Redes neurais artificiais aplicadas na previsão do VTEC no Brasil

Machado, Wagner Carrupt; Fonseca, Edvaldo Simões da

doi:10.1590/s1982-21702013000200005

Cited by 5 publications

(2 citation statements)

References 20 publications

(7 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…As RNAs são sistemas computacionais que possuem uma concepção lógico-matemática inspirada nas estruturas de armazenamento e processamento do sistema nervoso biológico humano [22]. Contemplam uma certa quantia de neurônios artificiais, os quais são basicamente entradas e unidades de processamento do sistema, ligados por meio de pesos sinápticos [23]. O método usado para executar o processamento é denominado de algoritmo de aprendizagem, cuja função é alterar os pesos sinápticos da rede de um modo ordenado para alcançar o objetivo desejado [24].…”

Section: Redes Neurais Artificiaisunclassified

Aplicação de modelos de previsão e inteligência artificial para avaliar demanda no segmento de sistemas de iluminação automotivo

Torres

Corso

2021

Tecno-log.

View full text Add to dashboard Cite

A concorrência de mercado estimula as organizações a buscarem inovações, com o objetivo de alcançarem posição de destaque, trazendo diferenciais para o segmento em que atuam. Essa competitividade severa faz com que, também, seja necessário às empresas procurar formas de redução de custos, otimização de processos; a acuracidade na previsão de demanda é fator essencial para o aprimoramento da produtividade, a gestão de estoque, a redução de lead time, contribuindo para a melhora dos resultados da empresa. Este trabalho tem como objetivo utilizar modelos matemáticos de séries temporais e inteligência artificial para verificar qual método possui maior acuracidade nas previsões de demanda dos principais produtos de uma organização do segmento de sistemas de iluminação automotivo. Para o método de Redes Neurais Artificiais (RNA), buscou-se otimizá-lo, utilizando-se configurações em relação ao número de neurônios e diferentes algoritmos de treinamento para encontrar os modelos mais assertivos. Por meio da aplicação dos erros de previsão MAPE e MAE, constatou-se que determinadas configurações de RNA são os métodos de melhor acuracidade para realização das previsões dos produtos analisados, em que foi possível concluir que, em média, os erros de previsão da RNA otimizada são de 3,25 vezes (para o MAPE) e de 4 vezes (para o MAE) menor em relação ao método atual da empresa.

show abstract

Section: Redes Neurais Artificiaisunclassified

Aplicação de modelos de previsão e inteligência artificial para avaliar demanda no segmento de sistemas de iluminação automotivo

Torres

Corso

2021

Tecno-log.

View full text Add to dashboard Cite

show abstract

“…Assim, como no sistema nervoso, as redes neurais artificiais são compostas por unidades de processamento (neurônios artificiais) interligadas por pesos sinápticos que propagam os sinais de entrada dos neurônios (Haykin, 2001). O resultado da soma de todas as entradas multiplicadas pelos respectivos pesos sinápticos, transforma os sinais de entrada em estado de ativação, sendo que este estado pode assumir valores binários, bipolares e reais (Machado, 2013).…”

Section: Introductionunclassified

Aplicação de aprendizado de máquina e SIG em estudos de incêndios florestais

Reis¹

View full text Add to dashboard Cite

Os incêndios florestais causam grandes impactos, como desastres ecológicos, diminuição da qualidade da água e perda de vidas humanas e de animais. Entender o comportamento do fogo permite prever as situações de perigo e os impactos dos incêndios. Através de modelos de previsão construídos utilizando redes neurais artificiais (RNA), pode ser possível prever esse comportamento. Para diminuir o perigo de incêndios florestais, é necessário entender as variáveis que mais propiciam o início e propagação do fogo e as áreas mais suscetíveis. Isto é possível a partir da utilização de Sistemas de Informações Geográficas (SIG), onde são criados mapas de suscetibilidade, que avaliam potenciais ocorrências em função de fatores ambientais. Dessa forma, este trabalho foi subdividido em dois capítulos para melhor entender o teor de umidade dos materiais combustíveis, o comportamento do fogo e as variáveis que favorecem a suscetibilidade a incêndios florestais. No primeiro capítulo, configurou-se redes neurais artificiais para previsão da umidade do material combustível de diferentes classes de espessura e do comportamento do fogo em plantios de eucalipto. As variáveis dias sem chuva (Dsch) e umidade relativa do ar (UR) são as que mais contribuem para a umidade do material combustível e a velocidade do vento (VV) e a umidade relativa do ar (UR) são as que mais contribuem para o comportamento do fogo. No segundo capítulo, analisou-se as classes de variáveis ambientais que controlam a ocorrência de incêndios florestais em Coimbra, Portugal, e, a partir delas, confeccionou-se mapas de suscetibilidade a incêndios florestais para a região. As classes que obtiveram maiores porcentagens de áreas queimadas foram: Florestas, >400 m, 0–15º e alto acumulado, para as variáveis uso do solo, proximidades, inclinação do terreno e radiação solar, respectivamente. O SIG se mostrou uma ferramenta eficiente na análise de suscetibilidade a incêndios, pois o modelo escolhido para o mapeamento de suscetibilidade a incêndios na região apresentou maiores somas dos valores das classes “alta” e “altíssima” e menores somas das classes “baixa” e “baixíssima”. Palavras-chave: RNA. Modelos de previsão. Monitoramento. Suscetibilidade a incêndios. Inteligência artificial. Fogo.

show abstract