Search

O propósito deste trabalho é aplicar de forma conjunta a ontologia com modelos de saco-de palavras, aprendizagem por similaridade e classificação de documentos em textos com decisões proferidas. O intuito é melhorar os resultados da mineração de dados em banco de dados de decisões judiciais. Desenvolve-se método automático para buscar sentenças em processos judiciais correlatos ao que está em julgamento, utilizando o modelo de frequência do termo-inverso da frequência nos documentos juntamente com o coeficiente de similaridade de Jaccard, estabelecendo pesos na coocorrência de termos em textos jurídicos da mesma categoria. Utiliza-se conjunto de dados com a vetorização dos documentos para treinamento supervisionado de algoritmos de aprendizado de máquina, objetivando classificar novos processos da justiça. O método apresentado proporciona agilidade no Poder Judiciário, agregando o trabalho dos assessores jurídicos na preparação das decisões judiciais com menor tempo e mais eficiência na busca por padrões de jurisprudência. Os resultados obtidos apresentam que, por meio das métricas de acurácia, o modelo proposto é eficaz e eficiente, podendo ser aplicado no processo de identificação das decisões judiciais. Desta forma, a aplicação da inteligência artificial, ontologia e mineração de dados é indicada para recuperação de informações em decisões judiciais. The objective of this work is to apply together ontology with bag-of-words models, similarity learning, and document classification in texts with uttered decisions. The objective is to improve the results of data mining in a database of court decisions. An automatic method of searching sentences in judicial processes related to the one under judgment is developed using the frequency term-inverse of frequency in documents model together with the Jaccard similarity coefficient, establishing weights on the co-occurrence of terms in legal texts of the same category. A dataset with document vectorization is used for supervised training of machine learning algorithms, aiming to classify new justice processes. The proposed methodology provides flexibility to the Judiciary, simulating the role of legal advisors in preparing court decisions with less time and efficiency in the search for jurisprudential standards. The results obtained show that, through accuracy metrics, the proposed model is effective and efficient, and can be applied in the process of identification of court decisions. Thus, the application of artificial intelligence, ontology, and data mining is indicated for information retrieval in court decisions.

Não recebi financiamento After the growth of data creation and storage, which are the raw material of artificial intelligence, in recent years it has been noticed that almost every industry and health sector already works with artificial intelligence software, which are used mainly to aid automation, fraud analysis, diagnosis of human diseases, digital marketing, autonomous cars, social networks, among others. However, in the agroforestry sector, responsible for a large part of the Brazilian economic GDP, work, software and information related to artificial intelligence are scarce. The objective of this work is to create a system based on artificial neural networks (ANN) for detection of eucalyptus leaf diseases, capable of performing digital image processing using computer vision techniques and training a neural network. with the multilayer Perceptron architecture using the Backpropagation training algorithm, through the Python programming language. The present work was developed with the collection of leaves with Mycosphaerella leaf spots and eucalyptus rust (Austropuccinia psidii), as well as healthy leaves for the creation of the dataset for training the Artificial Neural Network (ANN) multilayer perceptron (MLP) with the algorithm of backpropagation. The sheets were scanned and submitted to the first process carried out by the expert system, transforming the color images into grayscale, reducing from three color dimensions (RGB) to just one dimension, standardizing the width of the sheet and resizing its height without loss of image proportion and finally binarization to extract only the object of interest, generating a histogram with grayscale frequencies that was used as input to the neural network for training and validation. Eight topologies of Artificial Neural Networks were proposed, containing four topologies with one hidden layer of neurons and four topologies with the one with two hidden layers of neurons. All topologies had an average of 92% hits, being considered the most suitable for the topology with only one layer with 86 neurons by the average of the best results obtained from the accuracy, precision, recall and F1 Score metrics above 93% and the low computational effort for leaf diagnosis which guarantees a better performance of the developed expert system. Após o crescimento da criação e armazenamento de dados, que são a matéria prima da inteligência artificial, nos últimos anos se nota que em quase toda indústria e setores da saúde já trabalham com softwares de inteligência artificial, os quais são utilizados principalmente no auxílio de automação, análises de fraude, diagnose de doenças humanas, marketing digital, carros autônomos, redes sociais, dentre outros. Porém, no setor agroflorestal, responsáveis por grande parte do PIB econômico brasileiro, são escassos os trabalhos, softwares e informações relacionados a inteligência artificial. Objetivou-se com o presente trabalho é criar um sistema com base em redes neurais artificiais (RNA) para detecção de doenças foliares do eucalipto, capaz de realizar o processamento digital da imagem mediante a utilização de técnicas de visão computacional e treinamento de uma rede neural com a arquitetura Perceptron multicamadas utilizando o algoritmo de treinamento Backpropagation, por meio da linguagem de programação Python. O presente trabalho foi desenvolvido com a coleta de folhas com manchas foliares de Mycosphaerella e ferrugem do eucalipto (Austropuccinia psidii), além de folhas sadias para a criação do dataset para treinamento da Rede Neural Artificial (RNA) perceptron multicamadas (MLP) com o algoritmo de backpropagation. As folhas foram digitalizadas e submetidas ao primeiro processo realizado pelo sistema especialista, transformando as imagens coloridas em tons de cinza, diminuindo de três dimensões de cores (RGB) para apenas uma dimensão, foi realizada a padronização da largura da folha e redimensionamento de sua altura sem a perda de proporção da imagem e por fim a binarização para extração apenas do objeto de interesse, gerando um histograma com as frequências de tons de cinza que foi utilizado como dado de entrada para a rede neural para treinamento e validação. Foram propostas oito topologias de Redes Neurais Artificiais contendo quatro topologias com uma camada oculta de neurônios e quatro topologias com a com duas camadas ocultas de neurônios. Todas as topologias obtiveram em média de 92% de acertos, sendo considerada a mais adequada à topologia com apenas uma camada com 86 neurônios pela média dos melhores resultados obtidos das métricas de acurácia, precisão, revogação e F1 Score acima dos 93% e o baixo esforço computacional para a diagnose da folha o que garante um melhor desempenho do Sistema especialista desenvolvido.

In recent years, manufacturers are increasingly applying automation techniques with the aim of increase their efficiency to remain competitive. The material handling is an essential activity in any process of production and its effectiveness has severe impacts on production costs. Systems of automated guided vehicles (AGVs) have become an important strategic tool for factories and automated warehouses. In a very competitive business scenario, they can increase productivity and reduce costs. The management of these AGVs is the key to a transport system that ensures the improvements envisioned by the industry. One of the main problems encountered in the management of AGVs is the dispatch decision. This paper proposes a vehicles dispatch model based on a fuzzy cascade system for consideration of multiple attributes of the factory and a structure based on state space that enables the extraction of information of future states of the industrial production system. The objective is to reduce makespan and tardiness values of the production system. Two factory scenarios are simulated and tests are performed of the model and five other methods of dispatch. A statistical validation is realized of the results in which corroborates with 97% confidence the hypotheses of the work. Nos últimos anos, as indústrias vêm cada vez mais aplicando técnicas de automação com o objetivo de aumentar sua eficiência para manterem-se competitivas. O manuseio de materiais é uma atividade essencial em qualquer processo de produção e sua eficácia tem impactos severos sobre os custos de produção. Sistemas de veículos autoguiados (AGVs) tornaram-se uma ferramenta estratégica importante para fábricas e armazéns automatizados. Em um cenário de negócio muito competitivo, eles podem aumentar a produtividade e reduzir os custos. O gerenciamento desses AGVs é a chave para um sistema de transporte que garanta as melhorias vislumbradas pelas indústrias. Um dos principais problemas encontrados no gerenciamento dos AGVs é a decisão de despacho. Esse trabalho propõe um modelo de despacho de veículos baseado em um sistema fuzzy cascata para ponderação de múltiplos atributos da fábrica e em uma estrutura baseada em espaço de estados que permita a extração de informações de estados futuros do sistema de produção fabril. O objetivo é reduzir valores de makespan e tardiness do sistema de produção. Dois cenários de fábrica são simulados e são realizados testes do modelo proposto e cinco outros métodos de despachos. É realizada uma validação estatística dos resultados em que se corrobora com 97% de confiança as hipóteses do trabalho

