Search

Dissertação de mestrado em Physics, Há ainda várias questões acerca do universo às quais ainda não temos resposta. É fundamental estudarmos e melhorarmos as técnicas já conhecidas, bem como desenvolver novas técnicas, de forma a investigar e descobrir novos fenómenos de física. Neste trabalho, foram utilizadas técnicas de machine learning tais como boosted decision trees e autoencoders. As boosted decision trees foram utilizadas como métodos de machine learning supervisionado, enquanto que os autoencoders foram utilizados como métodos de deteção de anomalias. Foi feita uma comparação entre a AUC dos resultados da boosted decision tree, dos autoencoders e das features, sem estas terem passado por nenhum modelo. Já com os autoencoders foi feito outro estudo - a dimensão do espaço latente afeta a deteção do sinal? Foi feito um estudo em várias dimensões do espaço latente e foi calculada a AUC para visualizar este efeito. Os resultados da boosted decision tree foram melhores que os resultados dos autoencoders, porém utilizar autoencoders foi melhor do que não utilizar nada - a AUC dos autoencoders foi melhor que a AUC das features. Além disso, a escolha do espaço latente tem que ser tomada em conta visto que há dimensões mais sensíveis a certos tipos de sinais., There are still many questions about our universe to which we do not know the answer yet. The devel opment of new techniques and the improvement of techniques that we already developed is fundamental to investigate and discover new physics phenomena. In this work, machine learning techniques were studied such as boosted decision trees and autoen coders. Boosted decisions trees were used as a supervised technique and the autoencoders as an anomaly detection technique. It was done a comparison between the AUC of the results from the boosted decision tree, the autoencoders and from the features without going through any model. With the autoencoders, another study was done - does the latent space dimension affect the signal detection? For different latent space dimensions, the AUC was performed to visualize this effect. The results from the boosted decision tree were better than the results coming from the autoencoders but, using autoencoders was better than using nothing - the AUC of the autoencoders were better than the AUC of the features. Furthermore, it was seen that the choice of the latent space dimension must be taken into consideration since some dimensions are sensitive to certain kind of signals.

Esta dissertação tem como principal objetivo compreender e investigar, através de árvores de decisão e máquinas de vetores de suporte, os fatores que influenciam o sucesso do passe. A metodologia utilizada é o CRISP DM, usando três iterações do seu ciclo de vida. Na primeira iteração utilizaram-se as variáveis: área do Voronoi, distância à baliza e variável de saída a continuação da posse de bola. Segundo o especialista consultado, os resultados estavam longe do esperado. Na segunda iteração é utilizada a mesma base de dados, considerando o penúltimo e último evento (passe) da jogada. Nesta fase não foram encontradas ligações entre a distância à baliza e área total do Voronoi no sucesso ou não do passe. Na última iteração são realizadas três experiências com diferentes conjuntos de dados obtidos da mesma base de dados: um contendo dados posicionais e área de Voronoi dos jogadores, outro contendo somente os dados do jogador que executa o passe, o terceiro considerando o portador da bola e os companheiros e adversários mais próximos. Os resultados obtidos do primeiro conjunto de dados indicam que a importância relativa das variáveis é dependente do jogo e de alguma forma relacionada com a formação das equipas e missão tática dos jogadores. No segundo conjunto de variáveis os resultados indicam que as variáveis mais importantes são a área do Voronoi e a distância à baliza sendo as coordenadas dos jogadores pouco relevantes. O terceiro conjunto, mais diretamente relacionado ao processo de aprovação, proporcionou uma classificação mais consistente das características. Valores baixos da medida F e precisão mostram que as variáveis e os fatores que levam ao sucesso da aprovação são de fato elusivos. This dissertation has as main objective to understand and investigate, through decision trees and support vector machines, the factors that influence the success of the pass. The methodology used is CRISP DM, using three iterations of its life cycle. In the first iteration the following variables were used: Voronoi area, distance to goal and output variable the continuation of possession. According to the expert consulted, the results were far from what was expected. In the second iteration the same database is used, considering the penultimate and last event (pass) of the play. At this stage no links were found between the distance to the goal and total area of the Voronoi in the success or not of the pass. In the last iteration three experiments are performed with different data sets from the same database: one containing positional data and Voronoi area of all players, another containing only the data of the player performing the pass, the third considering the ball carrier and the closest teammates and opponents. The results obtained from the first set of data indicate that the relative importance of the variables is game dependent and somewhat related to the formation of the teams and tactical mission of the players. In the second set of variables the results indicate that the most important variables are the Voronoi area and the distance to the goal with the players’ coordinates being of little relevance. The third set, more directly related to the approval process, provided a more consistent classification of characteristics. Low values of the F-measure and hit show that the features and factors that lead to successful passing are indeed elusive.

Doctoral Program in Advanced Engineering Systems for Industry (AESI), O stock de segurança desempenha um papel crucial na manutenção do equilíbrio entre o excesso de inventário e a perda de vendas, o que leva a um melhor desempenho da cadeia de abastecimento. É adotado pelas organizações para cobrir tanto a incerteza da procura como a do Lead-time (LT), a fim de atingir o nível de serviço prometido aos clientes e evitar a ruptura de stock. A incerteza do LT de fornecimento representa um parâmetro central que afeta o dimensionamento do stock de segurança e o desempenho da cadeia de abastecimento. Abordagens baseadas em dados, tais como Big Data Analytics (BDA), têm sido cada vez mais exploradas na gestão da cadeia de abastecimento para a melhoria do processo de tomada de decisão logísticos. Esta tese propõe um sistema inteligente de apoio à decisão para estimar o LT para um melhor dimensionamento do stock de segurança utilizando uma arquitetura escalável de Big Data (BD). Foca-se na melhoria da estimativa do LT para promover um melhor dimensionamento do stock de segurança. O estado da arte do dimensionamento do stock de segurança sob incertezas e riscos retrata as dificuldades em determinar as varianções do LT do fabricante numa cadeia de abastecimento com múltiplos produtos. O preenchimento desta lacuna identificada é de grande relevância e motivou-nos a realizar este trabalho. Assim, este projeto propõe duas principais abordagens: 1. uma nova abordagem baseada em aprendizagem automática para prever o risco de atraso de fornecimento, o que representa o principal fator com impacto no LT e no desempenho global da gestão de inventário. 2. uma abordagem supervisionada multivariada para estimar o lead time de forma a melhorar as estimativas de stock de segurança, combinando ténicas de aprendizagem automática e de BD. Estas abordagens foram testadas no contexto da Bosch AE/P e reveleram-se muito úteis no suporte à tomada de decisão, na melhoria do desempenho do sistema de gestão de inventários e na gestão proativa e dinâmica dos atrasos de fornecimento., Safety stock plays a crucial role in maintaining the balance between excess inventory and lost sales, which leads to better supply chain performance. It is adopted by organizations to cover both demand and LT uncertainty in order to achieve the promised service level to the customers and prevent stockouts. Uncertainty in supply LT represents a core parameter that affects the dimensioning of safety stock and supply chain performance. Data-driven approaches such as BDA have been increasingly explored in supply chain management for the enhancement of the logistics decision-making process. This thesis proposes an intelligent decision support system to estimate supply LT for improved safety stock dimensioning by using a scalable BD technology architecture. It focuses on improving LT uncertainty estimation to promote better safety stock dimensioning. The state-of-the-art of safety stock dimensioning under uncertainties and risks portrays the difficulties of determining upstream manufacturer’s variations of supply LT in the supply chain with multiple products. Fulfilling this identified gap is of major relevance and motivated us to conduct this work. Thus, this work proposes two main approaches: 1. a novel machine learning-based approach for predicting the risk of supply delay, which represents the main factor impacting supply LT and overall inventory management performance. 2. a multivariate supervised approach to estimate supply LT towards the improvement of safety stock estimations, combining machine learning and BD techniques. These approaches were tested in the context of the Bosch AE/P and proved very useful in supporting decision-making, improving the performance of the inventory management system and supply delays management proactively and dynamically., This work has been supported by FCT – Fundação para a Ciência e Tecnologia within the R&D Units Project Scope: UIDB/00319/2020 and the doctoral scholarship grant: PD/BDE/142895/2018.

Dissertação de mestrado em Network Engineering and Telematic Services, The future of vehicles is for them to become smarter: able to perceive the its surroundings, detect dangerous situations, and act accordingly. To realize this vision, vehicles must collect information and share it with others, allowing them to have shared knowledge of an event that their sensors could not yet detect. However, some vehicles may not have enough computational resources to process the information and comply with low-delay requirements, and may need to offload the data to edge computing platforms to extend their own processing capabilities. While offloading, a vehicle may have multiple access networks at their disposal and by choosing the best network it may maximize the amount of data it can offload. These access networks include the mobile 5G network and Wi-Fi access points, which the operator can integrate within the 5G system to take advantage of unlicensed spectrum in the 2.4, 5 and 60 GHz ranges. In the current work, we focused on leveraging Wi-Fi and allowing vehicles to decide which access network to use among three Wi-Fi 802.11n/ac/ad networks. We developed a Wi-Fi performance monitoring and decision-making system (WiPerf) that can: (i) collect throughput measurements and channel state information for multiple Wi-Fi networks; (ii) estimate throughput using passive measurements; (iii) predict the next 40 seconds of throughput; (iv) decide which network to use, based on the throughput forecasts and on the time it takes to switch to another network. The system was implemented in a real-world setup with two vehicles and two TP-Link Talon AD7200 access points. We performed an initial set of experiments to collect a dataset to develop estimation and forecasting models, and a second set of experiments to validate our decision-making system. For throughput estimation, we developed the UKF-SR model, a novel approach that combines Symbolic Re gression with a non-linear recursive Bayes filter. Results showed that our solution was superior to NN, DT, and RF models, with these having higher RMSE values by at least 4.94 %, 38.09 %, and 9.59 % for 802.11n/ac/ad, respectively. Considering forecasting, we adapted previously developed spatial-clustering models, that forecast throughput based on a set of similar historic samples, and compared them with a time-series approach, us ing ARIMA and VAR models. VAR showed the best results among the time-series models, but they were still outclassed by spatial-clustering, considering both MAE and MASE values. We integrated the estimation and forecasting models with a decision-making algorithm. The algorithm sched ules which networks the vehicle should use considering the time if takes to switch networks, to maximize the amount of data it can offload. Compared with the optimal solution, based on the real throughput measurements and without forecasting (perfect prediction), the results show that our approach has near-optimal performance with an average throughput of only 4.43 % less than the optimal one., O futuro dos veículos passa por torná-los inteligentes: capazes de analisar o meio envolvente, detetar situações de perigo e agir de forma adequada. Para concretizar esta visão, os veículos devem recolher informação e partilhá-la com os restantes, permitindo que todos tenham conhecimento partilhado de um evento que os seus sensores ainda não detetaram. No entanto, alguns veículos podem não dispor de recursos computacionais suficientes para processar a informação e cumprir com os requisitos de baixos atrasos, tendo como alternativa o envio de dados para plataformas de computação de borda, ampliando as suas capacidades de processamento. Durante a transmissão, um veículo pode ter várias redes de acesso disponíveis e através da escolha da melhor rede pode maximizar a quantidade de dados que pode transmitir. Estas redes de acesso incluem a rede 5G e pontos de acesso Wi-Fi, que a operadora pode integrar no sistema 5G para tirar proveito de espectro não licenciado nas gamas dos 2.4, 5 e 60 GHz. No presente trabalho, focamo-nos em utilizar Wi-Fi e permitir aos veículos escolherem qual a melhor rede a utilizar entre três redes Wi-Fi 802.11n/ac/ad. Desenvolvemos um sistema de monitorização e tomada de decisão para redes Wi-Fi (WiPerf) capaz de: (i) medir a taxa de transmissão e recolher informação do estado do canal para várias redes Wi-Fi; (ii) estimar a taxa de transmissão com base em medições passivas; (iii) prever a taxa de transmissão para os próximos 40 segundos; (iv) decidir qual a rede a utilizar, com base na previsão da taxa de transmissão e no tempo que demora a trocar de rede. O sistema foi implementado num cenário real, com dois veículos e dois pontos de acesso TP-Link Talon AD7200. Realizamos um primeiro conjunto de experiências para recolher dados para desenvolver os modelos de estimação e previsão, e um segundo para validar o sistema de tomada de decisão. Para estimar a taxa de transmissão, desenvolvemos o modelo UKF-SR, uma nova abordagem que junta Regressão Simbólica com filtros Bayesianos recursivos e não-lineares. Os resultados mostram que a nossa solução teve um melhor desempenho do que os modelos NN, DT e RF, sendo que estes apresentam valores de RMSE superiores, de pelo menos 4.94 %, 38.09 % e 9.59 % para 802.11n/ac/ad, respetivamente. Para a previsão adaptamos modelos de clustering espacial, que preveem a taxa de transmissão com base num conjunto de amostras históricas, com uma abordagem baseada em séries temporais, usando modelos ARIMA e VAR. Os modelos VAR tiveram os melhores resultados dentro dos modelos de séries temporais, mas foram superados pelos modelos de clustering espacial tendo em conta as métricas MAE e MASE. Integramos os modelos de estimação e previsão juntamente com um algoritmo de tomada de decisão. O algoritmo planeia quais as redes que o veículo deve utilizar considerando o tempo associado a trocar de rede, para maximizar a quantidade de dados que poderá transmitir. Comparativamente com a solução ótima, baseada nas medições reais da taxa de transmissão e sem previsão (previsão perfeita), os resultados mostram que a nossa abordagem tem um desempenho quase-ótimo, atingindo uma taxa de transmissão média de apenas menos 4.43 % do que a ideal.

