Search

Submitted by Jo??o Victor Negreiro (negreiro.joaovictor@outlook.com) on 2022-12-19T22:14:10Z No. of bitstreams: 5 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) versao_final_dissertacao_pos_banca_jvcn_.pdf: 4114564 bytes, checksum: b62e81158ef2b1fbd17a8a6a73919d64 (MD5) CartaEncaminhamentoTCC-TESE-DISSERTA????O_jvcn.pdf: 144884 bytes, checksum: 234f7355427bcc924d5c91b65c96b2f3 (MD5) Termo de Autoriza????o - Autodep??sito RIU-TEDE_JVCN.pdf: 568805 bytes, checksum: e9f3c7006da67b5352dadd42300ddbed (MD5) 147??- Ata de Julgamento- Jo??o Victor Campos de Negreiro- assinada.pdf: 446268 bytes, checksum: 68a605405f8a970bc6ed51945de13184 (MD5) Approved for entry into archive by PPGEE Engenharia El??trica (mestrado_engeletrica@ufam.edu.br) on 2023-01-10T11:54:47Z (GMT) No. of bitstreams: 5 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) versao_final_dissertacao_pos_banca_jvcn_.pdf: 4114564 bytes, checksum: b62e81158ef2b1fbd17a8a6a73919d64 (MD5) CartaEncaminhamentoTCC-TESE-DISSERTA????O_jvcn.pdf: 144884 bytes, checksum: 234f7355427bcc924d5c91b65c96b2f3 (MD5) Termo de Autoriza????o - Autodep??sito RIU-TEDE_JVCN.pdf: 568805 bytes, checksum: e9f3c7006da67b5352dadd42300ddbed (MD5) 147??- Ata de Julgamento- Jo??o Victor Campos de Negreiro- assinada.pdf: 446268 bytes, checksum: 68a605405f8a970bc6ed51945de13184 (MD5) Approved for entry into archive by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br) on 2023-01-10T18:49:57Z (GMT) No. of bitstreams: 5 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) versao_final_dissertacao_pos_banca_jvcn_.pdf: 4114564 bytes, checksum: b62e81158ef2b1fbd17a8a6a73919d64 (MD5) CartaEncaminhamentoTCC-TESE-DISSERTA????O_jvcn.pdf: 144884 bytes, checksum: 234f7355427bcc924d5c91b65c96b2f3 (MD5) Termo de Autoriza????o - Autodep??sito RIU-TEDE_JVCN.pdf: 568805 bytes, checksum: e9f3c7006da67b5352dadd42300ddbed (MD5) 147??- Ata de Julgamento- Jo??o Victor Campos de Negreiro- assinada.pdf: 446268 bytes, checksum: 68a605405f8a970bc6ed51945de13184 (MD5) Made available in DSpace on 2023-01-10T18:49:57Z (GMT). No. of bitstreams: 5 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) versao_final_dissertacao_pos_banca_jvcn_.pdf: 4114564 bytes, checksum: b62e81158ef2b1fbd17a8a6a73919d64 (MD5) CartaEncaminhamentoTCC-TESE-DISSERTA????O_jvcn.pdf: 144884 bytes, checksum: 234f7355427bcc924d5c91b65c96b2f3 (MD5) Termo de Autoriza????o - Autodep??sito RIU-TEDE_JVCN.pdf: 568805 bytes, checksum: e9f3c7006da67b5352dadd42300ddbed (MD5) 147??- Ata de Julgamento- Jo??o Victor Campos de Negreiro- assinada.pdf: 446268 bytes, checksum: 68a605405f8a970bc6ed51945de13184 (MD5) Previous issue date: 2022-11-03 FAPEAM - Funda????o de Amparo ?? Pesquisa do Estado do Amazonas Humans use body features such as face, voice and eyes in conjunction with other contextual information to recognize themselves. Biometric recognition seeks to identify an individual using behavioral, physical or psychological characteristics. This work presents a comparative analysis between a classical machine learning approach and a proposal using a deep neural network in the individual recognition activity. Two biometric modes were used: face and voice. These data were obtained from the MOBIO bimodal database (MCCOOL et al, 2012). Fifty individuals were used, 37 men and 13 women. A pre-processing was applied to the images, extracting the face, standardizing it in 64x80 and converting it to monochrome. An autoencoder was used to obtain a reduced face data representation. For voice, an activity detector was chosen to classify audio excerpts with or without voice. Mel Cepstral coefficients and their derived coefficients were