Maximização da eficiência energética de supercapacitores de grafeno usando RNA (Redes Neurais Artificiais))

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: DAMANTE, Lucas de Oliveira lattes
Orientador(a): LIMA, Anderson Barbosa lattes
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do Triângulo Mineiro
Programa de Pós-Graduação: Programa de Pós-Graduação em Ciência e Tecnologia dos Materiais
Departamento: Instituto de Ciências Biológicas e Naturais - ICBN
País: Brasil
Palavras-chave em Português:
Rede neural artificial.
Supercapacitores.
Grafeno.
Inteligência artificial.
Artificial neural network.
Supercapacitor.
Graphene.
Artificial intelligence.
Área do conhecimento CNPq:
CNPQ::ENGENHARIAS
Link de acesso: http://bdtd.uftm.edu.br/handle/123456789/1807
Resumo: Nesta dissertação apresentamos que os supercapacitores podem ser otimizados usando simulações computacionais, desde que seguido uma série de procedimentos técnicos. Eletrônicos em geral cada vez mais usam em suas configurações armazenadores de energia: capacitores, baterias e os supercapacitores, por isso, este tema é muito relevante pesquisar. O trabalho em si tem como objetivo estudar o método de RNA (Redes Neurais Artificiais) para obtenção de capacitores e supercapacitores eletroquímicos, bem como calcular capacitâncias e testar as principais funções de ativação de uma rede neural: ReLu, Sigmoid, Softmax, Softplus, Tanh. Contudo, este trabalho tem um enfoque principal em (IA) Inteligência Artificial, bem como a obtenção da maximização da eficiência de supercapacitores eletroquímicos de grafeno, usando o método de RNA (Artificial Neural Networks - ANN). Além disso, foi desenvolvida uma caracterização da configuração das redes neurais de Machine Learning, enfatizando estratégias de como obter configurações máximas de supercapacitores eletroquímicos otimizados.
id UFTM_46b604a27eb85ec745c4e145f8ea3e4b
oai_identifier_str oai:bdtd.uftm.edu.br:123456789/1807
network_acronym_str UFTM
network_name_str Biblioteca Digital de Teses e Dissertações da UFTM
repository_id_str
spelling LIMA, Anderson Barbosahttp://lattes.cnpq.br/9371193009720807https://lattes.cnpq.br/3881173439194898DAMANTE, Lucas de Oliveira2024-11-22T15:15:18Z2023-01-162024-11-22T15:15:18Z2023-01-16http://bdtd.uftm.edu.br/handle/123456789/1807Nesta dissertação apresentamos que os supercapacitores podem ser otimizados usando simulações computacionais, desde que seguido uma série de procedimentos técnicos. Eletrônicos em geral cada vez mais usam em suas configurações armazenadores de energia: capacitores, baterias e os supercapacitores, por isso, este tema é muito relevante pesquisar. O trabalho em si tem como objetivo estudar o método de RNA (Redes Neurais Artificiais) para obtenção de capacitores e supercapacitores eletroquímicos, bem como calcular capacitâncias e testar as principais funções de ativação de uma rede neural: ReLu, Sigmoid, Softmax, Softplus, Tanh. Contudo, este trabalho tem um enfoque principal em (IA) Inteligência Artificial, bem como a obtenção da maximização da eficiência de supercapacitores eletroquímicos de grafeno, usando o método de RNA (Artificial Neural Networks - ANN). Além disso, foi desenvolvida uma caracterização da configuração das redes neurais de Machine Learning, enfatizando estratégias de como obter configurações máximas de supercapacitores eletroquímicos otimizados.In this dissertation we present that supercapacitors can be prepared using simply computer simulations, provided that a series of procedures is followed. Electronics in general increasingly use energy storage prototypes in their configurations: capacitors and supercapacitors, so this topic is very relevant to research. The research itself aims to study the ANN (Artificial Neural Networks) method to obtain capacitors and supercapacitors, as well as calculate capacitances and test the main activation