As ameaças internas são no presente, uma das principais preocupações das organizações. Essas preocupações têm origem nas pessoas que possuem políticas de acesso legítimo e autorizado a informações confidenciais dentro de uma organização. Estas políticas de acesso concedidas aos utilizadores internos, embora necessárias, para que realizem as suas tarefas profissionais, se mal-intencionados expõem a organização a uma ampla gama de ataques internos que podem causar enormes transtornos financeiros. Para ultrapassar estes problemas, os administradores são forçados a utilizar estratégias de monitorização para manter os seus serviços (por exemplo, Base de Dados) seguros, no entanto esses serviços, por vezes são operados por terceiros e deslocalizados para um datacenter externo, tendo estes que confiar nos dados capturados ao nível da rede. Por essa mesma razão esta dissertação propôs-se a detetar esses comportamentos anómalos e a utilização dessas credenciais para efetuar esses ataques, propondo mecanismos para a deteção de anomalias no acesso a serviços. Os mecanismos mencionados basearam-se na análise e extração de caraterísticas estatísticas e de frequência temporal que caraterizaram os períodos de silêncio/atividade na rede. Além disso, o objetivo foi apenas modelar a rede na sua normalidade. Outra questão dos atuais sistemas de deteção de anomalias em redes é que a maioria depende de técnicas de aprendizagem supervisionadas, formando assim um classificador para formas específicas de vetores de ataque, ou seja, baseado na na sua assinatura. Com isto em mente, foi proposta uma série de procedimentos de engenharia de caraterísticas para otimizar o desempenho de classificação dos modelos OCC. Depois da extração das propriedades que caraterizam estas métricas, é realizada uma exploração dos dados e um estudo das mesmas, sendo depois usadas para treinar modelos OCC. Os modelos são treinados com dados retirados de uma série de interações entre um computador e uma Base de Dados. Os resultados mostram que foi possível atingir taxas de precisão de deteção na ordem dos 90%. Para finalizar, este trabalho propõe ainda algumas ideias de trabalho futuro, nomeadamente alterações ao nível do pré-processamento, ideias de novos testes e a aplicação de uma nova camada de classificação para diminuir a percentagem de falsos positivos. Insider threats are currently one of the main concerns of organizations. These concerns sit on people who have legitimate and authorized access policies to sensitive information within an organization. These access policies granted to internal users are necessary to carry out their professional tasks, but if malicious, they expose the organization to a wide range of internal attacks that can cause tremendous financial damage. To overcome these problems, administrators are forced to use monitoring strategies to keep their services (e.g., Databases) secure. However, these services are sometimes operated by third parties and moved to an external data center, so they rely on data captured at the network level. For this reason, this dissertation aims to detect these abnormal behaviors and the use of these credentials to carry out these attacks by proposing mechanisms to detect anomalies in access to services. The mentioned mechanisms were based on the analysis and extraction of statistical characteristics and temporal frequencies that characterized the periods of silence/activity in the network. Moreover, the goal was to model the network only in its normality. Another problem of current network anomaly detection systems is that most of them are based on supervised learning techniques and thus form a classifier for certain forms of attack vectors, i.e., based on their signature. With this in mind, a number of feature engineering techniques have been proposed to optimize the classification performance of OCC models. After extracting the properties that characterize these metrics, an exploration of the data and a study of the data are performed, which are then used to train OCC models. The models are trained with data obtained from a series of interactions between a computer and a database. The results show that it was possible to achieve measurement accuracy rates on the order of 90%. Finally, this paper also proposes some ideas for future work, namely changes in the level of pre-processing, ideas for new tests, and the application of a new classification layer to reduce the percentage of false positives. Mestrado em Engenharia de Computadores e Telemática

O aparecimento da COVID-19, uma doença viral e infeciosa que apresenta uma alta taxa de propagação, resultou em grandes pressões sobre os sistemas de saúde, esgotando médicos, recursos e provocando a exaustão dos profissionais de saúde da linha da frente. Devido às suas consequências devastadores e ao seu desconhecimento, começaram-se a recolher e analisar dados dos pacientes que tinham testado positivo à COVID-19, tanto dos sintomas, como das suas COVID-19, variante do vírus, dados demográficos, dados geográficos do local de infeção, assim como as datas de infeção e de início de sintomas, para se tentar ajudar as unidades hospitalares a selecionarem os pacientes que deveriam ter um atendimento prioritário. Uma vez que estes conjuntos de dados rapidamente se tornaram gigantescos, utilizaram-se variados métodos, também de Aprendizagem Automática. Estes métodos, têm como principal objetivo a perceção de padrões e o relacionamento de dados, de uma forma automática a partir dos mesmos. Os métodos de Aprendizagem Automática, fazem uso de métodos estatísticos e probabilísticos de forma a criar algoritmos que consigam aprender diretamente de uma parte de dados, que são usados para treinar e avaliar os modelos conforme o seu desempenho preditivo. Estes métodos têm tido uma ampla utilização para problemas de classificação e em especial foram muito empregues no contexto da COVID-19, uma vez que desta doença nova não se sabia praticamente nada sobre a sua evolução ao longo do tempo, e aplicando-se diversos modelos de AprendizagemAutomática aos dados de saúde recolhidos, tentou-se fazer previsões para o número de casos diários, assim como também para a identificação dos pacientes, consoante os sintomas e as comorbilidades que estes apresentavam, que fossem de atendimento mais premente nos hospitais. Assim, o presente trabalho tem como objetivo a aplicação de diversos métodos de Aprendizagem Automática, entre os quais Regressão Logística, Modelos Aditivos Generalizados, Árvores de Classificação, Florestas Aleatórias e Redes Neuronais, em dados Portugueses de saúde de COVID-19, de forma a avaliar cada um destes modelos em termos preditivos e também tem como objetivo saber quais os sintomas e as doenças que estão mais relacionadas com a morte por COVID-19. The emergence of COVID-19, a viral and infectious disease that has a high rate of spread, has resulted in great pressures on health systems, depleting medical doctors, resources and causing the exhaustion of frontline health professionals. Due to its devastating consequences and lack of knowledge about it, data began to be collected and analyzed from patients who had tested positive for COVID-19, both on symptom data, comorbidities data, virus variant, demographic data, geographic data the site of infection, as well as the dates of infection and onset of symptoms, to try to help hospital units to select patients who should receive priority care. Once these datasets quickly became huge, they begam to be analysed with several methods, including various Machine Learning methods. These methods have as main objective the revelation of patterns and data relationships, automatically. Machine learning methods make use of statistics and probability in order to create the learning methods that are directly used to train and evaluate models according to their predictive performance. Machine Learning methods have a wide use for classification and especially have been much used in COVID-19 context, since this disease was new and practically nothing was known about its evolution in time. Several Machine Learning models were applied to the collected health data, in order to try to make predictions for the number of daily cases, as well as for the identification of most potentially problematic patients, depending on their symptoms and comorbilities, so that hospitals would pay more attention to those. Thiswork have the objective of applying several Machine Learning methods, including Logistic Regression, Generalized Additive Models, Group LASSO, Classification Trees, Random Forests and Neural Networks, to the Portuguese COVID-19 data, in order to evaluate each one of these models in predictive terms and also have the objective to know which symptoms and comorbidities are most related with mortality from COVID-19.

Dissertação de mestrado em Informatics Engineering, In the last years, the number of Machine Learning algorithms and their parameters has increased significantly. This allows for more accurate models to be found, but it also increases the complexity of the task of training a model, as the search space expands significantly. As datasets keep growing in size, traditional approaches based on extensive search start to become costly in terms of computational resources and time, especially in data streaming scenarios. With this growth, new challenges in Machine Learning started to appear. The speed at which data arrives and different ways of storing data are forcing organizations to address and explore new ways of adapting fast enough so their ML models don’t become obsolete. This dissertation aims to develop an approach based on meta-learning that tackles two main challenges: predict ing the performance metrics of a future model and recommending the best algorithm/configuration for training a model for a specific Machine Learning problem. Throughout this dissertation, all the study objectives and questions, along with the relevant contextualization will be exposed. The proposed solution, when compared to an AutoML approach is up to 130x faster and only 2% worse in terms of average model quality, showing it is a good solution for scenarios in which models need to be updated regularly, such as in streaming scenarios with Big Data, in which some accuracy can be traded for a much shorter model training time., Nos últimos anos, o número de algoritmos de Machine Learning e seus parâmetros aumentou significativamente. Isso permite que modelos mais precisos sejam encontrados, mas também aumenta a complexidade da tarefa de treinar um modelo, pois o espaço de busca expande-se significativamente. À medida que os conjuntos de dados continuam a crescer em tamanho, abordagens tradicionais baseadas em uma pesquisa extensiva começam a se tornar caras em termos de recursos computacionais e tempo, especialmente em cenários de streaming de dados. Com esse crescimento, novos desafios no Machine Learning começaram a aparecer. A velocidade com que os dados chegam e as diferentes maneiras de armazenar dados estão a forçar as organizações a abordar e explorar novas formas de se adaptar rápido o suficiente para que os seus modelos de ML não se tornem obsoletos. Esta dissertação visa desenvolver uma abordagem baseada em Meta-Learning que aborda dois desafios principais: prever as métricas de desempenho de um modelo futuro e recomendar o melhor algoritmo/configuração para treinar um modelo para um problema específico de Machine Learning. Ao longo desta dissertação, serão expostos todos os objetivos e questões do estudo, juntamente com a contextualização relevante. A solução proposta, quando comparada a uma abordagem AutoML é até 130x mais rápida e apenas 2% pior em termos de qualidade média do modelo, mostrando que é uma boa solução para cenários em que os modelos precisam ser atualizados regularmente, como em cenários de streaming com Big Data, em que alguma precisão pode ser negociada por um tempo de treino de modelo muito menor.

Humans are prepared to comprehend each other’s emotions through subtle body movements or facial expressions; using those expressions, individuals change how they deliver messages when communicating between them. Machines, user interfaces, or robots need to empower this ability, in a way to change the interaction from the traditional “human-computer interaction” to a “human-machine cooperation”, where the machine provides the “right” information and functionality, at the “right” time, and in the “right” way. This dissertation presents a framework for emotion classification based on facial, speech, and text emotion prediction sources, supported by an ensemble of open-source code retrieved from off-the-shelf available methods. The main contribution is integrating outputs from different sources and methods in a single prediction, consistent with the emotions presented by the system’s user. For each different source, an initial aggregation of primary classifiers was implemented: for facial emotion classification, the aggregation achieved an accuracy above 73% in both FER2013 and RAF-DB datasets; For the speech emotion classification, four datasets were used, namely: RAVDESS, TESS, CREMA-D, and SAVEE. The aggregation of primary classifiers, achieved for a combination of three of the mentioned datasets results above 86 % of accuracy; The text emotion aggregation of primary classifiers was tested with one dataset called EMOTIONLINES, the classification of emotions achieved an accuracy above 53 %. Finally, the integration of all the methods in a single framework allows us to develop an emotion multi-source aggregator (EMsA), which aggregates the results extracted from the primary emotion classifications from different sources, such as facial, speech, text etc. We describe the EMsA and results using the RAVDESS dataset, which achieved 81.99% accuracy, in the case of the EMsA using a combination of faces and speech. Finally, we present an initial approach for sentiment classification. Os humanos estão preparados para compreender as emoções uns dos outros por meio de movimentos subtis do corpo ou expressões faciais; i.e., a forma como esses movimentos e expressões são enviados mudam a forma de como são entregues as mensagens quando os humanos comunicam entre eles. Máquinas, interfaces de utilizador ou robôs precisam de potencializar essa capacidade, de forma a mudar a interação do tradicional “interação humano-computador” para uma “cooperação homem-máquina”, onde a máquina fornece as informações e funcionalidades “certas”, na hora “certa” e da maneira “certa”. Nesta dissertação é apresentada uma estrutura (um ensemble de modelos) para classificação de emoções baseada em múltiplas fontes, nomeadamente na previsão de emoções faciais, de fala e de texto. Os classificadores base são suportados em código-fonte aberto associados a métodos disponíveis na literatura (classificadores primários). A principal contribuição é integrar diferentes fontes e diferentes métodos (os classificadores primários) numa única previsão consistente com as emoções apresentadas pelo utilizador do sistema. Neste contexto, salienta-se que da análise ao estado da arte efetuada sobre as diferentes formas de classificar emoções em humanos, existe o reconhecimento de emoção corporal (não considerando a face). No entanto, não foi encontrado código-fonte aberto e publicado para os classificadores primários que possam ser utilizados no âmbito desta dissertação. No reconhecimento de emoções da fala e texto foram também encontradas algumas dificuldades em encontrar classificadores primários com os requisitos necessários, principalmente no texto, pois existem bastantes modelos, mas com inúmeras emoções diferentes das 6 emoções básicas consideradas (tristeza, medo, surpresa, repulsa, raiva e alegria). Para o texto ainda possível verificar que existem mais modelos com a previsão de sentimento do que de emoções. De forma isolada para cada uma das fontes, i.e., para cada componente analisada (face, fala e texto), foi desenvolvido uma framework em Python que implementa um agregador primário com n classificadores primários (nesta dissertação considerou-se n igual 3). Para executar os testes e obter os resultados de cada agregador primário é usado um dataset específico e é enviado a informação do dataset para o agregador. I.e., no caso do agregador facial é enviado uma imagem, no caso do agregador da fala é enviado um áudio e no caso do texto é enviado a frase para a correspondente framework. Cada dataset usado foi dividido em ficheiros treino, validação e teste. Quando a framework acaba de processar a informação recebida são gerados os respetivos resultados, nomeadamente: nome do ficheiro/identificação do input, resultados do primeiro classificador primário, resultados do segundo classificador primário, resultados do terceiro classificador primário e ground-truth do dataset. Os resultados dos classificadores primários são depois enviados para o classificador final desse agregador primário, onde foram testados quatro classificadores: (a) voting, que, no caso de n igual 3, consiste na comparação dos resultados da emoção de cada classificador primário, i.e., se 2 classificadores primários tiverem a mesma emoção o resultado do voting será esse, se todos os classificadores tiverem resultados diferentes nenhum resultado é escolhido. Além deste “classificador” foram ainda usados (b) Random Forest, (c) Adaboost e (d) MLP (multiplayer perceptron). Quando a framework de cada agregador primário foi concluída, foi desenvolvido um super-agregador que tem o mesmo princípio dos agregadores primários, mas, agora, em vez de ter os resultados/agregação de apenas 3 classificadores primários, vão existir n × 3 resultados de classificadores primários (n da face, n da fala e n do texto). Relativamente aos resultados dos agregadores usados para cada uma das fontes, face, fala e texto, obteve-se para a classificação de emoção facial uma precisão de classificação acima de 73% nos datasets FER2013 e RAF-DB. Na classificação da emoção da fala foram utilizados quatro datasets, nomeadamente RAVDESS, TESS, CREMA-D e SAVEE, tendo que o melhor resultado de precisão obtido foi acima dos 86% quando usado a combinação de 3 dos 4 datasets. Para a classificação da emoção do texto, testou-se com o um dataset EMOTIONLINES, sendo o melhor resultado obtido foi de 53% (precisão). A integração de todas os classificadores primários agora num único framework permitiu desenvolver o agregador multi-fonte (emotion multi-source aggregator - EMsA), onde a classificação final da emoção é extraída, como já referido da agregação dos classificadores de emoções primárias de diferentes fontes. Para EMsA são apresentados resultados usando o dataset RAVDESS, onde foi alcançado uma precisão de 81.99 %, no caso do EMsA usar uma combinação de faces e fala. Não foi possível testar EMsA usando um dataset reconhecido na literatura que tenha ao mesmo tempo informação do texto, face e fala. Por último, foi apresentada uma abordagem inicial para classificação de sentimentos.

