Search

Dissertação de mestrado apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra No momento presente da História, é lícito afirmar-se que a humanidade se encontra em plena era da informação. De facto, em qualquer aspecto da sociedade, desde as actividades de lazer até aos mais complexos sistemas de produção, é notória a presença e influência das tecnologias de informação. Assim, assiste-se presentemente a um forte impulso na investigação, desenvolvimento e aplicação de metodologias de computação aos processos industriais de produção. Na verdade, o elevado grau de complexidade que os caracteriza, acompanhado de uma necessidade crescente de desempenho como forma de dar resposta às leis de mercado, exige a utilização de estratégias cada vez mais sofisticadas. Uma das áreas que tem merecido uma atenção particular tem sido a soft computing, a qual engloba metodologias tais como a lógica difusa, redes neuronais e algoritmos genéticos, de forma simples ou combinada, constituindo um dos pilares dos sistemas de informação inteligentes. Neste contexto, a dissertação apresentada pretende contribuir para a compreensão do potencial associado às técnicas neuro-difusas como mecanismo de identificação de sistemas. Assim, numa primeira fase introdutória, são apresentados e discutidos os princípios básicos da lógica difusa, sistemas difusos e redes neuronais, enquadrados na temática da identificação de sistemas. Neste trabalho, são estudadas diversas estruturas difusas, nomeadamente os sistemas de Takagi-Sugeno de ordem 0 e 1, bem como sistemas linguísticos. Neste sentido, são abordados dois aspectos essenciais da identificação difusa: a aprendizagem da estrutura e a aprendizagem de parâmetros. No primeiro ponto é prestada especial atenção à utilização de técnicas de agrupamento de classes, destacando-se, de entre estas, o algoritmo de agrupamento subtractivo. Ainda em relação à aprendizagem da estrutura, é abordada a questão da selecção de entradas relevantes. Relativamente à aprendizagem de parâmetros, a mesma é conduzida com recurso ao treino de uma rede neuronal difusa pelo algoritmo de retropropagação do erro, sendo, em algumas situações, utilizados esquemas híbridos baseados em optimização linear e não linear. Ainda em relação a este ponto, o problema da aprendizagem incremental de parâmetros é abordado, ainda que de forma superficial. Um aspecto relevante no contexto da implementação de modelos difusos prende-se com a exploração do potencial que lhes é inerente em termos de transparência do modelo final. Assim sendo, são apresentados alguns estudos originais em termos de estratégias que visem a manutenção da interpretabilidade dos modelos durante a aprendizagem de parâmetros, as quais se baseiam em medidas de similaridade e na aprendizagem restringida de parâmetros. As metodologias referidas foram aplicadas a alguns casos de estudo, e.g., a série caótica Mackey-Glass e a fornalha de Gás Box-Jenkins, os quais confirmaram as suas capacidades de modelização, assim com a adequação das técnicas difusas na implementação de modelos interpretáveis. As mesmas técnicas foram aplicadas a um sistema industrial, nomeadamente uma planta de branqueamento de pasta da papel. Contudo, os resultados obtidos não foram totalmente satisfatórios, em virtude da deficiente qualidade dos dados de identificação. Na realização do estudo efectuado, os algoritmos descritos neste trabalho foram implementados na linguagem de programação C++, preparando-se neste momento a sua integração numa interface gráfica por forma a que a ferramenta computacional desenvolvida possa constituir um auxílio no estudo dos problemas analisados nesta dissertação, tanto com funções didácticas como de investigação científica. Nowadays, humankind is in the era of information. In fact, in most of the aspects of today’s society, from leisure activities to complex production systems, the presence and influence of the technologies of information is clear. Thus, there is presently a strong impulse towards the research, development and application of computing methodologies in industrial production systems. Actually, the high degree of complexity that characterizes those systems, as well as the increasing necessities in terms of performance in order to cope with the rules of the market, demands strategies more and more sophisticated. One of the areas that has deserved a particular attention is soft computing, which includes techniques like fuzzy logic, neural networks and genetic algorithms, in a simple or combined fashion, and constitutes itself as the basis for intelligent information systems. In this context, the study carried out aims to contribute to the comprehension of the potential associated to neuro-fuzzy techniques as a mechanism for system identification. In a first introductory phase, the grounds of fuzzy logic, fuzzy systems and neural networks are presented and discussed, integrated in the problem of system identification. In this work, several fuzzy structures are analyzed, namely Takagi-Sugeno (zero and first order) systems and linguistic systems. Two major concerns of fuzzy identification are studied: structure learning and parameter learning. Referring to the first item, clustering techniques receive a deeper attention, especially subtractive clustering. Still in the same point, the questions related to relevant input selection are addressed. As for parameter learning, this task is carried out after the determination of a structure, based on the training of a fuzzy neural network via error backpropagation. In some situations, hybrid learning schemes are also utilized, which result from the combination of both linear and nonlinear optimization algorithms. In the point of parameter learning, the problem of online learning is also addressed, though superficially. A relevant matter in the context of fuzzy identification relates to the use of their potential in terms of model transparency. In this way, some original studies are performed, regarding the construction of interpretable fuzzy models, which are based on similarity measures and restricted parameter learning. The subjects mentioned above were applied to same case studies, e.g., the Mackey-Glass chaotic time series and the Box-Jenkins gas furnace, which confirmed their modeling capabilities, as well as the adequacy of fuzzy techniques for the building up of interpretable models. The same techniques were applied to an industrial plant, namely a pulp bleaching plant. However, the results obtained so far are not totally satisfactory, due to bad data quality, which resulted from a deficient sampling time, as well as insufficient excitation of some input variables. The techniques studied are implemented in software, and constitute the core of an application, which is being developed to assist the comprehension and analysis of the main issues regarding fuzzy identification. The resulting software tool will be used both with research and pedagogical goals.

Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia A biblioteca de musical disponível digitalmente aos consumidores levou ao crescimante do campo científico de Recoonhecimento de Emoção em Música, devido à necissidade de organizar estas enormes coleções e prestar recomendações personalizadas para os ouvintes. A infância deste campo é dominada por metodologias de Aprendizagem Computacional Clássica utilizando elementos cuidadosamente desenhados para identificar as emoções percecionadas em peças musicais. Recentemente, registou-se um aumento de metodologias de Apredizagem Profunda no campo devido à sua abilidade de extrair elementos relevantes nestas peças, tornando o passo de desenhar elementos automático.Este trabalho contribuí para o campo oferecendo um conjunto alargado de experiências utilizando diversas metodologias avaliadas em dois conjuntos de dados: o conjunto de dados 4 Quadrant Audio Emotion Dataset (4QAED), previamente desenvolvido pela nossa equipa, e a sua extensão, cujos resultados são comparados de forma a estudar o impacto na performance.Obtivemos resultados acima do estado da arte. Nomeadamente, um F1 Score de 80.24\% utilizando um modelo híbrido, constituído por uma Rede Neuronal Convolucional, pré-treinado em amostras sintetizadas a partir de técnias de sintetização de dados áudio, uma Rede Neuronal Densa, pré-treinada em elementos extraídos desenhados à mão.O trabalho desenvolvido deu também alguma , incluindo continuar a explorar metodologias que utilizam Sintetização de Dados and utilizar a informação de múltiplas representações espectrais para lidar com o número reduzido de amostras disponíveis nos conjuntos de dados no estado da arte. The library of digital music available to consumers has pushed for the growth of the Music Emotion Recognition research field, due to the need of organizing these large collections and provide personalized recommendations to listeners. The infancy of this field is dominated by Classical Machine Learning approaches using carefully constructed features to identify the perceived emotions of music pieces. Recently, there has been an increase in Deep Learning approaches in the field due to the ability of extracting the underlying features in the pieces, making the feature design step of the previous approaches automatic.This work thus contributes to the field by providing an extensive set of experiments using a variety of approaches conducted on two datasets: the 4 Quadrant Audio Emotion Dataset (4QAED) dataset, previously developed by our team, and its extension, whose results are compared against for studying the impact in performance. We obtained results above the state-of-the-art. Namely, a 80.24\% F1 Score using an hybrid model, comprised of a Convolutional Neural Network, pre-trained on augmentated samples obtained using classical audio augmentation techniques, and a Dense Neural Network, pre-trained on extracted handcrafted features.The developed worked also gave some insight in some promising directions, include further exploring Data Augmentation approaches and leveraging the information from multiple spectral representation to deal with the low amount of samples available in current state of the art datasets. FCT