Não recebi financiamento The good results obtained by the fuzzy approaches applied in the analysis of time series (TS) has contributed significantly to the growth of the area. Although there are satisfactory results in TS analysis with methods that use the classic concepts of TS and with the recent concepts of fuzzy time series (FTS), there is a lack of models combining both areas. Face of this context, the contributions of this thesis are associated with the development of models for TS analysis combining the concepts of FTS with statistical methods aiming at the improvement in accuracy of forecasts and in identification of behavioral changes in the TS. In order to allow a suitable fuzzy representation of crisp values observed, the approaches developed in this thesis were combined with a new proposal for pre-processing of the data. The prediction value is calculated from a new smoothing technique combined with an extension of the fuzzy logic relationships. This combination allow to be considered in value computed different degrees of influence to the most recent behavior and to the oldest behavior of the series. In situations where the model does not have the necessary knowledge to calculate the predicted value, the concepts of simple linear regression are combined with the concepts of the FTS to identify the most recent trend in the TS. The approach developed for the behavioral analysis of the TS aims to identify changes in behavior from the definition of prototypes that represent the groups of the TS and from the segmentation of the series that will be analyzed. In this new approach, the dissimilarity between a segment of a TS and the corresponding interval of a given prototype is defined by metric Fuzzy Dynamic Time Warping weighted by a new smoothing technique applied to the distance matrix between the observed data. The accuracy obtained by the forecast model not only demonstrates the effectiveness of the developed approach, but also shows the evolution of model throughout the research and the importance of preprocessing in the forecast. The analysis of segmented TS identifies satisfactorily the behavioral changes of the series by calculating the membership functions of these segments in the respective groups represented by the prototypes. Os bons resultados obtidos pelas abordagens fuzzy utilizadas para a análise de séries temporais (ST) tem contribuído significativamente para o crescimento da área. Embora haja resultados satisfatórios na análise de ST com métodos que utilizam os conceitos clássicos de ST e também com os conceitos recentes de séries temporais fuzzy (STF), há uma carência de modelos que combinem ambas as áreas. Diante deste contexto, as contribuições deste trabalho estão associadas ao desenvolvimento de modelos para a análise de ST combinando os conceitos de STF e métodos estatísticos visando a melhora na acurácia das previsões e a identificação de alterações comportamentais nas séries. Com o objetivo de permitir uma melhor representação fuzzy dos valores crisp observados, as abordagens desenvolvidas nesta tese foram associadas a uma nova proposta de pré-processamento dos dados. A previsão de valores é calculada a partir de uma nova técnica de suavização combinada a uma extensão das relações lógicas fuzzy. Essa combinação permite que sejam considerados no cálculo do valor previsto diferentes graus de influência para o comportamento mais recente e para o comportamento mais antigo da série. Em ocasiões onde o modelo não dispõe do conhecimento necessário para o cálculo do valor previsto, os conceitos de regressão linear simples são associados aos conceitos das STF para identificar a tendência mais recente da ST. A abordagem desenvolvida para a análise comportamental das séries tem como objetivo identificar mudanças no comportamento a partir da definição de protótipos que representam um grupo de ST e da segmentação das séries a serem analisadas. Nesta nova abordagem, a dissimilaridade entre um segmento de uma ST e o intervalo correspondente de um determinado protótipo é definida por meio da métrica Dynamic Time Warping (DTW) Fuzzy, ponderada por uma nova técnica de suavização aplicada à matriz de distâncias entre os dados observados. A acurácia obtida pelo modelo de previsão não só comprova a eficácia da abordagem desenvolvida, como também demonstra a evolução do modelo ao longo da pesquisa e a importância do pré-processamento nas previsões. A análise das ST segmentadas identifica satisfatoriamente as alterações comportamentais das séries por meio do cálculo da pertinência dos segmentos nos respectivos grupos representados pelos protótipos.

Não recebi financiamento The use of fuzzy logic and fuzzy sets theory applied to decision making process was initially proposed by Bellman and Zadeh (1970). Since then, the arisen of unstructured problems associated with multi-criteria characteristics and group decision making changed the way of dealing with these problems. The evolution of Decision Support Systems (DSS) allowed them, not only to provide data and information, but also to propose solutions to these problems. The goal of this work is to present a framework for the development of DSS that deal with Multi-Criteria Group Decision Making (MCGDM) problems through fuzzy rules. In this approach, we propose a method capable of automatically generating a Fuzzy Rule Base with multi-criteria characteristics for group decision making, that is, different influence degrees for each decider and different importance degrees assigned to each variable are considered in the model. This framework also contains a structural model of a Fuzzy System for Group Decision Support aiming at adding DSS characteristics found in literature to Fuzzy Systems. These characteristics include user/system interactivity and Model Management Subsystem (MMS) described in this work. Finally, a case study designed to validate the model is presented. O uso da lógica fuzzy e da teoria de conjuntos fuzzy aplicadas ao processo de tomada de decisão foi proposto inicialmente por Bellman e Zadeh (1970). Desde então, os problemas não estruturados associados às características multicritério e de tomada de decisão em grupo alteraram sua forma de tratamento. A evolução presente nos Sistemas de Apoio à Decisão (SAD) fez com que estes sistemas deixassem de fornecer somente dados e informações e passassem também a propor soluções aos problemas analisados. O objetivo deste trabalho é apresentar um framework para o desenvolvimento de SAD que tratem problemas classificados como Multi-Criteria Group Decision Making (MCGDM) com o uso de regras fuzzy. Dentro desta abordagem é apresentado um método capaz de gerar automaticamente uma Base de Regras Fuzzy com características multicritério para tomada de decisão em grupo, ou seja, os diferentes graus de influência de cada decisor e os diferentes graus de importância atribuídos por eles a cada variável são considerados no modelo. Este framework ainda contempla um modelo estrutural de um Sistema Fuzzy para Apoio à Decisão em Grupo com o objetivo de agregar aos sistemas fuzzy as características dos SAD descritas na literatura como, por exemplo, a capacidade de interatividade usuário/sistema e a presença do Subsistema de Gestão de Modelos (SGM), descritos neste trabalho. Por fim, um estudo de caso é realizado para validar o modelo apresentado.