functions of a neural network: ReLu, Sigmoid, Softmax, Softplus, Tanh . However, this research has a main focus on (AI) Artificial Intelligence, as well as the achievement of maximizing the efficiency of graphene supercapacitors, using the RNA (Artificial Neural Networks - ANN) method. In addition, a characterization of the configuration of machine learning neural networks was developed, emphasizing strategies on how to obtain supercapacitors.porUniversidade Federal do Triângulo MineiroPrograma de Pós-Graduação em Ciência e Tecnologia dos MateriaisUFTMBrasilInstituto de Ciências Biológicas e Naturais - ICBNCNPQ::ENGENHARIASRede neural artificial.Supercapacitores.Grafeno.Inteligência artificial.Artificial neural network.Supercapacitor.Graphene.Artificial intelligence.Maximização da eficiência energética de supercapacitores de grafeno usando RNA (Redes Neurais Artificiais))info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFTMinstname:Universidade Federal do Triangulo Mineiro (UFTM)instacron:UFTMORIGINALDissert Lucas O Damante.pdfDissert Lucas O Damante.pdfDissert Lucas O Damanteapplication/pdf2224296http://bdtd.uftm.edu.br/bitstream/123456789/1807/1/Dissert%20Lucas%20O%20Damante.pdf794cbbaefdf9238b2765476b89c4833cMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://bdtd.uftm.edu.br/bitstream/123456789/1807/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52TEXTDissert Lucas O Damante.pdf.txtDissert Lucas O Damante.pdf.txtExtracted texttext/plain170633http://bdtd.uftm.edu.br/bitstream/123456789/1807/3/Dissert%20Lucas%20O%20Damante.pdf.txt911e69735e065c189ebd1f80326461bcMD53THUMBNAILDissert Lucas O Damante.pdf.jpgDissert Lucas O Damante.pdf.jpgGenerated Thumbnailimage/jpeg1221http://bdtd.uftm.edu.br/bitstream/123456789/1807/4/Dissert%20Lucas%20O%20Damante.pdf.jpg36b525b77476d91e34cde9c3e30f4cebMD54123456789/18072024-11-23 00:02:52.072oai:bdtd.uftm.edu.br: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Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.uftm.edu.br/PUBhttp://bdtd.uftm.edu.br/oai/requestbdtd@uftm.edu.br||bdtd@uftm.edu.bropendoar:2024-11-23T02:02:52Biblioteca Digital de Teses e Dissertações da UFTM - Universidade Federal do Triangulo Mineiro (UFTM)false
dc.title.pt_BR.fl_str_mv Maximização da eficiência energética de supercapacitores de grafeno usando RNA (Redes Neurais Artificiais))
title Maximização da eficiência energética de supercapacitores de grafeno usando RNA (Redes Neurais Artificiais))
spellingShingle Maximização da eficiência energética de supercapacitores de grafeno usando RNA (Redes Neurais Artificiais))
DAMANTE, Lucas de Oliveira
CNPQ::ENGENHARIAS
Rede neural artificial.
Supercapacitores.
Grafeno.
Inteligência artificial.
Artificial neural network.
Supercapacitor.
Graphene.
Artificial intelligence.
title_short Maximização da eficiência energética de supercapacitores de grafeno usando RNA (Redes Neurais Artificiais))
title_full Maximização da eficiência energética de supercapacitores de grafeno usando RNA (Redes Neurais Artificiais))
title_fullStr Maximização da eficiência energética de supercapacitores de grafeno usando RNA (Redes Neurais Artificiais))
title_full_unstemmed Maximização da eficiência energética de supercapacitores de grafeno usando RNA (Redes Neurais Artificiais))
title_sort Maximização da eficiência energética de supercapacitores de grafeno usando RNA (Redes Neurais Artificiais))
author DAMANTE, Lucas de Oliveira
author_facet DAMANTE, Lucas de Oliveira
author_role author
dc.contributor.advisor1.fl_str_mv LIMA, Anderson Barbosa
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/9371193009720807
dc.contributor.authorLattes.fl_str_mv https://lattes.cnpq.br/3881173439194898
dc.contributor.author.fl_str_mv DAMANTE, Lucas de Oliveira
contributor_str_mv LIMA, Anderson Barbosa
dc.subject.cnpq.fl_str_mv CNPQ::ENGENHARIAS
topic CNPQ::ENGENHARIAS
Rede neural artificial.
