文章基本信息

标题：IDENTIFICAÇÃO DE PONTOS DE APOIO PRÉ-SINALIZADOS COM O USO DE REDES NEURAIS ARTIFICIAIS E CORRELAÇÃO
本地全文：下载
作者：ROMUALDO WANDRESEN ; EDSON APARECIDO MITISHITA ; JOSÉ BITTENCOURT DE ANDRADE 等
期刊名称：Boletim de Ciências Geodésicas
印刷版ISSN：1982-2170
出版年度：2003
卷号：9
期号：2
语种：Portuguese
出版社：Universidade Federal do Paraná-UFPR
摘要：Este trabalho apresenta uma introdução às redes neurais artificiais como uma alternativa para a identificação de pontos de apoio pré-sinalizados. Inicialmente é feita uma rápida revisão bibliográfica sobre redes neurais artificiais, onde são apresentados os modelos de um neurônio, o perceptron, as redes feedforward e retropropagação, bem como um resumo de seu algoritmo. Em seguida são realizadas as etapas que compõem as redes neurais artificiais: coleta de dados, treinamento e simulação dos dados. São analisados dois tipos de pontos de apoio pré-sinalizados: em forma de cruz e em forma circular. São apresentados, examinados e comparados os resultados das identificações dos pontos pré-sinalizados, nas duas formas em cruz e circulares usando códigos fonte em MATLAB e em Visual C++, tanto para a fase de treinamento dos dados, quanto para a fase de testes dos mesmos, usando em conjunto a técnica de correlação estatística, com o objetivo de evitar ambigüidades. Identifying Pre-signalized Points by the Use of Artificial Networks and Correlation Abstract This work presents an introduction to artificial neural networks as an alternative for the signalized point recognition. At first a fast bibliographical revision on artificial neural networks is done, where the models of a neuron, perceptron, the networks are presented feedforward and backpropagation, as well as a summary of its algorithm. After that the stages are carried through that compose artificial the neural networks: it collects of data, training and simulation of the data. Two types of signalized point are analyzed: in cross form and circular form. They are presented, examined and compared the results of the identifications of the signalized point are compared, in the two form using codes source in MATLAB and Visual C++ , for the phase of training and for the phase of simulation of the data, using as well the technique as of correlation statistic for avoiding ambiguities.