Search

Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas, Departamento de Economia, Programa de Pós-Graduação em Economia, Mestrado em Economia e Gestão do Setor Público, 2016. Este estudo aborda a utilização de modelos de máquinas de suporte vetorial (SVM) como instrumento de priorização de investimentos públicos. Parte-se da apresentação das principais políticas públicas de investimento em aeroportos do Governo Federal Brasileiro: Programa de Investimento em Logística – Aeroportos e Plano Aeroviário Nacional. Para formação das bases e aplicação da metodologia, foi realizada a agregação dos municípios e informações de nível municipal em Zonas Aeroviárias. Foram utilizados kernels do tipo radial, mínimos quadrados radial, polinomial, linear e processo gaussiano de base radial, com diferentes parâmetros. Formulou-se um indicador de classificação de aeroportos de acordo com a operação ou não de voos regulares no período de 2004 a 2015, para posterior classificação de aeródromos passíveis ou não de receberem voos regulares. A partir de uma análise comparativa, observou-se que, em geral, os modelos SVM apresentaram resultados superiores ao modelo de mínimos quadrados ordinários, com especial diferença em relação ao perfil das Zonas Aeroviárias classificadas como recebedoras de voos regulares. This study discusses the use of support vector machines´ (SVM) models as an instrument for prioritization of public investment. It starts presenting the main investment policies on airports carried by the Brazilian Federal Government: Programa de Investimento em Logística – Aeroportos e Plano Aeroviário Nacional. To constitute the data basis on which the application of the methodology was carried out, the municipalities and municipal level information are aggregated in Zonas Aeroviárias. Kernels of the radial type, least square radial, polynomial, linear and radial basis gaussian process, with different parameters were implemented. An index for airports classification according to the regularity of operation of flights has been formulated, taking the period from 2004 to 2015 as basis, to be applied to classify aerodromes by whether being subject or not to receive regular flights. After application on the databases and comparison of results from different models, it was observed that in general SVM models showed better results than an OLS model with particular difference to the profile of the Zonas Aeroviárias classified as receivers of scheduled flights.

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior FAPEMIG - Fundação de Amparo a Pesquisa do Estado de Minas Gerais Métodos de detecção de falhas são utilizados para detectar operações anormais em processos químicos provocadas por perturbações, degradação de equipamentos, defeitos nos sensores e nos equipamentos. Esses métodos podem ser baseados em: análise de resíduos, redundância analítica ou redundância física. Os métodos com redundância analítica estão entre os mais utilizados industrialmente. A redundância analítica pode ser obtida de três formas: através do modelo matemático analítico, do modelo de identificação ou inteligência artificial por aprendizado de máquina. Os métodos de detecção de falhas utilizando inteligência artificial têm sido cada vez mais presentes na literatura na última década. Os métodos que utilizam redes neuronais, lógica difusa e máquinas de vetores de suporte, são técnicas de detecção de falhas com larga utilidade e confiabilidade. O procedimento de detecção é feito em três etapas: treinamento do modelo de detecção, com a utilização de dados históricos do processo, normais e anormais; validação do modelo; e detecção de padrões de falhas. Atualmente, a extração automática de características relevantes ao procedimento de detecção e classificação de padrões de operações anormais ao processo tem se mostrado uma tendência dentro do âmbito da detecção de falhas. O presente trabalho consiste no estudo e análise dos métodos de detecção de falhas baseados em aprendizagem de máquina (redes neuronais, lógica difusa e máquinas de vetores de suporte) e a síntese de novos métodos de detecção de falhas baseado em aprendizado profundo. Aprendizado profundo (deep learning) compreende abordagem inovadora em aprendizado de máquina no sentido de dispensar parte do pré-processamento necessário aos métodos clássicos de detecção de falhas. Isto ocorre ao gerar de forma automática propriedades invariantes nas suas camadas de representação hierárquicas. Estes métodos têm apresentado resultados promissores em diferentes aplicações tais como o reconhecimento de voz e processamento de linguagem natural. Os algoritmos de aprendizado profundo podem solucionar problemas encontrados em metodologias de detecção de falhas, principalmente, na extração de propriedades e pré-processamento de dados. Os resultados obtidos pela metodologia proposta de redes neuronais linguísticas apontam que métodos de detecção de falhas com aprendizado podem ser facilmente aplicados nos mais diferentes processos, somente com a utilização de dados históricos e/ou modelos do processo, resultando em detecções compatíveis com os outros métodos estudados. Fault detection methods are used to detect abnormal operations in processes caused by disturbances, equipment degradation, defects in sensors and equipment. These methods can be based on residue analysis, analytical redundancy, or physical redundancy. The methods with analytical redundancy are among the most industrially used approaches. The analytical redundancy in processes can be obtained through analytical mathematical models of the process through the identification of models or artificial intelligence through machine learning. Failure detection methods through artificial intelligence have been increasingly studied in the literature in the last decade. The methods that use neural networks, fuzzy logic and support vector machines are fault detection techniques with high usability and reliability. The detection procedure is done in three steps: model training for detection, using normal and abnormal process data; validation of the model; and fault pattern detection. Currently, one of the paradigms in the area of fault detection is the extraction of important characteristics to the procedure of detection and patterns classification of process abnormal operations. The present work investigates these methods of fault detection based on machine learning and proposes a new method based on deep learning. Deep learning is an innovative approach to machine learning in order to dispense part of the necessary preprocessing of classic machine learning methods by automatically generating invariant properties in its hierarchical representation layers. These methods have presented promissing results in different applications such as speech recognition and natural language processing. Deep-learning algorithms can solve problems found in fault-detection methodologies, especially in the extraction of properties and preprocessing of data. The results obtained by the proposed technique linguistics neural network show that learning failure detection methods can be easily applied in different processes, only with the use of historical data and/or process models, resulting compatible detections with other studied methodologies. Tese (Doutorado)

É proposto nesse trabalho o desenvolvimento de um sensor virtual para realizar a caracterização da temperatura ambiente em aparelhos de ar-condicionado automotivo aplicado em ônibus elétricos quando este está operando sob condições de falha do sensor físico. Utilizando outros sensores presentes no sistema que mensuram dados de temperatura e pressão em diferentes pontos é proposto o uso de Regressão por Máquina de Vetor de Suporte para aproximar o valor do sensor de temperatura ambiente, permitindo que o sistema mantenha a operação em modo automático até que o sensor físico possa ser substituído, visando manter as características de conforto térmico e de consumo de energia. Para tanto foram realizados ensaios e aquisição de dados para treinamento do modelo de regressão e validação que totalizam cerca de 64h de operação em diferentes condições ambientais a partir dos quais obtém-se os modelos de regressão que são integrados no sistema de controle visando manter a operação. Como resultado obteve-se um modelo de regressão capaz de estimar a temperatura ambiente do sistema com erro médio quadrático de 1; 3oC2, erro médio absoluto percentual de 3; 6% e coeficiente de correlação de 0; 90. Esses resultados possibilitam manter a operação do aparelho de ar-condicionado em modo automático com capacidade de buscar características de conforto térmico e consumo de energia mesmo sob condição de falha no sensor físico. O sistema operando com o sensor virtual manteve uma temperatura ambiente média de 22; 1oC e 26; 0oC quando a temperatura objetivo foi regulada em 22oC e 26oC respectivamente, além de reduzir o consumo de energia em ao menos 15% em comparação com o modo de operação manual. This work presents the design and application of a virtual sensor used in case of failure of the main physical sensor for temperature readings in automotive air conditioning applied to electrical buses. Using auxiliary temperature and pressure physical sensors combined with Support Vector Machine (SVM) Regression, the model of the virtual sensor is derived and prepared to be used as a redundant sensor until the broken physical sensor maintenance. Enabling the system to operate continuously and maintaining the original power and thermal comfort features until the physical sensor replacement. In total, 64 hours of training and test data involving different environmental conditions were used to generate the model that was further integrated and about 15 hours of validation data were used to evaluate the model performance. The designed virtual sensor presented a Mean Square Error (MSE) of 1; 3oC2, a Mean Absolute Percentage Error (MAPE) of 3; 6%, and a Pearson Correlation Coefficient of 0; 90 when integrated with HVAC control system. The results allows the continuous and autonomous operation of the air conditioning plant respecting the designed thermal comfort guidelines and energy consumption even when under the physical sensor failure condition reaching a mean room temperature of 22; 1oC and 26; 0oC when the objective temperature is 22oC and 26oC respectively, in addition to reducing energy consumption by at least 15% compared to manual operating mode.

Climate change has serious implications for the occurrence of extreme events, with significant social, economic and environmental effects. Predicting drought events is essential for efficient planning of water resources, as well as for the adoption of preventive measures. Also, understanding the climatic patterns that result in dry years can be important for decision makers. In this study, we propose a drought classification model using the machine learning technique called support vector machine. The model was applied to the state of Ceará, which is often affected with long and severe droughts. The explanatory variables consist of global gridded temperature data, which allowed the identification of the regions that most influence the occurrence of droughts in Ceará. The model presented an accuracy of 77%, i.e., 47 out of the 61 years evaluated by the model were correctly classified as dry or non-dry years. The evaluation of the weights attributed by the model confirms the influence of the surface temperature of the Pacific Ocean and the South Atlantic on the drought regime in Ceará. As mudanças climáticas têm sérias implicações para a ocorrência de eventos climáticos extremos, com efeitos sociais, econômicos e ambientais significativos. A previsão de eventos extremos de seca é fundamental para o planejamento eficiente dos recursos hídricos, assim como para a adoção de medidas preventivas. Além disso, compreender os padrões climáticos que resultam em anos secos pode ser importante para os tomadores de decisão. Nesse trabalho, propomos um modelo de classificação de secas utilizando a técnica de aprendizado de máquina de máquinas de vetores de suporte. O modelo foi aplicado para o estado do Ceará, frequentemente atingido por secas longas e severas. As variáveis explicativas consistem em dados globais de temperatura em ponto de grade, o que permitiu identificar as regiões que mais influenciam a ocorrência de secas no Ceará. O modelo apresentou uma acurácia de 77%, ou seja, dos 61 anos avaliados, 47 foram classificados corretamente como anos secos ou não secos. A avaliação dos pesos atribuídos pelo modelo confirma a influência da temperatura da superfície do Oceano Pacífico e do Atlântico Sul sobre o regime de secas no Ceará.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) Given the aging of the population in Brazil and the world, with a possible inversion of the age pyramid, moving towards an increasing number of older adults (≥ 60 years), projected 1.4 billion, 16.4% of the world population, and 42.5 million, 18.63% of the population in Brazil, by 2030. This transition and an estimated world population with dementia syndromes of 150 million – Alzheimer’s Disease (AD) corresponding from 60 to 80% of these cases – and as a result of these numbers, an estimated cost of 1 trillion U.S dollars with a projection to double by 2030. There is also the problem of time spent and the accuracy of specialists for the diagnosis, due to the way of differentiating before the affected people and the gradual symptomatic process. These symptoms include difficulty remembering new information, difficulty in solving problems, and completing familiar tasks at home, confusion about time or place, and problems in interpreting visual stimuli. Symptoms are reflections of a characteristic pathology that consists of progressive atrophy of the brain, mainly in the cortical and subcortical structures, including its biomarker and the hippocampal region. An imaging method that presents high quality in the visualization of brain structures is magnetic resonance imaging, which can be used in the diagnosis of AD. In this context, the objective of this work is to apply a set of algorithmic techniques that can identify, from the magnetic resonance images of brains, if a patient is healthy, has AD or has a mild cognitive impairment (MCI). In order to reduce the computation and the volume of data of the magnetic resonance images, techniques of extraction of characteristics were used. Projecting a set of magnetic resonance images on the bases, whether linear related to the Principal Component Analysis (PCA) or non-linear related to the Kernel PCA and applying to the models trained with better performance in face of the collected statistical metrics (precision, balanced accuracy, sensitivity, specificity and Area Under the Curve (AUC)), thus creating a computer-aided diagnostic system to assist the specialist in identifying this neurocognitive disorder (AD), enabling an early diagnosis to take action against the disease’s progress. Diante do envelhecimento da população no Brasil e no mundo, com uma possível inversão da pirâmide etária, caminhando para um contingente cada vez maior de pessoas idosas (≥ 60 anos), projetado-se 1,4 bilhões, 16,4% da população mundial, e 42,5 milhões, 18,63% da população no Brasil, até 2030. Em frente a essa alteração, junto há uma estimativa de população mundial com síndromes demências (como a Doença de Alzheimer (DA)) de 150 milhões, com a DA correspondendo de 60 a 80% desses casos, e em consequência desses números, um custo estimado de 1 trilhão de dólares com projeção de duplicar até 2030. Adiciona-se ainda a problemática do tempo gasto e acuracidade dos especialistas para o diagnóstico, devido à forma de atuação diferenciar diante das pessoas afetadas e ao processo sintomático gradual. Esses sintomas incluem: dificuldade de se lembrar novas informações, complicação em resolver problemas e completar tarefas familiares em casa, confusão sobre o tempo ou lugar e problemas para interpretar os estímulos visuais. Sintomas que são reflexos de uma patologia característica que consiste na atrofia progressiva do cérebro, principalmente, nas estruturas corticais e subcorticais, incluindo seu biomarcador a região hipocampal. Uma forma de imageamento que apresenta alta qualidade na visualização das estruturas do cérebro é o imageamento por Ressonância Magnética (RM), podendo ser utilizada no diagnóstico da DA. Nesse contexto, o objetivo deste trabalho é aplicar um conjunto de técnicas algorítmicas que possam identificar, a partir das imagens de RM de cérebros, se um paciente é saudável, possuí DA ou apresenta Comprometimento Cognitivo Leve (CCL). Com intuito de reduzir a computação e o volume de dados das imagens de RM, técnicas de extração de características foram empregadas. Projetando um conjunto de imagens de RM sobre as bases de projeções, sejam lineares relacionadas ao Principal Component Analysis (PCA) ou não lineares referentes ao Kernel Principal Component Analysis, e aplicando as informações extraídas sobre os modelos treinados com melhor desempenho diante das métricas estatísticas coletadas (precisão, acurácia balanceada, sensibilidade, especificidade e Area Under the Curve (AUC)). Criando assim, um sistema de diagnóstico assistido por computador para auxiliar o especialista na identificação desse transtorno neurocognitivo (DA), possibilitando um diagnóstico precoce para tomada de ações contra o avanço da doença. CAPES: Código de Financiamento 001

Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq Potholes inasphaltpavementsandhighwaysareawell-knownproblem,whichisag- gravatedbythegrowingdevelopmentofautonomousvehicletechnology.Thistechnology, therefore, needstoincorporateefficientautomaticpotholedetectionsystems.Infact,there are differentmethodsforautomaticpotholedetection,however,thesemethodsstillneedtobe further evaluatedbothintermsoftheiraccuracyandspeedofresponseinordertobeusedin real contexts.Inordertocontributewithastepinthedirectionofthisevaluation,thiswork presents theproposalofasolutionforthedetectionofpotholesinimages,beingthedetection of theexistenceofapotholeandthedeterminationofthesameintheimage,theobjectiveof this work.Theworkhastwomainparts,thefirstbeinganimageclassificationarchitecture, which usestheHistogramofOrientedGradients(HOG)techniqueasanextractionofimage characteristics, andtwoclassifiers;ArtificialNeuralNetworksandSupportVectorMachines. The objectiveistooptimizeparametersanddeterminethebestclassifierfortheproblem.The second partpresentsaproposalforarchitecturetodetectpotholesinimages,determiningnot only theexistencebutalsothelocationofapotholeintheimage.Thistaskusestexturede- scriptors from Haralick in asystemof grid applied totheimages,addedtotheclassification architecture ofthefirstpart.Theprocessingtimesofthesearchitectureswerealsoevaluated. The resultspresentedshowthatarchitectureusingtheArtificialNeuralNetworkclassifieristhe best optionforpotholedetection,reaching83% IoU (IntersectionofUnion) in additionto73% accuracyand93%precision.ProcessingtimeisalsofavorabletotheNeuralNetworkclassifier reaching about9 frames per second(FPS). Buracos nopavimentoderuaserodoviassãoumproblemabemconhecido,queéagra- vadodiantedocrescentedesenvolvimentodatecnologiadeveículosautônomos.Essatecnolo- gia, portanto,necessitaincorporarsistemaseficientesdedetecçãoautomáticadeburacos.De fato,existemdiferentesmétodosparaadetecçãoautomáticadeburacos,porém,essesméto- dos aindaprecisamsermaisprofundamenteavaliadostantoemrelaçãoàsuaprecisãoquanto à suavelocidadederespostaparaquesejamusadosemcontextosreais.Afimdecontribuir com umpassonadireçãodessaavaliação,estetrabalhoapresentaapropostadeumasolução para detecçãodeburacosemimagens,sendooobjetivoadetecçãodaexistênciadeumburaco e adeterminaçãodomesmonaimagem.Otrabalhoapresentaduaspartesprincipais,sendoa primeira umaarquiteturadeclassificaçãodasimagens,aqualutilizaatécnicadeHistograma de GradientesOrientados(HOG)comoextraçãodecaracterísticasdaimagem,edoisclassifica- dores; RedesNeuraisArtificiais(RNA)eMáquinasdeVetoresdeSuporte(SVM).Oobjetivo é aotimizaçãodeparâmetroseadeterminaçãodomelhorclassificadorparaoproblema.A segundaparteapresentaumapropostadearquiteturadedetecçãodeburacosemimagens,de- terminando nãosóaexistênciamastambémalocalizaçãodeumburaconaimagem.Essatarefa utiliza descritoresdetexturade Haralick em umsistemade grid aplicado asimagens,somado a arquiteturadeclassificaçãodaprimeiraparte.Tambémforamavaliadosostemposdeproces- samento dessasarquiteturas.Osresultadosapresentadosmostramqueaarquiteturausandoo classificador deRedeNeuralArtificialéamelhoropçãoparadetecçãodeburacos,atingindo 83% de IoU (IntersectionofUnion) além de73%deacuráciae93%deprecisão.Osresultados sobre ostemposdeprocessamentotambémforamfavoráveisaoclassificadordeRedeNeural chegandoa9 frames por segundo.

O uso da inteligência computacional está cada dia mais presente em diversas situações do nosso cotidiano, incluindo a área financeira, com o uso de classificadores e regressores. Uma ferramenta de classificação e regressão eficiente é a Máquina de Vetor de Suporte, projetada para obter uma boa capacidade de generalização. Este trabalho propõe a predição de seguro de automóveis no Brasil utilizando inteligência computacional. O método proposto faz a coleta de dados através de um aplicativo desenvolvido para celulares , ranqueia em termo de importância as características inseridas no aplicativo, seleciona o número ideal de características, calcula o valor esperado do seguro utilizando o SVM e, por último, calcula os quantis desejados utilizando bootstrap. Nos experimentos foi constatado que o método performou melhor com as métricas adotadas do que o regressor utilizado como benchmark. The use of computational intelligence is increasingly present in various situations in our daily lives, including financially with the use of classification and regression. An efficient classification and regression tool is a Support Vector Machine, designed to obtain good generalizability. This dissertation proposes the forecast of auto insurance in Brazil by using computational intelligence. The proposed method collects data through an application developed for smartphones, ranking the characteristics inserted in terms of importance, selecting the ideal number of characteristics, calculating the expected value of insurance using the SVM regression, and finally calculating the desired quantiles using the bootstrap technique. In the experiments, it was found that the method performs better wiht the adopted metrics, than when the regression used as a benchmark.

Submitted by Pessoa (pfep@ubi.pt) on 2021-03-30T16:01:13Z No. of bitstreams: 1 tesefinal_entregue_definitiva2.pdf: 9672671 bytes, checksum: 10fa38f4325c99222ceed7dc0d98bff6 (MD5) Approved for entry into archive by Pessoa (pfep@ubi.pt) on 2021-03-30T16:01:38Z (GMT) No. of bitstreams: 1 tesefinal_entregue_definitiva2.pdf: 9672671 bytes, checksum: 10fa38f4325c99222ceed7dc0d98bff6 (MD5) Made available in DSpace on 2021-03-30T16:01:38Z (GMT). No. of bitstreams: 1 tesefinal_entregue_definitiva2.pdf: 9672671 bytes, checksum: 10fa38f4325c99222ceed7dc0d98bff6 (MD5) Previous issue date: 2020-02-03

Este trabalho foi apoiado por fundos FEDER e fundos Nacionais através da FCT no âmbito dos projetos ESGRIDS (POCI-01-0145-FEDER-016434) e MAnAGER (POCI-01- 0145-FEDER- 028040). Este trabalho foi apoiado por fundos FEDER e fundos Nacionais através da FCT no âmbito dos projetos ESGRIDS (POCI-01-0145-FEDER-016434) e MAnAGER (POCI-01-0145-FEDER- 028040). Trabalho desenvolvido no âmbito da Bolsa de Investigação UI0308-ML2Building.1/2019, promovida pelo INESC Coimbra – Instituto de Engenharia de Sistemas e Computadores de Coimbra, com a duração total de 12 meses. A previsão de consumos energéticos tem vindo a ganhar uma grande notoriedade nos últimos anos pelo seu papel na gestão e monitorização de consumos dos edifícios. Além disso, através da análise do padrão de consumos energéticos, é possível estudar algumas potenciais medidas de poupança de consumos, bem como detetar algumas falhas operacionais, seja de consumos excessivos ou inferiores ao esperado. Com o aumento da tecnologia que tem sido desenvolvida e o número de sensores que têm sido instalados nos edifícios, a quantidade e qualidade da informação associada aos edifícios tem melhorado, o que permite uma melhor performance dos modelos associados ao machine learning. Com base nisso, foram desenvolvidos nesta dissertação modelos de previsão baseados em diferentes técnicas de machine learning para prever as necessidades de aquecimento e arrefecimento para o dia seguinte de um edifício de escritórios localizado no Parque das Nações, Lisboa. Os modelos selecionados para este fim foram as redes neuronais artificiais e os modelos baseados em máquinas de vetores de suporte. Além disso, foi ainda estudada uma variação dos modelos SVM aplicando o simulated annealing como meta-heurística para otimizar os parâmetros destes modelos. Os históricos de potência e algumas variáveis exógenas (tais como a temperatura exterior, o perfil de ocupação, a humidade relativa, entre outras…) foram utilizados como variáveis de entrada para alimentar os modelos de forma a perceber a sua influência na previsão das necessidades de aquecimento e arrefecimento. As métricas de erro utilizadas para comparar os valores previstos pelos modelos com os valores utilizados como referência foram o erro médio absoluto e o erro médio quadrático. As variáveis mais influentes nas previsões das necessidades de aquecimento foram os históricos de potência, a temperatura exterior e a radiação solar direta. Já no período de arrefecimento, além dos históricos de potência e da temperatura exterior, também o perfil de ocupação e a humidade relativa permitiram aos modelos prever com precisão as necessidades de arrefecimento do edifício.

A utilização de modelos autorregressivos para a predição e preenchimento de falhas a partir de uma série histórica de dados vem, notadamente, crescendo dentro da ciência hidrológica, especialmente para as atividades que envolvem o estudo de balanço hídrico e o gerenciamento da demanda hídrica em bacias hidrográficas. Este trabalho teve como objetivo examinar e comparar o uso potencial de diferentes técnicas preditivas em modelos autorregressivos para a simulação dos níveis freáticos em um poço tubular localizado em aquífero livre no Estado do Rio Grande do Sul, Brasil. Foram utilizados métodos Autorregressivos e de Médias Móveis (ARMA), Máquinas de Vetores de Suporte (MVS) e Redes Neurais Artificiais (RNA), buscando-se analisar o desempenho dessas metodologias para a simulação de níveis da água subterrânea em escala horária e diária. Para tanto, utilizaram-se séries históricas de nível estático e de precipitação pluviométrica, coletadas a cada hora por meio de uma estação de monitoramento automática com data logger. A metodologia baseada em Redes Neurais Artificiais apresentou a melhor performance, evidenciada pelo Coeficiente de Nash-Sutcliffe (CNS) na ordem de 0,99 na escala horária e, na ordem de 0,84 para a escala diária. A etapa de análise dos resíduos demonstrou a pequena margem de erro alcançada, permitindo validar o modelo para práticas e estudos em séries temporais de água subterrânea.

Modelos de crescimento em nível individual permitem a descrição mais detalhada da dinâmica da floresta do que os modelos em nível de povoamento. Contudo, muitos ajustes por meio de modelos estatísticos têm apresentado baixo desempenho em povoamentos inequiâneos devido a variação entre os incrementos das diferentes árvores ou espécies e até entre indivíduos de uma mesma espécie. Neste estudo avaliou-se a acurácia das predições do incremento periódico anual em diâmetro (IPA dap ; cm ano -1 ) de árvores individuais empregando três técnicas de aprendizagem de máquina: rede neural artificial (RNA); regressão vetorial de suporte (SVR); e random forest (RF). O estudo foi realizado em cinco fragmentos de Mata Atlântica: Lagoa do Piau – LP (2 matas), São José – SJ, Cachoeira das Pombas – CP e Mata da Silvicultura – MS, localizados, respectivamente, nos municípios de Caratinga, Coronel Fabriciano, Guanhães e Viçosa, no Estado de Minas Gerais. Na MS, 10 parcelas com 0,1 ha cada foram alocadas. Em LP, SJ e CP foram alocadas 22, 12 e 20 parcelas, respectivamente, com 0,05 ha cada. Os dados: circunferência a 1,30 m de altura (cap; cm), altura total (Ht; m) e nomes científicos das árvores com cap > 15 cm foram coletados nos anos 1994, 1997, 2000, 2004, 2008, 2010, 2013 e 2016 na MS, e nos anos 2002, 2007, 2012 e 2017 nos demais fragmentos. Três índices de competição semi-independente da distância foram calculados: Glover e Hool, Stage e adaptado de Glover e Hool. Em cada fragmento, as espécies foram agrupadas em cinco grupos de IPA dap por meio da análise de cluster. Os dados foram divididos em conjunto de treinamento e validação por meio do particionamento balanceado, com 70% das observações de cada espécie em cada período para o treinamento e o restante para validação. A seleção da melhor configuração de cada técnica foi por meio das estatísticas de correlação entre os incrementos observados e preditos (r yŷ ), raiz quadrada do erro quadrático médio (RMSE), erro absoluto médio (EAM), valor ponderado (VP), gráficos de dispersão do IPA dap observado e predito e gráficos de dispersão dos resíduos padronizados em função do diâmetro a 1,30 m de altura (dap). Após selecionar a melhor configuração de cada técnica em cada fragmento, a validação cruzada foi aplicada com 10 partições e 50 repetições, com exceção da MS devido ao grande número de observações. Médias de RMSE foram calculadas para cada das 50 repetições da validação cruzada. Os testes não paramétricos de Friedman e Nemenyi foram aplicados para avaliar qual a melhor técnica em cada fragmento, com base nas médias de RMSE da validação cruzada. Na MS a RNA apresentou os melhores resultados estatísticos, com r yŷ = 0,5003; RMSE = 0,3591; e EAM = 0,1743. Na validação cruzada dos demais fragmentos, a RNA apresentou as menores médias de RMSE (0,1382–0,4155) e a SVR as maiores (0,1672–0,4453). No teste de Nemenyi, a distância da RNA para a RF e SVR em todos os fragmentos (CP, LP e SJ) foi maior que a distância crítica de 0,47. Portanto, a RNA foi a técnica que apresentou a maior eficiência para predizer o incremento em diâmetro de árvores em fragmentos de Mata Atlântica. Palavras-chave: Biometria florestal. Inteligência artificial. Manejo florestal. Growth models at individual levels allow a more detailed description of the dynamics of the forests that the models at the stand level. However, many fittings by means of statistical models have shown low performance in native forests due to variation between the increments of different trees or species and even within the same species. In this study we evaluated the accuracy of predictions of annual periodic increment in diameter (IPA dap ; cm year -1 ) of individual trees in the Atlantic Forest using three machine learning techniques: artificial neural network (ANN); support vector regression (SVR); and random forest (RF). The study was carried out in five fragments of Atlantic Forest: Lagoa do Piau – LP (2 forests), São José – SJ, Cachoeira das Pombas – CP and Mata da Silvicultura – MS, located respectively in the municipalities of Caratinga, Coronel Fabriciano, Guanhães and Viçosa, Minas Gerais state. In the MS, 10 plots with 0.1 ha each were allocated. In LP, SJ and CP were allocated 22, 12 and, 20 plots, respectively, with 0.05 ha each. The data: circumference at 1.30 m in height (cbh; cm), total height (Ht; m) and scientific names of trees with cbh > 15 cm were collected in the years 1994, 1997, 2000, 2004, 2008, 2010, 2013 and 2016 in the MS, and in the years 2002, 2007, 2012 and 2017 in the other fragments. Three semi-independent competition indexes were calculated: Glover and Hool, Stage and adapted from Glover and Hool. In each fragment, the species were grouped into five API dbh groups through cluster analysis. The data were divided into training and validation set through balanced partitioning, with 70% of the observations of each species in each period for the training and the rest for validation. The selection of the best configuration of each technique was through the statistics of correlation between the observed and predicted increments (r yŷ ), root mean square error (RMSE), mean absolute error (MAE), weighted value (WV), observed and predicted API dbh scatter plots and scatter plots of the standardized residuals as a function of diameter at the height of 1.30 m (dbh). After selecting the best configuration of each technique in each fragment, cross- validation was applied with 10 partitions and 50 repetitions, except the MS due to a large number of observations. In MS, ANN presented the best statistical results, with r yŷ = 0. 5003 ; RMSE = 0.3591; and MAE = 0.1743. In cross-validation of the other fragments, ANN presented the lowest mean RMSE (0.1382–0.4155) and the largest SVR (0.1672–0.4453). In the Nemenyi test, the distance from ANN to RF and SVR on all fragments (CP, LP, and SJ) was greater than the critical distance of 0.47. Therefore, ANN was the technique that presented the greatest efficiency to predict the increase in the diameter of trees in fragments of Atlantic Forest. Key words: Forest biometrics. Artificial intelligence. Forest management.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) Compreender o constructo “Complexidade de projetos” tem desafiado pesquisadores e profissionais desde que o estudo de Baccarini (1996) deu início a debates mais aprofundados sobre a temática. Dentro desse contexto, o desenvolvimento de métodos e ferramentas, que possam contribuir diretamente para inserção da dimensão complexidade nas práticas de gestão de projetos, tem esbarrado na dificuldade de mensurá-la. Nesse sentido, esta pesquisa teve como objetivo geral construir um modelo de classificação da complexidade de projetos para o setor público brasileiro. Para tanto, considerou-se como base a percepção de 16 especialistas e 118 profissionais da área de gestão de projetos que atuam ou já atuaram em projetos públicos. A pesquisa foi dividida em duas etapas. Na primeira, mapeou-se, inicialmente, um conjunto com 96 fatores de complexidade identificados a partir de uma revisão sistemática da literatura. Esses fatores foram avaliados através de questionários por 16 especialistas e 118 profissionais que identificaram os dez fatores de maior relevância para a complexidade de projetos públicos. Na segunda etapa, aplicaram-se técnicas de aprendizagem de máquina com máquinas de vetores de suporte para construir um modelo de classificação da complexidade de projetos. No modelo, definiram-se três níveis para classificação da complexidade de um projeto: baixa, média e alta. O modelo foi validado por meio de 17 experimentos divididos em três rodadas e teve como base um conjunto contendo 36 casos de teste, onde se avaliou o nível de acurácia média de classificação. Quanto aos resultados da pesquisa, foram propostos dois novos conceitos, sendo um para gerenciamento de projetos e outro para complexidade de projetos. Propôs-se um modelo teórico contendo 11 dimensões e 96 fatores de complexidade de projetos com base numa revisão sistemática da literatura. Identificaram-se os dez fatores de complexidade de maior relevância para projetos públicos na opinião de especialistas e profissionais brasileiros da área de gestão de projetos. E, finalmente, construiu-se e validou-se o MCCP-PUB/BR (Modelo de Classificação da Complexidade de Projetos para o setor Público Brasileiro) por meio de técnicas de aprendizagem de máquina e refinamentos que resultaram numa acurácia de 100% nas predições feitas para os 36 elementos presentes no conjunto de teste. Com base nos resultados, concluiu-se que o uso da aprendizagem de máquina para classificação da complexidade de projetos demonstrou viabilidade e capacidade de contribuir para ampliar a inserção da dimensão complexidade nas práticas de gestão de projetos. Understanding the "Project Complexity" construct has challenged researchers and professionals since the study of Baccarini (1996) initiated in-depth discussions on the subject. Within this context, the development of methods and tools, which can directly contribute to the insertion of the complexity dimension in the project management practices, has run into the difficulty of measuring it. In this sense, this research had as general objective to construct a classification model of the Project Complexity for the Brazilian public sector. To do so, it was considered as the basis the perception of 16 specialists and 118 professionals in the area of management project who act or have already acted in public projects. The research was divided into two stages. In the first, we initially mapped a set of 96 complexity factors identified from a systematic review of the literature. These factors were evaluated through questionnaires by 16 experts and 118 professionals who identified the ten most relevant factors for the complexity of public projects. In the second stage, machine learning techniques were applied with support vector machines to construct a classification model of the Project Complexity. In the model, three levels were defined to classify the complexity of a project: low, medium and high. The model was validated by 17 experiments divided in three rounds and was based on a set containing 36 test cases, where the average accuracy level of classification was evaluated. As for the research results, two new concepts were proposed, one for project management and the other for project complexity. It was proposed a theoretical model containing 11 dimensions and 96 project complexity factors based on a systematic review of the literature. It was identified the ten most relevant complexity factors for public projects in the opinion of Brazilian specialists and professionals in the area of project management. Finally, the MCCP-PUB / BR (Project Complexity Classification Model for the Brazilian Public Sector) was constructed and validated through machine learning techniques and refinements that resulted in 100% accuracy in the predictions made for 36 elements present in the test set. Based on the results, it was concluded that the use of machine learning to classify the complexity of projects demonstrated the feasibility and ability to contribute to increase the insertion of the dimension complexity in the project management practices.

Resumen En este trabajo se estudió el uso de un nuevo rasgo para la detección de fallas en el devanado y la jaula de un motor de inducción, y presenta la validación experimental de un esquema de detección e identificación utilizando Máquinas de Vectores Soporte (SVM). Esta validación se realizó en un banco de pruebas usando motores de 2 HP, 4 polos en los que fueron inducidas las fallas de corto circuito en el estator y barras rotas, por separado. Los rasgos en dominio tiempo y dominio de la frecuencia como la media aritmética, valor RMS, frecuencia central, curtosis, valor RMS de la densidad espectral de potencia fueron evaluados y validados a partir de datos experimentales para varias condiciones de carga. El rasgo relación PSC/NSC (corriente de secuencia positiva / corriente de secuencia negativa) tuvo un desempeño satisfactorio en la mayoría de los clasificadores independiente del régimen de carga. Este nuevo rasgo se evaluó en términos de detección de fallos y la discriminación entre los diferentes grados de severidad con resultados satisfactorios. Abstract This paper studied the use of a new stator current feature for detection of winding and cage bars faults in an induction motor, and presents the experimental validation of a detection and identification scheme using Support Vector Machines (SVM). This validation was performed in a test bed using 2 HP, 4 pole motors in which shorted winding and broken bars faults were induced, separately. Both time and frequency domain features like arithmetic mean, RMS value, Central Frequency, Kurtosis, RMS value of Power Spectral Density were assessed and validated using experimental data for several load conditions. PSC/NSC (positive sequence current/ negative sequence current) ratio was successful in ' most of the classifiers despite the load regime. This new feature was evaluated in terms of fault detection and severity discrimination with satisfactory results. Resumo Neste trabalho foi estudado o uso de um novo recurso para a detecção de falhas nos rolamentos e na gaiola de esquilo de um motor de indução, e apresenta a validação experimental de um esquema de detecção e identificação utilizando máquinas de vetores de suporte (SVM). Esta validação foi realizada num banco de ensaios utilizando motores de 2 HP, 4 polos nos quais foram induzidas as falhas de curto circuito no estator e barras quebradas, separadamente. Os recursos em domínio do tempo e no domínio da frequência como a média aritmética, valor RMS, frequência central, curtose, valor RMS da densidade espectral de potência foram avaliados e validados a partir de dados experimentais para várias condições de carga. O recurso relação PSC/NSC (corrente de sequência positiva/corrente de sequência negativa) teve um desempenho satisfatório na maioria dos classificadores independente do régime de carga. Este novo recurso foi avaliada em termos de detecção de falhas e discriminação entre os diferentes graus de severidade com resultados satisfatórios.

Este estudo teve por objetivo comparar diferentes alternativas para estimar o volume de árvores individuais em diferentes formações florestais no estado de Minas Gerais. Os dados foram provenientes do inventário florestal realizado pela Fundação Centro Tecnológico de Minas Gerais (CETEC, 1995) em diferentes formações florestais, para o ajuste de equações de volume do Estado e outras regiões do país. No processo de cubagem das árvores foram coletadas informações para identificação da espécie, medidos o diâmetro a 1,3 m de altura (dap) e as alturas totais (m) e comerciais (m), contados o número de galhos em cada seção de 1 m de comprimento e medidos os seus respectivos diâmetros. Os volumes dos fustes foram obtidos pela fórmula de Smalian até diâmetro mínimo com casca de 4 cm. Com os dados de volume com casca, diâmetros e alturas totais ajustou-se o modelo de Schumacher e Hall (1933) para o banco de dados total e para cada formação florestal separadamente, considerando as estruturas de um modelo de efeito fixo e de um modelo misto. Também foram treinadas 100 redes neurais (RNA) do tipo Multilayer Perceptron (Multicamadas), empregando-se os algoritmos Backpropagation e Simulated Annealing para todo o conjunto de dados e por formação florestal (com 70% dos dados), de forma supervisionada. Além disso, foram utilizadas oito configurações de máquina de vetor de suporte para regressão (MVSR), formadas a partir de duas funções de erro e quatro funções de kernel. As funções de erro otimizadas foram: função do tipo I e do tipo II. Além das abordagens dos modelos de efeito fixo e misto, o modelo de Schumacher e Hall (1933) foi ajustado por meio da regressão quantílica e o algoritmo RANSAC, com o objetivo de diminuir os ruídos de estimativa na presença de outliers. Os critérios de seleção utilizado em todos os métodos foram a correlação entre os volumes observados e estimados, a raiz quadrada do erro quadrático médio e a distribuição de frequência por classe de erro relativo percentual. Após o processamento dos dados, verificou-se que os modelos mistos apresentaram os melhores resultados em 6 formações: Caatinga Arbustiva, Cerrado, Mata Ciliar, Mata Primária, Mata Secundária, Mata de Transição do Jaíba - e para todas as formações juntas, seguido do modelo de regressão com efeito fixo (3 formações: Caatinga Arbórea, Mata Seca e Mata de Transição de Cipó) e máquina de vetor de suporte para regressão (2 formações: Campo Cerrado e Cerradão). No processo de ajuste do modelo de Schumacher e Hall comparando o Método dos Mínimos Quadrados, regressão quantílica e algoritmo RANSAC, verificou-se que as estatísticas dos três métodos foram muito próximas. No entanto, a regressão quantílica e o algoritmo RANSAC não foram influenciados pelos outliers presente no conjunto de dados. Ainda, de acordo com os resultados, ao final deste estudo, observou-se que embora todas as alternativas avaliadas foram precisas para se estimar o volume de árvores individuais em florestas naturais, não existe uma sempre superior às demais. Assim sendo, deve-se testar todas as alternativas possíveis para encontrar aquela que descreva ou explique melhor o conjunto de dados. Finalmente, observou-se que a regressão quantílica e o algoritmo RANSAC foram eficientes na presença de dados de volume discrepantes, típicos em florestas naturais tropicais. The objective of this study was to compare different alternatives to estimate the volume of individual trees in different forest formations in the state of Minas Gerais. The data came from the forest inventory carried out by the Minas Gerais Technological Center Foundation (CETEC, 1995) in different forest formations, for the adjustment of volume equations of the State and other regions of the country. In the tree-boring process, information was collected to identify the species, measuring the diameter at 1.3 m height (dbh) and the total (m) and commercial (m) heights, counted the number of branches in each section of 1 m in length and their respective diameters measured. The stem volumes were obtained by the Smalian formula up to minimum diameter with bark of 4 cm. With the volume data with bark, diameters and total heights the model of Schumacher and Hall (1933) was adjusted for the total database and for each forest formation separately, considering the structures of a fixed-effect model and a model mixed. We also trained 100 neural networks (NN) of the Multilayer Perceptron type, using the Backpropagation and Simulated Annealing algorithms for the entire data set and forest formation (with 70% of the data), in a supervised manner. In addition, eight regression support vector machine configurations (RSVM), formed from two error functions and four kernel functions. The optimized error functions were: type I and type II functions. In addition to the approaches of the fixed and mixed models, the Schumacher and Hall (1933) model was adjusted through the quantile regression and the RANSAC algorithm, in order to reduce estimation noise in the presence of outliers. The selection criteria used in all methods were the correlation between the observed and estimated volumes, the square root of the mean square error, and the frequency distribution by percentage relative error class. After the data processing, it was verified that the mixed models presented the best results in 6 formations: Caatinga Arbustiva, Cerrado, Ciliary Mata, Primary Forest, Secondary Forest, Jaíba Transitional Forest - and for all the formations together, followed by regression model with fixed effect (3 formations: Arboreal Caatinga, Dry Forest and Transitional Forest of Cipó) and regression support vector machine (2 formations: Cerrado and Cerradão). In the adjustment process of the Schumacher and Hall model comparing the method of least squares, quantile regression and RANSAC algorithm, the statistics of the three methods were very close. However, the quantile regression and the RANSAC algorithm were not influenced by the outliers present in the data set. Also, according to the results, at the end of this study, it was observed that although all the alternatives evaluated were accurate to estimate the volume of individual trees in natural forests, there is not one always superior to the others. Therefore, we must test all possible alternatives to find the one that best describes or explains the data set. Finally, it was observed that the quantile regression and the RANSAC algorithm were efficient in the presence of discrepant volume data, typical in tropical natural forests.

Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2019. Máquinas de Vetores de Suporte (Support Vector Machines - SVMs) representam uma técnica de Aprendizagem de Máquina (Machine Learning - ML), que modelam classificadores e regressores, amplamente utilizados principalmente devido às suas propriedades matemáticas que incluem boa capacidade de generalização e robustez. O modelo de treinamento das SVMs busca minimizar o risco empírico simultaneamente à capacidade de generalização. Entretanto, para obter modelos com boa precisão e baixa complexidade, é necessário definir o kernel e os seus parâmetros, assim como os parâmetros do modelo de treinamento. Os parâmetros do kernel e do modelo de treinamento juntos são denominados de hiperparâmetros do problema de seleção de parâmetros das SVMs. Porém minimizar a complexidade e maximizar a capacidade de generalização das SVM/SVRs são critérios contraditórios e, por isso, neste trabalho, o problema de seleção de parâmetros é modelado com um problema de otimização multiobjetivo (MOOP). Para resolver este problema, foi desenvolvida uma meta-heurística multiobjetivo chamada de Adaptive Parameter with Mutant Tournament Multi-Objective Differential Evolution (APMT-MODE), Multi-Objective Particle Swarm Optimization (MOPSO), objetivando resolver o problema de seleção de parâmetros. Os algoritmos desenvolvidos foram testados com um conjunto de treinamento para classificadores e regressores (obtidos no repositório University of California, Irvine), combinados com os kernels gaussiano, cauchy, polinomial e arco cosseno. Para validar as meta-heurísticas desenvolvidas, foi realizado o teste estatístico de Friedman e os testes post hoc, os quais mostraram que o algoritmo APMT-MODE é superior ao clássico algoritmo Non Sorting Genetic Algorithm - II. Além desses estudos, foram realizados estudos de comparação da complexidade computacional entre modelos de SVMs com diferentes kernels, nos quais os kernels gaussiano e polinomial configurados pelo APMT-MODE obtiveram melhor desempenho. Como aplicação em situações reais, o APMT-MODE foi empregado para obtenção de modelos para predição da penetração e largura de cordões de solda, que são utilizados como parâmetros para o controle de processo de soldas. A partir das análises, concluiu que os modelos gerados pelo APMT-MODE são mais eficientes que os encontrados para redes neurais do tipo perceptron. Finalmente, o Grid Search foi empregado para caracterizar os espaço de busca e a complexidade do problema de seleção de parâmetros modelado como um MOOP. Support Vector Machines (SVMs) represent a Machine Learning technique (ML), which model classifiers and regressors, widely used mainly because of their mathematical properties that include good generalizability and robustness. The SVM training model seeks to minimize the empirical risk simultaneously to the generalization capacity. However, to obtain models with good precision and low complexity, it is necessary to define the kernel and its parameters, as well as the parameters of the training model. The parameters of the kernel and the training model together are called hyperparameters of the parameter selection problem of the SVMs. However, minimizing the complexity and maximizing the generalization capacity of the SVM/SVRs are conflicting criteria and, therefore, in this work, the problem of parameter selection is modeled with a multiobjective optimization (MOOP) problem. In order to solve this problem, a multiobjective meta-heuristic called Adaptive Parameter with Mutant Tournament Multi-Objective Differential Evolution (APMT-MODE) was developed, aiming at solving the problem of parameter selection. The algorithms developed were tested with a training set for classifiers and regressors (obtained from the University of California, Irvine repository), combined with the Gaussian, Cauchy, polynomial, and cosine arc textures. In order to validate the developed heuristics, the Friedman statistical test, and the post-hoc tests were performed, which showed that the APMT-MODE algorithm is superior to the classic Non-Sorting Genetic Algorithm-II algorithm. In addition to these studies, computational complexity was compared between models of SVMs with different kernels, in which the Gaussian and polynomial kernels configured by APMT-MODE obtained better performance than others considered algorithms. As an application in real situations, the APMTMODE was used to obtain models for penetration prediction and width of weld beads, which are used as parameters for the process control of welds. From the analysis, it was concluded that the models generated by APMT-MODE are more efficient than those found for neural networks of the perceptron type. Finally, Grid Search was used to characterize the search space and complexity of the parameter selection problem modeled as a MOOP.

RESUMO A maioria das ferramentas de classificação assume que a distribuição dos dados seja balanceada ou com custos iguais, quando classificados incorretamente. Mas, na prática, é muito comum a ocorrência de bases de dados onde existam classes desbalanceadas, como no diagnóstico de doenças, no qual os casos confirmados são geralmente raros quando comparados com a população sadia. Outros exemplos são detecção de chamadas fraudulentas, detecção de intrusos em redes. Nestes casos, a classificação incorreta de uma classe minoritária (ex. diagnosticar uma pessoa portadora de câncer como sadia) pode resultar em consequências mais graves que classificar de forma incorreta uma classe majoritária. Por isso, é importante o tratamento de bases de dados em que ocorram classes desbalanceadas. Este artigo apresenta o algoritmo SMOTE_Easy, que é capaz de efetuar a classificação de dados, mesmo com uma alta taxa de desbalanceamento entre as diferentes classes. Para provar sua eficácia, foi feita uma comparação com os principais algoritmos para tratar problemas de classificação onde existam dados desbalanceados. Obteve-se êxito em praticamente todas as bases de dados testadas. ABSTRACT Most classification tools assume that data distribution be balanced or with similar costs, when not properly classified. Nevertheless, in practical terms, the existence of database where unbalanced classes occur is commonplace, such as in the diagnosis of diseases, in which the confirmed cases are usually rare when compared with a healthy population. Other examples are the detection of fraudulent calls and the detection of system intruders. In these cases, the improper classification of a minority class (for instance, to diagnose a person with cancer as healthy) may result in more serious consequences that incorrectly classify a majority class. Therefore, it is important to treat the database where unbalanced classes occur. This paper presents the SMOTE_Easy algorithm, which can classify data, even if there is a high level of unbalancing between different classes. In order to prove its efficiency, a comparison with the main algorithms to treat classification issues was made, where unbalanced data exist. This process was successful in nearly all tested databases

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2018. As técnicas de aprendizado de máquina são amplamente utilizadas em tarefas de classificação de dados. Neste trabalho, são apresentados três métodos de aprendizagem supervisionadas que são adequadas à classificação de indivíduos. Estes métodos foram aplicados a dois conjuntos de dados, com características distintas, e realizados estudos de simulação para comparações entre os resultados. O método RDA destacou-se por obter o melhor desempenho de classificação em dados massivos e caso de n n p. Por sua vez, as técnicas FA e SVM obtiveram o melhor desempenho quando aplicadas ao conjunto de dados em que nop. As técnicas de validação cruzada (VC) são úteis para a definição dos valores ótimos dos hiper-parâmetros dos modelos. Neste trabalho utilizou-se três técnicas de VC: Stratified Cross Validate (SCV), Leave-One-Out Cross Validation (LOOCV) e Shuffle and Split (SS). Para as comparações entre os resultados foram realizadas diversas análises, dentre elas, gráficos das curvas ROC, taxas de má classificação e EQMs. A avaliação final, utilizada para a escolha do melhor método de classificação, deu-se por meio do Erro Médio de Teste (Average Test Error - AVTE). As simulações e análises foram realizadas utilizando o software R. Machine learning techniques are widely used in data classification tasks. In this paper, we present three supervised learning methods that are suitable for the classification of individuals. These methods were applied to two sets of data, with different characteristics, and simulation studies were carried out to compare the results. The RDA method was distinguished by obtaining the best performance of classification in massive data and case of n n p. On the other hand, the techniques FA and SVM obtained the best performance when applied to the dataset where n o p. Cross-validation (VC) techniques are useful for defining the optimum values of the hyper-parameters of the models. In this work three VC techniques were used: Stratified Cross Validate (SCV), Leave-One-Out Cross Validation (LOOCV) and Shuffle and Split (SS). For the comparisons between the results, several analyzes were carried out, among them, graphs of ROC curves, misclassification rates and EQMs. The final evaluation, used to choose the best classification method, was done through the Average Test Error (AVTE). Simulations and analyzes were performed using software R.

É desafiador obter taxas de acerto elevadas no que cerne a tarefa de classificar movimentos do segmento mão braço a partir de sinais de sEMG. Inúmeros trabalhos têm sido desenvolvidos nessa área explorando a filtragem do sinal, extração de características e classificador, porém muito poucos atacam o problema sob o aspecto da seleção de características. O presente trabalho visa implementar três algoritmos diferentes de seleção de características para classificação de tais sinais: Support Vector Machine Recursive Feature Elimination (SVM-RFE), Monte Carlo Feature Selection, e Singular Value Decomposition (SVD) Entropy. Para a referida análise foram utilizados sinais da Base de Dados internacional Ninapro e também foram adquiridos sinais no laboratório de Instrumentação Eletro-eletrônica (IEE). Para o estágio de classificação foi utilizado o método Regularized Extreme Learning Machine (RELM). Contudo, o algoritmo proposto consiste em 4 etapas fundamentais. Primeiramente, 13 características foram extraídas dos sinais de sEMG: 11 no domínio do tempo e duas no domínio da frequência. A correlação entre todas as 156 características obtidas (12 canais x 13 características) foi analisada e retirou-se do conjunto as que apresentaram correlação superior a 0,9. Na sequência, as que restaram da etapa anterior foram ranqueadas a partir dos 3 métodos de seleção de características supracitados. Por fim, o conjunto ordenado de características passou pelo estágio de classificação onde determinou-se o melhor grupo dentre elas. Como resultado, obteve-se taxa de acerto média de 85,42% para a Base 2 Ninapro, 77,46% para a Base 3 Ninapro e 86,74% para a Base do IEE. It is challenging to obtain high classification rates in the task of classifying hand-arm segment movements by sEMG signals analysis. Several works have been developed in this area exploring signal filtering, feature extraction and classifier, but very few of them faces the problem under the feature selection point of view. The present work aims to implement three different feature selection algorithms to classify such signals: Support Vector Machine Recursive Feature Elimination (SVM-RFE), Monte Carlo Feature Selection, and Singular Value Decomposition (SVD) Entropy. For this analysis, signals from the International Ninapro Database were used, and additionally it was acquired signals in the Electro-Electronic Instrumentation (IEE) Laboratory. For classification stage, it was used the Regularized Extreme Learning Machine (RELM) method. However, the proposed algorithm consists of 4 fundamental steps. First, 13 characteristics were extracted from the sEMG signals: 11 in the time domain and two in the frequency domain. The correlation between all 156 features obtained (12 channels x 13 characteristics) was analyzed and those which presented a correlation value above 0,9 were removed from the set. In sequence, the remaining features were ranked by the above mentioned feature selection methods. Finally, the ordered set of features pass through the classification stage where the best group among them was determined. As a result, the mean classification rate obtained was 85,42% for Ninapro Database 2, 77,46% for Ninapro Database 3 and 86,74% for IEE Database.

O reconhecimento automático de imagens de marca de gado é uma necessidade para os órgãos governamentais responsáveis por esta atividade. Para auxiliar neste processo, este trabalho propõe uma arquitetura que seja capaz de realizar o reconhecimento automático dessas marcas. Nesse sentido, uma arquitetura foi implementada e experimentos foram realizados com dois métodos: Bag-of-Features e Redes Neurais Convolucionais (CNN). No método Bag-of-Features foi utilizado o algoritmo SURF para extração de pontos de interesse das imagens e para criação do agrupa mento de palavras visuais foi utilizado o clustering K-means. O método Bag-of-Features apresentou acurácia geral de 86,02% e tempo de processamento de 56,705 segundos para um conjunto de 12 marcas e 540 imagens. No método CNN foi criada uma rede completa com 5 camadas convolucionais e 3 camadas totalmente conectadas. A 1 ª camada convolucional teve como entrada imagens transformadas para o formato de cores RGB. Para ativação da CNN foi utilizada a função ReLU, e a técnica de maxpooling para redução. O método CNN apresentou acurácia geral de 93,28% e tempo de processamento de 12,716 segundos para um conjunto de 12 marcas e 540 imagens. O método CNN consiste de seis etapas: a) selecionar o banco de imagens; b) selecionar o modelo de CNN pré-treinado; c) pré-processar as imagens e aplicar a CNN; d) extrair as características das imagens; e) treinar e classificar as imagens utilizando SVM; f) avaliar os resultados da classificação. Os experimentos foram realizados utilizando o conjunto de imagens de marcas de gado de uma prefeitura municipal. Para avaliação do desempenho da arquitetura proposta foram utilizadas as métricas de acurácia geral, recall, precisão, coeficiente Kappa e tempo de processamento. Os resultados obtidos foram satisfatórios, nos quais o método CNN apresentou os melhores resultados em comparação ao método Bag-of-Features, sendo 7,26% mais preciso e 43,989 segundos mais rápido. Também foram realizados experimentos com o método CNN em conjuntos de marcas com número maior de amostras, o qual obteve taxas de acurácia geral de 94,90% para 12 marcas e 840 imagens, e 80,57% para 500 marcas e 22.500 imagens, respectivamente. The automatic recognition of cattle branding is a necessity for government agencies responsible for this activity. In order to improve this process, this work proposes an architecture which is able of performing the automatic recognition of these brandings. The proposed software implements two methods, namely: Bag-of-Features and CNN. For the Bag-of-Features method, the SURF algorithm was used in order to extract points of interest from the images. We also used K-means clustering to create the visual word cluster. The Bag-of-Features method presented a overall accuracy of 86.02% and a processing time of 56.705 seconds in a set containing 12 brandings and 540 images. For the CNN method, we created a complete network with five convolutional layers, and three layers fully connected. For the 1st convolutional layer we converted the input images into the RGB color for mat. In order to activate the CNN, we performed an application of the ReLU, and used the maxpooling technique for the reduction. The CNN method presented 93.28% of overall accuracy and a processing time of 12.716 seconds for a set containing 12 brandings and 540 images. The CNN method includes six steps: a) selecting the image database; b) selecting the pre-trained CNN model; c) pre-processing the images and applying the CNN; d) extracting the features from the images; e) training and classifying the images using SVM; f) assessing the classification results. The experiments were performed using the cattle branding image set of a City Hall. Metrics of overall accuracy, recall, precision, Kappa coefficient, and processing time were used in order to assess the performance of the proposed architecture. Results were satisfactory. The CNN method showed the best results when compared to Bag-of-Features method, considering that it was 7.26% more accurate and 43.989 seconds faster. Also, some experiments were conducted with the CNN method for sets of brandings with a greater number of samples. These larger sets presented a overall accuracy rate of 94.90% for 12 brandings and 840 images, and 80.57% for 500 brandings and 22,500 images, respectively.

Tese (doutorado)—Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade e Gestão Pública, Programa de Pós-Graduação em Administração, 2017. Esta tese é composta por três artigos que cobrem tópicos sobre o tema de early warning system para crises bancárias e distress bancário: uma pesquisa bibliométrica sobre early warning system (EWS) para crises bancárias e distress, um estudo empírico que estima um early warning system para distress de bancos brasileiros com regressão logística e um estudo empírico que constrói um early warning system com técnicas de aprendizagem de máquina supervisionada. O primeiro artigo apresenta um panorama do estado da literatura sobre EWS para crises bancárias e distress bancário por meio de uma revisão bibliométrica da literatura apresentando as principais ideias, principais conceitos, principais relacionamentos com outros tipos de crises, principais métodos utilizados, principais indicadores de crises e de distress. Foi realizada uma pesquisa em nas bases da Scopus e da Web of Science, onde, a partir de critérios de seleção, foram encontrados 124 artigos que foram devidamente classificados e codificados mediante importantes critérios para a área de estudo. Foi apresentado a evolução dos estudos na área, as gerações e tipos de EWS e os principais indicadores micro e macroprudencias apresentados pelos estudos da amostra. Como um resultado das lacunas da literatura na área é proposta uma agenda estruturada, visando guiar novos estudos por meio da apresentação de lacunas com grande potencial para ser explorada e reforçar o estado da arte em EWS. Adicionalmente, os resultados demonstram que mais estudos são necessários em EWS com relação à determinação dos horizontes de tempo para as previsões do modelo, com relação a estudos que tratam da América do Sul, América Central e África. Futuros estudos também devem considerar a possibilidade de utilização de modelos de aprendizagem de máquina, inteligência artificial e métodos computacionais, pois ainda existem poucos estudos e os resultados são promissores. O segundo artigo contribuiu com algumas inovações, como a construção e utilização de uma nova base dados de eventos de distress de bancos brasileiros, incluindo 179 eventos considerados como distress bancário de acordo com a definição de ?, incluindo 8 casos de RAET, 9 casos de intervenção, um caso de PROER, 11 casos de privatizações, 32 casos de incorporação e fusão, 13 casos de transformação em outros tipos de instituições financeiras, 32 caso de transformação de bancos em outros tipos de instituições, 21 casos de cancelamento e 52 casos de liquidação extrajudicial. Foi construído um painel de dados a partir de 54.087 balancetes de 359 bancos, englobando o período de julho de 1994 a novembro de 2016, juntamente com dados do setor bancário brasileiro e dados macroeconômicos. Para tratar do problema de eventos raros. O presente estudo utilizou a abordagem SMOTE (Synthetic Minority Over-sampling Technique) que pode aumentar a performance do modelo em termos da área sob a curva ROC (Area under the Receiver Operating Characteristic curve - AUC), uma técnica que que maximiza a área sob a curva ROC (AUC - area under the curve). Outra contribuição do segundo estudo foia comparação de modelos de acordo com o horizonte de tempo das previsões, característica importante para um EWS. Verificou-se que o modelo com o horizonte de tempo de 6 meses foi o modelo com maior área sob a curva ROC, para os dados da amostra utilizada, considerando-se o período de julho de 1994 até novembro de 2016. No terceiro artigo, foram utilizadas duas técnicas de aprendizagem de máquina supervisionada para construir EWSs: random forest e SVM (support vector machines) que obtiveram resultados superiores ao modelo de regressão logística apresentado no segundo estudo. Ambos os modelos de aprendizagem de máquina superam a regressão logística, em termos de acurácia, área sob a curva AUC (Area Under the Curve –AUC), sensibilidade (valor preditivo positivo) e especificidade (valor preditivo negativo). E o modelo random forest também superou o SVM em termos de acurácia, área sob a curva (AUC), sensibilidade e especificidade. Verificou-se também que os modelos random forest apresentaram melhor qualidade de previsão com as janelas de tempo de 32 e 34 meses, mostrando-se adequados às necessidades das autoridades. This thesis consistis of three articles covering topics in early warning system (EWS) for bank crises and distress: an empirical study that estimates an early warning system for distress of Brazilian banks with logistic regression and an empirical study that builds an early warning system with techniques Of supervised machine learning. The first article presents an overview of the literature on EWS for bank crises and bank distress through a bibliometric review of the literature presenting the main ideas, main concepts, main relationships with other types of crises, main methods used, main crisis indicators And distress. A survey was carried out in the databases of Scopus and the Web of Science, where, based on selection criteria, 124 articles were found that were duly classified and codified by important criteria for the study area. The evolution of the studies in the area, the generations and types of EWS and the main micro and macroprudential indicators presented by the sample studies were presented. As a result of the literature gaps in the area, a structured agenda is proposed, aimed at guiding new studies through the presentation of gaps with great potential to be explored and to reinforce the state of the art in EWS. In addition, the results demonstrate that more studies are needed in EWS regarding the determination of time horizons for model predictions, in relation to studies dealing with South America, Central America and Africa. Future studies should also consider the possibility of using machine learning models, artificial intelligence and computational methods, as there are still few studies and the results are promising. The article contributed some innovations such as the construction and use of a new database of distress events of Brazilian banks, including 179 events considered as bank distress according to the definition of ?, including 8 cases of RAET (Temporary Special Administration Scheme), 9 cases of intervention, one PROER (The Program of Incentives for the Restructuring and Strengthening of the National Financial System) case, 11 cases of privatization, 32 cases of incorporation and merger, 13 cases of transformation in other types of financial institutions, 32 cases of transformation of banks into other types of institutions, 21 cases of cancellation and 52 cases of extrajudicial liquidation. A data panel was constructed from 54,087 balance sheets of 359 banks, covering the period from July 1994 to November 2016, together with data from the Brazilian banking sector and macroeconomic data. In order to address the problem of rare events, the present study used the Synthetic Minority Over-sampling Technique (SMOTE) approach that can increase the model’s performance in terms of the Area under the Receiver Operating Characteristic curve (AUC), a technique that maximizes the area under the ROC curve (AUC). Another contribution of the second study was the comparison of models according to the time horizon of the forecasts, an important feature for an EWS. It was verified that the model with the time horizon of 6 months was the model with the largest area under the ROC curve, for the data of the sample used, considering the period from July 1994 to November 2016. In the third article, two supervised machine learning techniques were used to construct EWSs: random forest and SVM (support vector machines) that obtained results superior to the logistic regression model presented in the second study. Both models of machine learning outperform logistic regression in terms of accuracy, area under the AUC curve, sensitivity (positive predictive value) and specificity (negative predictive value). And the random forest model also surpassed the SVM in terms of accuracy, area under the curve (AUC), sensitivity and specificity. It was also verified that the random forest models presented better quality of prediction with the forecast time horizons of 32 and 34 months, being adapted to the needs of the authorities.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2017. Os modelos de aprendizado de máquina vêm tomando espaço na literatura moderna. Diversos artigos os comparam a métodos de séries temporais, pois devido à sua maleabilidade e adaptabilidade, conseguem facilmente se ajustar a diversos tipos de dados, sejam provenientes de modelos lineares ou não (Tay & Cao, 2001; Zhao et al., 2012). Este trabalho visou comparar os modelos tradicionais ARMA e GARCH à máquina de suporte vetorial para previsões um passo à frente na análise da volatilidade de séries temporais financeiras. Aqui foi analisado o desempenho de um híbrido AR-GARCH, aplicando diversas distribuições de probabilidade ao seu termo de ruído et, em relação ao desempenho de um novo método proposto por Chen et al. (2010) chamado de SVR recorrente. Modificamos o critério de parada desse novo e pouco conhecido método, para que se ajustasse melhor aos critérios estatísticos considerados por Morettin & Toloi (2006), no que diz respeito à estrutura de autocorrelação serial. Por fim, o aplicamos a dados gerados pelo modelo ARGARCH e a dois bancos de dados reais, iguais aos utilizados por Chen et al. (2010), para compararmos o desempenho do SVR recorrente, com o novo critério de parada, aos modelos GARCH, ARMA e ARGARCH. Machine learning models have been taking space in modern literature. Several articles compare them to time series methods because, due to their malleability and adaptability, they can be easily adjusted to different types of data, whether linear or non-linear (Tay & Cao, 2001; Zhao et al., 2012). This work aimed to compare the traditional ARMA and GARCH models to the support vector machine for predictions one step ahead in the analysis of the volatility of financial time series. Here we analyzed the performance of an AR-GARCH hybrid applying several probability distributions to its noise term et, in relation to the performance of a new method proposed by Chen et al. (2010) called recurrent SVR. We modified the stopping criterion of this new and little-known method to better fit the statistical criteria considered by Morettin & Toloi (2006) regarding the serial autocorrelation structure. Finally, we applied it to data generated by the AR-GARCH model and to two real databases, the same as those used by Chen et al. (2010), to compare the performance of the recurrent SVR with the new criterion of GARCH, ARMA and AR-GARCH models.

The knowledge of the relationships between physical and mechanical properties of the soil may contribute to the development of pedotransfer functions (PTFs), to estimate other soil properties are difficult to measure. The objectives of this work were to estimate the preconsolidation pressure and soil resistance to penetration, using predictive methodologies, using data available in the literature, with physical-hydrological and mineralogical characteristics of soils. The development of PTFs was based on three modeling methods: (i) multiple linear regression (MLR), (ii) artificial neural networks (ANNs) and (iii) support vector machines (SVM). The first proposed methodology for the development of PTFs was the stepwise option of the IBM-SPSS 20.0® software. The models generated from the second methodology, ie RNA were implemented through the multilayer perceptron with backpropagation algorithm and Levenberg-Marquardt optimization of Matlab®2008b software, with variations of the number of neurons in the input layer and number of neurons In the middle layer. The third methodology was to generate PTFs from SVM that fit within the data mining process by exercising the Waikato Environment for Knowledge Analysis software (RapidMiner 5). The SVM training was performed by varying the number of input data, the kernel function and coefficients of these functions. Once the estimates were made, the performance indices (id) and classified according to Camargo and Sentelhas (1997) were calculated, thus comparing the methods between themselves and others already established. The obtained results showed that artificial intelligence models (RNA and MVS) are efficient and have predictive capacity superior to the established models, in data conditions of soils with textural classes and diverse managements, and similar, although with higher performance index values for Conditions of soils of the same textural class exposed to the same management. O conhecimento das relações entre propriedades físicas e mecânicas do solo pode contribuir no desenvolvimento de funções de pedotransferência (FPTs), que permitam estimar outras propriedades do solo de difícil mensuração. Os objetivos deste trabalho foram estimar a pressão de preconsolidação e a resistência do solo à penetração, com o uso de metodologias de predição, utilizando-se de dados disponíveis na literatura, com valores de características físico-hídricas e mineralógicas dos solos. Os valores estimados foram obtidos a partir de três métodos de modelagem: (i) regressão linear múltipla (RLM), (ii) redes neurais artificiais (RNA) e (iii) máquinas de vetores de suporte (MVS). A primeira metodologia proposta para o desenvolvimento dos modelos preditivos foi a opção stepwise do software IBM-SPSS 20.0®. Os modelos geradas a partir da segunda metodologia, ou seja, das RNA foram implementadas através do perceptron multicamadas com algoritmo backpropagation e otimização Levenberg-Marquardt do software Matlab®2008b, efetuando-se variações do número de neurônios na camada de entrada e número de neurônios na camada intermediária. A terceira metodologia foi gerar FPTs a partir de MVS que se enquadra dentro dos processos de mineração de dados utilizando para tal o software Waikato Environment for Knowledge Analysis® (RapidMiner 5). O treinamento das MVS foi realizado variando-se o número de dados de entrada, a função kernel e coeficientes destas funções. Realizadas as estimativas, foram calculados os índices de desempenho (id) e classificados segundo Camargo e Sentelhas (1997), podendo-se assim comparar os métodos entre si e a outros já consagrados. Os resultados obtidos mostraram que modelos de inteligência artificial (RNA e MVS) são eficientes e possuem capacidade preditiva superior aos modelos consagrados, em condições de dados de solos com classes texturais e manejos diversos, e semelhantes ainda que com valores de índice de desempenho superiores para condições de solos de mesma classe textural expostos ao mesmo manejo.