Supercapacitores.
Grafeno.
Inteligência artificial.
Artificial neural network.
Supercapacitor.
Graphene.
Artificial intelligence.
dc.subject.por.fl_str_mv Rede neural artificial.
Supercapacitores.
Grafeno.
Inteligência artificial.
Artificial neural network.
Supercapacitor.
Graphene.
Artificial intelligence.
description Nesta dissertação apresentamos que os supercapacitores podem ser otimizados usando simulações computacionais, desde que seguido uma série de procedimentos técnicos. Eletrônicos em geral cada vez mais usam em suas configurações armazenadores de energia: capacitores, baterias e os supercapacitores, por isso, este tema é muito relevante pesquisar. O trabalho em si tem como objetivo estudar o método de RNA (Redes Neurais Artificiais) para obtenção de capacitores e supercapacitores eletroquímicos, bem como calcular capacitâncias e testar as principais funções de ativação de uma rede neural: ReLu, Sigmoid, Softmax, Softplus, Tanh. Contudo, este trabalho tem um enfoque principal em (IA) Inteligência Artificial, bem como a obtenção da maximização da eficiência de supercapacitores eletroquímicos de grafeno, usando o método de RNA (Artificial Neural Networks - ANN). Além disso, foi desenvolvida uma caracterização da configuração das redes neurais de Machine Learning, enfatizando estratégias de como obter configurações máximas de supercapacitores eletroquímicos otimizados.
publishDate 2023
dc.date.available.fl_str_mv 2023-01-16
2024-11-22T15:15:18Z
dc.date.issued.fl_str_mv 2023-01-16
dc.date.accessioned.fl_str_mv 2024-11-22T15:15:18Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://bdtd.uftm.edu.br/handle/123456789/1807
url http://bdtd.uftm.edu.br/handle/123456789/1807
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal do Triângulo Mineiro
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Ciência e Tecnologia dos Materiais
dc.publisher.initials.fl_str_mv UFTM
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Instituto de Ciências Biológicas e Naturais - ICBN
publisher.none.fl_str_mv Universidade Federal do Triângulo Mineiro
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFTM
instname:Universidade Federal do Triangulo Mineiro (UFTM)
instacron:UFTM
instname_str Universidade Federal do Triangulo Mineiro (UFTM)
instacron_str UFTM
institution UFTM
reponame_str Biblioteca Digital de Teses e Dissertações da UFTM
collection Biblioteca Digital de Teses e Dissertações da UFTM
bitstream.url.fl_str_mv http://bdtd.uftm.edu.br/bitstream/123456789/1807/1/Dissert%20Lucas%20O%20Damante.pdf
http://bdtd.uftm.edu.br/bitstream/123456789/1807/2/license.txt
http://bdtd.uftm.edu.br/bitstream/123456789/1807/3/Dissert%20Lucas%20O%20Damante.pdf.txt
http://bdtd.uftm.edu.br/bitstream/123456789/1807/4/Dissert%20Lucas%20O%20Damante.pdf.jpg
bitstream.checksum.fl_str_mv 794cbbaefdf9238b2765476b89c4833c
8a4605be74aa9ea9d79846c1fba20a33
911e69735e065c189ebd1f80326461bc
36b525b77476d91e34cde9c3e30f4ceb
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFTM - Universidade Federal do Triangulo Mineiro (UFTM)
repository.mail.fl_str_mv bdtd@uftm.edu.br||bdtd@uftm.edu.br
_version_ 1854401116198928384

Registros relacionados