Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/35172
Registro completo de metadados
Campo DCValorIdioma
dc.creatorLeite, Guilherme Nomura Mateus-
dc.date.accessioned2024-10-18T16:44:40Z-
dc.date.available2024-10-18T16:44:40Z-
dc.date.issued2023-12-01-
dc.identifier.citationLEITE, Guilherme Nomura Mateus. Rede neural recorrente LSTM para identificação de um sistema térmico. 2023. Trabalho de Conclusão de Curso (Engenharia Elétrica) – Universidade Tecnológica Federal do Paraná, Apucarana, 2023.pt_BR
dc.identifier.urihttp://repositorio.utfpr.edu.br/jspui/handle/1/35172-
dc.description.abstractThe 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.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Tecnológica Federal do Paranápt_BR
dc.rightsopenAccesspt_BR
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectRedes neurais (Computação)pt_BR
dc.subjectMemória de longo prazopt_BR
dc.subjectNeural networks (Computer science)pt_BR
dc.subjectLong-term memorypt_BR
dc.titleRede neural recorrente LSTM para identificação de um sistema térmicopt_BR
dc.title.alternativeLSTM recurrent neural network for identification of a thermal systempt_BR
dc.typebachelorThesispt_BR
dc.description.resumoO 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.pt_BR
dc.degree.localApucaranapt_BR
dc.publisher.localApucaranapt_BR
dc.contributor.advisor1Nunes, Willian Ricardo Bispo Murbak-
dc.contributor.advisor-co1Caun, Rodrigo da Ponte-
dc.contributor.referee1Nunes, Willian Ricardo Bispo Murbak-
dc.contributor.referee2Caun, Rodrigo da Ponte-
dc.contributor.referee3Almeida, Thales Eugenio Portes de-
dc.contributor.referee4Souza, Reginaldo Nunes de-
dc.publisher.countryBrasilpt_BR
dc.publisher.programEngenharia Elétricapt_BR
dc.publisher.initialsUTFPRpt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApt_BR
Aparece nas coleções:AP - Engenharia Elétrica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
redelstmsistematermico.pdf3,97 MBAdobe PDFThumbnail
Visualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons