Show simple item record

dc.contributor.advisorSteiner, Maria Teresinha Arns, 1957-pt_BR
dc.contributor.otherCosta, Deise Maria Bertholdi, 1969-pt_BR
dc.contributor.otherPavanelli, Genivalpt_BR
dc.contributor.otherUniversidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em Engenhariapt_BR
dc.creatorPavanelli, Alessandra Memaript_BR
dc.date.accessioned2024-05-20T20:14:19Z
dc.date.available2024-05-20T20:14:19Z
dc.date.issued2008pt_BR
dc.identifier.urihttps://hdl.handle.net/1884/14318
dc.descriptionOrientadora: Profª Drª Maria Teresinha Arns Steinerpt_BR
dc.descriptionCoorientadores : Profª Drª Deise Maria Bertholdi Costa e Prof. MSc. Genival Pavanellipt_BR
dc.descriptionDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas e Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa: Curitiba, 2008pt_BR
dc.descriptionInclui bibliografiapt_BR
dc.descriptionÁrea de concentração: Programação matemáticapt_BR
dc.description.abstractResumo: O presente trabalho tem como objetivo prever o tempo de duração de audiênciastrabalhistas, otimizando dessa maneira, o agendamento dos horários dos juízes doFórum Trabalhista de São José dos Pinhais (SJP), Paraná. A metodologia propostaneste trabalho consiste em comparar duas técnicas distintas, uma relacionada aInteligência Artificial que é a Rede Neural Artificial (RNA) e a outra relacionada àestatística que é Regressão Linear Múltipla, de forma a obter o melhor resultado.Para tanto, utilizou-se os dados dos processos, do Fórum Trabalhista de SJP, queserviram de entrada para as RNAs e para Regressão Linear Múltipla. Foramtreinadas diversas RNAs, com várias topologias e, em alguns casos, utilizando aAnálise de Componentes Principais, buscando melhorar ainda mais os resultadosobtidos. Na Regressão Linear Múltipla os testes foram realizados com os mesmosconjuntos de dados utilizados nas RNAs a fim de comparar as duas técnicas. Asferramentas utilizadas mostraram-se bem eficientes, sendo que para o problemaabordado, o desempenho das RNAs, com a utilização de Análise de ComponentesPrincipais, foi superior ao resultado apresentado pela técnica de Regressão Linear Múltipla.pt_BR
dc.description.abstractAbstract: This research aims at predicting the length of time of labor hearings in order to optimize the judges' time schedules in São José dos Pinhais Labor Court in Paraná State. To achieve the best result, the methodology used here is a comparison of two distinct techniques: the first one is related to Artificial Intelligence studies and is known as Artificial Neural Network (ANN), the second one is based on Statistics and is called Multiple Linear Regression (MLR). Data collected from São José dos Pinhais Labor Court fed both ANNs and MLR tests. Many ANNs were trained using different topologies, or even using Main Component Analysis with the objective of reaching improved results. The same data was then used in MLR tests. Both tools employed in this research have shown to be efficient, although Artificial Neural Network proved to be more adequate than Multiple Linear Regression.pt_BR
dc.format.extent126f. : il.pt_BR
dc.format.mimetypeapplication/pdfpt_BR
dc.languagePortuguêspt_BR
dc.relationDisponível em formato digitalpt_BR
dc.subjectRedes neurais (Computação)pt_BR
dc.subjectPrática forensept_BR
dc.subjectAnálise numéricapt_BR
dc.titleUtilização de redes neurais artificiais para a previsão do tempo de duração de audiencias trabalhistaspt_BR
dc.typeDissertaçãopt_BR


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record