Search

El objetivo de este proyecto es el de, partiendo de un set de imágenes de documentos como entrada, realizar una serie de procesos sobre las imágenes con el fin de poder generar un modelo de predicción basado en machine learning que sea capaz de clasificar si los elementos que aparecen en los documentos anteriormente mencionados se tratan de texto escrito a mano, impreso o si no son texto en absoluto. Para ello, se desarrollarán y utilizarán diversos programas, con los que se pretende, por un lado, aislar los elementos de texto de las imágenes y extraer información de dichos elementos, así como crear una matriz de adyacencia que los relacione, y por el otro, aplicar estos datos para entrenar un modelo de predicción que utilice Structured Support Vector Machine. Por último, para comprobar la eficacia de dicho modelo, se harán múltiples pruebas variando los distintos modos de funcionamiento que permite el algoritmo, con tal de observar en qué condiciones funciona mejor, y realizándose un estudio de los mismos. This project's objective is, starting with a set of document images as input, to carry out a series of procedures on the images with the purpose of obtaining a prediction model based on machine learning able to classify if the elements that appear on the previously mentioned documents are either handwritten text, printed text or no text at all. In order to do that, several programs will be developed and utilized, with which it is intended, on the one hand, to isolate the text elements from the images, extract information of said elements, as well as the creation of an adjacency matrix that relates them, and on the other, to apply this data to train a prediction model that uses Structured Support Vector Machine. Lastly, in order to check the efficiency of said model, multiple tests will be done modifying the various functioning modes that the algorithm allows, with the goal of observing under which conditions does it perform better, and studying the results of those tests. L'objectiu d'aquest projecte es el de, partint d'un set d'imatges de documents com a entrada, realitzar una sèrie de processos sobre les imatges amb el fi de poder generar un model de predicció basat en machine learning que sigui capaç de classificar si els elements que apareixen en els documents anteriorment esmentats es tracten de text escrit a ma, imprès, o si no son text escrit en absolut. Pera a això, es desenvoluparan i faran servir diversos programes, amb els que es pretén, d'una banda, aïllar els elements de text de les imatges i extreure informació de dits elements, així com crear una matriu d'adjacència que els relacioni, i de l'altre, aplicar aquestes dades per a entrenar un model de predicció que utilitzi Structured Support Vector Machine. Per últim, per comprovar l'eficàcia de dit model, es faran múltiples proves variant els diferents modes de funcionament que permet l'algoritme, amb l'objectiu d'observar en que condicions funciona millor, i fent-se un estudi d'aquests.

Neste trabalho estudamos três subgrupos de um grupo G com índices limitados em G: A interseção de todos os subgrupos definíveis de G , o menor subgrupo tipo-definível e o menor subgrupo invariante de G, chamados componentes conexas de G, denotados respectivamente G0G00 e G¥. Apresentamos uma demonstração da existência de G¥ em uma teoria NIP, baseados na prova feita por Gismatullin em 2011. In this work, we estudied three special subgroups of bounded index in G: The intersection of subgroups definables of G, the small type-definable subgroup and the small invariant subgroup of G, called connected components of G and denoted G0G00 e G¥. We give an exposition of theorem of Gismatullim, where he proved the existence of G¥ in a theory with NIP. Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq

This pyramidal clustering method generalizes hierarchies by allowing non-disjoint classes at a given level instead a partition. Moreover, the clusters of the pyramid are intervals of a total order on the set being clustered, hence pyramids constitute an intermediate model between the tree and the lattice structures. This method allows moreover to cluster more complex data than the tabular model allows to process, by considering variation on the values taken by the variables. Each cluster formed is defined not only by the set of its elements (i.e. its extent) but also by a symbolic object, which describes its properties (its intent). In this paper we propose a new algorithm CAPS to built a symbolic pyramid, this algorithm in an extension to symbolic case of the algorithm CAP proposed in [Diday 1984] to the symbolic case. An example is presented to illustrate the effectiveness of the proposed algorithm and we also present a free software for this algorithm. En este artículo se define el concepto de pirámide simbólica, además se presentan dos algoritmos para generar este tipo d pirámide a partir de una matriz de datos simbólicos. El primer algoritmo (CAPS) encuentra un "orden total compatible con la pirámide" de los n objetos, mientras que el segundo (CAPSO) construye la pirámide a partir de un orden dado apriori en los objetos, dicho orden se recibe como entrada en el algoritmo. Ambos algoritmos, además de producir la pirámide, para cada grada encuentran el objeto simbólico asociado a cada nodo y su extensión. También se presentan los teoremas de convergencia.

Se presentan las definiciones de grafo conexo, componentes conexas, así como teoremas relativos a conexión, Puede usarse como material a leer previamente a una clase magistral, para repasar, conocer los contenidos de una clase a la que no se ha podido asistir o ayuda para la preparación de un seminario o trabajo

Sea R = (x1 ,x2...,xk, ... } el conjunto de todos los números racionales del intervalo [ 0, 1]. Para cada xKЄ R consideremos la vecindad abierta Vk,n del centro xn y radio 1/(2k+2. n)