XINFORMAÇÕES SOBRE DIREITOS AUTORAIS
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital
Título: ESTIMAÇÃO DA TENSÃO MECÂNICA USANDO ONDAS ULTRASSÔNICAS GUIADAS E MACHINE LEARNING Autor: CHRISTIAN DEYVI VILLARES HOLGUIN
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):
ALAN CONCI KUBRUSLY - ORIENTADOR
HELON VICENTE HULTMANN AYALA - COORIENTADOR
Nº do Conteudo: 59910
Catalogação: 11/07/2022 Idioma(s): INGLÊS - ESTADOS UNIDOS
Tipo: TEXTO Subtipo: TESE
Natureza: PUBLICAÇÃO ACADÊMICA
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=59910@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=59910@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.59910
Resumo:
Título: ESTIMAÇÃO DA TENSÃO MECÂNICA USANDO ONDAS ULTRASSÔNICAS GUIADAS E MACHINE LEARNING Autor: CHRISTIAN DEYVI VILLARES HOLGUIN
HELON VICENTE HULTMANN AYALA - COORIENTADOR
Nº do Conteudo: 59910
Catalogação: 11/07/2022 Idioma(s): INGLÊS - ESTADOS UNIDOS
Tipo: TEXTO Subtipo: TESE
Natureza: PUBLICAÇÃO ACADÊMICA
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=59910@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=59910@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.59910
Resumo:
Devido ao efeito acoustoelástico, as Ondas guiadas ultrassônicas (UGWs)
têm sido usadas para estimar a tensão mecânica com baixo custo de forma não
destrutiva. O Aprendizado de maquina (ML) tem sido aplicado para mapear
formas complexas de ondas para estimar a tensão mecânica, embora aspectos
importantes como precisão e consumo computacional não tenham sido explorados. Na literatura também não há muito trabalho sobre o uso do aprendizado
não supervisionado para a rotulagem automática de amostras com diferentes
estados de tensão. Portanto, esta tese apresenta duas abordagens: i) a abordagem supervisionada propõe uma metodologia de modelagem de dados que
otimiza a precisão e a implementação computacional, para a estimação da tensão baseada em UGWs em tempo real e ii) a abordagem não supervisionada
compara estruturas não supervisionadas para rotular um pequeno conjunto de
dados de acordo com o estado de tensão. Para o primeiro, foram avaliados
modelos de aprendizagem superficial e profunda com redução de dimensionalidade, estes modelos são criados e testados usando um procedimento de
hold-out Monte-Carlo para avaliar sua robustez. Os resultados mostram que,
utilizando modelos superficiais e Análise de componentes principais (PCA),
foi obtida uma melhoria de precisão e no consumo de hardware em comparação com o estado da arte com modelos de redes neurais profundas. Para o
segundo, métodos de redução de dimensionalidade: PCA e t-distributed stochastic neighbor embedding (t-SNE), são usados para extrair características
de sinais UGWs. As características são usadas para agrupar as amostras em
estados de baixa, média e alta tensão. Uma análise qualitativa e quantitativa
dos resultados foi realizada, considerando a análise de métricas para agrupamento, o PCA realizou o melhor agrupamento, qualitativamente, mostrando
menos sobreposição en grupos do que t-SNE. As duas abordagens utilizadas
nesta tese, conseguiram extrair características significativas que ajudam tanto
na estimativa quanto tanto na rotulagem de dados, contribuindo para a criação
de modelos de ML mais eficientes e no problema de interpretação de UGWs.
Descrição | Arquivo |
NA ÍNTEGRA |