Dissertação de Mestrado em Engenharia e Ciência de Dados apresentada à Faculdade de Ciências e Tecnologia As patologias do foro respiratório são das mais mortíferas causas de morte em todo o mundo. Estas patologias são caracterizadas pela existência de Sons Respiratórios Adventícios, como as sibilâncias e fervores, ao longo do ciclo respiratório.Nesta tese, é realizado um estudo sobre a aplicabilidade de abordagens de Aprendizagem Profunda para classificar e segmentar estes Sons Respiratórios Normais e Adventícios presentes nos ciclos respiratórios dos pacientes, especialmente as sibilâncias e os fervores. Como os modelos de Aprendizagem Profunda necessitam de bases de dados grandes e variadas, três bases de dados foram usadas: Respiratory Sound Database (RSD), uma variação da RSD que não é pública (RSD New Annotations) e a base de dados HF_Lung_V1. Vários modelos de Aprendizagem Profunda como as Convolutional Neural Network (CNN), Bidirectional Long Short-Term Memory (BiLSTM) e ainda uma combinação de ambos (CNN-BiLSTM) foram desenvolvidos, assim como modelos de Aprendizagem Computacional clássicos como Linear Discriminant Analysis (LDA), Support Vector Machine with radial basis function (SVMrbf) e Random Undersampling Boosted Trees (RUSBoost), para avaliar e comparar diferentes modelos de Aprendizagem Computacional.Durante a fase da classificação, os modelos de Aprendizagem Computacional clássicos descritos acima apenas foram testados e desenvolvidos para poder comparar com os modelos de Aprendizagem Profunda (CNNs) e para iniciar a adaptação a trabalhar com este tipo de dados. Estes modelos foram replicados de um trabalho prévio desenvolvido pela equipa com as três bases de dados acima mencionados (F1-Score macro de79.1% na RSD, F1-Score macro de 68.8% na RSD New Annotations, e F1-Score macro de 65.2% na base de dados HF_Lung_V1), assim como o cruzamentos entre elas para compreender a capacidade destes modelos de generalizar, concluindo-se que não são bons nessa tarefa, dada a diferença nas anotações dos eventos nas base de dados (F1-Score macro de 39.5% treinado na RSD e testado em HF_Lung_V1, and F1-Score macro de 38.8% treinado em HF_Lung_V1 e testado na RSD - problema a 3 classes). Para além disso, uma estratificação da RSD usando os mesmos modelos foi feita, para uma melhor compreensão de qual categoria demográfica e equipamento usado para gravar consegue melhores resultados (F1-Score macro de 81.8% com o microfone AKGC417L, F1-Score macro de 78.9% nos adultos, F1-Score macro de 79.6% nos homens, F1-Score macro de 83.3% nos pacientes com índice de massa corporal (IMC) normal, e F1-Score macro de 85.3% nos pacientes com doenças não crónicas).Já durante a fase de segmentação, duas abordagens foram desenvolvidas: a primeira foram duas CNN para classificar frames individualmente e foi usado como base para poder comparar com a segunda abordagem; e a segunda abordagem foi a replicação de um dos modelos de um artigo citado, a CNN-BiLSTM, que conseguiu melhores resultados que a primeira abordagem na RSD (F1-Score de 26.8% vs. F1-Score de 22.3% nos fervores vs. sons normais, e F1-Score de 26.5% vs. F1-Score de 41.0% nas sibilâncias vs. sons normais) e na HF_Lung_V1 (F1-Score de 35.9% vs. F1-Score de 41.5% nos fervores vs. sons normais, e F1-Score de 26.0% vs. F1-Score de 42.1% nas sibilâncias vs. sons normais). O cruzamento entre estas bases de dados também foi feito para compreender a capacidade de generalizar destes modelos, concluindo-se que não são bons nessa tarefa, dada a diferença nas anotações dos eventos nas base de dados. Para concluir, uma pequena estratificação da RSD apenas com os ficheiros que usaram um microfone AKGC417L também foi feita usando este último modelo (F1-Score de 14.7% nos fervores vs. sons normais, e F1-Score de 41.6% nas sibilâncias vs. sons normais).As soluções propostas para a classificação e segmentação permitiram avançar relativamente ao estado-de-arte sobre este problema, especialmente utilizando a RSD, embora as abordagens atuais ainda necessitem de ser melhoradas para permitir a sua utilização em cenários reais. Respiratory diseases are among the deadliest in the world. These pathologies are characterised by Adventitious Respiratory Sounds (ARS), such as wheezes and crackles, throughout the respiratory cycle.In this thesis, a study was conducted regarding the applicability of Deep Learning (DL) with the aim of automatically classifying and segmenting these adventitious and normal respiratory sounds present in patients' respiratory breathing cycles, mostly wheezes and crackles. Since DL models require large and diverse datasets, three datasets were used: Respiratory Sound Database (RSD), a variation of the RSD not publicly available (RSD New Annotations), and the HF_Lung_V1 dataset. Several DL architectures such as Convolutional Neural Network (CNN), Bidirectional Long Short-Term Memory (BiLSTM), and a combination of both (CNN-BiLSTM) are evaluated, as well as classical Machine Learning (ML) such as Linear Discriminant Analysis (LDA), Support Vector Machine with radial basis function (SVMrbf), and Random Undersampling Boosted Trees (RUSBoost), in order to evaluate and compare different ML approaches.In the classification phase, the classical ML approaches described above served as baseline models to compare against the DL models (CNNs) and to start the adaptation of this kind of data. These models were replicated from previous work by our team with the three datasets mentioned above (F1-Score macro of 79.1% in the RSD, F1-Score macro of 68.8% in the RSD New Annotations, and F1-Score macro of 65.2% in the HF_Lung_V1), as well as a crossing between them to better understand the capability of these models to generalise, which proved not to be very successful given their differences in the annotations of the datasets (F1-Score macro of 39.5% trained with RSD and tested with HF_Lung_V1, and F1-Score macro of 38.8% trained with the HF_Lung_V1 and tested with RSD - 3-class problem). Also, stratification of the RSD using the same models was performed, in order to better understand which demographic category and recording device achieved better results (F1-Score macro of 81.8% with the AKGC417L microphone, F1-Score macro of 78.9% in Adults, F1-Score macro of 79.6% in Male subjects, F1-Score macro of 83.3% subjects with Normal body-mass index, and F1-Score macro of 85.3% in subjects with Non-Chronic diagnosis).As for the segmentation phase, two approaches were developed: the first consisted on two CNNs to classify individual frames and, it was used as a baseline to compare with the second approach; and the second approach was a replication of one of the models from a cited article, the CNN-BiLSTM, which achieved better results than the first approach in RSD (F1-Score of 26.8% vs. F1-Score of 22.3% in crackles vs. normal sounds, and F1-Score of 26.5% vs. F1-Score of 41.0% in wheezes vs. normal sounds) and HF_Lung_V1 (F1-Score of 35.9% vs. F1-Score of 41.5% in crackles vs. normal sounds, and F1-Score of 26.0% vs. F1-Score of 42.1% in wheezes vs. normal sounds). A crossing between both datasets was performed to check the capability of these models to generalise, which proved to be not very successful given their differences in the annotations of the datasets. Also, a small stratification of the RSD with this last model was performed only using the recordings of the AKGC417L microphone (F1-Score of 14.7% in crackles vs. normal sounds, and F1-Score of 41.6% in wheezes vs. normal sounds).The proposed solutions for classification and segmentation allowed to advance to state-of-the-art on this problem, specially using the RSD, although the current approaches still need to be improved to permit its accurate use on real-world scenarios. H2020