Failure analysis aims at collecting information about how and why a failure is produced. The first step in this process is a visual inspection on the flaw surface that will reveal the features, marks, and texture, which characterize each type of fracture. This is generally carried out by personnel with no experience that usually lack the knowledge to do it. This paper proposes a classification method for three kinds of fractures in crystalline materials: brittle, fatigue, and ductile. The method uses 3D vision, and it is expected to support failure analysis. The features used in this work were: i) Haralick’s features and ii) the fractal dimension. These features were applied to 3D images obtained from a confocal laser scanning microscopy Zeiss LSM 700. For the classification, we evaluated two classifiers: Artificial Neural Networks and Support Vector Machine. The performance evaluation was made by extracting four marginal relations from the confusion matrix: accuracy, sensitivity, specificity, and precision, plus three evaluation methods: Receiver Operating Characteristic space, the Individual Classification Success Index, and the Jaccard’s coefficient. Despite the classification percentage obtained by an expert is better than the one obtained with the algorithm, the algorithm achieves a classification percentage near or exceeding the 60% accuracy for the analyzed failure modes. The results presented here provide a good approach to address future research on texture analysis using 3D data. El análisis de falla tiene como objetivo recolectar información sobre cómo y porqué una falla es generada. El primer paso en este proceso consiste en una inspección visual en la superficie de la falla que revelará las características, marcas y textura que distinguen cada tipo de fractura. Esta inspección es generalmente llevada a cabo por personal que usualmente no cuenta con el suficiente conocimiento o experiencia necesaria. Este artículo propone un método de clasificación para tres modos de fracturas en materiales cristalinos: súbita frágil, progresiva por fatiga y súbita dúctil. El método propuesto usa visión en 3D, y busca ser un apoyo en el análisis de falla. Las características usadas en este estudio fueron i) las características de Haralick y ii) la dimensión fractal. La adquisición de imágenes 3D se realizó con un microscopio confocal de escaneo laser Zeiss LSM 700. Para llevar a cabo la clasificación, dos clasificadores fueron evaluados: Redes de Neuronas Artificiales y Máquinas de Vectores de Soporte. La evaluación de desempeño se logró extrayendo cuatro relaciones marginales de la matriz de confusión: exactitud, sensibilidad, especificidad y precisión, y los siguientes tres métodos de evaluación: Característica Operativa del Receptor o espacio ROC, el índice individual de éxito en la clasificación ICSI y el coeficiente de Jaccard. A pesar que el porcentaje de clasificación obtenida por un experto es mejor que la obtenida por el algoritmo, este último logra obtener porcentajes de clasificación cerca o superior al 60% en exactitud para los tres modos de falla analizados. Los resultados que aquí se presentan representan un buen acercamiento para estructurar investigaciones futuras en análisis de textura usando datos 3D. A análise de falha tem como objetivo recolher informação sobre como e por que uma falha é gerada. O primeiro passo neste processo consiste em uma inspeção visual na superfície da falha que revelará as características, marcas e textura que distinguem cada tipo de fratura. Esta inspeção é geralmente realizada por pessoas que usualmente não contam com o suficiente conhecimento ou experiência necessária. Este artigo propõe um método de classificação para três modos de fraturas em materiais cristalinos: súbita frágil, progressiva por fadiga e súbita dúctil. O método proposto usa visão em 3D, e busca ser um apoio na análise de falha. As características usadas neste estudo foram i) as características de Haralick e ii) a dimensão fractal. A aquisição de imagens 3D se realizou com um microscópio confocal de varredura laser Zeiss LSM 700. Para levar a cabo a classificação, dois classificadores foram avaliados: Redes de Neurônios Artificiais e Máquinas de Vetores de Suporte. A avaliação de desempenho logrou-se extraindo quatro relações marginais da matriz de confusão: exatidão, sensibilidade, especificidade e precisão, e os seguintes três métodos de avaliação: Característica Operativa do Receptor ou espaço ROC, o índice individual de êxito na classificação ICSI e o coeficiente de Jaccard. Apesar de que a porcentagem de classificação obtida por um experto é melhor que a obtida pelo algoritmo, este último logra obter porcentagens de classificação perto ou superior aos 60% em exatidão para os três modos de falha analisados. Os resultados que apresentam-se aqui representam uma boa aproximação para estruturar pesquisas futuras em análise de textura usando dados 3D.

Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Administração, 2016. Este estudo teve como objetivo verificar se o uso de Máquinas de Suporte Vetorial contribui para que o retorno do portfólio seja superior ao Mercado. A amostra desta pesquisa foram as ações do S&P 100. Na primeira aplicação, utilizou-se o Support Vector Regression com 15 tipos de Kernels diferentes. Na segunda aplicação, utilizou-se o SVM de classificação para formar portfólios e estes também foram comparados com o benchmark de mercado. Aqui utilizou-se apenas o Kernel Gaussiano e foram analisados o impacto das variáveis inseridas como inputs e o impacto do uso de custos de erro diferentes para cada classe. Na terceira aplicação desta dissertação, o SVR foi utilizado com 9 diferentes tipos de Kernel Arco- Cosseno Compostos que imitam o processo computacional em grandes redes neurais de múltiplas camadas e apresentam algumas das vantagens do Deep Learning. Na primeira e na segunda aplicação da pesquisa, o SVM apresentou resultados de acurácia satisfatórios aliados com valores de retorno e risco bastante promissores para os portfólios trimestrais. Porém, na terceira aplicação, os portfólios não mostraram-se superiores em termos de retorno e nem em termos de risco. Os resultados desta pesquisa corroboram a hipótese de superioridade do método inovador das Máquinas de Suporte Vetorial na formação de portfólios, caracterizado pela construção de um hiperplano pela implementação do Princípio da Minimização do Risco Estrutural, o qual procura minimizar o limite superior do erro de generalização, em vez de minimizar apenas o erro do processo de estimação. This study aimed to verify whether the use of Support Vector Machines makes the portfolio return exceeds the market. The sample of this research consisted on the S&P 100 stocks. In the first application, Support Vector Regression was used with 15 different Kernels to select the bests stocks to form a portfolio. In the second application, the traditional SVM was used with Gaussian Kernel to form portfolios. The impact of more variables as inputs and the impact of using different error costs for each class were analyzed. In the third application, the SVR was used with 9 different types of Arc-Cosine Kernels that mimic the computational process in large neural networks of multiple layers and have some of the advantages of Deep Learning. In the first and second application of the research, the SVM presented satisfactory and very promising results for the quarterly portfolios. However, in the third application, the portfolios were not superior in terms of return neither in terms of risk. The results of this study corroborate the hypothesis of the superior and innovative method of Support Vector Machine in the selection of portfolios, characterized by the construction of a hyperplane for implementing the principle of minimization of structural risk, which seeks to minimize the upper limit of the error generalization, rather than just minimizing the error estimation process.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES Many applications of digital image processing uses object detection techniques. Detecting an object is usually related to locate the area around it, while shape detection is related to nd, precisely, the set of points that constitutes its shape. When the problem involves detecting shapes that have predictable changes, deformable models show to be an e ective solution. The approach developed in this work refers to the vehicle shape detection in frontal position by methods which are divided into two levels, the rst level is composed by a cascade of support vector machines and the second one is a deformable model. The use of deformable models favors the detection of vehicle shape same when its image is occluded by objects such as trees Muitas aplicações de processamento de imagens digitais utilizam técnicas de detecção de objetos. Detectar um objeto normalmente está relacionado a localizar a área em torno do mesmo, já a deteção da forma está relacionada a localizar precisamente em uma imagem um conjunto de pontos que constituem sua forma. Quando o problema envolve a detecção de formas que apresentam variações previsíveis, os modelos deformáveis se apresentam como uma alternativa eficaz. A abordagem desenvolvida neste trabalho se refere à detecção da forma de veículos em posição frontal através de métodos que se dividem em dois níveis, o primeiro nível é composto por uma cascata de máquinas de vetores de suporte e oo segundo é um modelo deformável. O uso de modelos deformáveis favorece a deteção de formas de veículos mesmo quando sua imagem está ocluída por objetos, tais como árvores.

Made available in DSpace on 2017-07-10T16:41:32Z (GMT). No. of bitstreams: 1 Dissertacao Altamira Queiroz2.pdf: 2299194 bytes, checksum: 07ecb127ebc11ad21a0cb551e23c2f1b (MD5) Previous issue date: 2016-02-19 Coordenação de Aperfeiçoamento de Pessoal de Nível Superior One of the main problems currently faced by electric utilities is the occurrence of energy losses in the distribution network caused by fraud and electricity theft. Because of the financial losses and risks to public safety, the development of solutions to detect and combat fraud in the distribution networks is of the utmost importance. This work presents an analysis of computational intelligence algorithms to extract knowledge in databases with information from monthly energy consumption to identify consumption patterns with anomalies which could represent fraud. The algorithms Artificial Neural Networks and Support Vector Machines were tested to see which one perform better on the identification consumption patterns with abnormalities. Tests have shown that the algorithms used are able to detect patterns in electricity consumption curves, including special situations of fraud that manual techniques did not detect. Um dos principais problemas que enfrentam atualmente as empresas concessionárias de energia elétrica é a ocorrência de perdas de energia na rede de distribuição, causadas por fraudes e furtos de energia elétrica. Sendo que tais problemas provocam prejuízos financeiros e também colocam em risco a segurança pública, é de grande interesse das concessionárias encontrar soluções para detectar e combater fraudes nas redes de distribuição de energia elétrica. Neste conceito, o presente trabalho apresenta uma análise dos algoritmos de Inteligência Computacional para extrair conhecimento de bases de dados de informações de consumo mensal de energia elétricas de usuários de uma determinada concessionária, a fim de identificar padrões de consumo com anomalias que representem possíveis fraudes nas redes de distribuição de energia elétrica. Para detectar padrões nas curvas de consumo, foram utilizados algoritmos de Redes Neurais Artificiais e Máquinas de Vetores de Suporte. Após a criação dos modelos, estes foram testados para verificar qual seria o melhor algoritmo para a detecção de padrões de consumo com anomalias, e os resultados obtidos, foram então, comparados com uma base de dados fornecida pela concessionária com a verificação manual dos usuários. Os testes demonstraram que os algoritmos utilizados são capazes de detectar padrões nas curvas de consumo de energia elétrica, inclusive detectando situações especiais de fraudes que técnicas manuais não detectaram.

Mestrado em Sistemas de Informação Um Sistema Tutor Inteligente (STI) _e um programa de computador que tem como objetivo apoiar o aluno na sua aprendizagem. A aplicação web do projeto SIACUA _e um STI desenhado para o apoio ao estudo autónomo em disciplinas de Cálculo. Neste trabalho foram adicionadas algumas funcionalidades _a aplicação web SIACUA. Das funcionalidades implementadas realçamos a possibilidade de criação de cursos sem recurso a um programador e a geração de dois tipos de relatório sobre a utilização da própria aplicação. A primeira tem como objetivo facilitar o uso da aplicação pelos professores. Quanto aos relatórios, um apresenta o número de vezes que cada tópico foi escolhido para estudo e o outro apresenta por questão, o número de vezes que foi respondida assim como as taxas de erro e acerto. Ainda no âmbito deste trabalho procurámos prever o sucesso ou insucesso de um aluno com base na sua utilização desta aplicação. Recolhemos dados para as disciplinas de Cálculo 2 e Cálculo 3. Do processamento dos dados recolhidos extraímos um conjunto de características e aplicámos algoritmos de aprendizagem não supervisionada e supervisionada. Os algoritmos treinados foram o K-Means, vizinhos mais próximos e máquina de vetores de suporte (SVM). Para os dados de Cálculo 2, o classificador SVM Linear com redução do número de características foi o que apresentou melhores resultados. Como os dados de Cálculo 3 não eram equilibrados qualquer um dos classificadores mostrou pouca capacidade de discriminação entre alunos aprovados e alunos reprovados. Assim, abordámos variantes do classificador SVM Linear para conjuntos de dados não equilibrados. Os resultados mostram a importância da utilização de técnicas especificas para dados não equilibrados. support vector machines, unsupervised learning, unbalanced data sets abstract An Intelligent Tutor System (ITS) is a computer program aimed to support students in their learning process. The SIACUA project's web application is an ITS designed to support the autonomous study in Calculus courses. Within the scope of this work new functionalities were added to the SIACUA web application. We highlight two of those functionalities: the possibility of courses creation without the intervention of a programmer and reports resuming the use of the application. With the rst functionality it is expected that more teachers consider to prepare new study materials for the students. And the reports are useful to know for instance which topics are chosen more often as well as statistics about the answers in order to detect possible misleading questions. Besides that we tried to predict the success or failure of a student based on the data collected during student SICUA interaction. The data concerning two courses (Calculus 2 and Calculus 3) were analyzed: a set of characteristics was extracted and unsupervised and supervised learning algorithms were applied. The algorithms were K-Means, nearest neighbors and support vector machines (SVM). Considering the Calculus 2 data, the classi er SVM Linear with reduction of the number of characteristics was the one that presented better results. As the Calculus 3 data was unbalanced any of the classi ers showed little discrimination capacity between approved and failed students. So, variants of the Linear SVM classi er for unbalanced data sets were approached. The results show the importance of using speci c techniques for unbalanced data.

Sistemas para assistência de pessoas com sequelas de Acidente Vascular Cerebral (AVC) como, por exemplo, a Disartria apresenta interesse crescente devido ao aumento da parcela da população com esses distúrbios. Este trabalho propõe a aquisição e o processamento dos biosinais de Eletromiografia de Superficie (sEMG) no músculos do rosto ligados ao processo da fala e de Eletroencefalografia (EEG), sincronizados no tempo mediante um arquivo de áudio. Para isso realizaram-se coletas em voluntários saudáveis no Laboratório IEE e com voluntários com Disartria, previamente diagnosticados com AVC, no departamento de Fisioterapia do Hospital de Clínicas de Porto Alegre. O objetivo principal é classificar esses biosinais frente a comandos verbais estabelecidos, mediante o método computacional Support Vector Machine (SVM) para o sinal de sEMG e Naive Bayes (NB) para o sinal de EEG, visando o futuro estudo e classificação do grau de Disartria do paciente. Estes métodos foram comparados com o Linear Discriminant Analysis (LDA), que foi implementado para os sinais de sEMG e EEG. As características extraídas do sinal de sEMG foram: desvio padrão, média aritmética, skewness, kurtosis e RMS; para o sinal de EEG as características extraídas na frequência foram: Mínimo, Máximo, Média e Desvio padrão e Skewness e Kurtosis, no domínio do tempo. Como parte do pré-processamento também foi empregado o filtro espacial Common Spatial Pattern (CSP) de forma a aumentar a atividade discriminativa entre as classes de movimento no sinal de EEG. Foi avaliado através de um Projeto de Experimentos Fatorial, a natureza das coletas, o sujeito, o método computacional, o estado do sujeito e a banda de frequência filtrada para EEG. Os comandos verbais definidos: “Direita”, “Esquerda”, “Para Frente” e “Para Trás”, possibilitaram a identificação de tarefas mentais em sujeitos saudáveis e com Disartria, atingindo-se Accuracy de 77,6% - 80,8%. Assistive technology for people with Cerebrovascular Accident (CVA) aftereffects, such as Dysarthria, is gaining interest due to the increasing proportion of the population with these disorders. This work proposes the acquisition and processing of Surface Electromyography (sEMG) signal from the speech process face muscles and Electroencephalography (EEG) signal, synchronized in time by an audio file. For that reason assays were carried out with healthy volunteers at IEE Laboratory and with dysarthric volunteers, previously diagnosed with CVA, at the physiotherapy department of the Porto Alegre University Hospital. The main objective is to classify these biosignals in front of verbal commands established, by computational method of Support Vector Machine (SVM) for the sEMG and Naive Bayes (NB) for EEG, regarding the future study and classification of pacient degree of Dysarthria. These methods were compared with Linear Discriminant Analysis (LDA), who was implemented for sEMG and EEG. The extracted features of sEMG signal were: standard deviation, arithmetic mean, skewness, kurtosis and RMS; for EEG signal extracted features in frequency domain were: minimum, maximum, average and standard deviation, skewness and kurtosis, were used for time domain extraction. As part of pre-processing, Common Spatial Pattern (CSP) filter was also employed, in order to increase the discriminating activity between motion classes in the EEG signal. Data were evaluated in a factorial experiment project, with nature of assays, subject, computational method, subject health state and specifically for EEG were evaluated frequency band filtered. Defined verbal commands, "Right", "Left", "Forward" and "Back", allowed the identification of mental tasks in healthy subjects and dysarthric subjects, reaching Accuracy of 77.6% - 80.8%.

O comportamento do preço de ações tem sido objeto de estudo há mais de um século, e as primeiras aplicações de inteligência artificial na previsão de retornos datam da década de 1980. Neste trabalho, foi realizado um estudo sobre a aplicação de máquinas de vetores de suporte na previsão de aspectos da distribuição de probabilidade de taxas de retorno futuras dos preços de ações do mercado brasileiro: com base em valores anteriores das taxas de retorno e volatilidades, ambas extraídas dos preços, deseja-se verificar se a sua utilização é vantajosa em relação a modelos estatísticos mais simples. Através da comparação do desempenho de diversos modelos (lineares, não lineares baseados em máquinas de vetores de suporte e híbridos) em séries temporais com amostragens semanal, diária e intraday de dez minutos, foi evidenciado que: (a) modelos híbridos geram previsões mais precisas do que os demais nas séries de volatilidades; (b) a aplicação de máquinas de vetores de suporte na previsão de valores esperados e intervalos de previsão para taxas de retorno não leva a ganhos em relação a modelos lineares; e (c) a abordagem de tratar a evolução de séries temporais como função pode levar a resultados similares aos alcançados (e muito aquém do melhor possível), caso as séries sejam não lineares contaminadas por ruído aditivo de grande magnitude. Stock prices behavior has been subject of research for over a century, and artificial intelligence techniques has been applied to forecast returns since the 1980s. In the present research, we examine the performance of support vector machines to forecast Brazilian stock returns and predictions intervals: based on past values of stock returns and volatilities, both extracted from prices series, we want to figure out if there is some gain over traditional statistical models. Our findings are based on analysis of linear, support vector and hybrid models applied to weekly, daily and intraday data. The empirical evidence suggests that (a) hybrid models performs better on forecasting volatilities series; (b) linear models performs better on forecasting stock returns expected values and prediction intervals; and (c) the approach of treating time series dynamics as a function may lead to results like the ones we’ve got (far bellow the best possible) if the time series is nonlinear with large additive noise.

O objetivo deste trabalho foi avaliar o desempenho de ferramentas de inteligência computacional para a classificação da força de reação do solo (FRS) identificando em que tipo de superfície foi realizada a inicialização da marcha. A base de dados foi composta pela força de reação do solo de 25 indivíduos, adquiridas por duas plataformas de força, durante a inicialização da marcha sobre uma superfície macia (SM - colchão), e depois sobre uma superfície dura (SD). A partir da FRS foram calculadas as variáveis que descrevem o comportamento do centro de pressão (COP) e também foram extraídas as características relevantes das forças mediolateral (Fx), anteroposterior (Fy) e vertical (Fz) por meio da análise de componentes principais (ACP). A seleção das componentes principais que descrevem cada uma das forças foi feita por meio do teste broken stick . Em seguida, máquinas de vetores de suporte (MVS) e redes neurais artificiais multicamada (MLP) foram treinadas com o algoritmo Backpropagation e de Levenberg-Marquartd (LMA) para realizar a classificação da FRS. Para a avaliação dos modelos implementados a partir das ferramentas de inteligência computacional foram utilizados os índices de acurácia (ACC) e área abaixo da curva ROC (AUC). Estes índices foram obtidos na validação cruzada utilizando a técnicas bootstrap com 500 bases de dados de amostras. O melhor resultado foi obtido para a máquina de vetor de suporte com kernel linear com parâmetro de margem igual a 100 utilizando a Fx como entrada para classificação das amostras. Os índices AUC e ACC foram 0.7712 e 0.7974, respectivamente. Estes resultados apresentaram diferença estatística em relação aos modelos que utilizaram as componentes principais da Fy e Fz, permitindo concluir que a escolha da componente da FRS assim como o modelo a ser implementado influencia diretamente no desempenho dos índices que avaliam a classificação. The aim of this work was to assess the performance of computational methods to classify ground reaction force (GRF) to identify on which surface was done the gait initiation. Twenty-five subjects were evaluated while performing the gait initiation task in two experimental conditions barefoot on hard surface and barefoot on soft surface (foam). The center of pressure (COP) variables were calculate from the GRF and the principal component analysis was used to retain the main features of medial-lateral, anterior-posterior and vertical force components. The principal components representing each force component were retained using the broken stick test. Then the support vector machines and multilayer neural networks ware trained with Backpropagation and Levenberg-Marquartd algorithm to perform the GRF classification . The evaluation of classifier models was done based on area under ROC curve and accuracy criteria. The Bootstrap cross-validation have produced area under ROC curve a and accuracy criteria using 500 samples database. The support vector machine with linear kernel and margin parameter equal 100 produced the best result using medial-lateral force as input. It registered area under ROC curve and accuracy with 0.7712 and 0.7974. Those results showed significance difference from the vertical and anterior-posterior force. Then we may conclude that the choice of GRF component and the classifier model directly influences the performance of the classification. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES

Mestrado em Engenharia Física Hoje, há um interesse crescente pela aprendizagem de uma segunda língua, quer seja por razões profissionais ou pessoais. Esta é uma tendência que se vai afirmando num mundo cada vez mais interconectado. Por outro lado, a democratização das tecnologias computacionais torna possível pensar em desenvolver novas técnicas de ensino de línguas mais automatizadas e personalizadas. Esta dissertação teve como objetivo estudar e implementar um conjunto de técnicas de processamento de sinal e de classificação de séries temporais úteis para o desenvolvimento de metodologias do ensino oral com feedback automático. São apresentados resultados preliminares sobre a prestação destas técnicas, e avaliada a viabilidade deste tipo de abordagem. Today, there is a growing interest in learning a second language , either for professional or personal reasons. This is a trend that tends to hold in a increasingly interconnected world. On the other hand , the democratization of computer technologys makes it possible to think about developing new more automated and personalized language teaching techniques. This work aimed to study and implement a set of useful signal processing and time series classification techniques to develop methodologies of oral teaching with automatic feedback. Preliminary results on the provision of these techniques are shown, and assessed the feasibility of this approach.

Dissertação de mestrado integrado em Engenharia Civil, Os projetos de engenharia de obras, tais como barragens de terra, aterras para estradas e aterros de valas, requerem material de empréstimo compactado ao máximo peso volúmico seco. A determinação dos parâmetros de compactação de Proctor em laboratório é bastante morosa e dispendiosa quer em termos de esforço quer em termos financeiros. Neste trabalho foram desenvolvidos, usando técnicas de data mining (Redes Neuronais Artificiais e Máquinas de Vetores de Suporte) e regressões estatísticas, modelos de previsão do teor em água ótimo e do peso volúmico seco máximo tendo como base dados publicados na literatura e dados obtidos em ensaios realizados no âmbito deste trabalho. Para construir os modelos de previsão, foram utilizadas, como variáveis de entrada, propriedades índices do solo como os limites de consistência, percentagem de particulas finas inferiores a 0.075 mm e densidade das particulas. Comparando o desempenho das técnicas de data mining (DM) constatou-se que as Máquinas de Vetores de Suporte (MVS) tiveram uma melhor capacidade preditiva do que as Redes Neuronais Artificiais (RNA). Para além disso as MVS tiveram um melhor desempenho do que os modelos de regressão múltipla desenvolvidos. Sendo assim, admite-se que as MVS se constituam numa ferramenta útil de dimensionamento na fase preliminar ou em orçamentos de projetos., Engineering works projects, such as earth dams, embankments for roads and ditches landfills require loan material compressed to the maximum dry unit weight. The determination of Proctor compaction parameters in the laboratory is very time consuming and costly both in effort and financial terms. In this work, predicted models were developed using data mining (DM) techniques (Artificial Neural Networks and Support Vector Machines) and statistical regressions, to estimate the water moisture content and the maximum dry density of soils based on published data and data gathered from tests performed in this work. To build the predictive models, input variables, such as index soil properties like the consistency limits, the percentage of fine particles below 0.075 mm and density of the particles were used. Comparing the performance of data mining techniques it was found that the Support Vector Machines (SVM) had a better predictive capability than the Artificial Neural Networks (ANN). Furthermore, SVM performed better than the multiple regression models developed. Thus, it is assumed that the SVM constitute a useful sizing tool in the preliminary stage or in project budgeting.

One of the principal inconveniences that analysis and information processing presents is that of the representation of dataset. Normally, one encounters a high number of samples, each one with thousands of variables, and in many cases with irrelevant information and noise. Therefore, in order to represent findings in a clearer way, it is necessary to reduce the amount of variables. In this paper, a novel variable selection technique for multivariable data analysis, inspired on stochastic methods and designed to work with support vector machines (SVM), is described. The approach is demonstrated in a food application involving the detection of adulteration of olive oil (more expensive) with hazelnut oil (cheaper). Fingerprinting by H NMR spectroscopy was used to analyze the different samples. Results show that it is possible to reduce the number of variables without affecting classification results. Uno de los principales inconvenientes que se presentan en el análisis y procesamiento de la información, es que en la representación de la información normalmente se encuentra un alto número de muestras, cada una de ellas con cientos de variables, en muchos casos con información irrelevante y ruidosa. Por lo que se hace necesario reducir la cantidad de variables. En este artículo se describe una novedosa técnica de selección de variables, inspirada en métodos estocásticos y diseñados para trabajar con máquinas de soporte vectorial (SVM). Los resultados son demostrados usando un conjunto de datos de aplicaciones alimentarias, específicamente, en la detección de la adulteración del aceite de oliva (más costosa) con aceite de avellana (barata). Para el análisis de las muestras se usó la técnica de espectroscopia RMN-1H (Resonancia magnética nuclear de protones). Los resultados demostraron que es posible reducir el número de variables sin afectar los resultados de clasificación. Uma das principais desvantagens que surgem na análise e processamento de informação, é que na representação da informação normalmente existe um número elevado de amostras, cada uma com centenas de variáveis, muitas vezes, com informação irrelevante e barulhenta. Tornando-se, então, necessário para reduzir o número de variáveis. Este artigo descreve uma nova técnica para a seleção de variáveis, inspirada em métodos estocásticos e desenhados para trabalhar com máquinas de vetor de suporte (SVM). Os resultados são mostrados usando um conjunto de dados de aplicações alimentares, especialmente, para detectar a adulteração de azeite de oliva (mais caros) com óleo de avelã (mais barato). Para análise de amostras, utilizou-se a técnica de espectroscopia de 1H-RMN (ressonância magnética nuclear protónica). Os resultados demonstraram que é possível reduzir o número de variáveis, sem afetar os resultados da classificação.

Atualmente existe uma enorme quantidade de informação online de literatura biomédica. A PubMed, o repositório de dados líder nesta área, destaca-se, à data atual, com mais de 23 milhões de citações a partir da Medline. Devido a esta quantidade de informação disponível torna-se difícil, para os utilizadores da área, a pesquisa, análise e organização da informação relevante. Para apoiar estas tarefas, foi desenvolvida uma aplicação web, designada DoCluster 2.0, onde os utilizadores podem extrair informação relevante e classificar documentos em repositórios locais ou documentos obtidos através de uma pesquisa ao Web service da PubMed. Na extração de informação, para além da segmentação de documentos, normalmente realizada em qualquer processo de text mining, foram introduzidas duas ontologias que permitem uma extração de informação adequada a áreas específicas. As ontologias usadas foram a Gene Ontology que se foca na área de genes e produtos resultantes desses genes, adaptada neste caso ao domínio das peptidases e a Merops que se centra também na área das peptidases. Para a classificação dos documentos recorreu-se a técnicas de aprendizagem não supervisionada, através dos algoritmos k-means, fuzzy c-means e subtractive clustering e a uma técnica de aprendizagem supervisionada baseada em máquinas de vectores de suporte. Para averiguar quais os melhores métodos de aprendizagem e de extração de caraterísticas do problema, foram realizados vários testes sobre datasets no domínio das peptidases. curados pela Merops. A medição dos resultados teve incidência em diferentes métricas, sendo elas a precisão e recall do classificador, o número de características extraídas no pré-processamento de documentos e o custo computacional de todo o processo de text mining. Da análise dos resultados obtidos concluiu-se que as máquinas de vectores de suporte conseguem um melhor desempenho em relação aos algoritmos de aprendizagem não supervisionada, contudo exigindo um treino prévio dos classificadores. No pré-processamento de documentos, através do uso de ontologias, foi possível melhorar o desempenho de todo o processo e obter informação com um menor número de características sem que a qualidade do classificador diminua. Constatou-se também que o algoritmo subtractive clustering, por não necessitar da definição a priori do número de clusters é ideal para o tratamento de um conjunto de documentos em relação ao qual não existe um conhecimento prévio do seu conteúdo, como é o caso de documentos obtidos através da PubMed.

