Avaliação do impacto da poluição ambiental sobre a corrosão ...

More documents

Recommendations

Info

xx da rede. Cada elemento de processamento faz sua computação baseada na soma dos pesos dos sinais de entrada. Peso: um número associado com um neurônio ou com uma conexão entre dois neurônios, o qual é usado para agregar aos sinais de saída para determinar a ativação de um neurônio. Perceptron: é a forma mais simples de uma rede neural usada para a classificação de padrões ditos linearmente separáveis. Consiste de um único neurônio com pesos ajustáveis e bias. Perceptron de multicamadas: classe de rede neural de múltiplas camadas onde o sinal de entrada se propaga para frente através da rede, camada por camada. Possui uma ou mais camadas escondidas e uma camada de saída. Treinamento da rede neural artificial: é o processo de alteração dos pesos ou atualização dos pesos. Ocorre quando uma função limiar é usada para qualificar a saída de um neurônio na camada de saída, e desde que, esse valor não seja o esperado os pesos podem necessitar serem alterados. Se você deseja treinar uma rede, de forma que ela possa reconhecer ou identificar alguns padrões pré-determinados, ou avaliar alguns valores da função para argumentos dados, seria importante ter informação realimentada dos neurônios de saída para os neurônios em alguma camada antes daquela, para permitir posterior processamento e ajuste dos pesos nas conexões (sinapses). Tal retorno pode ser para a camada de entrada ou uma camada entre a camada de entrada e a de saída, chamada de camada escondida. Aquilo que é retornado é normalmente o erro na saída, modificado apropriadamente de acordo com algum paradigma útil. O processo de realimentação (retorno) continua através dos ciclos subseqüentes de operação da rede neural e cessa quando o treinamento estiver completo. Algoritmo: procedimento passo a passo para solução de um problema. Algoritmo de Retropropagação Levenberg-Marquardt: um algoritmo do treinamento da rede neural para as redes em avanço (feedforward) onde os erros na camada de saída são propagados de volta à camada anterior a aprendizagem. Se a camada precedente não for a camada da entrada, então os erros nesta camada escondida são propagados de volta para à camada anterior. Aprendizado: é o processo para encontrar um valor apropriado para os pesos das conexões, para atingir o objetivo da operação da rede. O aprendizado é o processo
xxi desejado que acontece dentro da rede. Uma rede na qual o aprendizado é empregado diz-se que ela está sujeita ao treinamento. O treinamento é um processo externo. Aprendizado supervisionado: processo de aprendizagem em que os valores modelos consistem em pares de entradas e de desejadas saídas. Ativação: a soma, já considerados os pesos, dos sinais de entrada de um neurônio em uma rede neural. Bias: valor adicionado à ativação de um neurônio. Realimentar: o processo de levar a informação no sentido oposto ao original.
Page 1: ELAINE DALLEDONE KENNY AVALIAÇÃO
Page 4 and 5: iv AGRADECIMENTOS Agradeço a Deus
Page 6 and 7: vi SUMÁRIO LISTA DE TABELAS ......
Page 8 and 9: viii TABELA 21 - TAXA DE CORROSÃO,
Page 10 and 11: x LISTA DE FIGURAS FIGURA 1. O NEUR
Page 12 and 13: xii FIGURA 43. EVOLUÇÃO DA PERDA
Page 14 and 15: xiv LATINCORR - Congresso Latino Am