O avanço e a descoberta de novos métodos de aprendizagem automática e a evolução na realização de algoritmos fazem com que as áreas de investigação e de previsão sejam cada vez mais vastas e, com o aumento da capacidade de armazenamento de dados, é possível com maior eficácia prever cenários da vida real. Nos últimos anos tem-se também verificado um aumento do número de episódios de ansiedade na sociedade, assim como o número de pessoas diagnosticadas com este problema. Assim, este trabalho tem como objetivo utilizar os métodos e algoritmos de aprendizagem automática, com base nos dados fornecidos pelos utilizadores, de forma a desenvolver um modelo de previsão de ansiedade, descobrindo padrões da presença de episódios de ansiedade, utilizando como ferramenta auxiliar a música. Será feita uma análise da importância da música na vida das pessoas e perceber qual o impacto desta em situações de ansiedade. Em resultado do desenvolvimento deste projeto, foi desenvolvido um modelo cujo objetivo é prever se uma certa pessoa tem ansiedade, ou não, consoante as suas respostas, que foram obtidas por meio de um questionário. The advancement and discovery of new machine learning methods and the evolution in the realisation of algorithms mean that the areas of research and prediction are increasingly vast and, with the increase in data storage capacity, it is possible to predict real-life scenarios more effectively. In recent years there has also been an increase in the number of anxiety episodes in society, as well as the number of people diagnosed with this problem. Thus, this work aims to use machine learning methods and algorithms, based on data provided by users, to develop an anxiety prediction model, discovering patterns of the presence of anxiety episodes, using music as an auxiliary tool. An analysis will be made of the importance of music in people's lives and to understand its impact in anxiety situations. As a result of the development of this project, a model was developed whose objective is to predict whether a certain person has anxiety or not, depending on their answers, which were obtained through a questionnaire.

Ao longo dos últimos anos, as técnicas de aprendizagem automática sofreram um grande desenvolvimento demonstrado pela evolução dos algoritmos de Deep Learning (DL) implementados em várias áreas do nosso dia-a-dia, como por exemplo, na condução autónoma ou no reconhecimento facial. Apesar das altas taxas de sucesso e fortes potencialidades provadas, estas técnicas estão ainda para ser implementadas por completo num contexto industrial. Baseado no estágio curricular completado na Bosch Termotecnologia, SA, o trabalho aqui apresentado visa resolver o problema que a empresa enfrenta atualmente com elevada percentagem de peças com defeito (32% da produção total) no fim do processo de brasagem das câmaras de combustão (CCs) - um dos componentes dos esquentadores que a empresa produz. Baseada em algoritmos de ML, é proposta uma solução para otimizar o processo de brasagem das CCs. O trabalho realizado representa a primeira parte da solução proposta, onde foi desenvolvido um sistema de visão para classificar, com recurso a redes neuronais convolucionais, 16 modelos de câmaras de combustão. Consoante o modelo classificado, o processo de brasagem seria otimizado através de outro algoritmo de ML que iria prever o valor ideal de um dos parâmetros do processo de brasagem. O sistema foi implementado na linha de produção da empresa e com um dataset reduzido foi possível alcançar taxas de 100% de precisão na classificação de 5 modelos de câmaras de combustão. Ao longo do documento é explicado todo o trabalho desenvolvido, desde a construção do sistema de visão para aquisição das imagens, até ao treino dos algoritmos para classificação das câmaras de combustão. In recent years, Machine Learning (ML) techniques have developed significantly as demonstrated by the evolution of Deep Learning (DL) algorithms implemented in different areas in our daily life such as autonomous driving or facial recognition. Dispite its high success rate and proven strong capabilities, these techniques are yet to be fully implemented in the industrial environment. Based on the internship completed at Bosch Termotecnologia, SA, the work here presented adresses the issue that the company currently faces, which is the high percentage of defective parts (32% of total production) at the end of the brazing process of the combustion chambers (CC) - one of the components of the water heaters that the company produces. Based on ML algorithms, a solution is presented to optimize the brazing process of the CCs. The work presented is a first part of the solution proposed, where was developed a vision system capable of classifying, through convolutional neural networks, 16 models of combustions chambers. Depending on the classified model, the brazing process would be optimised by another ML algorithm that would predict the optimal value of one of the brazing process’ parameters. The system was implemented at the company’s production line and even with a small dataset, it achieved a 100% accuracy in classifying 5 models of combustion chambers. Throughout this document, it is explained all the work developed, from building of the vision system for image acquisition, all the way to the training of the algorithms to classify the combustion chambers. Mestrado em Engenharia Mecânica

O crescimento descontrolado a nível mundial dos consumos de energia, muitas vezes produzida a partir de combustíveis fósseis, tem vindo a revelar-se um grande problema para a humanidade, sendo das maiores causas para as preocupações ambientais que se vivem atualmente, nomeadamente o aquecimento global. A par do setor da indústria e dos transportes, os maiores consumidores de energia são os edifícios, a que inclusive estão associados diferentes vetores energéticos (como a eletricidade e o gás natural) para diferentes utilizações finais de energia como iluminação, climatização, produção de águas quentes sanitárias ou equipamentos de tecnologia de informação. A previsão eficiente e atempada de consumos energéticos em edifícios, possibilitada pela facilidade de acesso que existe atualmente a grandes quantidades de dados, fornecidos por equipamentos modernos como os smart meters, tem então um papel muito relevante na procura por uma boa gestão de energia. As técnicas de machine learning têm vindo a revelar-se como promissoras na construção desse tipo de modelos de previsão, de tal forma que nos últimos anos o número de artigos publicados nessa área tem sido significativo. Esta dissertação consiste na criação de modelos de machine learning recorrendo a vários algoritmos e com vista à previsão de curto prazo de consumos energéticos em edifícios não residenciais, mais concretamente no Campus 2 do Instituto Politécnico de Leiria. São abordadas as diferentes fases envolvidas na criação desses modelos. Inicialmente é feita uma análise e tratamento dos dados, seguindo-se uma seleção e combinação de features. De seguida são aplicados vários algoritmos com diferentes parametrizações. Por fim são selecionados e testados os melhores modelos e é feita uma análise dos resultados com recurso a várias técnicas de benchmarking.

Esta dissertação foi desenvolvida no âmbito do projeto ODISSEY financiado pelo programa PORTUGAL2020. Este projeto tem como objetivo desenvolver uma plataforma integrada de informação geográfica destinada a arqueólogos e técnicos de património. A identificação de sítios arqueológicos produz informações complementares, que permitem consolidar as fontes de informação patrimonial já existentes. A identificação e deteção são realizadas de forma automática através de técnicas de aprendizagem profunda, com base em dados provenientes de métodos não intrusivos, como por exemplo, LiDAR. Contudo, é necessário um pré-processamento e anotação destes dados por forma a tornar possível o uso de algoritmos de aprendizagem profunda. Nesta dissertação foram usados dados adquiridos na área do distrito de Viana do Castelo situado no norte de Portugal, onde existem 136 objetos arqueológicos identificados e conhecidos por mamoas. Após todo o processamento de dados estar finalizado, é possível aplicar algoritmos de aprendizagem automática, tendo sido explorados nesta dissertação os modelos YOLOv5, Mask R-CNN e CNN. O treino com YOLOv5 e Mask R-CNN é feito através da afinação de modelos pré-treinados. É ainda realizado um estudo acerca do impacto do tamanhos da caixa delimitadora a serem usados na anotação das mamoas. O algoritmo CNN personalizado apenas é usado para a melhor dimensão encontrada com YOLOv5 e Mask R-CNN. No final, é feita a inferência a toda a imagem do distrito por forma a verificar o comportamento dos modelos obtidos e descobrir possíveis objetos arqueológicos ainda não identificados por ação humana. Desta forma, esta descoberta é transmitida através de coordenadas geográficas para permitir aos especialistas uma ida ao terreno e confirmar a descoberta. This dissertation was developed within the scope of the ODISSEY project financed by PORTUGAL2020 program. This project aims to develop an integrated platform for geographic information aimed at archaeologists and heritage technicians. The identification of archaeological sites produces complementary information, which allows the consolidation of existing heritage information sources. Identification and detection are performed automatically through deep learning techniques based on data from non-intrusive methods, such as LiDAR. However, pre-processing and annotation of these data are necessary to make possible the use of deep learning algorithms. This pre-processing is necessary because the data is not correctly annotated to be used. In this dissertation, the data acquired in the area of the district Viana do Castelo located in the north of Portugal were used, where there are 136 archaeological objects identified and known as ’mamoas’. After all data processing is completed, it is possible to apply machine learning algorithms, having been explored in this dissertation the YOLOv5, Mask R-CNN and CNN models. Training with YOLOv5 and mask R-CNN is done by fine tuning with pre-trained models. A study is also carried out on the impact of the sizes of the bounding box to be used in the annotation of ’mamoa’. The custom CNN is only used for the best dimension found with YOLOv5 and Mask R-CNN. In the end, an inference is made to the entire image of the district to verify the behavior of the models obtained and to discover possible archaeological objects not yet identified by human action. In this way, this discovery is transmitted through geographic coordinates to allow specialists to go to the field and confirm the discovery. Mestrado em Engenharia Eletrónica e Telecomunicações

O trabalho descrito no presente documento tem como objetivo a avaliação da capacidade de diferentes classificadores em prever a classificação de lesões mamárias como benignas ou malignas em imagens de Tomossíntese Mamária de uma base de dados de domínio público. O estudo foi realizado usando uma abordagem 2D devido à anisotropia inerente ao processo de formação das imagens de Tomossíntese Mamária. Foram usados diferentes classificadores baseados em aprendizagem automática e comparadas as caraterísticas convencionais, discretizadas e as características de segunda ordem em separado e no seu conjunto (texturais). Ao usar as caraterísticas texturais os classificadores apresentaram melhores resultados de acurácia, com uma sensibilidade e especificidade maior; verificou-se também que, de forma geral, os classificadores apresentaram uma maior dificuldade em classificar corretamente as lesões malignas, resultando numa taxa de Verdadeiros Positivos baixa. Foram ainda testadas as hipóteses de o delineamento manual da lesão e a distância da lesão ao corte focal poderem interferir com a resposta dos classificadores usados. O delineamento manual da lesão apresentou ligeiras melhorias nos resultados obtidos pelos classificadores, com um aumento da capacidade em classificar as lesões malignas corretamente. A localização da lesão e seu distanciamento ao corte focal também influenciaram os resultados obtidos pelos classificadores, tendo-se obtido melhores resultados no subgrupo em que as lesões se encontravam a menor distância do corte focal. De forma geral, a Tomossíntese Mamária, sendo ainda uma modalidade imagiológica recente, quando integrada em processos automáticos de análise tanto no rastreio como no diagnóstico do cancro da mama, podem contribuir para melhorar a decisão clínica no que respeita à interpretação dos achados, lesões e avaliação da extensão da doença. The work herein described is an assessment of the capacity of several classifiers to correctly predict breast lesion as benign or malign using radiomic features extracted from a public Digital Breast Tomosynthesis image database. The whole radiomics pipeline was built upon a 2D approach given the severe anisotropy of the Digital Breast Tomosynthesis image formation process. Several machine learning classification models were trained and tested with conventional and discretized intensity features as well as more evolved second order texture descriptors (textural features). These later features led to overall classification results with increased sensitivity and specificity. However, there is significant difficulty in correctly classifying the malign lesions resulting in a low True Positive Rate. We studied the performance of the classifiers with features obtained from the rectangular patches and with features obtained from manually drawn lesion outlines within each patch. We also addressed the issue of the relevance of the distance of the lesion slice to the series central slice. Results improved slightly with a feature space associated with manually drawn lesion outlines. Improvements were also obtained when using a constrained case set driven by the distance between the lesion slice and the series central slice. Although Digital Breast Tomosynthesis is a recent modality, its integration in computer-aided workflows is expected to provide a positive impact in breast cancer screening and diagnosis, helping in the diagnosis of the findings and lesions, in the evaluation of the dissemination of the disease or in the therapeutic decision. Mestrado em Tecnologias da Imagem Médica

