Please use this identifier to cite or link to this item:
https://repositorio.ufba.br/handle/ri/39696
metadata.dc.type: | Trabalho de Conclusão de Curso |
Title: | Redes Neurais de Classificação e Regressão Aplicadas no Contexto de Iluminação Pública |
Other Titles: | Classification and Regression Neural Networks Applied in the Context of Public Lighting |
metadata.dc.creator: | Cerqueira, Matheus Oliver de Carvalho |
metadata.dc.contributor.advisor1: | Fernandes Júnior, Antônio Carlos Lopes |
metadata.dc.contributor.advisor-co1: | Santos, Wild Freitas da Silva |
metadata.dc.contributor.referee1: | Fernandes Júnior, Antônio Carlos Lopes |
metadata.dc.contributor.referee2: | Silva, Kleber Freire da |
metadata.dc.contributor.referee3: | Viana, Luiz Alberto Guimarães |
metadata.dc.description.resumo: | A relevância da iluminação pública para vários aspectos cotidianos como segurança e mobilidade motiva a utilização de tecnologias que aperfeiçoem a prestação do serviço à população nas diversas fases de implementação. Como complemento aos softwares especializados em simulações, propõe-se, neste trabalho, utilizar técnicas de aprendizado de máquina para garantir a conformidade com os padrões de projetos, expostos na Norma Brasileira 5101. Explorando os conceitos relacionados a iluminação pública e redes neurais, são implementados Multilayer Perceptron (MLP) utilizando backpropagation, de regressão, para determinar parâmetros de Iluminância e sua uniformidade (requisitos parciais ao atendimento da norma) e classificação (que utiliza os valores de iluminância e sua uniformidade para definir adequação à norma). Os modelos são treinados e testados com parâmetros reais de configurações de malha e de dispositivos luminosos em simulações de projetos para informar se um conjunto de dados de projeto está adequado aos padrões estabelecidos pela norma. Os MLPs de regressão e classificação conseguiram MSE de 0,002 e 97,26% de acurácia, respectivamente. |
Abstract: | The relevance of public lighting for various everyday aspects such as security and mobility motivates the use of technologies that improve service provision to the population in the many implementation phases. As a complement to software specialized in simulations, this work proposes to use learning machine techniques to ensure compliance with Brazilian Standard 5101. Exploring concepts related to public lighting and networks neural networks, Multilayer Perceptron (MLP) is implemented using backpropagation, for regression, to determine illuminance parameters and their uniformity (requirements partial compliance with the standard) and classification (which uses illuminance and its uniformity to define compliance to the standard). Models are trained and tested with real parameters of mesh configurations and lighting devices in simulations of projects to inform whether a project data set meets standards established by the standard. Regression and classification MLPs achieved MSE of 0.002 and 97.26% accuracy, respectively. |
Keywords: | iluminação pública redes neurais artificiais Multilayer Perceptron backpropagation |
metadata.dc.subject.cnpq: | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
metadata.dc.language: | por |
metadata.dc.publisher.country: | Brasil |
Publisher: | UNIVERSIDADE FEDERAL DA BAHIA |
metadata.dc.publisher.initials: | UFBA |
metadata.dc.publisher.department: | Escola Politécnica |
metadata.dc.rights: | Acesso Aberto |
URI: | https://repositorio.ufba.br/handle/ri/39696 |
Issue Date: | 15-Dec-2023 |
Appears in Collections: | Trabalho de Conclusão de Curso (Graduação) - Engenharia da Computação (Escola Politécnica) |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.