Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Nunes, Willian Ricardo Bispo Murbak | - |
Autor(es): dc.contributor | Caun, Rodrigo da Ponte | - |
Autor(es): dc.contributor | Nunes, Willian Ricardo Bispo Murbak | - |
Autor(es): dc.contributor | Caun, Rodrigo da Ponte | - |
Autor(es): dc.contributor | Almeida, Thales Eugenio Portes de | - |
Autor(es): dc.contributor | Souza, Reginaldo Nunes de | - |
Autor(es): dc.creator | Leite, Guilherme Nomura Mateus | - |
Data de aceite: dc.date.accessioned | 2025-08-29T13:01:21Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T13:01:21Z | - |
Data de envio: dc.date.issued | 2024-10-18 | - |
Data de envio: dc.date.issued | 2024-10-18 | - |
Data de envio: dc.date.issued | 2023-11-30 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/35172 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1106047 | - |
Descrição: dc.description | The focus of this graduation thesis is the application of a Long Short-Term Memory (LSTM) recurrent neural network (RNN) in the context of identifying and modeling a complex thermal system consisting of two heaters and two sensors. The proposed approach is based on the remarkable capability of LSTM cells within an RNN to capture and model long-term dependencies in sequential data, thus enabling precise characterization of the thermal system’s behavior. The effectiveness of this methodology is evaluated through the analysis of results obtained from detailed simulations and experimental tests conducted on the thermal system in question. Based on these results, it becomes evident that the application of LSTM recurrent neural networks in thermal system identification holds great potential for advancing the field of control and automation. This technique emerges as a current and effective tool for solving complex problems, offering new possibilities in the analysis and modeling of thermal systems and, by extension, in various practical applications in the field of electrical engineering and industrial automation. | - |
Descrição: dc.description | O presente trabalho de conclusão de curso tem como foco a aplicação de uma rede neural recorrente (RNN) do tipo LSTM (do inglês Long Short-Term Memory) no contexto da identificação e modelagem de um sistema térmico composto por dois aquecedores e dois sensores. A abordagem proposta se baseia na notável capacidade das células LSTM de uma RNN em capturar e modelar dependências de longo prazo em dados sequenciais, permitindo assim a precisão na caracterização do comportamento do sistema térmico. A avaliação da eficácia desta metodologia é realizada por meio da análise de resultados provenientes de simulações detalhadas e de testes experimentais conduzidos no sistema térmico em questão. A partir desses resultados, fica evidente que a aplicação de redes neurais recorrentes LSTM na identificação de sistemas térmicos apresenta um grande potencial para o avanço na área de controle e automação. Esta técnica se mostra como uma ferramenta atual e eficaz para a resolução de problemas complexos, oferecendo um novo horizonte de possibilidades na análise e modelagem de sistemas dinâmicos e, por extensão, em diversas aplicações práticas no campo da engenharia elétrica e automação industrial. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Apucarana | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Engenharia Elétrica | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/4.0/ | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Memória de longo prazo | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | Long-term memory | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | - |
Título: dc.title | Rede neural recorrente LSTM para identificação de um sistema térmico | - |
Título: dc.title | LSTM recurrent neural network for identification of a thermal system | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: