio de critérios estatísticos Banda B? da d b dc Espaço dos Atributos Classes Banda A Classificação: ordenar,
Leia maisAprendizado de Máquinas. Multi-Layer Perceptron (MLP)
Universidade Federal do Paraná (UFPR) Departamento de Informática (DInf) Aprendizado de Máquinas Multi-Layer Perceptron (MLP) David Menotti, Ph.D. web.inf.ufpr.br/menotti Redes Neuronais Cérebro humano.
Leia maisTime Series Trend Detection and Forecasting Using Complex Network Topology Analysis
WAIAF 2018 Time Series Trend Detection and Forecasting Using Complex Network Topology Analysis Leandro Anghinoni Universidade de São Paulo DCM/RP Liang Zhao Universidade de São Paulo DCM/RP AGENDA Introdução
Leia maisINSPEÇÃO DE SOLDAGEM. Qualificação de Procedimentos de Soldagem e de Soldadores
INSPEÇÃO DE SOLDAGEM Qualificação de Procedimentos de Soldagem e de Soldadores e Soldadores Definições Peça de Teste Chapa ou tubo de teste Chapa ou Tubo de Teste Peça soldada para a qualificação de procedimento
Leia maisAlgoritmos Evolutivos para Otimização Dinâmica. Alunos: Guilherme Kricheldorf Marcos Vinícius Lenz Balatka William Pereira
Algoritmos Evolutivos para Otimização Dinâmica Alunos: Guilherme Kricheldorf Marcos Vinícius Lenz Balatka William Pereira 1 Sumário Introdução Problemas de otimização dinâmica (POD) Definição Exemplos
Leia maisOtimização de Parâmetros de Metaheurísticas para Problemas de Otimização Combinatória
https://eventos.utfpr.edu.br//sicite/sicite2017/index Otimização de Parâmetros de Metaheurísticas para Problemas de Otimização Combinatória RESUMO Rafael Hideo Toyomoto toyomoto@alunos.utfpr.edu.br Universidade
Leia maisDETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB
DETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB A. H. R. REZENDE 1, D. L. SOUZA 1 1 Universidade Federal do Triângulo Mineiro,
Leia mais