As florestas portuguesas são todos os anos ameaçadas por incêndios florestais. Para mi- nimizar esse flagelo, existem planos de defesa com o objectivo de diminuir o risco de incêndio e limitar a sua propagação. Nesses planos incluem-se as faixas de gestão de com- bustível (FGCI), zonas onde a presença de vegetação deve ser reduzida ou inexistente. Nesta dissertação é proposto o uso de imagens de satélite, denominadamente da mis- são Sentinel-2 para monitorizar o estado das FGCI, identificando os instantes de interven- ção sobre as FGCI, tal como a sua ausência. O uso de técnicas de aprendizagem automática como Random Forests são aplicadas para distinguir um instante num contexto normal, e num contexto pós-intervenção. São usados os dados de referência fornecidos e complementados por um processo manual de marcação de séries para treinar os modelos. O contexto temporal fornece informação importante para apoiar esta classificação. Foi explorada também a hipótese de gerar automaticamente as FGCI, com base na deteção de estruturas permanentes, de forma a identificar faixas adicionais que não estão mapeadas nos planos de defesa. Every year, the Portuguese forests are threatened by wild fires. To minimize that danger, there are mitigation plans put in place with the intent of lowering the fire risk and limiting its spread. Those plans include the definition of Fire Management Zones (FMZ), zones in which the vegetation should be routinely trimmed, or removed. In this thesis it is proposed the usage of satellite imagery, namely from the Sentinel-2 mission, to monitor the state of the FMZs, identifying the moments where an intervention occured, as well as the periods without any action, such as when the vegetation cover evolves naturally. The usage of machine learning techniques like Random Forests are applied to dis- tinguish a normal context in an FMZ’s vegetation cycle and a moment that follows an intervention. These techniques use the ground truth data that was provided, comple- mented by a manual effort of time series tagging to be able to train these models. The temporal context provides valuable information to support the classification. The possibility of automatically generating the FMZ’s was also explored, relying on the detection of permanent artifical strutctures to generate them. This new map of au- tomatic FMZ’s can be used to detect aditional magament zones that are not currently defined in the oficial plans.

Pollen grains can provide valuable information to forensic palynology, such as the time of death or the possible origin of a corpse. Forensic Palynology is a vital tool to be used in a criminal investigation because the different environment has distinct pollen signatures. Brazil has a rich and diversified flora that is suitable for the application of forensic palynology. The purpose of this research is to introduce palynology automation as a tool to improve the investigative method in forensic palynology and apply it to forensic palynology automation. The studied city has different vegetation types, in which we performed assessments to identify its correspondent pollen types. PALINOVIC algorithm was developed using computer vision and geotechnology techniques. Our results show that it is possible to correlate pollen grains found in forensic samples by automatic pollen identification and with a mapping of the likely vegetation. Our results show that it is possible to relate the presence of pollen grains found in forensic samples through the automatic identification of images together with a database of georeferenced plant species. It was possible to analyze the pollen grains collected in eight bodies, where the algorithm presented a performance of 90.51% in the pollen grain classification tests. Furthermore, pollen grains could be correlated with the type of vegetation where the body was found. Thus, the technique developed can be applied in other urban centers from a previous georeferencing of plants, as well as a pollen database. Los granos de polen pueden aportar información valiosa para la palinología forense, como mejorar la cínica hora de la muerte o señalar el circuito del vivo y su cadáver. En este aspecto, la Palinología Forense es una herramienta vital para ser utilizada en una investigación criminal, ya que los entornos tienen diferentes digitales de polen. La rica y diversa flora de Brasil es apta para la aplicación de esta técnica. El objetivo de esta investigación es mostrar cómo la automatización de la palinología como herramienta para mejorar el método investigativo en palinología forense. La ciudad fue seleccionada por presentar diversidad de tipos de vegetación en el medio urbano, la cual fue muestreada para identificar los tipos de polen que se presentan. El algoritmo PALINOVIC se desarrolló utilizando técnicas de visión artificial y geotecnologías. Nuestros resultados muestran que es posible relacionar la presencia de granos de polen encontrados en muestras forenses a través de la identificación automática de imágenes junto con una base de datos de especies vegetales georreferenciadas. Se logró establecer de manera rápida y confiable los granos de polen colectados en ocho cuerpos, donde el algoritmo presentó un desempeño de 90.51% en las pruebas de clasificación de granos de polen. Además, los granos de polen podrían correlacionarse con el tipo de vegetación donde se encontró el cuerpo. Así, la técnica desarrollada puede ser aplicada en otros núcleos urbanos a partir de una georreferenciación previa de plantas, así como de una base de datos de polen. Os grãos de pólen podem fornecer informações valiosas para a palinologia forense, como a hora da morte ou a possível origem de um cadáver. A Palinologia Forense é uma ferramenta vital a ser utilizada em uma investigação criminal, pois os ambientes possuem digital polínica distintas. A flora rica e diversificada do Brasil, é adequada para a aplicação dessa técnica. O objetivo desta pesquisa é apresentar a automação da palinologia como ferramenta para melhorar o método investigativo em palinologia forense. A cidade foi selecionada por apresentar diversidade de tipos de vegetação no ambiente urbano, que foi amostrada para identificar os tipos polínicos que ocorrem. O algoritmo PALINOVIC foi desenvolvido com técnicas de visão computacional e geotecnologias. Nossos resultados mostram que é possível relacionar a presença de grãos de pólen encontrados em amostras forenses por meio da identificação automática das imagens em conjunto com um banco de dados de espécies vegetais georrefenciadas. Foi possível analisar os grãos de pólen coletados em oito corpos, onde o algoritmo apresentou desempenho de 90.51% nos testes de classificação de grãos de pólen. Além do mais, os grãos de pólen puderam ser correlacionados com o tipo de vegetação onde o corpo foi encontrado. Assim, a técnica desenvolvida pode ser aplicada em outros centros urbanos a partir de um georreferênciamento prévio de plantas, bem como um banco de dados polínicos.

[Objective] The transformation from RGB to Munsell color space is a relevant issue for different tasks, such as the identification of soil taxonomy, organic materials, rock materials, skin types, among others. This research aims to develop alternatives based on feedforward networks and the convolutional neural networks to predict the hue, value, and chroma in the Munsell soil-color charts (MSCCs) from RGB images. [Methodology] We used images of Munsell soil-color charts from 2000 and 2009 versions taken from Millota et al. (2018) to train and test the models. A division of 2856 images in 10% for testing, 20% for validation, and 70% for training was used to build the models. [Results] The best approach was the convolutional neural networks for classification with 93% of total accuracy of hue, value, and chroma combination; it comprises three CNN, one for the hue prediction, another for value prediction, and the last one for chroma prediction. However, the three best models show closeness between the prediction and real values according to the CIEDE2000 distance. The cases classified incorrectly with this approach had a CIEDE2000 average of 0.27 and a standard deviation of 1.06. [Conclusions] The models demonstrated better color recognition in uncontrolled environments than the Transformation of Centore, which is the classical method to transform from RGB to HVC. The results were promising, but the model should be tested with real images at different applications, such as soil real images, to classify the soil color., [Objetivo] La transformación del espacio de color RGB al de color Munsell es un tema relevante para diferentes tareas como la identificación de: la taxonomía del suelo, materiales orgánicos, materiales rocosos. tipo de piel entre otros. Esta investigación tiene como objetivo desarrollar alternativas basadas en las redes feedforward y las Redes Neuronales Convolucionales para predecir el tono, el valor y el croma en las cartas de color del suelo de Munsell (MSCC) a partir de imágenes RGB. [Metodología] Con el fin de entrenar y probar los modelos, usamos imágenes de los gráficos de colores de suelo de Munsell de las versiones 2000 y 2009 tomadas de Millota et al. (2018). Se utilizó una división de 2856 imágenes en 10% para pruebas, 20% para validación y 70% para entrenamiento con miras a construir los modelos. [Resultados] El mejor enfoque fueron las redes neuronales convolucionales para la clasificación con un 93% de precisión total de la combinación de tono, valor y croma (consta de tres CNN, uno para la predicción de tono, otra para la de valor y la última para la de croma), aunque los tres mejores modelos muestran cercanía entre la predicción y los valores reales según la distancia CIEDE2000. Los casos clasificados incorrectamente con este enfoque tuvieron un promedio CIEDE2000 de 0.27 y una desviación estándar de 1.06. [Conclusiones] Los modelos demostraron un mejor reconocimiento de color en entornos no controlados que la transformación de Centore, la cual es el método clásico para transformar de RGB a HVC. Los resultados fueron prometedores, pero el modelo debe evaluarse ampliamente con imágenes reales del suelo para clasificar su color., [Objetivo] A conversão do espaço de cor RGB para o espaço de cores Munsell é um tema relevante para diferentes tarefas como a identificação: da taxonomia do solo, dos materiais orgânicos, dos materiais rochosos, do tipo de pele, dentre outros. Esta pesquisa tem como objetivo desenvolver alternativas baseadas nas redes feed-forward e nas Redes Neurais Convolucionais (CNN) para prever o matiz, o valor e o croma nas cartas de cores do solo de Munsell (MSCC) a partir de imagens RGB. [Metodologia] Para treinar e testar os modelos, usamos imagens dos gráficos de cores do solo de Munsell das versões 2000 e 2009 tomadas de Millota et al. (2018). Foi usada uma divisão de 2856 imagens em 10% para testes, 20% para validação e 70% para treinamento com o intuito de construir os modelos. [Resultados] O melhor enfoque foram as redes neurais convolucionais para a classificação com 93% de precisão total da combinação de matiz, valor e croma (consta de três CNN, um para a previsão de matiz, outra para a previsão de valor e a última para a previsão de croma), embora três melhores modelos tenham mostrado proximidade entre a previsão e os valores reais dependendo da distância CIEDE2000. Os casos classificados incorretamente com este enfoque tiveram uma média CIEDE2000 de 0,27 e um desvio padrão de 1,06. [Conclusões] Os modelos demonstraram um melhor reconhecimento de cor em ambientes não controlados que a conversão de Centore, que é o método clássico para converter de RGB a HVC. Os resultados foram prometedores, mas o modelo deve ser amplamente avaliado com imagens reais de solo para classificar sua cor.

Context. Code smells are seen as major source of technical debt and, as such, should be detected and removed. Code smells have long been catalogued with corresponding mitigating solutions called refactoring operations. However, while the latter are supported in current IDEs (e.g., Eclipse), code smells detection scaffolding has still many limitations. Researchers argue that the subjectiveness of the code smells detection process is a major hindrance to mitigate the problem of smells-infected code. Objective. This thesis presents a new approach to code smells detection that we have called CrowdSmelling and the results of a validation experiment for this approach. The latter is based on supervised machine learning techniques, where the wisdom of the crowd (of software developers) is used to collectively calibrate code smells detection algorithms, thereby lessening the subjectivity issue. Method. In the context of three consecutive years of a Software Engineering course, a total “crowd” of around a hundred teams, with an average of three members each, classified the presence of 3 code smells (Long Method, God Class, and Feature Envy) in Java source code. These classifications were the basis of the oracles used for training six machine learning algorithms. Over one hundred models were generated and evaluated to determine which machine learning algorithms had the best performance in detecting each of the aforementioned code smells. Results. Good performances were obtained for God Class detection (ROC=0.896 for Naive Bayes) and Long Method detection (ROC=0.870 for AdaBoostM1), but much lower for Feature Envy (ROC=0.570 for Random Forrest). Conclusions. Obtained results suggest that Crowdsmelling is a feasible approach for the detection of code smells, but further validation experiments are required to cover more code smells and to increase external validity Contexto. Os cheiros de código são a principal causa de dívida técnica (technical debt), como tal, devem ser detectados e removidos. Os cheiros de código já foram há muito tempo catalogados juntamente com as correspondentes soluções mitigadoras chamadas operações de refabricação (refactoring). No entanto, embora estas últimas sejam suportadas nas IDEs actuais (por exemplo, Eclipse), a deteção de cheiros de código têm ainda muitas limitações. Os investigadores argumentam que a subjectividade do processo de deteção de cheiros de código é um dos principais obstáculo à mitigação do problema da qualidade do código. Objectivo. Esta tese apresenta uma nova abordagem à detecção de cheiros de código, a que chamámos CrowdSmelling, e os resultados de uma experiência de validação para esta abordagem. A nossa abordagem de CrowdSmelling baseia-se em técnicas de aprendizagem automática supervisionada, onde a sabedoria da multidão (dos programadores de software) é utilizada para calibrar colectivamente algoritmos de detecção de cheiros de código, diminuindo assim a questão da subjectividade. Método. Em três anos consecutivos, no âmbito da Unidade Curricular de Engenharia de Software, uma "multidão", num total de cerca de uma centena de equipas, com uma média de três membros cada, classificou a presença de 3 cheiros de código (Long Method, God Class, and Feature Envy) em código fonte Java. Estas classificações foram a base dos oráculos utilizados para o treino de seis algoritmos de aprendizagem automática. Mais de cem modelos foram gerados e avaliados para determinar quais os algoritmos de aprendizagem de máquinas com melhor desempenho na detecção de cada um dos cheiros de código acima mencionados. Resultados. Foram obtidos bons desempenhos na detecção do God Class (ROC=0,896 para Naive Bayes) e na detecção do Long Method (ROC=0,870 para AdaBoostM1), mas muito mais baixos para Feature Envy (ROC=0,570 para Random Forrest). Conclusões. Os resultados obtidos sugerem que o Crowdsmelling é uma abordagem viável para a detecção de cheiros de código, mas são necessárias mais experiências de validação para cobrir mais cheiros de código e para aumentar a validade externa.

Dissertação de mestrado em Física, O Modelo Padrão da Física de Partículas (MP) é uma teoria extremamente bem sucedida na confrontação experimental. No entanto, a busca por fenómenos que não caibam no seu quadro explicativo é um campo ativo. Várias famílias de teorias que estendem o MP são construídas e novos fenómenos por elas previstos são objeto de pesquisa. Nomeadamente, são feitas buscas por partículas que essas teorias prevêm que se manifestem nos dados adquiridos no detetor ATLAS no LHC a uma energia do centro de massa de 13 TeV. Um tipo particular de buscas consiste em estabelecer limites para certos parâmetros da teoria. Para levar a cabo essas pesquisas vários métodos são usados. Todos eles se baseiam em otimizar a capacidade para distinguir o que é modelizado como acontecimentos esperados assumindo o MP como explicação para as observações (fundo) e o que é modelizado como acontecimentos que deveriam estar presentes se a extensão ao MP fosse correta (sinal). Têm vindo a ser usadas técnicas de aprendizagem de máquina para esse efeito como alternativa a uma análise em que se delimita o espaço de fase da pesquisa usando regiões retangulares e se usam variáveis discriminantes motivadas pelo conhecimento da física do problema em estudo. As redes neuronais escolhem regiões do espaço de fase com formas mais gerais e constroem uma variável discriminante que é opaca no seu significado físico, mas eficaz. Neste trabalho é feita uma comparação do uso de redes neuronais profundas com a análise mais tradicional para estabelecer limites inferiores da massa dum hipotético bosão Z’ usando dados públicos de ATLAS. É também estudado o efeito do uso da variável motivada fisicamente como componente de uma análise baseada em redes neuronais. Por fim, um estudo adicional é feito sobre a transferibilidade de redes neuronais treinadas para reconhecer um sinal específico para discriminar sinais diferentes., The Standard Model of particle physics (SM) is an extremely successful theory in the comparison with experimental data. However, the search for phenomena that do not fit into its explanatory framework is an active field. Several families of theories extending the SM are constructed and new phenomena predicted by them are the subject of research. Particularly, searches are conducted to find particles that these theories predict will manifest themselves in data acquired at the ATLAS detector at the LHC at a center-of-mass energy of 13 TeV. One particular type of search consists of setting limits on certain parameters of the theory, namely the mass of said particles. To carry out these searches various methods are used. They are all based on optimizing the ability to distinguish between what is modeled as expected events assuming the MP as an explanation for the observations (background) and what is modeled as events that should be present if the extension to the MP were correct (signal). Machine learning techniques have been used for this purpose as an alternative to an analysis in which one delimits the phase space of the search using rectangular regions and uses discriminant variables motivated by knowledge of the physics of the problem under study. Neural networks choose regions of the phase space with more general shapes and construct a discriminant variable that is opaque in its physical meaning, but effective. In this work a comparison is made of the use of deep neural networks with more traditional analysis to establish lower limits on the mass of a hypothetical Z’ boson using ATLAS open data. The effect of using the physically motivated variable as a component of a neural network-based analysis is also studied. Finally, an additional study is done on the transferability of neural networks trained to recognize a specific signal to discriminate different signals

Small and micro-sized Enterprises (SMEs) are an important part of Chinese economic system.The establishment of credit evaluating model of SMEs can effectively help financial intermediaries to reveal credit risk of enterprises and reduce the cost of enterprises information acquisition. Besides it can also serve as a guide to investors which also helps companies with good credit. This thesis conducts an empirical study based on loan data from a Chinese bank of loans granted to SMEs. The study aims to develop a data-driven model that can accurately predict if a given loan has an acceptable risk from the bank’s perspective, or not. Furthermore, we test different methods to deal with the problem of unbalanced class and uncredible sample. Lastly, the importance of variables is analyzed. Remaining Unpaid Principal, Floating Interest Rate, Time Until Maturity Date, Real Interest Rate, Amount of Loan all have significant effects on the final result of the prediction.The main contribution of this study is to build a credit evaluation model of small and micro enterprises, which not only helps commercial banks accurately identify the credit risk of small and micro enterprises, but also helps to overcome creditdifficulties of small and micro enterprises. As pequenas e microempresas constituem uma parte importante do sistema económico chinês. A definição de um modelo de avaliação de crédito para estas empresas pode ajudar os intermediários financeiros a revelarem o risco de crédito das empresas e a reduzirem o custo de aquisição de informação das empresas. Além disso, pode igualmente servir como guia para os investidores, auxiliando também empresas com bom crédito. Na presente tese apresenta-se um estudo empírico baseado em dados de um banco chinês relativos a empréstimos concedidos a pequenas e microempresas. O estudo visa desenvolver um modelo empírico que possa prever com precisão se um determinado empréstimo tem um risco aceitável do ponto de vista do banco, ou não. Além disso, são efetuados testes com diferentes métodos que permitem lidar com os problemas de classes de dados não balanceadas e de amostras que não refletem o problema real a modelar. Finalmente, é analisada a importância relativa das variáveis. O montante da dívida por pagar, a taxa de juro variável, o prazo até a data de vencimento, a taxa de juro real, o montante do empréstimo, todas têm efeitos significativos no resultado final da previsão. O principal contributo deste estudo é, assim, a construção de um modelo de avaliação de crédito que permite apoiar os bancos comerciais a identificarem com precisão o risco de crédito das pequenas e micro empresas e ajudar também estas empresas a superarem as suas dificuldades de crédito.

Dissertação de mestrado em Física, A necessidade de reduzir o impacto ambiental das atividades humanas lidera o esforço coletivo na procura pela redução do atrito entre as partes móveis em contato lubrificado em dispositivos mecânicos, como motores de combustão. Entre as várias soluções possíveis, a investigação em tribologia identificou as téc nicas de texturização de superfície entre as mais promissoras na redução do atrito. Nesse sentido grande parte dos esforços científicos tem sido na procura pela melhor textura que reduza a fricção para uma de terminada aplicação. Embora tenham sido testadas diversas texturas com padrões regulares e também texturas inspiradas na natureza, a identificação da textura otíma é puramente baseada em abordagens de tentativa e erro. Estas experiências tem um custo em tempo e também monetário intrínsecamente associado, o que torna este problema de otimização ineficiente. Métodos numéricos podem certamente acelerar este processo, mas ainda assim o problema de otimização da textura é demasiado complexo para ser resolvido diretamente, devido ao tamanho do conjunto de texturas possíveis e pela relação não óbvia entre texturas e atrito. Nesta tese, desenvolvemos e aplicamos uma ferramenta baseada em aprendizagem automática para superar estas limitações e resolver o problema de otimização da textura. A nossa abordagem consiste na implementação de uma rede neuronal (DNN) capaz de previsões precisas em comparação com aborda gens experimentais e numéricas, estas tipicamente são lentas e ineficazes à base de tentativa e erro. Para gerar o conjunto de dados para treino da DNN de forma precisa e rápida, desenvolvemos uma ferramenta baseada no método de elementos finitos para a resolução da equação de Reynolds. A nossa imple mentação resulta na produção de resultados até duas ordens de magnitude mais rápidamente quando comparadas às alternativas na literatura. Graças à inclusão da iteração inexata de Newton que permite um tratamento correto dos limites das regiões de cavitação conseguimos a obtenção de resultados fisi camente robustos. Finalmente, usamos a DNN para calcular o atrito para todos os padrões possíveis no espaço de configuração da textura, reduzindo assim o problema de otimização da textura a uma simples operação de procura de informação. O objetivo desta tese é demonstrar como as técnicas numéricas e de aprendizagem automática podem resolver problemas de outra forma intratáveis, mas também apresentar a aprendizagem automática como uma opção viável e bem-sucedida na investigação em física, particularmente em problemas de otimização., The need of reducing the environmental footprint of human activities is leading the demand for friction reduction between moving parts in lubricated contact in mechanical devices, such as combustion engines. Within the various possibilities, research on tribology has identified surface texturing techniques among the most promising ones. In this regard, much effort is put in looking for the best friction-reducing texture in a specific application. Even if diverse textures, from regular patterns to nature-inspired ones, have been tested, the identification of the best performing one is still based upon a trial and error approach. Such experiments have a high cost in time and money, and are intrinsically unable to find the best friction reducing pattern. Numerical methods can certainly speed up this process, but still the texture optimization problem is too complex to be directly solved, because of the size of the set of possible textures and by the non obvious relationship between textures and friction. In this thesis, we develop and apply a machine learning based tool to overcome these limitations and solve the texture optimization problem. Our machine learning approach consists in a deep neural network (DNN) capable of accurate predictions compared to otherwise slow and ineffective trial-and-error experimental and numerical approaches. To generate the necessary training data set for the DNN in an accurate and fast way, we developed a finite element method solver for the Reynolds equation. Our implementation results in speedups of up to two orders of magnitude when compared to alternatives in literature, while remaining physically accurate thanks to the inclusion of the Inexact Newton iteration that allows for a correct treatment of the cavitation boundaries. Finally, we use the DNN to solve the inverse problem, by calculating the coefficient of friction curve for all the possible patterns in the given texture space, thereby reducing the texture optimization problem to a simple data search. The aim of this thesis is not only to demonstrate how numerical and machine learning techniques can solve otherwise untractable problems, but also to introduce machine learning as a viable and successful option in physics research, particularly in optimization problems., This work was supported by the Portuguese Foundation for Science and Technology (in the framework of the Strategic Funding UIDB/04650/2020 project PTDC/EME- SIS/30446/2017 and Advanced Computing Project CPCA/A2/4513/2020, awarded by FCT I.P., for accessing MACC-BOB HPC resources.

Dissertação de mestrado integrado em Engenharia Informática, Internet of Things (IoT), está-se a tornar cada vez mais parte das nossas vidas e, quando aliada a computação na Cloud, torna-se uma ferramenta muito poderosa devido a remover stress computacional de pequenas placas ineficientes. Software como um serviço já representa uma grande parte do nosso dia-a-dia com empresas como a Netflix a aplicar o conceito de forma muito bem-sucedida. No contexto de IoT, este conceito ainda não está globalmente disseminado. A natureza heterogénea dos dispositivos representa um grande desafio para os conseguir integrar num sistema na Cloud. Os diferentes formatos e tipos de dados enviados para um middleware são difíceis de processar e, como consequência, leva a que exista uma grande pressão no programador para que todos os sensores sejam suportados. Ao longo deste estudo são exploradas variadas arquiteturas de forma a ser possível desenhar um sistema eficiente e, como os diferentes protocolos de comunicação afetam a rede em termos de overhead e fiabilidade. O sistema concebido, baseado em toda o estudo realizado, consiste numa aplicação para salas inteligentes que infere quantas pessoas estão lá dentro através de Probes de WiFi, disponibiliza essa informação a utilizadores e é verificada a possbilidade de utilização de algoritmos de Machine Learning como forma de optimizar resultados. O sistema desenhado permite aos programadores adicionar outros dispositivos sem ter de se preocupar como as mensagens são recebidas, apenas necessitando de adicionar a lógica que extrai o conhecimento dos dados. No que toca à área de crowdsensing deste trabalho, a precisão do sistema foi melhorada quando comparando com outros algoritmos estudados., Internet of Things, or IoT, is becoming more and more a part of our lives and when allied with cloud computing it becomes a very powerful tool by removing the computing stress from the small energy efficient boards. Software as a Service is already a major part of our day-to-day lives with companies like Netflix successfully applying this concept. In IoT this type of concept is not widely applied. The heterogeneous nature of devices poses a big challenge to integrate them in a cloud system, the different data and formats sent to a middleware are hard to process and puts pressure on the developer to ensure all sensors are supported. Throughout this study we explore and design different types of architectures for efficient applications and how the different communication protocols affect the network when it comes to overhead and reliability. The conceived system, theoretically grounded on the research work, consists of a smart room application that senses how many people are inside a space through the process of WiFi Probing makes that information available to a user and makes use Machine Learning algorithms as a way to improve results. The design system allows developers to easily add new types of devices to the network without needing to worry how the messages are received, only needing to add domain logic to extract knowledge from the data. Regarding the crowdsensing aspect of this work, the accuracy of the system was improved when compared to other algorithm.