Dissertação de Mestrado em Engenharia e Ciência de Dados apresentada à Faculdade de Ciências e Tecnologia Music has become a key aspect of the everyday life for most individuals, this industry is constantly growing and from there comes the need to develop systems that can automate the organisation and partitioning of music pieces in different categories. One way to do this is by extracting emotion from lyrics. For years researchers have attempted to determine perceived emotion from music with the aid of Classical Machine Learning (ML) algorithms, providing us good yet not great state of the art results of 77.1% F1-Score in Lyrics-based Music Emotion Recognition (LMER) and 67.4% F1-Score in Lyrics Emotion Variation Detection (LEVD). Deep Learning (DL) approaches have become popular in the LMER field as researchers attempt to surpass traditional methods. We proposed a DL approach to this problem, using the existing 951 lyrics LMER dataset, which reached an F1-Score of 88.9% and consisted on a pre-trained model (BERT). This work also assesses LEVD in which an F1-Score of 85.3% was achieved by applying concepts such as Natural Language Processing (NLP) data augmentation and Long Short Term Memory (LSTM) models. Other models such as dense neural networks (DNN) and convolutional neural networks (CNN) are also targeted in our experiments and explored in depth. This research contributed to the improvement of our knowledge in DL approaches which enhanced the previously achieved classical ML results and proved beneficial to the better understanding of the limitations the data available imposes. A música tornou-se um aspecto fundamental da vida quotidiana para a maioria dos indivíduos, esta indústria está em constante crescimento e daí surge a necessidade de desenvolver sistemas que possam automatizar a organização e particionamento de peças musicais em diferentes categorias. Uma maneira de fazer isso é extrair emoção das letras. Durante anos, os pesquisadores tentaram determinar a emoção percebida da música com a ajuda de algoritmos de Aprendizado de Máquina Clássico (ML), fornecendo resultados bons, mas não excelentes, de 77,1% F1-Score no reconhecimento de emoções musicais baseado em letras (LMER) e 67,4% F1-Score em Lyrics Emotion Variation Detection (LEVD). As abordagens de Deep Learning (DL) tornaram-se populares no campo LMER à medida que os pesquisadores tentam superar os métodos tradicionais. Propusemos uma abordagem DL para este problema, usando o conjunto de dados LMER de 951 letras de letras existente, que atingiu um F1-Score de 88,9% e consistiu em um modelo pré-treinado (BERT). Este trabalho também avalia o LEVD em que um F1-Score de 85,3% foi alcançado aplicando conceitos como aumento de dados de Processamento de Linguagem Natural (NLP) e modelos de Long Short Term Memory (LSTM). Outros modelos como redes neurais densas (DNN) e redes neurais convolucionais (CNN) também são alvo de nossos experimentos e explorados em profundidade. Esta pesquisa contribuiu para o aprimoramento de nosso conhecimento em abordagens de EAD, o que aprimorou os resultados de ML clássicos anteriormente alcançados e se mostrou benéfico para o melhor entendimento das limitações que os dados disponíveis impõem. FCT

Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia Ao longo do tempo, descodificar o choro de bebé tem sido um desafio para os pais e, maisrecentemente, para investigadores da área de reconhecimento de padrões. Esta tese focase em fazer progressos no campo do reconhecimento de padrões, explorando a extraçãode features em amostras de áudio de choro de bebé, juntamente com técnicas de seleçãoe redução de features para avaliar que features são considerados mais úteis dentro deum conjunto, estudando o desempenho de abordagens tradicionais de machine learning etrabalhando na construção de uma base de dados de choro de bebé.Para atingir estes objetivos, foi realizada uma análise inicial para entender o estado daarte das abordagens de aprendizagem computacional utilizadas e o mercado atual de aplicações móveis, assim como estudar os features de áudio que tiveram maior impacto noprocesso de extração de features. Além disso, foi desenvolvida uma aplicação móvel emAndroid chamada "BabyCry", com a intenção de criar uma base de dados de choro debebé de tamanho considerável. A ideia era distribuí-la por pais interessados que a usariampara gravar e anotar o choro dos seus bebés e enviá-lo para uma base de dados na nuvem, chamada Firebase. No entanto, apesar de nossos árduos esforços de recrutamento,obtivemos apenas uma aquisição. Posta esta falta de dados, tivemos que utilizar bases dedados disponíveies publicamente, a base de dados Baby Chillanto, que contém 138 registosde choro de bebé, nas seguintes categorias: fome, dor, surdez e asfixia; das quais foramutilizadas apenas as amostras de fome e dor. Também foi utilizado outra base de dadosdenominada Donate-a-Cry, contendo choros de fome, dor, desconforto, cansaço e eructação, porém os resultados obtidos tiveram baixo impacto devido ao visível desequilíbriode classes. Das amostras dessas bases de dados, foram extraídas features de frequência,timbre e intensidade, que, após a aplicação de análise estatística, resultaram num totalde 882 features. Quanto à recolha de dados, o processo de distribuição não correu comoplaneado, devido à baixa adesão ao envio de amostras de áudio, o que levou a uma ligeiramudança de planos para este trabalho.Posteriormente, foram implementados vários classificadores, nomeadamente Support Vector Machines, K-Nearest Neighbours, Random Forest e Minimum Distance Classifier, eo seu desempenho foi comparado num conjunto de experiências, com o objectivo de inferir o classificador que poderia produzir os melhores resultados mais rapidamente. Nestetrabalho experimental foram aplicadas algumas técnicas de seleção de features, nomeadamente a remoção de features de baixa variância, a correlação de Pearson e o algoritmoMinimum Redundancy Maximum Relevance, assim como a técnica de redução de featuresdenominada Principal Component Analysis, com o objectivo de estudar seu impacto. Dasexperiências realizadas, o melhor resultado foi obtido pelo classificador SVM com um kernel RBF, alcançando uma exatidão de 78,08%±8,81% quando lhe foi fornecido 50 featuresextraídas e selecionadas da base de dados Baby Chillanto sem recorrer à PCA. Tambémse obtiveram bons resultados quando se usou o classificador K-NN quando lhe fornecido21 features extraídas, selecionadas e reduzidas pelo uso de PCA das amostras da base dedados Baby Chillanto, alcançando uma exatidão de 78,03%±11,03 % e o melhor f1-scorede choro de dor de 73,34%±14,41%.Estudos anteriores obtiveram melhores resultados em termos de exatidão usando estesclassificadores. Isso pode ser justificado pelo fato de os referidos estudos possuírem umabase de dados privada maior, uma vez que a maioria coletou as próprias amostras. Aoutilizar a base de dados Donate-a-Cry, também foi demonstrado que os estudos tambémpodem inadvertidamente induzir em erro ao mostrar apenas os resultados de exatidão, umavez que bases de dados desequilibradas, como foi o caso, tendem a fornecer bons resultados de exatidão, mas se se usarem outras métricas, como o f1-score, pode-se observar que ummodelo pode ser treinado para apenas prever corretamente a classe em maioria. Throughout time, decoding baby cry has been a challenge for parents and, more recently,for researchers in the field of pattern recognition. This thesis focuses on making progresson the field of pattern recognition, by exploring feature extraction from audio samples ofbaby cry, along with feature selection and reduction techniques to assess which featuresare deemed most valuable to have in a feature set, studying the performance of traditionalmachine learning approaches and building a database of baby cry.To achieve these goals, an initial analysis was conducted to understand the state of theart regarding the machine learning approaches used and the current mobile applicationmarket, as well as studying the audio features that had a major impact in the featureextraction process. In addition, an Android mobile application named "BabyCry" wasdeveloped with the intent to create a sizeable annotated baby cry database. The idea wasto distribute it to interested parents who would use it to record and annotate the cry oftheir babies and send it to a cloud database, namely Firebase. However, despite our hardrecruitment efforts, we obtained only one acquisition. As such, we had to employ a publiclyavailable dataset, the Baby Chillanto database, which contains 138 recordings of baby cry,on the following categories: hunger, pain, deafness and asphyxia; from which only thesamples of hunger and pain were used. Another database named Donate-a-Cry was alsoused, containing cries of hunger, pain, discomfort, tiredness and eructation, however theresults obtained had a low impact due to the evident class imbalance. From the samplesof these databases, frequency, timbre and intensity features were extracted, which, afterapplying statistical analysis, resulted in a total of 882 features. As for the data collection,the distribution process did not go as planned due to a low adherence to the submissionof audio samples, which resorted in a slight shift in plans for this work.Afterwards, several classifiers were implemented, namely Support Vector Machines, KNearest Neighbours, Random Forest and Minimum Distance Classifier, and their performance was compared in a set of experiments, with the purpose of inferring the classifierthat could deliver the best results more swiftly. In this experimental work, some feature selection techniques were applied, namely the removal of low variance features, thePearson correlation and Minimum Redundancy Maximum Relevance algorithm, as well asthe feature reduction technique called Principal Component Analysis, with the purpose ofstudying their impact. From the experiments performed, the best result was obtained bythe SVM classifier with an RBF kernel, achieving a 78.08%±8.81% classification accuracywhen fed 50 features extracted and selected from the Baby Chillanto database withoutthe use of PCA. Similar good results were also obtained by the K-NN classifier when fed21 features extracted, selected and reduced by the use of PCA from the Baby Chillantodatabase, achieving a classification accuracy of 78.03%±11.03% and the highest f1-scoreof pain cry of 73.34%±14.41%.Previous studies have achieved better results in terms of accuracy using these classifiers.This can be justified by the fact that said studies had a larger private database, since theymostly conduct their own sample collection. When using the Donate-a-Cry database, iswas also shown that studies may also unknowingly mislead by only showing the accuracyresults, given that imbalanced datasets, as it was the case, tend to provide good accuracyresults, yet if other metrics, such as the f1-score, are used, it can be seen that a modelmight be trained to only predict the majority class correctly.

