A atual capacidade computacional tem possibilitado o desenvolvimento constante de ferramentas de apoio a melhoria continua dos processos industriais, onde as Redes Neurais Artificiais (RNAs) merecem especial destaque. Diante disso, o presente artigo tem como objetivo apresentar uma revisao bibliografica acerca dos principais conceitos, caracteristicas e principios relacionados as RNAs, com enfoque em suas aplicacoes praticas. E possivel identificar tres classes de arquitetura de redes neurais fundamentalmente diferentes: redes alimentadas adiante com camada unica, redes alimentadas diretamente com multiplas camadas e redes recorrentes, sendo sua definicao de fundamental importância para a eficiencia do processo ao qual se destina. O processo de aprendizagem de uma RNA pode ocorrer de duas maneiras distintas: aprendizado supervisionado e aprendizado nao supervisionado, tendo como principal diferenca a presenca ou nao de um supervisor externo. Uma das principais vantagens da RNA e a capacidade de aprender e generalizar, ou seja, produzir saidas adequadas para entradas inexistentes durante o processo de aprendizagem. Em termos praticos a aplicacao de uma RNA nao ocorre de maneira simples, uma vez que, inumeros problemas podem ocorrer durante o processo de implementacao. Assim, pesquisas constantes sao necessarias a fim de se chegar a uma arquitetura computacional que possibilite ampliar as atividades de modelagem, simulacao e controle.

/pdf/redes-neurais-artificiais-principios-basicos-483iiirla7.pdf

Redes neurais artificiais: princípios básicos

A biometria oferece um mecanismo de autenticacao confiavel, que identifica os usuarios por intermedio de suas caracteristicas fisicas e comportamentais. O problema do reconhecimento facial nao e trivial, pois existem muitos fatores que influenciam na deteccao e no reconhecimento de face como, por exemplo, a iluminacao, a posicao da face, cabelo, barba, etc. Este trabalho se propoe a analisar os efeitos de tecnicas de normalizacao geometrica e de iluminacao sobre metodos de reconhecimento de face, visando adequar esses metodos para ambientes nao controlados. Os resultados mostram que a presenca do plano de fundo no processo de normalizacao contribui para aumentar as taxas de erro no reconhecimento de face, fato que ocorre em varios trabalhos presentes na literatura. Nesta dissertacao, verificou-se que a aplicacao de tecnicas de normalizacao de iluminacao e normalizacao geometrica, quando realizadas com pontos precisos dos centros dos olhos, efetivamente ajuda na tarefa de reconhecimento facial.

/pdf/analise-de-tecnicas-de-normalizacao-aplicadas-ao-1u4zggr600.pdf

Análise de técnicas de normalização aplicadas ao reconhecimento facial

With the increased availability of face data, machine learning becomes a very relevant tool for identify people in various applications. This work aims to evaluate the use of traditional machine learning algorithms on features extracted from face images, in order to perform their recognition. The extracted features are based on the Principal Component Analysis (PCA), that represent each face as a n-dimensional vector, where n is less than the image size. The evaluated algorithms are distance classifiers, decision trees, support vector machines and neural networks, which were evaluated in their different parametrizations. The best accuracy results were obtained by the support vector machine and artificial neural networks models (99%), with the latter presenting the highest accuracy (97%) when the same model was tested in a new database.

https://repositorio.ufu.br/bitstream/123456789/28614/1/ComparativoAlgoritmosCl%c3%a1ssicos%20.pdf

Kreisler Brenner Mendes

Papers

Comparativo de algoritmos clássicos de aprendizado de máquina em um problema de reconhecimento de faces