extracted, composing 39 coefficients. Unimodal and multimodal models of biometric identification were developed, totaling 6 architectures. The multimodal model with machine learning techniques has a fusion step at the scoring level and Learning Vector Quantization (LVQ). The multimodal model with deep machine learning techniques has a feature level fusion and a Convolutional Neural Network (CNN). The proposed architectures were tested in different cluster scenarios, audio frames number, encoding layer dimension, MFCCs coefficients number, regularization and optimizers. The systems were evaluated through the area under the ROC curve (AUC-ROC), True Acceptance Rate (TAR) and False Acceptance Rate (FAR) and best operating point threshold. In addition, the training and testing time of networks was measured. The results show that for the multimodal proposal with LVQ, an AUC-ROC of 0.98 was obtained and the multimodal proposal with CNN reached an AUC-ROC value of 0.99. The results showed that deep learning produces better performances, in addition to more optimized training. Thus, the architectures proposed in this work can constitute a good starting point for implementing a robust system for automatic identification of individuals. Os seres humanos utilizam caracter??sticas do corpo como rosto, voz e olhos em conjunto com outras informa????es contextuais para se reconhecerem. O reconhecimento biom??trico busca identificar um indiv??duo utilizando caracter??sticas comportamentais, f??sicas ou psicol??gicas. Esse trabalho apresenta uma an??lise comparativa entre uma abordagem de aprendizado de m??quina cl??ssica e uma proposta utilizando rede neural profunda na atividade de reconhecimento de indiv??duo. Utilizaram-se dois modos biom??tricos: face e voz. Estes dados foram obtidos da base de dados bimodal MOBIO (MCCOOL et al, 2012). Utilizaram-se 50 indiv??duos, sendo 37 homens e 13 mulheres. Aplicou-se um pr??-processamento nas imagens, extraindo a face, padronizando em 64x80 e convertendo para monocrom??tica. Foi utilizado um autoencoder para obter uma representa????o reduzida dos dados da face. Para voz, optou-se por um detector de atividade para classificar trechos de ??udios com ou sem voz. Extra??ram-se coeficientes Mel-Cepstrais e seus coeficientes derivados, compondo 39 coeficientes. Foram desenvolvidos modelos unimodais e multimodais de identifica????o biom??trica, totalizando 6 arquiteturas. O modelo multimodal com t??cnicas de aprendizagem de m??quina possui uma etapa fus??o ?? n??vel de pontua????o e aprendizado por quantiza????o vetorial (LVQ). O modelo multimodal com t??cnicas de aprendizado profundo de m??quina possui uma fus??o a n??vel de caracter??stica e uma rede neural convolucional (CNN). Testaram-se as arquiteturas propostas em diversos cen??rios de clusters, quantidade de frames de ??udio, dimens??o da camada de codifica????o, quantidade de coeficientes MFCCs, regulariza????o e otimizadores. Avaliaram-se os sistemas atrav??s da ??rea sobre a curva ROC (AUC-ROC), taxa de verdadeiros positivos e taxa de falsos positivos e o limiar do melhor ponto de opera????o. Al??m disso, mediu-se o tempo de treinamento e testes das redes elaboradas. Os resultados mostram que para a proposta multimodal com LVQ foi obtido AUC-ROC de 0,98 e a proposta multimodal com CNN teve um valor de AUC-ROC de 0,99. Os resultados apontaram que a utiliza????o de aprendizagem profunda produz melhores desempenhos, al??m de treinamentos mais otimizados. Assim, as arquiteturas propostas neste trabalho podem constituir um bom ponto de partida para implementa????o de um sistema robusto de identifica????o autom??tica de indiv??duos.