Page 16 and 17: xvi R - coeficiente de correlação
Page 18 and 19: xviii ABSTRACT The majority of the
Page 22 and 23: xxii PRODUÇÃO TÉCNICA E TRABALHO
Page 24 and 25: 1 1 INTRODUÇÃO Já é fato compro
Page 26 and 27: 3 condições climatológicas e de
Page 28 and 29: 5 pondera e avalia. Se a intensidad
Page 30 and 31: 7 em função de experiências pass
Page 32 and 33: 9 2 REVISÃO DA LITERATURA - ESTADO
Page 34 and 35: 11 Inspiradas pelas redes neurais b
Page 36 and 37: 13 Quando o impulso alcança o term
Page 38 and 39: 15 das conexões representam as sin
Page 40 and 41: 17 são então modificados, o que f
Page 42 and 43: 19 A saída y do perceptron é +1 s
Page 44 and 45: 21 p 1 i E = ∑ y − d 2 i= 1 ( )
Page 46 and 47: 23 Em caso de um alto grau de conta
Page 48 and 49: 25 • temperatura média no perío
Page 50 and 51: 27 como a atribuição de pesos que
Page 52 and 53: 29 Outra técnica de pré-processam
Page 54 and 55: 31 atmosférica (ECA) nas seguintes
Page 56 and 57: 33 TABELA 5 - CATEGORIAS DE CORROSI
Page 58 and 59: 35 o período de coleta, usualmente
Page 60 and 61: 37 ensaiado, sendo então pesados n
Page 62 and 63: 39 3.3 IMPLANTAÇÃO E MONITORAMENT
Page 64 and 65: 41 O estudo na região de São Luí
Page 66 and 67: 43 FIGURA 15. COLETORES DE COMPOSTO
Page 68 and 69: 45 • De 2004 a 2006: Região Metr
Page 70 and 71:
47 FIGURA 19. INSTALAÇÃO DOS COLE
Page 72 and 73:
49 Curitiba está localizada no pri
Page 74 and 75:
51 As estações de intemperismo na
Page 76 and 77:
53 TABELA 11- IDENTIFICAÇÃO DOS C
Page 78 and 79:
55 UMIDADE RELATIVA (UR) % 100 95 9
Page 80 and 81:
57 VELOCIDADE (m/s) 32 28 24 20 16
Page 82 and 83:
59 TABELA 12 - MÉDIAS MENSAIS DA T
Page 84 and 85:
61 TABELA 15 - CLASSIFICAÇÃO DA C
Page 86 and 87:
63 FIGURA 31. MAPA DE CORROSIVIDADE
Page 88 and 89:
65 TABELA 18- TEOR MÉDIO DE DEPOSI
Page 90 and 91:
67 (a) (b) FIGURA 33. MAPAS DA TAXA
Page 92 and 93:
69 0,4 0,3 0,2 0,1 0,0 ECA 1_Alumar
Page 94 and 95:
71 TABELA 21- TAXA DE CORROSÃO, PE
Page 96 and 97:
73 TABELA 23- TAXAS DE CORROSÃO, P
Page 98 and 99:
75 4.1.3 Modelamento da Corrosivida
Page 100 and 101:
77 TABELA 27 - RESULTADOS DA SEGUND
Page 102 and 103:
79 Simulação da taxa de corrosão
Page 104 and 105:
81 As boas correlações obtidas na
Page 106 and 107:
83 TABELA 35- PARÂMETROS DA EQUAÇ
Page 108 and 109:
85 FIGURA 42. EVOLUÇÃO DA PERDA D
Page 110 and 111:
87 4.2 REGIÃO SUL: CURITIBA E LITO
Page 112 and 113:
89 A Tabela 37 apresenta valores m
Page 114 and 115:
91 4.2.2 Litoral A Tabela 39 aprese
Page 116 and 117:
93 10 8 Estação Litoral Shangril
Page 118 and 119:
95 A Figura 51 e a Tabela 41 aprese
Page 120 and 121:
97 TABELA 42 - CLASSIFICAÇÃO ATMO
Page 122 and 123:
99 4.2.3 Modelamento da Corrosivida
Page 124 and 125:
101 TABELA 45 - TAXA DE CORROSÃO (
Page 126 and 127:
103 A análise da influência de ca
Page 128 and 129:
105 O coeficiente de correlação o
Page 130 and 131:
107 5 CONCLUSÕES Os modelos aprese
Page 132 and 133:
109 6 SUGESTÕES PARA TRABALHO FUTU
Page 134 and 135:
111 10. DALLEDONE, E.; ESMANHOTO, E
Page 136 and 137:
113 corrosion of carbon steel, coop
Page 138 and 139:
115 materiais metálicos. Disserta
show all

Avaliação do impacto da poluição ambiental sobre a corrosão ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?