Show simple item record

dc.contributor.advisorWebber, Carine Geltrudes
dc.contributor.authorMilczarek, Alexsander Küster
dc.contributor.otherWebber, Carine Geltrudes
dc.contributor.otherCasa, Marcos Eduardo
dc.contributor.otherBoff, Elisa
dc.date.accessioned2023-10-31T16:58:03Z
dc.date.available2023-10-31T16:58:03Z
dc.date.issued2023-10-19
dc.date.submitted2023-07-03
dc.identifier.urihttps://repositorio.ucs.br/11338/12766
dc.descriptionSegurança em barragens é um tema de extrema importância, já que acidentes envolvendo tais construções podem causar grandes danos à população e ao meio ambiente. Para garantir a segurança destas estruturas é necessário identificar possíveis rachaduras e defeitos, que podem levar a rompimentos e fraturas no concreto. Esses defeitos são conhecidos como anomalias e podem ocorrer em qualquer ambiente, desde na natureza até em chips de computadores. Visando garantir tal segurança, foi elaborado este estudo: inicialmente, foi feita uma revisão da literatura, em que as redes neurais autoencoders se destacaram na solução de tais problemas. Autoencoders são redes generativas capazes de reconstruir imagens, utilizando como base um conjunto de dados. Para fins de treinamento foi aplicada essa arquitetura, obtendo resultados semelhantes aos dos trabalhos analisados. Dessa forma, percebe-se que tal modelo poderia ser utilizado para identificação de rachaduras, servindo como uma ferramenta na prevenção de desastres ambientais envolvendo barragens. [resumo fornecido pelo autor]pt_BR
dc.description.abstractSafety in dams is an extremely important issue, since accidents involving such constructions can cause great damage to the population and the environment. To ensure the safety of these structures, it is necessary to identify possible cracks and defects, which can lead to ruptures and fractures in the concrete. These defects are known as anomalies and can occur in any environment, from nature to computer chips. In order to guarantee such safety, this study was elaborated: initially, a literature review was carried out, in which the neural networks autoencoders stood out in the solution of such problems. Autoencoders are generative networks capable of reconstructing images, based on a dataset. For training purposes, this architecture was applied, obtaining results similar to those of the works analyzed. Thus, it is clear that such a model could be used to identify cracks, serving as a tool in the prevention of environmental disasters involving dams. [resumo fornecido pelo autor]pt_BR
dc.language.isoptpt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectRedes neurais (Computação)pt_BR
dc.subjectFalhas em barragenspt_BR
dc.titleDetecção de anomalias estruturais em barragens utilizando uma arquitetura autoencoderpt_BR
dc.typeArtigopt_BR
mtd2-br.advisor.instituationUniversidade de Caxias do Sulpt_BR
mtd2-br.program.nameBacharelado em Ciência da Computaçãopt_BR
mtd2-br.campusCampus Universitário de Caxias do Sulpt_BR
local.data.embargo2023-10-18


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record