Compensação de deriva em sensores de gases com redes neurais balanceadas

Detalhes bibliográficos
Autor(a) principal: Wiezbicki, Thiago
Data de Publicação: 2017
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/52574
Resumo: Orientador: Prof. Dr. Eduardo Parente Ribeiro
id UFPR_52ed1bebc309f3ff7ad9d630484a14d0
oai_identifier_str oai:acervodigital.ufpr.br:1884/52574
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia ElétricaRibeiro, Eduardo Parente, 1967-Wiezbicki, Thiago2024-04-22T17:54:18Z2024-04-22T17:54:18Z2017https://hdl.handle.net/1884/52574Orientador: Prof. Dr. Eduardo Parente RibeiroDissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica. Defesa: Curitiba, 30/08/2017Inclui referências : f. 71-74Resumo: O fenômeno de deriva em sensores de gases é um dos maiores problemas encontrados em sistemas olfativos na atualidade. Fatores como contaminações por agentes externos e reações químicas na superfície sensora implicam em uma deterioração na capacidade de resposta e exatidão exigida. A ocorrência de deriva pode ser observada pelo fato da distribuição dos dados variar ao longo do tempo. A modelagem de um sistema não estacionário, que tenha como tarefa detectar essa variação contínua, imprevisível e compensando-a de maneira satisfatória, é um objetivo de grande complexidade. Neste trabalho, são aplicados e testados métodos para a compensação do fenômeno de deriva em sensores na classificação de gases com redes neurais. O primeiro consiste na ponderação das saídas de redes neurais retreinadas ao longo do tempo, onde pesos funcionam como fator de esquecimento de dados mais antigos. O segundo método caracteriza-se por evidenciar amostras mais recentes, ou seja, são replicadas entradas mais próximas temporalmente do instante atual das redes neurais na fase de treinamento. Verificou-se que a aplicação dessas técnicas na classificação de gases apresentou bons resultados comparados com estratégias mais simples como o retreino integral ou retreino parcial. No que tange a aplicação dos dois métodos usados, a replicação de amostras mostrou-se mais eficaz em lotes de dados mais antigos, sendo assim o algoritmo é mais robusto em sistemas com sensores de gases usados por longos períodos de tempo.Abstract:The drift phenomenon in gas sensors is one of the biggest problems in olphative systems nowadays. Factors as contamination by external dopants and chemical reactions in sensing surface lead to deterioration of the response and accuracy required. The drift is related to the variation of the distribution of data over time. The modeling of a nonstationary system, that has the task to detect this unpredictable continuous variation and to compensate it satisfactorily is a highly complex objective. In this work, methods are applied and tested for the compensation of the phenomenon of drift in sensors to classify gases with neural networks. The first method is the weighting of the outputs of the neural networks retrained over time, where weights are forgetting factors to older data. The second method is characterized to evidence more recent samples, therefore, the newest samples are replicated to the neural networks on training phase. It can be observed that applying the two methods on gas classification dataset showed better results than simple strategies as the integral retraining or partial retraining. Regarding the application of the two methods, the replication of the samples are more effective in batches that have older data, therefore the algorithm is more robust on systems with gas sensors used for a long time.81 f. : il. algumas color., gráfs.application/pdfDisponível em formato digitalEngenharia elétricaRedes neurais (Computação)Detectores quimicosInstrumentos de mediçãoCompensação de deriva em sensores de gases com redes neurais balanceadasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D -THIAGO WIEZBICKI.pdfapplication/pdf1853483https://acervodigital.ufpr.br/bitstream/1884/52574/1/R%20-%20D%20-THIAGO%20WIEZBICKI.pdf322a2e915850c304de0135c0d3316f71MD51open access1884/525742024-04-22 14:54:18.26open accessoai:acervodigital.ufpr.br:1884/52574Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082024-04-22T17:54:18Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Compensação de deriva em sensores de gases com redes neurais balanceadas
title Compensação de deriva em sensores de gases com redes neurais balanceadas
spellingShingle Compensação de deriva em sensores de gases com redes neurais balanceadas
Wiezbicki, Thiago
Engenharia elétrica
Redes neurais (Computação)
Detectores quimicos
Instrumentos de medição
title_short Compensação de deriva em sensores de gases com redes neurais balanceadas
title_full Compensação de deriva em sensores de gases com redes neurais balanceadas
title_fullStr Compensação de deriva em sensores de gases com redes neurais balanceadas
title_full_unstemmed Compensação de deriva em sensores de gases com redes neurais balanceadas
title_sort Compensação de deriva em sensores de gases com redes neurais balanceadas
author Wiezbicki, Thiago
author_facet Wiezbicki, Thiago
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia Elétrica
dc.contributor.advisor1.fl_str_mv Ribeiro, Eduardo Parente, 1967-
dc.contributor.author.fl_str_mv Wiezbicki, Thiago
contributor_str_mv Ribeiro, Eduardo Parente, 1967-
dc.subject.por.fl_str_mv Engenharia elétrica
Redes neurais (Computação)
Detectores quimicos
Instrumentos de medição
topic Engenharia elétrica
Redes neurais (Computação)
Detectores quimicos
Instrumentos de medição
description Orientador: Prof. Dr. Eduardo Parente Ribeiro
publishDate 2017
dc.date.issued.fl_str_mv 2017
dc.date.accessioned.fl_str_mv 2024-04-22T17:54:18Z
dc.date.available.fl_str_mv 2024-04-22T17:54:18Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/52574
url https://hdl.handle.net/1884/52574
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv Disponível em formato digital
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 81 f. : il. algumas color., gráfs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/52574/1/R%20-%20D%20-THIAGO%20WIEZBICKI.pdf
bitstream.checksum.fl_str_mv 322a2e915850c304de0135c0d3316f71
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1813898831957327872

Registros relacionados