Cover and Table of Contents, Volume 9, Issue 4, 2011 of the Learning and Nonlinear Models (L&NLM) - Journal of the Brazilian Society of Neural Networks

Concrete is the most used structural material in civil engineering. To ensure that concrete structures reach the desired design service life, it is necessary to monitor the evolution of material properties and the deterioration of state condition over time. One of the most effective ways to assessing finished structures is by using Nondestructive Test (NDT) Methods. One of NDT methods more suitable to evaluate concrete structures is the Ultrasonic Pulse Velocity (UPV). This method allows the assessment of concrete homogeneity and compacity. It is known that the presence of voids and defects are critical factors in the definition of concrete strength, therefore this data is naturally correlated with compressive strength, the key parameter used for concrete quality control. Given this fact, several attempts have been made to estimate concrete strength using UPV data, considering the concrete characteristics, such as age, water/cement ratio (w/c), temperature, type of cement and method of curing. However, the relationship between these variables is affected by several factors, making the development of reliable models using traditional techniques a very complex task. This research investigates the feasibility of applying a novel modeling technique, based on the concept of Artificial Neural Networks - ANNs - to generate prediction models linking concrete characteristics, UPV measurements and compressive strength. The purpose is to determine a non-linear relationship between these parameters, obtaining useful to make compressive strength estimates and analyze structural condition. The ANN morphology used was based on the Multy-Layer Perceptron (MLP) concept, with four layers and up to 20 neurons per layer, resulting in a very flexible and adaptable tool for modeling nonlinear problems. Different configurations were tested to check performance. The models generated are very efficient, obtaining coefficients of determination (R2) greater than 95%, and performing much better than traditional multiple regression models, when exposed to a training database of 2200 results collected from different researches, spanning a great range of concrete types.

Na fase de utilização, as Redes Neurais Artificiais (RNA) Multilayer Perceptrons, treinadas com o algoritmo de Backpropagation, não conseguem aproximar a função de interesse para 100% dos dados de entrada. Este trabalho propõe uma metodologia para abordagem de dois pontos de interesse: 1º) estimar um parâmetro de exatidão para as saídas de RNA na fase de utilização, com o objetivo de definir quais saídas podem ser consideradas confiáveis e quais não, definindo como confiáveis as saídas que se aproximam do comportamento da função de interesse; e 2º) estabelecer o número de padrões a serem utilizados na fase de treinamento, que permitam a convergência e a generalização da rede na metodologia proposta. A metodologia baseia-se no treino e utilização de duas redes: a RNA Direta (RNAD), utilizada para aproximar a função de interesse, e a RNA Inversa (RNAI), utilizada para aproximar a inversa (FI) da função de interesse. Caso a função a ser aproximada não tenha FI definida, o domínio é restringido para onde exista. Na utilização destas redes será computada a diferença entre a entrada da RNAD e a saída da RNAI. Quando a entrada da RNAD e a saída da RNAI forem computacionalmente iguais, ou seja, sua diferencia muito próxima de zero, tanto quanto à aplicação exigir, será considerado que a saída da rede direta (RNAD), isto é, a aproximação da função de interesse, é confiável. O método é comprovado experimentalmente a partir de dados sintéticos, utilizando a função , a fim de permitir o controle entre as entradas e saídas das redes com o intuito de validação do método nos domínios Real, Complexo e de Clifford. Os dados sintéticos e não dados de aplicações reais, se utilizam para demonstrar a viabilidade do algoritmo permitindo comparar os três domínios, pois possíveis erros contidos nos dados reais se mesclariam com possíveis erros no algoritmo dificultando a validação do método proposto. Os resultados mostram que o método é robusto e permite determinar o parâmetro de exatidão para as saídas da RNA, o critério de convergência e a qualidade da generalização das mesmas, permitindo a comparação gráfica dos três domínios.

Patients with ‘Locked-in Syndrome’ (LIS) report rare and severe clinical cases as they become paralyzed and voiceless. Due to a brain damage, patients lose movements of their voluntary muscles and also,their ability to speak. In spite of that, their cognitive functions remain in perfect order. In general, the only voluntary movement that still remains is the motor control of the eyes and eyelids. This work presents a proof-of-concept,including an algorithm, based on an Intelligent Human-Computer Interface to enable written communication of paralytic patients. The proposed system uses techniques from Computer Vision and Artificial Intelligence in order to acquire and detect eye-eyelid movements affording written communications of LIS patients. The processed images result in low resolution patterns of the patients’ eye-eyelid. Artificial Neural Networks are then trained in order to recognize such patterns and relate them to written symbols that are presented in a computer screen. The high rate of successand performance on the system, obtained in experiments demonstrate the feasibility of the proposed interface model.

The pneumatic conveying of solids in a gas stream is a recurrent process in petrochemical industries as well as in agricultural, food and mining. However, due to practical limitations the majority of existing systems have capacities ranging from 1 to 400 tones per hour over distances less than 1000 m, mainly because of high power demand per transported unit mass. A safe circuit with reduced power demand can be designed using non-conventional control techniques. This work describes a fuzzy controller implementation for a 45mm i.d. pneumatic conveying system used to transport Setaria italica seeds over a distance of 21 m. Data obtained in a previous study about gas-solid flow regime identification through a self-organizing neural network were used in the controller design. Two types of accidents were induced to qualify the controller performance in an imminent blockage situation. The results show a safe operation and a reduction in power demand when compared with classical non controlled transport.

Este trabalho propõe a implementação de regras de operação de reservatórios por meio de Sistemas Fuzzy Genéticos. Sistemas de inferência fuzzy de Mamdani são empregados para estimar o volume operativo de cada usina hidroelétrica, a partir do valor da energia armazenada no sistema hidroelétrico. Para isto, especializa-se um sistema fuzzy para cada usina hidroelétrica, de forma a representar o comportamento diferenciado de cada reservatório na operação otimizada do sistema. Algoritmos Genéticos são utilizados para sintonizar as funções de pertinência da variável linguística do consequente das regras de produção dos sistemas fuzzy. A regra de operação de reservatório proposta, baseada em sistemas fuzzy genéticos (ROBSFG), foi aplicada e comparada, por meio da simulação da operação energética de sistemas hidroelétricos, com a regra de operação paralela (ROP), muito utilizada na prática inclusive em modelos do setor elétrico brasileiro, a regra de operação baseada em funções matemáticas (ROBFM) e a regra de operação baseada em sistemas fuzzy Takagi-Sugeno (ROSFTS). Os resultados obtidos ilustram a eficiência da regra proposta, a qual maximiza os benefícios hidroelétricos do sistema hidrotérmico de geração.