@Article{OliveiraCoeRodPauMar:2019:MoSeVi,
author = "Oliveira, Priscylla Ang{\'e}lica da Silva and Coelho, Marcelo
Saraiva and Rodrigues, Italo Pinto and Paula, Jefferson Souza de
and Martins, Lucas Rocha",
affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {} and
{Instituto Nacional de Pesquisas Espaciais (INPE)}",
title = "Modelagem de sensores virtuais via redes neurais artificiais",
journal = "Qualif - Revista Acad{\^e}mica Ensino de Ci{\^e}ncias e
Tecnologia do IFSP",
year = "2019",
volume = "5",
number = "5",
pages = "191--207",
keywords = "Sensores Virtuais, Redes Neurais Artificiais.",
abstract = "O desenvolvimento de sensores virtuais tem recebido grande
aten{\c{c}}{\~a}o de pesquisadores como uma
aplica{\c{c}}{\~a}o pr{\'a}tica da intelig{\^e}ncia artificial
para identifica{\c{c}}{\~a}o de sistemas. Deste modo, este
trabalho modelou sensores de fuma{\c{c}}a e de mon{\'o}xido de
carbono (CO) instalados em um prot{\'o}tipo de forno industrial
atrav{\'e}s da utiliza{\c{c}}{\~a}o das redes neurais
artificiais do tipo Perceptron Multicamadas (MLP). Para a
aquisi{\c{c}}{\~a}o das medidas reais foi usada uma plataforma
de baixo custo e para o processamento e implementa{\c{c}}{\~a}o
da rede neural foram utilizados os softwares MATLAB e Simulink. Os
resultados s{\~a}o quantificados e analisados por meio do
{\'{\i}}ndice Erro M{\'e}dio Quadr{\'a}tico. Os resultados do
treinamento e generaliza{\c{c}}{\~a}o foram satisfat{\'o}rios,
tendo em vista a grande quantidade de ru{\'{\i}}dos inerentes ao
sistema e a simplicidade da rede neural implementada.",
issn = "2595-2277",
label = "lattes: 0190125347705936 1 OliveiraCoeRodPauMar:2019:MoSeVi",
language = "pt",
targetfile = "Oliveira_modelagem.pdf",
urlaccessdate = "30 abr. 2024"
}