Dissertação de mestrado integrado em Informatics Engineering, This document presents a Thesis and describes the underlying work which was developed along the second year of the Master Degree in Informatics Engineering offered by Departamento de Informática of Universidade do Minho and accomplished at Syone SBS Software – Tecnologia e Serviços de Informática, S.A.. In the past few years, some attempts to automatically screening CVs with resource to Natural Language Processing have been made not only to save recruiters’ time, but also to spare them the most tedious task of the recruitment process and, consequently, smooth their job. However, the majority is still very primitive, misclassifies a lot of CVs and needs a deeper study. Therefore, the aim of this Master’s Project is precisely to develop an algorithm that is capable of automatically ranking candidates’ CVs according to their similarity regarding the job offer they applied for. Thus, a general architecture was proposed where CVs and job offers are preprocessed, in order to obtain the respective texts proper to be further processed. That said, two different approaches were followed, in order to find the similarity between the documents in question. To do so, the first approach resorted to several Machine Learning algorithms and similarity measures, while the second approach structured the initial documents to compare their respective information. After that, tests were conducted to evaluate both approaches and enable the comparison between them. Finally, the conclusions were drawn and also reported in this dissertation., Este documento apresenta uma Tese e descreve o trabalho subjacente que foi desenvolvido ao longo do segundo ano do Mestrado em Engenharia Informática do Departamento de Informática da Universidade do Minho e realizado na Syone SBS Software – Tecnologia e Serviços de Informática, S.A.. Nos últimos anos, algumas tentativas de triagem automática de currículos com recurso a Processamento de Linguagem Natural foram feitas não só para economizar o tempo dos recrutadores, mas também para os poupar da tarefa mais entediante do processo de recrutamento e, consequentemente, suavizar o seu trabalho. Contudo, a maioria ainda é muito primitiva, classifica incorretamente muitos currículos e necessita de um estudo mais aprofundado. Sendo assim, o objetivo deste Projeto de Mestrado é precisamente desenvolver um algoritmo capaz de classificar automaticamente os currículos dos candidatos de acordo com a sua similaridade relativamente à oferta de emprego a que se candidataram. Deste modo, foi proposta uma arquitetura geral onde os CVs e as ofertas de emprego são pré-processados, de forma a obter os respetivos textos adequados para posterior processamento. Dito isto, foram seguidas duas abordagens distintas, de forma a encontrar a semelhança entre os documentos em questão. Para tal, a primeira abordagem recorreu a diversos algoritmos de Aprendizagem Automática e medidas de similaridade, enquanto a segunda abordagem estruturou os documentos iniciais para comparar as suas respetivas informações. De seguida, foram realizados testes para avaliar ambas as abordagens e possibilitar a comparação entre elas. Por fim, as conclusões foram tiradas e também relatadas nesta dissertação.

A informação não estruturada está presente em diversos contextos e formatos como arti- gos de notícias, publicações em redes sociais, trocas de e-mails ou em documentos. Este tipo de informação é geralmente criado por atividades humanas que não se encaixam em nenhum modelo ou estrutura sendo por vezes irreproduzíveis. Não obstante, este tipo de dados pode conter informação de alta relevância, permitindo maior conhecimento e potencial suporte na tomada de decisão das organizações e indivíduos. Nesta tese o foco foi aplicar mecanismos para a exploração e análise de documentos de Relatórios e Contas recorrendo ao Reconhecimento de Entidades Mencionadas, conhecida pelo acrónimo NER (Named Entity Recognition). NER é uma subtarefa do Processamento de Língua Natural (NLP), uma técnica de extração e reconhecimento de informação que permite localizar e classificar entidades em texto de forma automática. Recorrendo à aplicação das capacidades NER, foram exploradas as ferramentas de extração de entidades SparkNLP, spaCy e Text Analytics API e realizada uma análise comparativa dos resultados obtidos na identificação de entidades como Organizações ou Pessoas. Um dos fatores decisivos para o sucesso na aplicação de técnicas de NER está relaci- onado com a existência de dados anotados equilibrados, representativos e de qualidade. Desta forma, foi usada uma ferramenta de anotação de forma a agilizar o processo de anotação e de treino de novos modelos de modo a permitir a otimização de resultados na identificação de entidades. Adicionalmente, com suporte nesta ferramenta foi explorada a capacidade de criar uma nova categoria, RATING, relevante no contexto do Banco de Portugal. Segundo os resultados atingidos, é possível obter melhores resultados recorrendo ao treino de novos modelos com um conjunto de anotações representativo e equilibrado quando comparado com as capacidades de base das soluções. Unstructured information is present in several contexts and formats such as news articles, publications on social networks, email exchanges or documents. This type of information is generally created by human activities that do not fit into any model or structure and sometimes is irreproducible. However, this type of data may contain high relevancy data, that allows greater knowledge and potential support in decision-making by organizations and individuals. This thesis focus was applying mechanisms for the exploration and analysis of Annual Reports, using Named Entity Recognition, known by the acronym NER. NER is a subtask of information extraction that seeks to locate and classify entities automatically. Using NER capabilities, SparkNLP, spaCy and Text Analytics API were used and was realized a comparative analysis of the results obtained in the recognition of entities such as Organizations or People. One of the decisive factors for the success in the application of NER techniques is related to the existence of balanced, representative and quality annotated data. Thus, an annotation tool was used in order to streamline the annotation process and the training of new models in order to allow the optimization of results in the identification of entities. Additionally, supported by this tool, was explored the ability to create a new category, RATING, relevant in the context of Banco de Portugal. According to the achieved results, it is possible to obtain better results using the train- ing of new models with a representative and balanced set of annotations when compared compared to the native capabilities of the solutions.

Os inibidores de corrosão têm um papel importante, pois ajudam a limitar a corrosão em metais, evitando o aparecimento de problemas estruturais graves nos materiais. Atualmente, há um maior interesse na substituição de compostos frequentemente usados na proteção de estruturas metálicas por inibidores de corrosão orgânicos, pois estes podem ser modificados, de modo a torná-los mais amigos do ambiente e sem estarem associados a problemas de toxicidade. Contudo, o número de estruturas que podem ser obtidas é extremamente elevado, tornando impossível testar experimentalmente todos os compostos, e o conhecimento sobre a sua capacidade de inibição é ainda insuficiente, devido ao seu elevado grau de complexidade e todos os fatores que estão envolvidos no processo de corrosão. Assim, neste trabalho, foi obtido um maior conjunto de dados da literatura em comparação com trabalhos anteriores, contribuindo para o desenvolvimento de uma ferramenta online de gestão de dados aberta, que permite comparar diferentes compostos e facilitar a procura de inibidores mais adequados para as condições pretendidas. Posteriormente, foram aplicadas abordagens de Aprendizagem Automática (Machine Learning), considerando diferentes descritores computacionais e quimioinformáticos, para prever a eficiência de inibição de compostos orgânicos para ligas de alumínio utilizadas em aplicações aeronáuticas. De acordo com os resultados, obteve-se uma exatidão balanceada igual a 76 % para classificação de compostos orgânicos inibidores com eficiência igual ou superior a 75 %, através do algoritmo das florestas aleatórias, e uma probabilidade de classificar corretamente inibidores (86 %), para novos dados, foi superior à probabilidade de classificar corretamente não inibidores (66 %). Assim, esta abordagem pode ser útil para realizar uma triagem virtual inicial de compostos potencialmente inibidores de corrosão, para serem subsequentemente testados experimentalmente, reduzindo assim o tempo necessário para obter o inibidor de corrosão correto sob condições de aplicação específicas. Além disso, o modelo obtido pode ser incorporado, posteriormente, num aplicativo online baseado na Aprendizagem Automática. Corrosion inhibitors have an important role because they help to limit metallic corrosion, preventing the appearance of serious problems in these materials. Currently, there is a great interest in replacing compounds frequently used in the protection of metallic structures by organic corrosion inhibitors, as these can be modified to make them more environmentally friendly and without being associated with the high toxicity problems of previous solutions. However, the number of structures that can be obtained is extremely high, making it impossible to test all compounds experimentally, while the knowledge about their inhibition capacity is still insufficient, due to their high degree of complexity and all the factors that are involved in the corrosion process. In this work, a larger set of data was obtained from literature in comparison with previous works, which contributed to develop an open data management online tool that allows to compare different compounds and to facilitate the search for the most suitable inhibitors for the intended conditions. Afterwards, Machine Learning approaches were applied, considering different computational and cheminformatics descriptors, to predict the inhibition efficiency of organic compounds for aluminum alloys used in aeronautics applications. According to the results, it was obtained a 76 % of a balanced accuracy for classifying inhibitor organic compounds with efficiency equal to or higher than 75 %, through the random forests algorithm, and a probability of correctly classifying inhibitors (86 %), for new data, was higher to the probability of correctly classifying non-inhibitors (66 %). This approach can be useful to perform an initial virtual screen of potentially corrosion inhibitor compounds to be tested experimentally as inhibitors, thus reducing the time required to obtain the right corrosion inhibitor under specific application conditions. Moreover, the final model can be incorporated into a Machine Learning based online application. Mestrado em Engenharia de Materiais

Tem existido um grande interesse nos estudos radiómicos com o intuito de aumentar a capacidade diagnóstica e prognóstica com base em informação quantitativa extraída de estudos imagiológicos. O surgimento de um novo vírus, o SARS-CoV-2, que provoca a doença designada COVID-19, sugeriu a aplicação da radiómica às imagens de Tomografia Computorizada (TC) do tórax de pacientes com esta doença numa abordagem semelhante à que já existe na área da oncologia na procura de biomarcadores imagiológicos de massas pulmonares. Neste caso, trata-se de investigar a existência de características radiómicas nos padrões de lesão provocados pelo vírus que possam contribuir para um melhor diagnóstico ou prognóstico da doença. O objetivo do nosso estudo é, assim, testar a capacidade diagnóstica e prognóstica das características radiómicas extraídas de exames de TC do tórax de pacientes com COVID-19 e com outras pneumonias não atribuídas a SARS-CoV-2, sendo para isso utilizado um classificador Random Forest. Um dos objetivos foi de testar a capacidade de o classificador diferenciar a patologia COVID-19 de outras pneumonias, e observar quais as características radiómicas mais significativas nesta diferenciação. O classificador foi também testado na sua capacidade de prever a evolução da doença no sentido de tornar-se necessário o recurso a cuidados intensivos, ou a internamento superior a 12 dias e ainda de prever o desfecho (alta/óbito). Foi utilizada uma base de dados constituída por uma amostra de 100 pacientes com diagnóstico de COVID-19 e outra base de dados de 20 pacientes com outras pneumonias. Todos os pacientes foram sujeitos a um estudo de TC torácico. Para a extração dos dados radiómicos foram utilizadas técnicas de segmentação automática, semiautomática e manual implementadas no software MeVisLab e as características radiómicas das regiões pulmonares segmentadas foram obtidas pelo software LIFEx. A segmentação automática e até semiautomática das regiões pulmonares em casos de patologia moderada a severa é particularmente desafiante. Para garantir a minimização dos erros de segmentação optou-se pela segmentação interativa baseada na técnica live-wire numa abordagem corte a corte. Os resultados obtidos foram bastante significativos, sobretudo no que diz respeito à classificação COVID-19 vs. outras pneumonias, corroborando os resultados obtidos noutros estudos publicados muito recentemente. Verificou-se também que as técnicas utilizadas devem ser objeto de aperfeiçoamento, uma vez que são muito consumidoras de tempo sobretudo no que toca à segmentação de imagens. There has been a great interest in radiomics studies aiming at the increase of the diagnostic and prognostic capability based on quantitative information extracted from imaging studies. The emergence of a new virus, SARS-CoV-2, which causes the disease known as COVID-19, suggested the application of radiomics to Computed Tomography (CT) images of the chest of patients with this disease, in an approach similar to the one that already existed in the field of oncology in search for imaging biomarkers of lung masses. In this case, it is a question of investigating the existence of radiological features in the patterns of lesions caused by the virus that may contribute to a better diagnosis or prognosis of the disease. The aim of our study is, therefore, to test the diagnostic and prognostic capability of radiomic features extracted from CT scans of the chest of patients with COVID-19 and with other pneumonias not due to SARS-CoV-2, using a Random Forest classifier. One of the objectives was to test the classifier's ability to differentiate the COVID-19 pathology from other pneumonias, and to observe which radiological features are most significant in this differentiation. The classifier was also tested in its ability to predict the evolution of the disease in the sense of requiring the use of intensive care, or hospitalization for more than 12 days, and also to predict the outcome (discharge/death). A database consisting of a sample of 100 patients diagnosed with COVID-19 and another database of 20 patients with other pneumonias were used. All patients underwent a thoracic CT study. For the extraction of radiomic data, automatic, semi-automatic and manual segmentation techniques were used, implemented in the MeVisLab software, and the radiomic characteristics of the segmented pulmonary regions were obtained by the LIFEx software. Automatic or even semi-automatic segmentation of pulmonary regions showing moderate to severe pathology signs is particularly challenging. To ensure minimal segmentation error an interactive method based on live-wire technique was applied on a slice-by-slice approach. The results obtained were quite significant, especially with regard to the classification of COVID-19 vs. other pneumonias, corroborating the results obtained in other studies published very recently. It was also found that the techniques used should be subject of improvement, since they are very time consuming, especially when it comes to image segmentation. Mestrado em Tecnologias da Imagem Médica

