@PhDThesis{Sambatti:2017:ReNeAu,
author = "Sambatti, Sabrina Bergoch Monteiro",
title = "Rede neural auto-configurada para assimila{\c{c}}{\~a}o de dados
usando FPGA para a circula{\c{c}}{\~a}o oce{\^a}nica",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2017",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2017-05-30",
keywords = "filtro de kalman, assimila{\c{c}}{\~a}o de dados, rede neural
artificial, computa{\c{c}}{\~a}o heterog{\^e}nea, FPGA, kalman
filter, data assimilation, artificial neural network,
heterogeneous computing, FPGA.",
abstract = "Processos f{\'{\i}}sicos podem ser matematicamente representados
por equa{\c{c}}{\~o}es diferenciais, mas h{\'a} uma lacuna
entre a representa{\c{c}}{\~a}o matem{\'a}tica e o processo
real. Com a fus{\~a}o da informa{\c{c}}{\~a}o observacional com
os dados do modelo, o erro de simula{\c{c}}{\~a}o pode ser
atenuado. Esquemas de combina{\c{c}}{\~a}o de dados
observacionais com dados de um modelo de predi{\c{c}}{\~a}o
matem{\'a}tica s{\~a}o conhecidos como Assimila{\c{c}}{\~a}o
de Dados (DA), calculando a condi{\c{c}}{\~a}o inicial
(an{\'a}lise) para um sistema din{\^a}mico. V{\'a}rias
t{\'e}cnicas s{\~a}o empregadas na assimila{\c{c}}{\~a}o de
dados, como: Filtro de Kalman, filtro de part{\'{\i}}culas e
m{\'e}todos variacionais, que s{\~a}o os mais pesquisados. No
entanto, os m{\'e}todos mencionados demandam por
computa{\c{c}}{\~a}o intensiva. Neste trabalho, uma Rede Neural
Artificial (RNA) {\'e} projetada para emular o filtro de Kalman,
com redu{\c{c}}{\~a}o do esfor{\c{c}}o computacional.
Geralmente, um especialista em redes neurais encontra uma
arquitetura adequada ap{\'o}s um longo trabalho
emp{\'{\i}}rico. Neste trabalho {\'e} adotada uma abordagem
autom{\'a}tica para identificar a melhor arquitetura para a RNA.
Essa identifica{\c{c}}{\~a}o {\'e} formulada como um problema
de otimiza{\c{c}}{\~a}o, resolvido por uma nova
metaheur{\'{\i}}stica: Algoritmo de Colis{\~a}o de
Part{\'{\i}}culas M{\'u}ltiplas (MPCA). A RNA ideal projetada
para assimila{\c{c}}{\~a}o de dados {\'e} implementada em
software e em FPGA (Field- Programmable Gate Array), um
dispositivo de hardware usado como co-processador. O FPGA {\'e} o
processador neural aplicado para a computa{\c{c}}{\~a}o da
condi{\c{c}}{\~a}o inicial do modelo din{\^a}mico. Dois
sistemas din{\^a}micos s{\~a}o usados para testar a metodologia:
a equa{\c{c}}{\~a}o de onda 1D e as equa{\c{c}}{\~o}es de
{\'a}gua rasa 2D. O sistema de {\'a}guas rasas est{\'a}
preparado para simular a circula{\c{c}}{\~a}o oce{\^a}nica.
Para ambos os sistemas, a RNA foi eficaz, com redu{\c{c}}{\~a}o
do tempo de processamento. A utiliza{\c{c}}{\~a}o de FPGA como
co-processador para assimila{\c{c}}{\~a}o de dados tem um
desempenho semelhante ao da an{\'a}lise calculada por software.
ABSTRACT: Physical processes can be mathematically represented by
differential equations, but there is a gap from the real process.
With the incorporation of observational information to the model
state, the simulation error can be reduced. Data Assimilation (DA)
is the schemes of combining observational data with data from a
mathematical prediction model, computing the initial condition
(analysis) for the dynamical system. Here, an Artificial Neural
Network (ANN) is designed to emulate Kalman filter, with reduction
of the computational effort. An automatic approach to identify the
best configuration for the ANN is adopted. This issue is
formulated as an optimization problem, solved by a new
metaheuristic: Multiple Particles Collision Algorithm (MPCA). The
optimal ANN designed for data assimilation is implemented on FPGA
(Field-Programmable Gate Array), a hardware device used as a
co-processor. Two dynamical systems are used to test the
framework: the wave 1D equation, and the 2D shallow water
equations. The shallow water system is prepared to simulate
oceanic circulation. For both systems, the ANN was effective, with
reduction of processing time. The use of FPGA as a co-processor
for data assimilation has a similar performance than analysis
calculated by software.",
committee = "Stephany, Stephan (presidente) and Campos Velho, Haroldo Fraga de
(orientador) and Char{\~a}o, Andrea Schwertner (orientador) and
Cintra, Rosangela Saher Correa and Rodrigues, Eduardo Rocha and
Marques, Eduardo",
englishtitle = "Self configured neural network for data assimilation using FPGA
for ocean circulation",
language = "pt",
pages = "119",
ibi = "8JMKD3MGP3W34P/3P6NQ82",
url = "http://urlib.net/ibi/8JMKD3MGP3W34P/3P6NQ82",
targetfile = "publicacao.pdf",
urlaccessdate = "27 abr. 2024"
}