@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"
}