Dissertação de Mestrado Integrado em Engenharia Biomédica apresentada à Faculdade de Ciências e Tecnologia Doenças respiratórias são uma das principais causas de morte no mundo, causando uma série de problemas económicos e sociais. Para tentar contrariar isso, novos e melhores métodos de diagnóstico e acompanhamento têm sido procurados, havendo um grande investimento nessa área. A análise computacional de sons respiratórios é uma área que se tem desenvolvido bastante para tentar parar este tipo de doenças.Esta dissertação tem o objetivo de avaliar a possibilidade de criação de um sistema de diagnóstico diferencial de patologias respiratórias, usando uma abordagem baseada em dados de sons sonoros. A metodologia adotada consistiu em extrair um conjunto de features das 3 bases de dados de sons respiratórios disponíveis, onde um total de 81 features são extraídas de cada gravação de som respiratório. De seguida foram usados 3 tipos de classificadores de machine learning para tentar classificar cada gravação em diferentes classes. Para além de usar todas as features para a classificação, métodos de seleção de features também foram usados de forma a tentar selecionar as melhores features e obter melhores resultados. Os melhores resultados foram possíveis usando a base de dados do ICBHI, classificando entre a classe de patologias crónicas e patologias não crónicas. No entanto estes foram os únicos resultados satisfatórios.Concluindo, grande parte dos resultados tiveram uma performance bastante baixa, provando-se que, usando estes métodos e materiais, não é possível criar um sistema de diagnóstico de patologias respiratórias. Como trabalhos futuros propõe-se ser testado o uso de outras features, o uso de bases de dados maiores e mais balanceadas, e tendo bases de dados maiores, o uso de técnicas de deep learning. Respiratory diseases are one of the main causes of death in the world, causing a series of economical and social problems. Trying to counter that, new and better diagnosing and monitoring methods are being searched, having a great investment in that area. Computational analysis of respiratory sounds is an area that is being developed in order to try to resolve this problem.This dissertation has the main goal of evaluating the possibility of the creation of a differential diagnosis system of respiratory pathologies, using respiratory sounds data. The adopted methods consist of extracting a set of features from the 3 available respiratory sounds databases, where a total of 81 features are extracted from each respiratory sound recording. Then 3 types of machine learning classifiers are used to try to classify each recording in different classes. Besides using all features, feature selection methods are also used in order to try to select the best features and achieve better results. The best results are achieved using the ICBHI database, classifying between Chronic and Non-Chronic pathologies. However, these were the only satisfactory results.In conclusion, a big part of the results obtained have a low performance, proving that, using these methods and materials, it is not possible to create a differential diagnosis system of respiratory pathologies. As future work it is proposed that new features are tested, the use of bigger and better balanced databases, and using bigger databases, the use of deep learning techniques.

Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia The growing Music Emotion Recognition research field is evolving accompanied by an already massive and expanding library of digital music, which raises the need for it to be segmented and organized. Traditional Machine Learning approaches to identify perceived emotion in music are based on carefully crafted features that have dominated this field and brought state-of-the-art results. Our goal was to approach this field with Deep Learning (DL), as it can skip this expensive feature design by automatically extracting features. We propose a Deep Learning approach to the existing static 4QAED dataset, which achieved a state-of-the-art F1-Score of 88.45%. This model consisted in a hybrid approach with a Dense Neural Network (DNN) and a Convolutional Neural Network (CNN) for the features and melspectrograms (converted from audio samples), respectively. Additionally, different methods of data augmentation were experimented with for the static MER problem, using a Generative Adversarial Neural Network (GAN) and classical audio augmentation, which improved the overall performance of the model. Other pre-trained models were also tested (i.e. VGG19 and a CNN trained for music genre recognition). The Music Emotion Variation Detection field was explored as well, with (Bidirectional) Long Short Term Memory layers in combination with pre-trained CNN models, as we consider that the perceived emotion can change throughout the song. This research gave us a good insight into several distinct deep learning approaches resulting in a new state-of-the-art result with the 4QAED dataset, in addition to getting to know the limitations of both datasets. A investigação do Reconhecimento da Emoção na Música está evoluir, acompanhado por uma biblioteca de música digital já maciça e em expansão, o que levanta a necessidade de ser segmentada e organizada. As abordagens tradicionais de Machine Learning para identificar a emoção percebida na música baseiam-se em features cuidadosamente trabalhadas que dominaram este campo e trouxeram resultados de última geração. O nosso objectivo era abordar este campo com o Deep Learning (DL), uma vez que pode saltar este dispendioso processo de criação de features, extraindo automaticamente as features. Propomos uma abordagem de Deep Learning ao conjunto de dados estáticos 4QAED existente, que alcançou um F1-Score de 88,45%. Este modelo consistiu numa abordagem híbrida com uma Dense Neural Network (DNN) e uma Convolutional Neural Network (CNN) para as features e melspectrogramas (convertidos a partir de amostras de áudio), respectivamente. Além disso, foram experimentados diferentes métodos de aumento de dados para o problema do MER estático, utilizando uma Generative Adversarial Neural Network (GAN) e um aumento de áudio clássico, o que melhorou o desempenho global do modelo. Outros modelos pré-treinados foram também testados (ou seja, VGG19 e uma CNN treinada para o reconhecimento do género musical). O campo de Detecção da Variação da Emoção Musical também foi explorado, com camadas de (Bidireccional) Long Short Term Memory em combinação com modelos CNN pré-treinados, pois consideramos que a emoção percebida pode mudar ao longo da canção. Esta investigação deu-nos uma boa visão de várias abordagens distintas de Deep Learning, resultando num novo resultado de ponta com o conjunto de dados 4QAED, para além de conhecer as limitações de ambos os conjuntos de dados. FCT

Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia As patologias do foro respiratório são das mais mortíferas em todo o mundo. A maioria dos pacientes com doenças respiratórias possuem uma respiração caraterizada pela existência de sons adventícios, como sibilâncias e fervores, ao longo do ciclo respiratório.Neste trabalho propomos estudar a aplicabilidade de arquiteturas de aprendizagem profunda para classificar e segmentar automaticamente sons adventícios (sibilâncias e fervores) e sons normais existentes nos ciclos respiratórios dos pacientes. Serão avaliadas diversas arquiteturas de aprendizagem profundas como CNN, LSTM e outras variantes, assim como modelos clássicos SVM e KNN, em conjunto com técnicas de processamento de som, de forma a criar modelos otimizados, tanto em ambientes controlados como em ambientes reais de operação.Na fase de classificação de eventos pré segmentados manualmente, compararam-se abordagens clássicas de feature engineering e machine learning, e modelos de classificação de aprendizagem profunda com diferentes tipos de features de entrada. A metodologia adotada passou por um pré-processamento dos ficheiros de áudio através da filtragem do som de forma a concentrar a análise na gama de frequências relevantes para o estudo. A partir do som filtrado foram extraídas features para construir diferentes conjuntos de dados a aplicar nos classificadores. De forma a conhecer melhor os dados e a proceder-se a uma seleção de features, foi realizada uma análise exploratória. A seleção foi realizada a partir de dois algoritmos distintos para compreender o desempenho dos classificadores com diferentes features evitando redundância de dados. Os classificadores foram avaliados segundo a base de dados Respiratory Sound Database, calculando várias métricas estatísticas. O classificador CNN alcançou um resultado máximo 81% de accuracy e 81% de sensibilidade superando os classificadores clássicos com resultados máximos de 76,17%. Na fase de segmentação automática e classificação, foram explorados diversos mecanismos para aplicar a segmentação sonora, prosseguindo para uma classificação frame a frame com vista a identificar a localização temporal dos eventos adventícios. A avaliação desta fase foi realizada a diferentes níveis: frame a frame detetando 48,4% das frames de sibilâncias e 50,1% de fervores, por evento e por paciente. Respiratory pathologies are among the deadliest in the world. Most patients with respiratory diseases have a breathing characterized by adventitious sounds, such as wheezes and crackles, throughout the respiratory cycle.In this work we propose to study the applicability of deep learning architectures to automatically classify and segment adventitious sounds (wheezes and crackles) and normal sounds existing in patients' breathing cycles. Several deep learning architectures such as CNN, LSTM and other variants will be evaluated, as well as some classical models, i.e., SVM and KNN, together with sound processing techniques, in order to create optimized models, both in controlled environments and in real-life operation scenarios.In the phase of event classification of manually segmented events, classical feature engineering and machine learning approaches were compared against deep learning classification models with different types of input features. The methodology adopted involved the pre-processing of audio files through sound filtering, in order to focus the analysis on the range of frequencies relevant to the study. From some filters, resources were extracted to build different datasets to be applied to the classifiers. In order to better understand the data and proceed with a selection of resources, an exploratory analysis was performed. The selection was carried out using two different algorithms to understand the performance of the classifiers with different features, avoiding data redundancy. The classifiers were evaluated using the Respiratory Sound Database, calculating various statistical metrics. The best results obtained by the CNN classifier were 81% accuracy and 81% recall, beating the classic classifiers which obtained maximum results of 76,17%In the automatic segmentation and classification phase, several mechanisms were explored to perform sound segmentation, proceeding to a frame-by-frame classification in order to identify the temporal location of adventitious events. The evaluation of this phase was carried out at different levels: frame by frame, which detected 48,4% of the wheezes frames and 50,1% of the crackles, by event and by patient. Universidade de Coimbra - O trabalho foi financiado através de uma Bolsa de Investigação com o nº de referência UIDB/00326/2020_L.726806, no âmbito do projeto de I&D Centro de Informática e Sistemas da Universidade de Coimbra, com a referência UIDB/00326/2020, com uma duração de quatro meses.

Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia The demand for qualified people capable of extracting value from the ever-increasing volume of data is growing. More data scientists need to be trained, but training can be a time-consuming task due to the diversity of disciplines it involves. A more gradual learning curve can be achieved by abstracting programming languages from the scientists’ path. The ultimate goal of the Data Science for Non-Programmers project (DataScience4NP) is to implement data science practices rightfully without requiring programming skills, thus enabling non-programmers to be part of the data science workforce.The DataScience4NP is a platform focused on machine learning (ML) workflows and is available through a Web User Interface. It follows a microservices architecture with multiple Docker containerized services running ML algorithms orchestrated in a Kubernetes cluster. These technologies provide great flexibility in deploying and managing applications, either on-premises or on the cloud. Nevertheless, we still need an orchestration solution to manage the execution of workflows (a technology to orchestrate the ML tasks fed to the ML microservices). Netflix Conductor was the technology initially adopted for this purpose, but, because it cannot support workflows with hundreds of tasks (such as workflows involving cross-validation with repetitions), Conductor turned out to be an unsuitable solution.In this dissertation, we adopt a new approach to orchestrating ML workflows using Amazon Web Services (AWS) Step Functions with the final intention of executing more complex workflows. Está a crescer a procura por pessoas qualificadas que sejam capazes de extrair valor do grande volume de dados gerados atualmente. Existe a necessidade de treinar novos cientistas de dados, no entanto este pode ser um processo lento e dispendioso devido às várias áreas interdisciplinares que a Ciência de Dados envolve. O tempo de aprendizagem pode ser reduzido se abstrairmos os cientistas das linguagens de programação. O objetivo do projeto Data Science for Non-Programmers (DataScience4NP) é implementar práticas usadas em Data Science de forma correta, sem serem necessários conhecimentos de programação. A aplicação foca-se em workflows de Machine Learning e está disponível através de uma interface web. Segue uma arquitetura de microsserviços conteinerizados com Docker e orquestrados num cluster de Kubernetes. Estas tecnologias providenciam uma alto nível de flexibilidade na gestão e no deployment de aplicações naCloud. No entanto, era ainda necessária uma solução para gerenciar a execução dos workflows de Machine Learning e assim orquestrar as tarefas de ML nos microsserviços. O Netflix Conductor foi a tecnologia inicialmente adoptada para esse fim mas que acabou por se revelar numa solução inadequada devido às suas limitações para executar workflows com centenas de tarefas, como por exemplo workflows que envolvam validação cruzada com repetições.Nesta dissertação, é adoptada uma nova abordagem para a orquestração dos workflows de ML usando Amazon Web Services (AWS) Step Functions para que seja possível executar workflows mais complexos.

Trabalho de Projeto do Mestrado Integrado em Engenharia Física apresentado à Faculdade de Ciências e Tecnologia As doenças respiratórias assumem-se como uma das principais causas de morte, originando problemas de saúde, sociais e económicos em todo o mundo. Nesse sentido têm sido investigados métodos para melhorar o diagnóstico, acompanhamento e prognóstico de pacientes com essas doenças. A análise computacional de sons respiratórios é uma das formas de detetar as patologias respiratórias. Nesta dissertação pretende-se avaliar a capacidade de classificação de sons adventícios em crianças, realizando um estudo de "feature engineering" através das features mais utilizadas no estado de arte, e ainda comparar essa classificação à obtida para a população adulta. A metodologia adotada consistiu em estratificar por idades a base de dados da população infantil e utilizar 42 features em conjunto com 4 algoritmos de machine learning para classificar sibilâncias, fervores e sons normais. Procedeu-se à seleção de features por meio de 3 algoritmos distintos a fim de avaliar o desempenho das features. A combinação das features mais relevantes e a otimização de parâmetros do SVM permitiu obter uma f-measure média de 0,794; 0,891; 0,850; 0,882; 0,933; 0,842 para as amostras 0-2 anos, 3-6 anos, todos os sons de crianças, apenas fervores (crianças), apenas sibilâncias (crianças) e adultos, respetivamente. Em suma, os resultados foram bastante promissores, comprovando-se a grande potencialidade dessas features para a classificação de sons adventícios em crianças. Ficou também demonstrado que a estratificação por idades na população infantil é significante e melhora os resultados da classificação. Como trabalhos futuros propõe-se testar a classificação numa base de dados maior e estendê-la a outros sons adventícios, bem como averiguar a influência do local de aquisição do som respiratório e investigar as diferenças nas features selecionadas para a população infantil e adulta. Respiratory diseases are considered one of the main causes of death, causing health, social and economic problems worldwide. In this sense, several methods to improve diagnosis, monitoring and prognostic of patients with these diseases have been investigated. The computational analysis of respiratory sounds is one of the ways to detect respiratory pathologies. This dissertation aims to evaluate the ability to classify adventitious sounds in children, carrying out a feature engineering study using the most used features in the state of the art, and also to compare this classification to that obtained for the adult population. The adopted methodology consisted of separating the children's population database by age and using 42 features along with 4 machine learning algorithms to classify wheezes, crackles and normal sounds. The selection of features was carried out using 3 different algorithms in order to evaluate the performance of features. The combination of the most relevant features and the optimization of SVM parameters allowed to obtain an average f-measure of 0.794; 0.891; 0.850; 0.882; 0.933; 0.842 for samples 0-2 years, 3-6 years, all sounds of children, only crackles (children), only wheezes (children) and adults, respectively. In sum, the results were very promising, proving the great potential of these features for the classification of adventitious sounds in children. It was also demonstrated that the separation by age in the child population is significant and improves the results of the classification. As future work, it is proposed to test the classification in a larger database and extend it to other adventitious sounds, as well as to investigate the infuence of the place of acquisition of the respiratory sound and investigate the differences in the select features for the child and adult population.

Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia A utilização de microserviços como forma de construir aplicações veio mitigar muitos dos problemas apresentados pelos monólitos. No entanto trouxe outros, como a dificuldade de monitorizar e gerir. As soluções existentes atualmente para a realização de deploy e gestão de microserviços não apresentam funcionalidades de monitorização e de gestão automática como resposta a acontecimentos imprevistos, tendo que haver intervenção por parte dos utilizadores para se conseguirem as capacidades escaláveis e elásticas. Neste documento, a plataforma que se descreve tem como objetivo corrigir os problemas que as soluções existentes apresentam, recorrendo à recolha de métricas e traces como ponto de partida para uma análise automática, que permitirá a realização de escalabilidade e elasticidade automáticas, tendo em conta também as exigências do utilizador da plataforma em relação à sua aplicação. Permitirá ainda a apresentação visual de métricas ao utilizador, para que este possa acompanhar o que acontece na sua aplicação. Após a implementação da solução apresentada no primeiro semestre, pode-se concluir que esta cumpre os objetivos traçados, tendo efetivamente sido criada a plataforma proposta que contém as funcionalidades desejadas. Permite a recolha de métricas, a sua análise e a posterior tomada de decisão sobre escalar o número de instâncias dos microserviços. As métricas recolhidas são apresentadas ao utilizador através do uso de uma ferramenta de visualização que permite a criação de gráficos e tabelas para expor os dados. Os dados são ainda apresentados ao utilizador através do uso de um diagrama de cordas. The use of microservices as a mean of building applications has mitigated many of the problems presented by monoliths. However, it has brought others, such as the difficulty of monitoring and managing. The existing solutions currently available for the deployment and management of microservices do not have monitoring and automatic management functionalities as a response to unforeseen events, and users must intervene to achieve scalable and elastic capabilities. In this document, the platform that is described aims to correct the problems that the existing solutions present, using the collection of metrics and traces as a starting point for an automatic analysis, which will allow the achievement of automatic scalability and elasticity, also taking into account the requirements of the platform user in relation to its application. It will also allow the user to visually see metrics, so that they can follow what is happening in their application. After the implementation of the solution presented in the first semester, it can be concluded that it meets the objectives outlined, having effectively been created the proposed platform that contains the desired functionalities. It allows the collection of metrics, their analysis and the subsequent decision making on scaling the number of instances of microservices. The collected metrics are presented to the user through the use of a visualization tool that allows the creation of graphs and tables to expose the data. The data is also presented to the user through the use of a chord diagram. Outro - Projeto PTDC/EEI-ESS/1189/2014 - Data Science for Non-Programmers, apoiado por COMPETE 2020, Portugal 2020-POCI, UE-FEDER e a FCT. Financiamento de 756 euros por mês, numa duração de 3 meses.

Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia O surgimento de arquitecturas em microsserviços procura combater a complexidade crescente das arquitecturas implementadas nos habituais monólitos, devido à separação do software em partes lógicas, ou seja, em vários serviços. No entanto, com a redução da complexidade pela separação em serviços, aumenta dificuldade em monitorizar o comportamento da aplicação devido à sua natureza distribuída.Com o objectivo de analisar as actuais ferramentas existentes que possam solucionar este problema, foi realizada uma fase de estudo das mesmas. O estudo das aplicações existentes teve como conclusão o facto de, actualmente, as soluções existentes de visualização de grafos provenientes da recolha de traces serem pouco objectivas na visualização e/ou inexistentes. Outro problema é a compatibilidade das aplicações de monitorização de performance com o tracing de OpenCensus ou OpenTracing, as especificações de tracing existentes nos dias de hoje. Surge como consequência a necessidade de desenvolver uma aplicação que solucione as lacunas anteriormente descritas. A solução desenvolvida procura resolver o problema da fácil visualização de informação relativa a arquitecturas distribuídas, mais precisamente, da informação recolhida através dos traces. A entrada de dados da aplicação é um conjunto de informação dos traces recolhidos, anteriormente processados pelo cliente. Como resultado, é fornecida ao utilizador uma visão geral da informação recolhida nos traces sob a forma de grafos de dependências de serviços. The emergence of architectures in microservices seeks to fight the growing complexity of the architectures implemented in the usual monoliths, due to the separation of the software into logical parts, i.e. several independent services from each other. However, with the reduction of complexity by the separation into services, it becomes more difficult to monitor the application behavior due to its distributed nature which increases the communication between system components in the network. In order to analyze the existing tools that can solve this problem, a study phase of these tools was carried out during the first half of the master thesis. The study of the existing applications concluded that, currently, the existing solutions for visualization of graphs from the collection of traces are poorly implemented for the visualization of this graphs and/or non-existent. Another problem is the compatibility of performance monitoring applications with OpenCensus or OpenTracing tracing, the tracing specifications existing today. Therefore, there is a need to develop an application that solves the shortcomings described above.The developed solution seeks to solve the problem of ease of visualization of information regarding distributed architectures, more precisely, the information collected through traces. The application data input is a set of information from the traces collected, previously processed by the client. As a result, the user is provided with an overview of the information collected in the traces in the form of graphs of service dependencies. Outro - Projeto PTDC/EEI-ESS/1189/2014 — Data Science for Non- Programmers, apoiado por COMPETE 2020, Portugal 2020- POCI, UE-FEDER and FCT. Financiamento de 756 euros por mês, numa duração de 3 meses.

Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia A arquitetura de software baseada em micro-serviços está a crescer em uso e um dos tipos de dados gerados para manter o histórico do trabalho executado por este tipo de sistemas é denominado de tracing. Mergulhar nestes dados é díficil devido à sua complexidade, abundância e falta de ferramentas. Consequentemente, é díficil para os DevOps de analisarem o comportamento dos sistemas e encontrar serviços defeituosos usando tracing. Hoje em dia, as ferramentas mais gerais e comuns que existem para processar este tipo de dados, visam apenas apresentar a informação de uma forma mais clara, aliviando assim o esforço dos DevOps ao pesquisar por problemas existentes nos sistemas. No entanto, estas ferramentas não fornecem bons filtros para este tipo de dados, nem formas de executar análises dos dados e, assim sendo, não automatizam o processo de procura por problemas presentes no sistema, o que gera um grande problema porque recaem nos utilizadores para o fazer manualmente. Nesta tese é apresentada uma possivel solução para este problema, capaz de utilizar dados de tracing para extrair metricas do grafo de dependências dos serviços, nomeadamente o número de chamadas de entrada e saída em cada serviço e os tempos de resposta coorepondentes, com o propósito de detectar qualquer serviço defeituoso presente no sistema e identificar as falhas em espaços temporais especificos. Além disto, é apresentada também uma possivel solução para uma análise da qualidade do tracing com foco em verificar a qualidade da estrutura do tracing face à especificação do OpenTracing e a cobertura do tracing a nível temporal para serviços especificos. A abordagem que seguimos para resolver o problema apresentado foi implementar ferramentas protótipo para processar dados de tracing de modo a executar experiências com as métricas extraidas do tracing fornecido pela Huawei. Com esta proposta de solução, esperamos que soluções para processar e analisar tracing comecem a surgir e a serem integradas em ferramentas de sistemas distribuidos. Microservice based software architecture are growing in usage and one type of data generated to keep history of the work performed by this kind of systems is called tracing data. Tracing can be used to help Development and Operations (DevOps) perceive problems such as latency and request work-flow in their systems. Diving into this data is difficult due to its complexity, plethora of information and lack of tools. Hence, it gets hard for DevOps to analyse the system behaviour in order to find faulty services using tracing data. The most common and general tools existing nowadays for this kind of data, are aiming only for a more human-readable data visualisation to relieve the effort of the DevOps when searching for issues in their systems. However, these tools do not provide good ways to filter this kind of data neither perform any kind of tracing data analysis and therefore, they do not automate the task of searching for any issue presented in the system, which stands for a big problem because they rely in the system administrators to do it manually. In this thesis is present a possible solution for this problem, capable of use tracing data to extract metrics of the services dependency graph, namely the number of incoming and outgoing calls in each service and their corresponding average response time, with the purpose of detecting any faulty service presented in the system and identifying them in a specific time-frame. Also, a possible solution for quality tracing analysis is covered checking for quality of tracing structure against OpenTracing specification and checking time coverage of tracing for specific services. Regarding the approach to solve the presented problem, we have relied in the implementation of some prototype tools to process tracing data and performed experiments using the metrics extracted from tracing data provided by Huawei. With this proposed solution, we expect that solutions for tracing data analysis start to appear and be integrated in tools that exist nowadays for distributed tracing systems.

Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia Com o surgimento de Big Data, a escassez de data scientists para analisar todos os dados produzidos em diferentes domínios tornou-se evidente. Para treinar novos data scientists e para fazer experiências mais rápidamente, aplicações web que providenciem boas práticas de data science e que não requeiram experiência em programação, podem ser uma grande ajuda.Contudo, algumas aplicações web não aplicam bem as boas práticas de data mining, especialmente na avaliação e seleção de modelos. Assim sendo, nesta dissertação iremos descrever um sistema, atualmente em desenvolvimento, que permitirá a criação de worflows com especial ênfase nas boas práticas de data mining. Os desafios tecnológicos principais abordados nesta tese, foram a adoção do Netflix Conductor para a orquestração de microservices; desenvolvimento da biblioteca Condu, que facilita a comunicação com o Conductor escrita em Python; e a construção de uma interface gráfica para o utilizador. Testes de usabilidade foram feitos com dois grupos de utilizadores para avaliar o nosso conceito de criação de processos de data mining. Nestes testes foram alcançados altos níveis de satisfação por parte dos utilizadores . With the emergence of Big Data, the scarcity of data scientists to analyse all the data being produced in different domains became evident. To train new data scientists and make experiments with data faster, web applications providing good data science practices without requiring programming skills can be a great help. However, some available web applications lack in providing good data mining practices, specially for the assessment and selection of models. Thus, in this dissertation we describe a system, currently under development, that will allow the construction of data mining workflows enforcing good data mining practices. The main technical challenges addressed in this thesis were the adoption of Netflix Conductor to orchestrate the microservices; the development of Condu, a Python utility library to interface with Conductor; and the construction of the graphical user interface.Usability tests, were conducted with two groups of users to evaluate the envisioned concept for the creation of data mining processes. In these tests we observed a general high level of user satisfaction . Outro - This thesis was carried out by the candidate Bruno Lopes, under the project PTDC/EEI-ESS/1189/2014 — Data Science for Non-Programmers, supported by COMPETE 2020, Portugal 2020-POCI, UE-FEDER and FCT.

Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia A decisão de utilizar a cloud é apelativa porque está habitualmente associada a custos reduzidos e a uma simplificação de instalação e manutenção. Uma Plataforma como Serviço (PaaS) fornece tais serviços permitindo os utilizadores desenvolverem, correrem e gerirem as suas aplicações sem a necessidade de construir e manter a sua própria infraestrutura.Certificar que as aplicações dos utilizadores permitem escalar elasticamente e automaticamente, requer alguma configuração adicional. As plataformas existentes que fornecem tais serviços são proprietárias e baseiam-se em regras feitas pelos utilizadores para alcançarem as suas capacidades elásticas e escaláveis. Elas não realizam uma análise automatica que fornece uma visão global sobre os microserviços ao utilizador.A nossa plataforma visa fornecer uma escalabilidade elástica e automatica às aplicações instaladas. No futuro, com tracing e um algoritmo de decisão, iremos alcançar uma análise automática que irá fornecer uma visão global sobre as aplicações para os utilizadores. Para testar a nossa abordagem, uma plataforma open source para implementação de sistemas baseados em microserviços para instalação em ambientes de cloud foi projetada e implementada. Esta plataforma alcança elevadas capacidades de escalabilidade e permite aos utilizador fazerem a instalação e gestão das suas aplicações de uma maneira simples . The decision to use the cloud is appealing because it is usually associated with lowered costs and simplified deployment and management. A Platform as a Service (PaaS) provides such services by allowing users to develop, run and manage their applications without the need to build and maintain their own infrastructure.Ensuring that the user's applications are able to automatically and elastically scale, requires some additional configuration. The existing platforms that provide such services are proprietary and rely on user-made rules to achieve their elastic and scaling capabilities. They do not perform an automatic analysis that provides a global vision over the applications to the user.Our platform aims to provide automatic and elastic scaling of deployed applications. In the future, with tracing and a scheduling algorithm, we will achieve an automatic analysis that provides a global vision over the applications to the users. To experiment our approach, an open source platform for implementing microservices-based systems for deployment in cloud environments was designed and implemented. This platform achieves great scaling capabilities and allows users to deploy and manage their applications in a simple way . Outro - This work was carried out under the project PTDC/EEI-ESS/1189/2014 — Data Science for Non-Programmers, supported by COMPETE 2020, Portugal 2020-POCI, UE-FEDER and FCT.

Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia Este trabalho pretende explorar diferentes formas de auscultar som pulmonar (por exemplo, tosse e pieiras) usando sistemas embutidos e um microfone eletrónico. Esta abordagem usa dispositivos de baixo custo e os resultados foram comparados com o estado da arte para este tipo de dispositivos, o estetoscópio electrónico Littmann 3200. Várias versões do protótipo foram construídas devido ao ruído que estava presente no som (tornava o som pulmonar praticamente inaudível, o que não permitia que fosse usado para adquirir esses mesmos sons, implicando ter que voltar a pensar numa solução diferente). Foram, também, tentadas usar transmissões sem fios (recorrendo ao Bluetooth e Wi-Fi), mas não foi possível conciliar a transmissão de dados em tempo real com a transmissão sem fios. Após testar o nosso protótipo, obtivemos bons resultados tanto na auscultação da tosse (sensibilidade de 76.97% ± 31.16% e especificidade de 99.83% ± 0.01% contra sensibilidade de 83.90% ± 31.97% e especificidade de 99.97% ± 0.00% no Littmann), como no conforto (média de 9 em 10, o mesmo que no Littmann) e nos custos (41€ contra os 350€ do Littmann). Em contrapartida, o nosso protótipo não durou um dia inteiro ligado (tal como o Littmann) e a qualidade do som foi má (ao passo que a do Littmann foi boa). Apesar de um dos testes conter pieiras, não foi possível concluir nada relativamente a este tipo de som. No final, o nosso protótipo obteve bons resultados, tendo falhado nalguns aspectos que não o tornaram numa construção completamente bem-sucedido. This work explored a different way to measure lung sounds (i.e. cough and wheezes) by using embedded systems and an electronic microphone. This approach used low cost devices and the results were compared to a current state of the art device, the Littmann 3200 electronic stethoscope. Several versions of prototypes were built because the sound provided by the circuit was full of noise (it made the pulmonary sound almost inaudible, which did not allow it to be used to acquire lung sounds and, consequently, we needed to think in a different solution). Wireless transmissions (i.e. Bluetooth and Wi-Fi) were intended to be used, but it was not possible to conciliate both real-time data and wireless transmission. After tested the developed prototype, overall we obtained good results either on auscultating cough (sensitivity 76.97% ± 31.16% and specificity 99.83% ± 0.01% versus sensitivity 83.90% ± 31.97% and specificity 99.97% ± 0.00% of the Littmann), on comfort (average of 9 out of 10, same as the Littmann) and costs (41€ versus 350€ of the Littmann). On the other hand, it did not last a full day (neither the Littmann) and the sound quality was bad (the Littmann was good). Although one test contained wheezes, it was not possible to conclude anything related to this adventitious sound. At the end, our prototype had good results, having failed in some aspects that did not make it completely successful.

Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra Os sistemas de localização têm evoluído ao longo dos anos. Triangulação de antenas, uso de sistema de posicionamento global (global positioning system ou GPS) e outras tecnologias têm sido desenvolvidas para indicar, com precisão, a localização do utilizador. O problema destas soluções é a sua ineficácia dentro de edifícios. Com a proliferação dos smarthpones, a localização dentro de edifícios tornou-se ainda mais relevante. Para solucionar este problema, várias tecnologias foram desenvolvidas, aparecendo os beacons usando bluetooth como uma solução válida e de baixo custo para solucionar este problema. Nesta dissertação é exposto o desenvolvimento de um sistema que tira partido desta tecnologia para auxílio de clientes de grandes espaços comerciais. Com este propósito tem-se por objetivo criar um sistema capaz de indicar com precisão a localização de determinado produto, bem como indicar um caminho que o utilizador deve percorrer para conseguir recolher todos os produtos presentes na sua lista de compras. Este documento demonstra o desenvolvimento de uma das aplicação deste sistema, que é responsável por realizar localização dentro de edifício, com uma margem de erro média de aproximadamente 1 metro, e capaz de gerar o percurso mais curto, com uma margem de erro média de 9.01% em relação ao percurso ótimo. Com esta dissertação pode-se concluir que é possível criar um sistema de baixo custo suficientemente eficaz para guiar um utilizador dentro de um espaço fechado. Location systems have evolved over the years. Triangulation of GSM signals, Global Positioning System and other technologies had been developed in order to indicate accurately the location of the user. The problem with these kind of solutions is their ineffectiveness inside buildings. With the proliferation of smartphones, the indoor location has become even more important. To solve this problem, various technologies have been developed as the bluetooth beacons. This technology is a valid and cost-effective solution to solve this problem. In this dissertation is exposed the development of a system that takes advantage of bluetooth beacons in order to Enhanced Shopping Experience. For this purpose it was designed a system capable of accurately indicate the location of a particular product and generate and indicate the path that the user should follow in order to collect all the products present on user’s shopping list. This document shows the development of one of the applications of this system, responsible for estimate the location of the user within the building, with an average error of near 1 meter and is able to generate the shortest route with a average margin of error of 9.01% over the best route. With this dissertation can be concluded that it is possible to create a effective low cost system to guide a user inside a building.

Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra Com o enorme crescimento do número de aplicações móveis no mercado tem-se visto um maior cuidado por parte dos criadores das aplicações no que diz respeito à usabilidade das mesmas. Não havendo a preocupação com a usabilidade quando se desenham as aplicações pode levar a que as aplicações quando lançadas sejam mal recebidas pelos utilizadores, levando a descontentamento ou frustração. Isto pode significar más classificações nas lojas que distribuem as aplicações. Como tal, o projeto UX Express foi criado pela equipa da Tangível com o objetivo de se criar uma ferramenta inovadora na área da experiência do utilizador, ferramenta essa que consistiria numa plataforma web para prestar serviços de usabilidade para aplicações móveis. Através desta plataforma o cliente poderia facilmente colocar pedidos de usabilidade às suas aplicações móveis e em troca receber um relatório detalhado dos problemas de usabilidade encontrados por especialistas de usabilidade credenciados pela Tangível. Os testes de usabilidade que a plataforma pretende oferecer, chamados de Expert Reviews, diferenciam-se dos testes de usabilidade com um grupo de potenciais utilizadores pois são mais rápidos e mais baratos. Isto deve-se ao facto destes estudos se basearem nos especialistas de usabilidade ao contrário dos outros testes que requerem uma maior logística e maior esforço, pois envolvem mais pessoas no processo. A plataforma oferece também um fluxo de trabalho ao especialista de usabilidade de maneira a que a entrega do relatório de usabilidade seja feita de um modo mais rápido. Os Expert Reviews ficaram muito conhecidos pela mão de Jakob Nielsen que é muito conhecido por inventar vários métodos de usabilidade. Um dos movimentos fundados por Nielsen teve a ver com a engenharia de usabilidade “barata . Neste movimento estão inseridos estes testes que são executados para conseguir melhorias rápidas e baratas nas interfaces do utilizador. Ao longo do estágio foi feito o planeamento e a gestão do projeto, bem como a análise do estado da arte, o levantamento de requisitos e o desenho da arquitetura e modelo de dados. Chegou-se a um pacote de requisitos a ser implementado que continha os requisitos com maior valor de mercado. Mais tarde começou a implementação dos requisitos e os testes às funcionalidades implementadas. Os testes de usabilidade vieram ajudar a levantar problemas na plataforma com a intenção de aplicar as melhorias e fazer uma nova bateria de testes no futuro. No final obtemos um pacote de requisitos que foi implementado e pronto a ser disponibilizado para o público, para isso só faltará ser colocado no servidor de produção. Esse pacote passou nos testes realizados e pelos resultados dos testes de usabilidade podemos concluir que teve aceitação por parte dos intervenientes. With the growth of the mobile applications market there’s a new concern about usability. Without this concern users are tempted to leave bad reviews about the applications on the mobile stores. Regarding this problem UX Express was created by Tangivel with the purpose to offer usability reviews so mobile apps’ creators can have useful insights about the usability of their apps, the good interactions and the bad ones. In the platform the client can easily ask for a usability request and get a full detailed review about those insights discovered by usability specialists that would be accredited by Tangivel itself. Usability reviews on the platform are also known as Expert Reviews and they differentiate from the normal usability tests because they’re faster to deliver and cheaper. This is only possible because they’re based on usability specialists’ analysis which require less man power than the normal usability tests performed by a focused group of people. UX Express offers a simple process between the order of the review and the final detailed deliver, so the specialists can focus on finding the insights. Nielsen was the founder of this new idea a few years ago about a cheap usability engineer in order to deliver a fast appreciation about some app interface without spending too much resources. In this internship in software engineer, was taken into account the whole project management and planning. After the integration with the Tangivel team the intern started to analyze the requirements and the architecture of the platform. Because the time was short to implement everything we had in mind we’ve committed to a Minimum Viable Product which had the main requirements implemented. Second semester brought the implementation and tests. Near the end of the second semester the intern performed usability tests to the UX Express platform and the results were very useful. At the end we were capable of delivering a baseline version of the software totally working that can be deployed to Tangivel servers. That version passed on the overall tests and the results were great because the stakeholders we’re promptly satisfied.

Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra. As infraestruturas rodoviárias são uma via de comunicação muito importante para a sociedade atual sendo o meio mais usado para transporte de pessoas e mercadorias. Dada a sua importância e fundamental que as redes rodoviárias sejam bem conservadas, por questões de conforto e segurança para os seus utilizadores e por questões económicas para as entidades gestoras. Para manter os pavimentos destas infraestruturas rodoviárias em boas condições, é necessário começar por identificar quais as secções destes pavimentos que apresentam problemas, para assim serem feitas as intervenções necessárias. Este processo, no entanto, não se apresenta muito eficaz. As soluções disponíveis à data da realização deste projeto são pouco eficientes ao nível do tempo e mão-de-obra ou excessivamente dispendiosas. Em todos os casos é feita uma recolha de dados sobre o estado dos pavimentos que são posteriormente inseridos num Sistema de Gestão de Pavimentos (SGP). Estes sistemas têm como função fazer uma análise do estado geral dos pavimentos e fazer uma previsão das intervenções a realizar de forma a maximizar o nível médio do estado dos pavimentos minimizando os seus custos. Pretende-se com este projeto desenvolver uma solução que facilite e agilize o processo de recolha de dados sobre a qualidade dos pavimentos rodoviários, que seja eficiente, de baixo custo e que recorra as novas tecnologias. Esta aplicação recorre a um equipamento tablet equipado com GPS onde e possível indicar, para cada secção de pavimento, quais as suas falhas e respetivas extensões. Os dados recolhidos são depois exportados para sistemas de gestão de pavimentos, fora do âmbito deste estágio, que irão ajudar o decisor a determinar as intervenções necessárias. Foi então desenvolvida uma aplicação capaz de realizar estes objetivos. As entidades gestoras de infraestruturas rodoviárias tem assim uma nova alternativa para fazer a identificação e classificação das características do pavimento das v arias secções que compõem a rede rodoviária, alimentando o processo de tomada de decisão para as intervenções a efetuar.

Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra In this thesis, music emotion recognition is approached, having detection of mood changes over a song as the main focus. The first semester served entirely to gain knowledge on the area and a to produce an initial design. This strong theoretical knowledge was further developed during the second semester, serving as a starting point to build a music analysis Qt application, based on the Thayer's model of mood, using on Marsyas for feature extraction and libSVM library for classification and regression. Several experimental tests were run to study different approaches and the respective results.