Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/41343
ORCID:  http://orcid.org/0009-0008-8672-6633
Document type: Dissertação
Access type: Acesso Aberto
Title: Análise comparativa de redes neurais na previsão de intensidade de sinal de televisão digital na faixa de UHF (572 A 578 MHz) na cidade de Araguari
Alternate title (s): Comparative analysis of neural networks in predicting digital television signal strength in the UHF band (572 to 578 MHz) in the city of Araguari
Author: Souto, Alisson de Carvalho
First Advisor: Veiga, Antônio Cláudio Paschoarelli
First member of the Committee: Carrijo, Gilberto Arantes
Second member of the Committee: Mateus, Alexandre Coutinho
Third member of the Committee: Santos, Tiago Nunes
Summary: Esta pesquisa apresenta uma análise comparativa de Redes Neurais Artificiais baseada em algoritmos preditores para estimar a intensidade de campo elétrico em sinais de televisão digital terrestre na faixa de 572 a 578 MHz, na cidade de Araguari, Minas Gerais. Os algoritmos de Levemberg-Marquardt, Regularização Bayesiana e Gradiente Conjugado Escalonado tiveram seus resultados avaliados pelo Coeficiente de Regressão (R) e Mean Squared Error (MSE), quanto mais próximo de 1 o R e menor o MSE, melhores os resultados. O conjunto de amostras medidas em campo foi dividido aleatoriamente em 80% para o treinamento, 10% para validação e 10% para os testes. Os três modelos ofereceram elevada precisão, sendo que o algoritmo de Regularização Bayesiana apresentou os melhores indicadores estatísticos, tanto no seu maior valor de regressão R quanto no menor MSE, em comparação com os algoritmos de Levemberg-Marquardt e Gradiente Conjugado Escalonado, respectivamente.
Abstract: This research presents a comparative analysis of Artificial Neural Networks based on predictive algorithms to estimate the electric field strength in digital terrestrial television signals in the range from 572 to 578 MHz, in the city of Araguari, Minas Gerais. The Levemberg-Marquardt, Bayesian Regularization and Scaled Conjugate Gradient algorithms had their results evaluated by the Regression Coefficient (R) and Mean Squared Error (MSE), the closer to 1 the R and the lower the MSE, better the results. The set of samples measured in the field was randomly divided into 80% for training, 10% for validation and 10% for testing. The three models provided high precision, and the Bayesian Regularization algorithm presented the best statistical indicators, both in its highest R regression value and in the lowest MSE, compared to the algorithms of Levemberg-Marquardt e Scaled Conjugate Gradient, respectively.
Keywords: Televisão Digital Terrestre
Redes Neurais Artificiais
Levemberg-Marquardt
Regularização Bayesiana e Gradiente Conjugado Escalonado
Digital Terrestrial Television
Artificial Neural Networks
Levemberg-Marquardt
Bayesian Regularization
Scaled Conjugate Gradient
Area (s) of CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Subject: Engenharia elétrica
Televisão digital - Araguari (MG)
Redes neurais (Computação) - Araguari (MG)
Teoria dos sinais (Telecomunicações) - Araguari (MG)
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Program: Programa de Pós-graduação em Engenharia Elétrica
Quote: SOUTO, Alisson de Carvalho. Análise comparativa de redes neurais na previsão de intensidade de sinal de televisão digital na faixa de UHF (572 A 578 MHz) na cidade de Araguari. 2024. 88 f. Dissertação (Mestrado em Engenharia) - Universidade Federal de Uberlândia, Uberlândia, 2024. DOI http://doi.org/10.14393/ufu.di.2024.103
Document identifier: https://doi.org/10.14393/ufu.di.2024.103
URI: https://repositorio.ufu.br/handle/123456789/41343
Date of defense: 7-Feb-2024
Sustainable Development Goals SDGs: ODS::ODS 9. Indústria, Inovação e infraestrutura - Construir infraestrutura resiliente, promover a industrialização inclusiva e sustentável, e fomentar a inovação.
Appears in Collections:DISSERTAÇÃO - Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
AnáliseComparativadeRedes.pdfDissertação4.19 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.