Made available in DSpace on 2015-04-27T11:55:55Z (GMT). No. of bitstreams: 0 Previous issue date: 2013Bitstream added on 2015-04-27T12:08:21Z : No. of bitstreams: 1 ISSN2238-1295-2013-02-01-27-38.pdf: 939395 bytes, checksum: 720a969ed4fbb830183c0dff5eef7e02 (MD5) A utilização de robôs móveis na agricultura mostra-se importante em tarefas de cultivo e na aplicação de agrotóxicos em quantidades mínimas para reduzir a poluição do meio ambiente. Neste artigo apresentamos o desenvolvimento de um sistema para controlar a navegação de um robô móvel autônomo por caminhos em plantações. O controle da direção do robô é realizado com base em imagens das trilhas as quais, após um processamento prévio, para extração de características, são submetidas a uma máquina de vetores de suporte para a definição da rota a ser seguida. O objetivo do projeto no qual este trabalho se insere é o controle do robô em tempo real, para tanto, o sistema será embarcado em hardware. Neste trabalho, relata-se a implementação de uma máquina de vetores de suporte a qual apresentou uma precisão em torno de 93% da rota adequada The use of mobile robots in the agriculture turns out to be interesting in tasks of cultivation and application of pesticides in minute quantities to reduce environmental pollution. In this paper we present the development of a system to control an autonomous mobile robot navigation through tracks in plantations. Track images are used to control robot direction by preprocessing them to extract image features, and then submitting such characteristic features to a support vector machine to find out the most appropriate route. As the overall goal of the project to which this work is connected is the robot control in real time, the system will be embedded onto a hardware platform. However, in this paper we report the software implementation of a support vector machine, which so far presented around 93% accuracy in predicting the appropriate route. Universidade Estadual Paulista Júlio de Mesquita Filho, Departamento de Ciência da Computação e Estatística, Instituto de Biociências Letras e Ciências Exatas de São José do Rio Preto, Sao Jose do Rio Preto, Rua Cristóvão Colombo, 2265, Jd. Nazareth, CEP 15054-000, SP, Brasil Universidade Estadual Paulista Júlio de Mesquita Filho, Departamento de Ciência da Computação e Estatística, Instituto de Biociências Letras e Ciências Exatas de São José do Rio Preto, Sao Jose do Rio Preto, Rua Cristóvão Colombo, 2265, Jd. Nazareth, CEP 15054-000, SP, Brasil

Neste trabalho são comparados os desempenhos das Redes Neuronais Artificiais (RNA) com as Máquinas de Vetores de Suporte (MVS) na avaliação da estabilidade de taludes. Para isso foi gerada uma base de dados contendo os fatores de segurança (FS) calculados para 501 taludes homogéneos bem como as suas características geométricas e geotécnicas. Os fatores de segurança foram obtidos usando o método de Bishop modificado e o software SLOPE/W. Nas análises efetuadas foi usada a biblioteca RMiner no ambiente R para facilitar o uso deste nas tarefas de classificação e regressão. Para usar aquela tarefa as bases de dados foram ajustadas substituindo o fator de segurança dos taludes por “estável” quando FS é maior ou igual à unidade e “instável” quando FS é menor que 1. Constata-se que tanto as RNA como as MVS apresentam bons desempenhos nas tarefas de regressão e de classificação. No entanto, são as MVS que apresentam os melhores desempenhos nas duas tarefas., This work compares the performances of the Artificial Neural Networks (ANN) with the Support Vector Machines (SVM) in the slope stability evaluation. For this purpose a database containing the factors of safety (FS) computed for 501 homogeneous slopes as well as their geometric and geotechnical characteristics was generated. The factors of safety were obtained using the modified Bishop method and the SLOPE/W software. The analyses were performed using the RMiner library in the R environment to facilitate its use in classification and regression tasks. In the classification task the data were adjusted by replacing the FS for “stable” when FS is greater or equal to 1 and “unstable” when FS is lower than 1. Both ANN and SVM presented good performances in regression and classification tasks. Nevertheless, the SVM had better performance in both tasks.

The machine learning in datasets that have unbalanced classes, has received considerable attention in the scientific community, because the traditional classification algorithms don t provide a satisfactory performance. This low performance can be explained by the fact that the traditional techniques of machine learning consider that each class present in the database has an approximately equal number of instances. However, most real datasets, have classes with an unbalanced distribution, where one class is over represented in comparison with the others. This gives rise to classifiers with high accuracy to predict the majority class and low accuracy for predicting the minority class. Therefore, the minority class is ignored by the classifier. This predisposition of the classifier for the majority class occurs, because the classifiers are designed to maximize accuracy in relation to the database being used for training. In training the classifier, it is assumed that when making the prediction of data not yet seen, they have the same distribution of the data that were used in training. This limits its ability to recognize examples of the minority class. Several improvements in the traditional classification algorithms have been proposed in the literature, where considerations were made at the level of data and algorithms. The former uses various ways of resampling, such as oversampling of examples from the minority class, undersampling the majority class or a combination of both. The latter attempt to adapt (by inserting dierent costs in the minority class examples and majority, changing kernels and other techniques) the existing classification algorithms to improve the performance of minority class. Several algorithms in the form of a ensemble machine, are also reported as meta-techniques for working with unbalanced classes. This thesis studies the main algorithms that deal with unbalanced class, highlighting its main features as: the generation of new synthetic examples instead of replicating data at random, in the process of oversampling; the use of dierent penalties to misclassification of the minority and majority class; and the use of ensembles for that the generated classifiers have a greater ability to generalize. After assessing the contributions that each algorithm provides, a study was done if one could get something more of the characteristics of each one. It was made a modification in the algorithm that generates new synthetic examples of way that reduces the possibility of generating new elements in the incorrect region. As with highly unbalanced datasets, the generation of synthetic elements is not enough to balance the whole, there was a need to develop a new algorithm to perform an undersampling the majority class examples. And to enhance the generalization ability of the generated classifier, was also made a change to an ensemble algorithm. Using these three steps, we obtained an compound algorithm that has a hit rate of data classification better than the algorithms on which it was relied. O aprendizado de máquina em conjuntos de dados que possuam classes desbalanceadas tem recebido considerável atenção na comunidade científica, pois os algoritmos de classificação tradicionais não fornecem um desempenho satisfatório. Este baixo desempenho pode ser justificado pelo fato das técnicas tradicionais de aprendizado de máquina considerarem que cada classe presente em um conjunto de dados possui um número aproximadamente igual de instâncias. Entretanto, a maioria dos conjuntos de dados reais possuem classes com uma distribuição desbalanceada, onde uma classe de dados está super representada em comparação com outras classes. Isto faz com que surjam classificadores com uma alta precisão para a predição da classe majoritária e com baixa precisão para prever a classe minoritária. Logo, a classe minoritária é ignorada pelo classificador. Esta predisposição do classificador em relação à classe majoritária ocorre em função dos classificadores serem projetados para maximizar a precisão em relação ao conjunto de dados que está sendo utilizado para o treinamento. No treinamento do classificador é assumido que quando for fazer a predição de dados ainda não vistos, estes terão a mesma distribuição dos dados que foram utilizados no treinamento. Isto limita sua habilidade em reconhecer exemplos da classe minoritária. Várias melhorias nos algoritmos tradicionais de classificação têm sido propostas na literatura, onde foram feitas considerações a nível de dados e a nível de algoritmos. O primeiro utiliza diversas formas de reamostragem, tal como super-amostragem de exemplos da classe minoritária, sub-amostragem de exemplos da classe majoritária ou a combinação de ambos. Os últimos tentam adaptar (inserindo custos diferenciados em exemplos da classe minoritária e majoritária, alterando kernels, e outras técnicas) os algoritmos de classificação já existentes para melhorar o desempenho da classe minoritária. Vários algoritmos na forma de um comitê de máquinas também são reportados como meta-técnicas para trabalhar com classes desbalanceadas. Esta tese estuda os principais algoritmos que lidam com classes desbalanceadas, destacando suas principais características como: a geração de novos exemplos sintéticos ao invés da replicação de dados de forma aleatória, no processo de super-amostragem; o uso de penalidades diferentes para erros de classificação da classe minoritária e majoritária; e a utilização de comitês de máquinas para que os classificadores gerados possuam uma capacidade de generalização maior. Após o levantamento das contribuições que cada algoritmo fornece, foi feito um estudo se poderia obter algo mais das características de cada um. Foi feita uma modificação no algoritmo que gera novos exemplos sintéticos de forma que reduzisse a possibilidade de geração de novos elementos na região incorreta. Como em conjuntos de dados altamente desbalanceados, a geração de elementos sintéticos não é suficiente para equilibrar o conjunto, houve a necessidade da criação de um novo algoritmo para efetuar uma sub-amostragem de exemplos da classe majoritária. E, para melhorar a capacidade de generalização do classificador gerado, também foi feita uma modificação em um algoritmo de comitês de máquinas. Utilizando estas três etapas, obteve-se um algoritmo composto que possui uma taxa de acerto na classificação de dados melhor que os algoritmos nos quais se baseou. Doutor em Ciências

Made available in DSpace on 2014-06-11T19:29:40Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-06-19Bitstream added on 2014-06-13T18:07:45Z : No. of bitstreams: 1 chiachia_g_me_sjrp.pdf: 1197775 bytes, checksum: a782f5b01605aa2a8b8bb080a56b3cad (MD5) Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) O reconhecimento facial é uma das principais formas de identificação humana. Apesar das pesquisas em reconhecimento facial automático terem crescido substancialmente ao longo dos últimos 35 anos, identificar pessoas a partir da face continua sendo um desafio para as áreas de Visão Computacional e Reconhecimento de Padrões. Em função dos cenários variarem desde a identificação a partir de fotografias até o reconhecimento baseado em vídeos sem nenhum tipo de controle ao serem gravados, os maiores desafios estão relacionados à independência contra diferentes tipos de iluminação, pose e expressão. O objetivo desta dissertação é propor técnicas que possam contribuir para a melhoria dos sistemas de reconhecimento facial. A primeira técnica endereça o problema da iluminação através da fusão dos espectros visível e infravermelho da face. Através desta abordagem, as taxas de reconhecimento foram melhoradas em 2.07% enquanto a taxa de erro igual (EER) foi reduzida em 45.47%. A segunda técnica trata do caso da extração e classificação de características faciais. Ela propõe um novo modelo para reconhecimento facial através do uso de características extraídas por Histogramas Census e de uma técnica de reconhecimento de padrões baseada em Máquinas de Vetores de Suporte (SVMs). Este outro grupo de experimentos nos possibilitou aumentar a precisão do reconhecimento no teste FERET fa/fb em 0.5%. Além destes resultados, algumas contribuições adicionais deste trabalho que merecem ser destacadas são a análise da dependência estatística entre classificadores de espectros diferentes e considerações sobre o comportamento de uma única C-SVC SVM para identificação de pessoas de forma eficaz. Face recognition is one of the primary ways of human identification. Although researches on automated face recognition have broadly increased along the last 35 years, it remains a challenging task in the fields of Computer Vision and Pattern Recognition. As the scenarios varies from static and constrained photographs to uncontrolled video images, the challenging issues on automatic face recognition are usually related with variations in illumination, pose and expressions. The goal of this master thesis is to propose techniques for the improvement of face recognition systems. The first technique addresses the problem of illumination by fusing the visible and the infrared spectra of the face. With this approach the recognition rates were improved in 2.07% while the Equal Error Rate (EER) were reduced in 45.47%. The second technique addresses the issue of face features extraction and classification. It proposes a new framework for face recognition by using features extracted by Census Histograms and a pattern recognition technique based on Support Vector Machines (SVMs). This other group of experiments enabled us to increase the recognition accuracy in the FERET fa/fb test in 0.5%. Beyond these results, additional contributions of this work that deserve to be highlighted are the statistical dependency analysis between face recognition systems based on different spectra and a better comprehension about the behavior of a single C-SVC SVM to reliably predict faces identities.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Biológicas, Departamento de Biologia Celular, 2008. Paracoccidioides brasiliensis (Pb) é um fungo saprófito e dimórfico de importância clínica, pois seus propágulos, quando inalados por humanos, desencadeiam a doença conhecida como paracoccidioidomicose. No ano de 2005 foi publicado o transcriptoma do Pb, apontando diversos alvos potenciais de drogas, mas ainda assim uma parte significativa dos transcritos seqüenciados não possui proteínas homólogas identificadas. Esse trabalho sugere que alguns desses RNAs possam ser não-codificadores (ncRNAs), uma classe de moléculas biologicamente funcionais que no entanto não codificam para nenhum produto protéico. Para tanto foi feita uma abordagem exclusivamente computacional, utilizando exemplos conhecidos de mRNAs e ncRNAs para treinamento de dois algoritmos de aprendizado de máquina: naive Bayes (nB) e Máquinas de Vetores de Suporte (MVS). Diversos programas descritos na literatura e desenvolvidos localmente foram usados para obter propriedades dos transcritos e de seus produtos protéicos, de forma que os algoritmos de aprendizado de máquina fossem capazes de diferenciar satisfatoriamente um mRNA de um ncRNA. O uso de várias medidas de eficiência mostra que ambos algoritmos, MVS e nB, induziram classificadores que discriminam as duas classes de RNAs de forma muito eficiente, mas também indicam que o MVS possui uma vantagem significativa em relação à sua detecção de ncRNAs. Acurácia média mensurada por validação cruzada de 10 vezes para o MVS foi de 92,4%, e para o nB, 75,3%. Quando usados no transcriptoma de Pb, o MVS e o nB detectam, respectivamente, 970 e 262 ncRNAs, dos quais a maior parte é de transcritos sem anotação e singlets, duas características que apóiam a possibilidade de que esses transcritos sejam realmente ncRNAs. Comparações a programas relacionados mostram que o programa aqui descrito apresenta um ganho em velocidade computacional sem perda de acurácia. Foi desenvolvido nesse trabalho um programa computacional de análise ab initio, designado PORTRAIT, especializado em detecção de ncRNAs em transcriptomas de organismos pouco caracterizados. __________________________________________________________________________________________ ABSTRACT Paracoccidioides brasiliensis (Pb) is a saprophytic and dimorphic fungus of clinical importance because its propagules, when inhaled by humans, cause the disease known as paracoccidioidomycosis. In the year 2005 the Pb transcriptome was published, pointing out several potential drug targets, but still a significative amount of sequenced transcripts lack identified homologous proteins. This work suggests that these RNAs may be non-coding RNAs (ncRNAs), a class of biologically functional molecules that do not code for any protein product. Aiming this, a strictly computational approach was made, using known examples of mRNAs and ncRNAs for training two machine learning algorithms: naive Bayes (nB) and Support Vector Machines (SVM). Several programs available from literature and locally developed were used to obtain properties from transcripts and its corresponding protein products, in such a way that machine learning algorithms could successfully discriminate between mRNA and ncRNA. Several efficiency measurements show that both algorithms, SVM and nB, induced classifiers able to efficiently discriminate the two classes of RNAs, and also indicate that SVM has a significative advantage regarding ncRNA detection. Mean accuracy as estimated by 10-fold cross-validation procedure was 92.4% for SVM and 75.3% for nB. When used in the Pb transcriptome, SVM and nB detect, respectively, 970 and 262 ncRNAs, of which the majority is composed of singlets and unnanotated transcripts, two characteristics that support the possibility that these transcripts are real ncRNAs. Comparison to related works indicates that the described program offers a computational speed improvement without hindering accuracy. This work describes the design of a computational program for ab initio analysis, named PORTRAIT, specialized in detection of ncRNAs in transcriptomes from poorly characterized organisms.