Muitos sistemas computacionais hoje em dia possuem um host CPU e uma ou mais GPUs mas nem sempre é fácil tirar partido de todo o potencial destes máquinas. Para podermos ter um grande de aproveitamento do hardware é necessário ter um profundo conheci- mento da sua arquitetura e efetuar ajustes quando se muda de um sistema para outro. O desempenho de uma execução, tanto na CPU como na GPU, depende de múltiplos fatores, como por exemplo o número de threads ou a localidade dos dados. O processo de escalonamento tem de ter em consideração qual é a melhor parametrização para cada processador e qual dos processadores usar. Esta tese foi desenvolvido no âmbito da framework Marrow. Esta framework é utilizada para a orquestração de computações em sistemas heterogéneos, permitindo, através de uma computação de alto nível, executar o código na CPU ou na GPU. O trabalho desenvolvido foi um módulo para a framework Marrow que, dado uma certa computação, decide se deve ser executada na CPU ou na GPU. Este módulo en- contra também o tamanho do bloco de threads que minimiza o tempo de execução, caso o dispositivo escolhido seja a GPU. Para efetuar as decisões foi utilizado um algoritmo de Aprendizagem Automática chamado Artificial Neural Networks. São empregues várias redes neuronais e as features utilizadas por estas são extraídas a partir das computações Marrow. Os resultados foram muito positivos, com uma eficácia superior a 97% na escolha do dispositivo onde deve ser executada a computação. Relativamente à previsão do tamanho de bloco ideal, os resultados foram também bastante bons. O tamanho de bloco devolvido pelo módulo resulta num tempo de execução que fica, em média, a menos de 2,4% do tempo de execução mínimo, alcançando valores abaixo de 1% em alguns testes. Foram realizados testes em dois sistemas bastante diferentes e consoante vários aspetos. Com este módulo, qualquer utilizador da framework Marrow pode executar compu- tações com configurações muito próximas das ideais mesmo que não tenha um conheci- mento aprofundado da framework ou da arquitetura do sistema. Nowadays, heterogeneous systems with one CPU host and one or more GPUs are available in many computational systems, but it is not always easy to take full advantage of these machines. To achieve the full potential of the hardware we need to have a profound knowledge of the system architecture and make adjustments when we change from one system to another. The performance of an execution, both in the CPU and the GPU, depends on several factors, like the number of threads or data locality. The scheduling process has to take in consideration which is the best parameterization for each processor and when to assign tasks to each one. This thesis was developed in the scope of the Marrow framework. This framework is used for the scheduling of computations in heterogeneous systems. From a high level computation it allows you to run the code on a CPU or a GPU. In this thesis we developed a module for the Marrow framework which, given a certain computation, decides whether to execute it on the CPU or the GPU. This module also finds the thread block size that minimizes execution time, if the chosen device is the GPU. The module uses a Machine Learning algorithm called Artificial Neural Networks to make the decisions. Several neural networks are employed and the features used by these are extracted from the Marrow computations. The results were very good, with an effectiveness above 97% in choosing the correct device to execute the computation. Regarding the block size, the results were also very good. The block size returned by the module produces an execution time that is, on average, less than 2,4% higher than the minimum execution time, reaching values below 1% in some tests. The testing was performed in two very different systems and evaluated in several different parameters. With this module, any user of the Marrow framework can execute the computations with configurations very close to optimal, even without a profound knowledge of the framework or the system architecture.

Dissertação de mestrado em Biotecnologia apresentada ao Instituto Superior Técnico, Universidade de Lisboa, 2021 Orientadores: Paula Faustino (INSA); Susana Vinga (IST) Dissertação defendida a 10-11-2021 The work presented in this thesis was performed at INESC-ID, “Instituto de Engenharia de Sistemas e Computadores: Investigação e Desenvolvimento em Lisboa”, of Instituto superior Técnico (Lisbon, ´ Portugal) and at ”Grupo de I&D em Hemoglobinopatias, Metabolismo do Ferro e Patologias Associadas” of Human Genetics Department of National Institute of Health Doctor Ricardo Jorge (INSA) (Lisbon, Portugal), during the period February-October 2021. The prevalence of anaemia in the world population is 24.8%. Proper discrimination between microcytic anaemias is essential to provide the right treatment and genetic counselling.A s the most reliable methods to diagnose thalassemias and IDA (iron deficiency anaemia), some of the most common microcytic anaemias are expensive and time-consuming, many indexes have been developed through the years. These indexes, however, have not been revealed to be 100% accurate. In this thesis, haematological data from a sample of the Portuguese population constituted by 390 individuals and their diagnosis was used to train and test different machine learning algorithms. The objective was to develop a binary classifier, specifically adapted to the Portuguese population, to dis criminate β-thalassemia carriers from IDA patients. Beyond that, a multi-class classifier capable of dis tinguishing between β-thalassemia carriers, α-thalassemia carriers, IDA patients, and healthy subjects was also developed. In order not to compromise the main objective, to obtain a quick and accessible diagnosis, the classifiers developed were only based on information obtained through a complete blood count test, one of the most common laboratory tests in medicine. Although it was not possible to surpass the performance with the binary classifiers created of the most reliable index for the Portuguese population, RDWI (red cell distribution width index), which presented a median accuracy of 95.4%, it was possible to match it with the random forest algorithm. This algorithm showed an excellent performance in the binary and in the multi-class classification, where it achieved promising results, revelling a median accuracy of 93.0%. A prevalência de anemia na população ao mundial e de 24.8%. A discriminação adequada entre anemias microcíticas e fundamental para fornecer o tratamento adequado e providenciar aconselhamento genético. Uma vez que os métodos mais fidedignos para diagnosticar talassemias e anemia ferropénica (AF), ´ algumas das anemias microcíticas mais comuns, são caros e demorados, vários índices foram desenvolvidos ao longo dos anos. Contudo, esses índices revelaram não ser 100% fiáveis. Nesta tese foram utilizados dados hematológicos de uma amostra da população portuguesa constituída por 390 indivíduos e respetivo diagnostico para treinar e testar diferentes algoritmos de aprendizagem automática. O propósito foi desenvolver um classificador bin ´ ario, especificamente adaptado ´ a população portuguesa, a fim de discriminar entre portadores de β-talassemia e doentes com AF. Para alem disso, foi desenvolvido um classificador multi-classe capaz de distinguir entre portadores de β-talassemia, portadores de α-talassemia, doentes com AF e indivíduos saudáveis. De forma a não comprometer o objetivo principal, a obtenção dum diagnóstico rápido e acessível, os classificadores desenvolvidos foram baseados apenas em informações obtidas através de um hemograma, um dos exames laboratoriais mais comuns em medicina. Embora não tenha sido possível ultrapassar o desempenho com os classificadores binários criados do índice mais fiável para a população portuguesa, RDWI ( índice de distribuição de largura dos glóbulos vermelhos), que apresentou uma exatidão mediana de 95.4%, foi possível igualar esta exatidão com o algoritmo florestas aleatórias. Este algoritmo apresentou um ´ ótimo desempenho tanto na classificação binaria, como na classificação multi-classe, onde obteve resultados promissores revelando uma exatidão mediana de 93.0%. N/A

To meet the required future challenge of providing enough bandwidth to achieve high data traffic rates in datacenter links, four-level pulse amplitude modulation (PAM4) signals transmission in short-haul intensity modulation-direct detection datacenters connections supported by homogeneous weakly-coupled multicore fibers has been proposed. However, in such fibers, a physical effect known as inter-core crosstalk (ICXT) limits significantly the performance of short-reach connections by causing large bit error rate (BER) fluctuations that can lead undesirable system outages. In this work, a convolutional neural network (CNN) is proposed for eye-pattern analysis and BER prediction in PAM4 inter-datacenter optical connections impaired by ICXT, with the aim of optical performance monitoring. The performance of the CNN is assessed using the root mean square error (RMSE). Considering PAM4 interdatacenter links with one interfering core and for different skew-symbol rate products, extinction ratios and crosstalk levels, the results show that the implemented CNN is able to predict the BER without surpassing the RMSE limit. The CNNs trained with different optical parameters obtained the best performance in terms of generalization comparing to CNNs trained with specific optical parameters. These results confirm that the CNN-based models can be able to extract features from received eye patterns to predict the BER without prior knowledge of the transmitted signals. De modo a colmatar a necessidade de fornecer largura de banda suficiente para atingir altas taxas de tráfego de dados em ligações entre centros de dados, foi proposta a transmissão de sinais com modulação de impulsos em amplitude com 4 níveis (PAM4) em ligações de curto alcance entre centro de dados com modulação de intensidade e deteção direta suportadas por fibras homogéneas multinúcleo fracamente acopladas. No entanto, neste tipo de fibras, a diafonia entre núcleos (ICXT) limita significativamente o desempenho das ligações, causando grandes flutuações da taxa de erros binários (BER), o que pode conduzir à indisponibilidade da ligação. Neste trabalho, através da análise de diagramas de olho usando uma rede neuronal convolucional (CNN) é estimada a BER em ligações ópticas entre centros de dados PAM4 degradadas por ICXT com o objetivo de monitorização do desempenho. Para avaliar o desempenho da CNN é usada como métrica a raiz do erro quadrático médio (RMSE). Para diferentes atrasos de propagação entre núcleos, razões de extinção e níveis de diafonia, a CNN é capaz de prever BERs sem ultrapassar o limite estabelecido para o RMSE. As CNNs treinadas com diferentes parâmetros ópticos obtiveram o melhor desempenho em termos de generalização em comparação com CNNs treinadas com parâmetros ópticos específicos. Estes resultados confirmam que os modelos baseados em CNN são capazes de extrair informação a partir de imagens de diagramas de olhos, prevendo a BER sem conhecimento prévio dos sinais transmitidos.

Dissertação de mestrado integrado em Engenharia Informática, Query optimizers are considered one of the most relevant and sophisticated components in a database management system. However, despite currently producing nearly optimal results, optimizers rely on statistical estimates and heuristics to reduce the search space of alternative execution plans for a single query. As a result, for more complex queries, errors may grow exponentially, often translating into sub-optimal plans resulting in less than ideal performance. Recent advances in machine learning techniques have opened new opportunities for many of the existing problems related to system optimization. This document proposes a solution built on top of PostgreSQL that learns to select the most efficient set of optimizer strategy settings for a particular query. Instead of depending entirely on the optimizer’s estimates to compare different plans under different configurations, it relies on a greedy selection algorithm that supports several types of predictive modeling techniques, from more traditional modeling techniques to a deep learning approach. The system is evaluated experimentally with the standard TPC-H and Join Order ing Benchmark workloads to measure the cost and benefits of adding machine learning capabilities to traditional query optimizers., Os otimizadores de queries são considerados um dos componentes de maior relevância e complexidade num sistema de gestão de bases de dados. No entanto, apesar de atualmente produzirem resultados quase ótimos, os otimizadores dependem do uso de estimativas estatísticas e de heurísticas para reduzir o espaço de procura de planos de execução alternativos para uma determinada query. Como resultado, para queries mais complexas, os erros podem crescer exponencialmente, o que geralmente se traduz em planos sub-ótimos, resultando num desempenho inferior ao ideal. Os recentes avanços nas técnicas de aprendizagem automática abriram novas oportunidades para muitos dos problemas existentes relacionados com otimização de sistemas. Este documento propõe uma solução construída sobre o PostgreSQL que aprende a selecionar o conjunto mais eficiente de configurações do otimizador para uma determinada query. Em vez de depender inteiramente de estimativas do otimizador para comparar planos de configurações diferentes, a solução baseia-se num algoritmo de seleção greedy que suporta vários tipos de técnicas de modelagem preditiva, desde técnicas mais tradicionais a uma abordagem de deep learning. O sistema é avaliado experimentalmente com os workloads TPC-H e Join Ordering Benchmark para medir o custo e os benefícios de adicionar aprendizagem automática a otimizadores de queries tradicionais., This work is financed by National Funds through the Portuguese funding agency, FCT - Fundação para a Ciência e a Tecnologia, within project UIDB/50014/2020.

One of the great challenges for education is to be able to offer distance learning programs where students feel that these programs are an added value to their academic training. Although technological development makes it possible to overcome the physical barriers of a classroom and thus reach many more students with this distance learning offer, there are at the same time a greater number of difficulties in reaching them with the proper quality. The lack of selection of candidates, the suitability of the programs for distance learning or the lack of interaction between students and between students and teachers are factors that contribute to high dropout rates of students in these distance learning courses. The purpose of this dissertation is to figure out which factors contribute the most to dropout rates, how we can identify in advance students who are at risk of dropping out, and how we can act to decrease this risk. To do this, we will use data from distance programs of soft skills where an exploratory analysis of the data will be done to understand which factors contribute most to this dropout rate and where machine learning algorithms will be applied to classify the students at risk of dropping out, thus being possible to identify these students in advance and promote actions to avoid these dropouts. Um dos grandes desafios para a educação é de ser capaz de oferecer programas de ensino à distância onde os estudantes possam sentir que são uma mais-valia para a sua formação académica. Embora o desenvolvimento tecnológico torne possível ultrapassar as barreiras físicas de uma sala de aula e desta forma alcançar muito mais estudantes, há, ao mesmo tempo, uma maior dificuldade em fazer com que a oferta tenha a qualidade espectável. A falta de seleção de candidatos, a adequação dos programas ao ensino à distância ou a falta de interação entre estudantes e entre estudantes e docentes são fatores que contribuem para taxas de abandono escolar nestes cursos de ensino à distância. O objetivo deste documento é tentar compreender quais os fatores que mais contribuem para as taxas de abandono escolar, como identificar antecipadamente os alunos em risco de abandono escolar, e como agir de forma a diminuir este risco. Para tal, utilizaremos dados de programas à distância de soft skills. É feita uma análise exploratória dos dados para compreender quais os fatores que mais contribuem para esta taxa de abandono escolar, são aplicados algoritmos de aprendizagem automática para classificar os estudantes em risco de abandono escolar, sendo assim possível identificar estes estudantes com antecedência e promover ações para evitar estas desistências.

