Resumo: Este trabalho propõe a utilização de um novo método para detecção e remoção de ruído impulsivo de imagens digitais, baseado na combinação de duas redes neurais artificiais (RNA). O algoritmo de treinamento das RNA baseia-se na técnica da retropropagação do erro (algoritmo backpropagation). A primeira RNA é utilizada para detecção do ruído, conhecido como sal e pimenta, e a segunda RNA é utilizada para substituir tal ruído por um valor estimado. O método proposto é comparado com outros métodos da literatura em termos de julgamento visual, tempo computacional e também usando a medida quantitativa Mean Square Error (MSE). Os resultados obtidos mostram um bom desempenho do método aplicado. Em termos numéricos foi obtido um MSE menor quando comparado com os métodos mais usados e publicados na literatura. Visualmente, obteve-se uma maior redução nos níveis de ruído, o que possibilitou uma melhor visualização das imagens analisadas.Palavras-chave: Detector de ruído. Estimador de ruído. Imagens digitais. Redes neurais artificiais. Ruído impulsivo. Abstract: This paper proposes the use of a new method to detect and remove impulsive noise from digital images, based on the combination of the two artificial neural networks (ANN). The ANN training algorithm is based on the backpropagation technique. The first ANN is used to detect the impulsive noise, known as salt and pepper, and the second ANN is used to remove it using an

Resumo: Redes Neurais Artificiais (RNAs), usualmente denominadas redes neurais, são modelos matemáticos que se assemelham às estruturas neurais biológicas. O Método dos Elementos Finitos (MEF) e o Método da propagação de feixes (MPF) são utilizados na discretização de domínios originais contínuos de problemas físicos. O objetivo deste artigo é apresentar a modelagem e projeto de um acoplador direcional formado por fibras óticas separadas por uma distância d, constantes ao longo da direção de propagação, aplicando RNAs. Os dados necessários para treinamento da RNA foram obtidos a partir da análise modal e da aplicação do MVPF como ferramenta de simulação numérica. A rede neural obteve como saída a potência nas duas fibras ao longo da distância de acoplamento. Palavras-chave:Redes neurais artificiais. Acopladores direcionais de fibra ótica. Método vetorial da propagação de feixes. Abstract: Artificial Neural Networks (ANN), commonly called neural networks are mathematical models that simulate biological neural structures. The Finite Element Method (FEM) and beam propagation method (BPM) are used in the original discretization of continuous domains of physical problems. The aim of this paper is to present the modeling and design of a directional

We revise a quadratic formulation for the maximum diversity problem (MDP). We apply the t-linearization technique and strengthen the resulting constraints. We propose new rules for fixing variables, also translated as valid constraints for the problem. From these ingredients, we propose an exact algorithm for the MDP, based on the branch-and-bound method. Computational results obtained with instances of the literature show that the proposed method is able to solve instances with up to $ 125 $ elements, being more efficient than the best exact algorithm in the literature.