Filtragem de Kalman não linear com redes neurais embarcada em uma arquitetura reconfigurável para uso na tomografia de Raios-X para amostras da física de solos (2013)
- Autores:
- Autor USP: LAIA, MARCOS ANTONIO DE MATOS - IFSC
- Unidade: IFSC
- Sigla do Departamento: FFI
- Assuntos: FÍSICA COMPUTACIONAL; COMPUTAÇÃO RECONFIGURÁVEL
- Palavras-chave do autor: Computação reconfigurável; Computational physics; Filtro de Kalman; Física computacional; Kalman filter; Reconfigurable computing
- Idioma: Português
- Resumo: Estudar as propriedades físicas do solo envolve conhecer a umidade, o transporte de água e solutos, a densidade, a identificação da porosidade, o que é essencial para o crescimento de raízes das plantas. Para esses estudos, a tomografia de raios X tem se mostrado uma técnica útil. As imagens tomográficas são obtidas através de projeções (sinais) que são reconstruídos com algoritmos adequados. No processo de aquisição dessas projeções, podem surgir ruídos provenientes de diferentes fontes. O sinal tomográfico apresenta ruídos que possuem uma distribuição de Poisson gerada pela contagem de fótons, bem como o detector de fótons é influenciado por uma presença de ruído eletrônico com uma distribuição Gaussiana. Essas diferentes distribuições podem ser mapeadas com transformadas não lineares específicas que alteram uma distribuição Gaussiana para outros tipos de distribuições, como a de transformada de Anscombe (Poisson) ou transformada de Box-Muller (Uniforme), mas são aproximações que apresentam erros acumulativos. As transformadas podem ser então mapeadas por um sistema de redes neurais, o que garante um melhor resultado com o filtro de Kalman não linear em que os pesos da rede e as medidas das projeções são estimados em conjunto. Este trabalho apresenta uma nova solução com filtragem de Kalman descentralizada utilizando redes neurais artificiais embarcada em uma arquitetura reconfigurável com o intuito de obter se um valor ótimo de melhoria na relação Sinal/Ruído de projeções tomográficas e consequentemente nas imagens reconstruídas proporcionando melhorias para os métodos de análise dos físicos de solos agrícolas
- Imprenta:
- Local: São Carlos
- Data de publicação: 2013
- Data da defesa: 06.06.2013
-
ABNT
LAIA, Marcos Antonio de Matos. Filtragem de Kalman não linear com redes neurais embarcada em uma arquitetura reconfigurável para uso na tomografia de Raios-X para amostras da física de solos. 2013. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2013. Disponível em: http://www.teses.usp.br/teses/disponiveis/76/76132/tde-26082013-164656/. Acesso em: 19 abr. 2024. -
APA
Laia, M. A. de M. (2013). Filtragem de Kalman não linear com redes neurais embarcada em uma arquitetura reconfigurável para uso na tomografia de Raios-X para amostras da física de solos (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/76/76132/tde-26082013-164656/ -
NLM
Laia MA de M. Filtragem de Kalman não linear com redes neurais embarcada em uma arquitetura reconfigurável para uso na tomografia de Raios-X para amostras da física de solos [Internet]. 2013 ;[citado 2024 abr. 19 ] Available from: http://www.teses.usp.br/teses/disponiveis/76/76132/tde-26082013-164656/ -
Vancouver
Laia MA de M. Filtragem de Kalman não linear com redes neurais embarcada em uma arquitetura reconfigurável para uso na tomografia de Raios-X para amostras da física de solos [Internet]. 2013 ;[citado 2024 abr. 19 ] Available from: http://www.teses.usp.br/teses/disponiveis/76/76132/tde-26082013-164656/
Como citar
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