A Medicina Personalizada é um modelo de prática médica que utiliza o perfil fenotípico e genotípico do indivíduo para melhorar a precisão do diagnóstico, a eficácia terapêutica ou a prevenção de doenças. Neste sentido, a enorme quantidade de dados gerados ao longo dos últimos anos na área biomédica tem contribuído para uma melhor compreensão dos determinantes genéticos de várias patologias e, consequentemente, para a implementação de práticas de Medicina Personalizada em várias áreas, por exemplo na Oncologia e no âmbito das doenças raras. No entanto, ainda subsistem desafios significativos, nomeadamente no que diz respeito à integração de dados biomédicos oriundos de fontes heterogéneas e na obtenção de informação clinicamente relevante. Este trabalho descreve uma abordagem que usa métodos de aprendizagem automática aplicados a um Grafo de Conhecimento (GC) biomédico como um meio para integrar informação armazenada em bases de dados diversas. Este GC contém relações entre genes, doenças e outras entidades biológicas, extraídas de três bases de dados: Ensembl, DisGeNET e Gene Ontology. Neste trabalho exploramos o potencial dos métodos de aprendizagem automática em grafos para produzir informação clinicamente relevante e descrevemos a aplicação desta metodologia à previsão de associações gene-doença. Mostramos ainda que as principais associações gene-doença previstas por esta abordagem podem ser confirmadas em bases de dados externas ou já foram previamente identificadas na literatura. Personalized Medicine is a model of medical practice that uses an individual's phenotypic and genotypic profile to improve diagnostic accuracy, therapeutic efficacy or disease prevention. The huge amount of data generated over the last few years in the biomedical area has contributed to a better understanding of the genetic determinants of various pathologies and, consequently, to the implementation of Personalized Medicine practices in various areas, for example in Oncology and in the field of rare diseases. However, significant challenges remain, namely with regard to the integration of biomedical data from heterogeneous sources to obtain clinically relevant information. This work describes an approach that uses machine learning methods applied to a biomedical Knowledge Graph (KG) as a means to integrate information stored in different databases. To build the KG, three databases were used: Ensembl, DisGeNET and Gene Ontology. This KG contains relationships between genes, diseases, and other biological entities. In this work, we explore the potential of automatic graph learning methods to produce clinically relevant information and describe the application of this methodology to the prediction of gene-disease associations. We show that the main gene-disease associations predicted by this approach can be confirmed in external databases or have been previously identified in the literature. info:eu-repo/semantics/publishedVersion

Dissertação de mestrado integrado em Engenharia Informática, Epidemic multicast protocols, also known as gossip protocols, offer fault tolerance and good performance at large scale. Therefore, these are used in peer-to-peer (P2P) systems on the Internet and in NoSQL data management systems. Research has shown there are multiple variants of these protocols which are most efficient in certain environments and applications. Some protocols, such as Plumtree, even allow the application to configure to obtain different performance trade-offs. This dissertation aims at taking advantage of Machine Learning (ML) to configure these protocols, developing a solution that adapts in runtime to network conditions and evaluate it experimentally. The results obtained by using ML models to control the transmission strategy used when forwarding messages show that it is possible to achieve a better trade-off between bandwidth used and the time to reach the entire network. Moreover, this does not endanger the characteristics of epidemic multicast protocols, maintaining their reliability while becoming even more scalable., Os protocolos de difusão epidémica, também conhecidos como gossiping, oferecem tolerância a faltas e bom desempenho em grande escala. São por isso usados, por exemplo, em sistemas entre-pares (P2P) na Internet e em sistemas de gestão de dados NoSQL. A investigação feita mostrou que existem múltiplas variantes destes protocolos, adaptadas a diferentes ambientes e aplicações. Alguns protocolos concretos, como o Plumtree, permitem até que a aplicação faça uma configuração das suas características, de forma a obter diferentes compromissos de desempenho. Nesta dissertação apresenta-se uma abordagem que tira partido de tecnologias de aprendizagem automática para fazer a configuração destes protocolos, desenvolvendo uma solução capaz de se adaptar em runtime tendo em conta o estado atual da rede e posteriormente é feita uma avaliação da solução experimentalmente. Os resultados obtidos com os modelos que controlam a estratégia de transmissão na distribuição de mensagens demonstram ser possível alcançar um melhor compromisso entre o número de mensagens enviadas e o tempo necessário para as distribuir. Além disso, não compromete as características dos protocolos de difusão epidémica, mantendo a sua confiabilidade e tornando-se ainda mais escaláveis.

The Internet of Things (IoT) and Smart Cities are nowadays a big trend, but with the proliferation of these systems several challenges start to appear and put in jeopardy the acceptance by the population, mainly in terms of sustainability and environmental issues. This Thesis introduces a new system composed by a modular IoT smart node that is self-configurable and sustainable with the support of machine learning techniques, as well as the research and development to achieve a innovative solution considering data analysis, wireless communications and hardware and software development. For all these, concepts are introduced, research methodologies, tests and results are presented and discussed as well as the development and implementation. The developed research and methodology shows that Random Forest was the best choice for the data analysis in the self-configuration of the hardware and communication systems and that Edge Computing has an advantage in terms of energy efficiency and latency. The autonomous communication system was able to create a 65% more sustainable node, in terms of energy consumption, with only a 13% decrease in quality of service. The modular approach for the smart node presented advantages in the integration, scalability and implementation of smart cities projects when facing traditional implementations, reducing up to 45% the energy consumption of the overall system and 60% of messages exchanged, without compromising the system performance. The deployment of this new system will help Smart Cities, in a worldwide fashion, to decrease their environmental issues and comply with rules and regulations to reduce CO2 emission. A Internet das Coisas (IoT) e as Cidades Inteligentes são hoje uma grande tendência, mas com a rápida evolução destes sistemas são vários os desafios que põem em causa a sua aceitação por parte das populações, maioritariamente devido a problemas ambientais e de sustentabilidade. Esta Tese introduz um novo sistema composto por nós de IoT inteligentes que são auto-configuáveis e sustentáveis suportados por de aprendizagem automática, e o trabalho de investigação e desenvolvimento para se obter uma solução inovadora que considera a análise de dados, comunicações sem fios e o desenvolvimento do hardware e software. Para todos estes, os conceitos chave são introduzidos, as metodologias de investigação, testes e resultados são apresentados e discutidos, bem como todo o desenvolvimento e implementação. Através do trabalho desenvolvido mostra-se que as Árvores Aleatórias são a melhor escolha para análise de dados em termos da autoconfiguração do hardware e sistema de comunicações e que a computação nos nós tem uma vantagem em termos de eficiência energética e latência. O sistema de configuração autónoma de comunicações foi capaz de criar um nós 65% mais sustentável, em termos en- ergéticos, comprometendo apenas em 13% a qualidade do servi ̧co. A solução modular do nó inteligente apresentou vantagens na integração, escalabilidade e implementação de projectos para Cidades Inteligentes quando comparado com soluções tradicionais, reduzindo em 45% o consumo energético e 60% a troca de mensagens, sem comprometer a qualidade do sistema. A implementação deste novo sistema irá ajudar as cidades inteligentes, em todo o mundo, a diminuir os seus problemas ambientais e a cumprir com as normas e regulamentos para reduzir as emissões de CO2.

Este documento diz respeito a um projeto de investigação que decorreu no âmbito de projeto de final de curso do Mestrado em Informática e Sistemas, ramo de Tecnologias de Informação e Conhecimento que decorreu no Instituto Superior de Engenharia de Coimbra. Está integrado na área da aprendizagem automática e tem como principal objetivo desenvolver uma nova framework suportada pelo SGE para resolver problemas de aprendizagem supervisionada, e tem o nome de Ensemble SGE. O Ensemble SGE, utiliza o SGE que é um algoritmo de evolução automática de programas, para gerar vários modelos capazes de resolver um problema. E posteriormente utiliza técnicas de aprendizagem por Ensemble para agregar alguns dos modelos gerados e produzir um Ensemble. Neste trabalho foram abordados 3 problemas de regressão simbólica. Duas aproximações a funções conhecidas, polinómio de quarto grau e o polinómio de Pagie e por fim Boston Housing, um problema em que dadas características de uma casa é necessário prever o seu preço. Os resultados deste projeto são positivos, é demonstrado que é possível obter Ensembles capazes de resolver alguns problemas de uma melhor forma, que o melhor modelo gerado pelo SGE. A performance obtida pela utilização de Ensembles é maior comparativamente a modelos simples gerados pelo SGE. A framework foi implementada e disponibilizada com possíveis casos de teste. Concluindo, a escolha dos modelos constituintes do Ensemble é a decisão mais importante, pois não foi encontrada nenhuma maneira exata de o fazer, ou seja, apenas por métodos experimentais. O Ensemble SGE também consegue detetar situações de overfitting mais cedo que o melhor modelo do SGE ao longo das gerações. Isto porque o Ensemble SGE utiliza vários indivíduos de uma população. FEDER - Operational Programme Competitiveness Factors - COMPETE e fundos nacionais da FCT (POCI-01-0145-FEDER-029207).

Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia A estimativa da pose de objetos em imagens RGB-D, tem ganho bastante atenção na passada década com o aparecimento de sensores RGB-D ao nível do consumidor. O seu baixo custo acoplado com relevantes especificações técnicas, levaram à sua aplicação em áreas cientificas tais como condução autónoma, realidade aumentada e robótica.Em geral, a informação de profundidade trouxe complexidade adicional a grande parte das aplicações práticas onde se usavam apenas imagens RGB. Para além disso, quando se tenta estimar a pose de um objeto, há outros desafios tais como cenas com vários objetos, oclusão por parte dos mesmos, objetos simétricos, objetos sem textura e até falta de visibilidade devido a pouca iluminação. Tendo isto em conta, os investigadores começaram a adoptar técnicas de aprendizagem automática para resolver o problema da estimação da pose de objetos. O problema com esta abordagem é que, por norma, costuma ser computacionalmente intensiva e complexa de implementar. Para além disso, apenas recentemente a investigação se tem direcionado para vídeos RGB-D, com o primeiro dataset de referência contendo apenas vídeos a ser publicado em 2017. Portanto, apenas poucos e bastante recentes métodos foram desenvolvidos para funcionar com vídeos, tornando assim o funcionamento em tempo real numa questão ainda por resolver.Posto isto, esta tese tem como objectivo explorar todas as ferramentas necessárias para construir um estimador da pose, oferecer uma revisão compreensiva para cada uma destas ferramentas, comparar e avalia-las, estudar como estas podem ser implementadas, avaliar se a estimação da pose poderá ser ou não feita em tempo real e também como esta se generaliza para o mundo real. Em adição a isto, será proposto o uso de estatística direcional para o avaliação da repetibilidade de sensores RGB-D, um melhoramento na estrutura de um bastante conhecido estimador da pose, uma arquitetura que utiliza um algoritmo de aproximação geométrica bastante recente como auxílio ao estimador da pose, e ainda uma métrica que permite avaliar a repetibilidade tanto das poses estimadas como das poses fundamentais de um dataset. Object pose estimation using RGB-D images has gained increasing attention in the past decade with the emergence of consumer-level RGB-D sensors in the market. Their low-cost coupled with relevant technical specifications led to their application in areas such as autonomous driving, augmented reality, and robotics.Depth information has, in general, brought additional complexity to most applications that previously used only RGB images. Moreover, when trying to estimate an object pose, one may face challenges such as cluttered scenes, occlusion, symmetric objects, texture-less objects, and low visibility due to insufficient illumination. Accordingly, researchers started to adopt machine learning approaches to tackle the 6DoF of the object pose estimation problem. Such approaches are often quite complex to implement and computationally demanding. Furthermore, the research was only directed to RGB-D videos quite recently, with the first benchmark dataset containing videos being published only in 2017. Therefore, only very recent methods were designed to process videos, and some questions regarding real-time applicability arise.That being said, this thesis aims to explore all the tools required to build a 6DoF pose estimator, provide a comprehensive review on each tool, compare and evaluate them, assess how a practitioner can implement such tools, evaluate whether or not it is possible to estimate 6DoF poses in real-time, and also evaluate how these tools generalize to a real-world scenario. As a plus, it will be proposed the usage of directional statistics to evaluate an RGB-D sensor precision, a tweak to a famous 6DoF object pose estimation model, a pipeline that uses a novel 3D point cloud registration algorithm to aid the pose estimator, and a metric that can measure the precision/repeatability of both estimated poses of a model and the ground-truth poses of a dataset.