A farmacogen?mica ? a ?rea que estuda como as varia??es gen?micas podem influenciar na resposta aos medicamentos. Atrav?s dela ? poss?vel explorar e definir os medicamentos mais indicados para diferentes pessoas e seus perfis gen?ticos, a fim de tornar os tratamentos mais personalizados. Estudos recentes mapeiam a resposta de linhagens celulares relacionadas ao c?ncer para uma ampla cole??o de f?rmacos utilizados em tratamentos, aplicando t?cnicas de aprendizado de m?quina para tarefas de predi??o. O objetivo dessa disserta??o ? desenvolver modelos de redes neurais profundas buscando predizer a resposta de diferentes perfis para 174 f?rmacos de tratamento do c?ncer de es?fago. Foram constru?dos modelos de aprendizagem profunda que, integrando dados do perfil de express?o, muta??es e dados cl?nicos, estimam a resposta de diferentes compostos, com base nos valores de IC50. Foram aplicadas estruturas de autocodificadores para extra??o de representa??o dos dados de treinamento, aliado a uma rede neural profunda. O modelo inicial obteve resultados positivos em compara??o a trabalhos anteriores e, a partir destes, foram exploradas formas de aprimorar a predi??o da rede neural. Foi introduzida uma nova arquitetura com a integra??o dos dados cl?nicos devido a import?ncia dos fatores de risco relacionados aos casos de c?ncer de es?fago. Al?m disso, outra motiva??o para explorar esses dados ? que ainda s?o mais comuns de serem obtidos na pr?tica cl?nica. Os modelos apresentaram resultados de 0,74 e 0,72 respectivamente, considerando a m?trica de avalia??o de erro m?dio quadr?tico. Apesar dos resultados positivos, foram identificadas limita??es da implementa??o, especialmente sobre os dados cl?nicos em rela??o a sua quantidade e qualidade da informa??o. Os resultados experimentais mostram que o tema de pesquisa ? promissor e podem levar a inova??es capazes de melhora na qualidade de vida dos pacientes. Pharmacogenomics is the area that studies how genomic variations influence drug response. Through it studies, it is possible to explore and define the most suitable drugs for different patients and their genetic profiles, in order to make treatments more personalized. Recent studies map the response of cancer-related cell lines to a wide collection of drugs used in treatments, applying machine learning techniques for prediction tasks. Our goal is to develop deep neural network models seeking to predict the response of different profiles to 174 drugs used for the treatment of esophageal cancer. Deep learning models were built to estimate the response of different compounds, based on its IC50 values, by integrating expression, mutation and clinical data. Autoencoders were developed to extract the representation of the training data, combined with a deep neural network. The initial model obtained positive results compared to previous work and based on these we explored new approaches to improve the neural network. We introduced a new architecture with the integration of clinical data due to the importance of risk factors related to esophageal cancer cases. Furthermore, another motivation to explore these data is that they are still more common to be obtained in clinical practice. The models presented results of 0.74 and 0.72 respectively, considering the mean squared error evaluation metric. Despite the positive results, implementation limitations were identified, especially regarding clinical data in terms of quantity and quality of information. The experimental results show that the research topic is promising and can lead to innovations capable of improving the quality of life of patients. Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior - CAPES

INTRODU??O: As quedas podem ser uma das consequ?ncias do uso de f?rmacos de risco e/ou de intera??es medicamentosas. O aprendizado de m?quina possibilita novas abordagens na identifica??o de riscos. Foi identificada somente uma ferramenta que avalia o risco de queda relacionado ao uso de medicamentos. N?o foram identificados estudos que analisem os medicamentos como fatores de risco para quedas por meio de aprendizado de m?quina. OBJETIVO: Avaliar o desempenho de modelos de predi??o do risco de quedas relacionado aos medicamentos prescritos em adultos e idosos hospitalizados por meio de aprendizado de m?quina. M?TODO: Estudo de caso-controle, retrospectivo, com adultos e idosos hospitalizados no Hospital Nossa Senhora da Concei??o no ano de 2016. Foram investigados a idade, os medicamentos prescritos e as classes medicamentosas. Os dados foram exportados para o software RStudio para an?lise estat?stica. O projeto foi aprovado pela Comiss?o Cient?fica da Escola de Medicina da Pontif?cia Universidade Cat?lica do Rio Grande do Sul e est? vinculado ao projeto guarda-chuva intitulado ?Detec??o autom?tica de eventos adversos utilizando processamento de linguagem natural nos prontu?rios eletr?nicos de um hospital terci?rio?, aprovado pelo Comit? de ?tica em Pesquisa. RESULTADOS: Os modelos de predi??o desenvolvidos por meio de aprendizado de m?quina apresentaram melhor desempenho em rela??o a um modelo generaliz?vel existente. Os modelos desenvolvidos por meio do algoritmo gradient boosting, em geral, apresentaram melhor performance em rela??o aos demais. Os modelos com melhor performance na popula??o apresentaram queda no desempenho, quando aplicados ao subgrupo de idosos. DISCUSS?O: O presente estudo comprovou que, na popula??o estudada, um modelo constru?do a partir de um conjunto de dados de um hospital espec?fico apresenta resultados melhores em rela??o a uma ferramenta generaliz?vel. Ferramentas como o Medication Fall Risk Score s?o restritas a algumas vari?veis, considerando que os pr?prios profissionais da sa?de devem avaliar e calcular o escore. O preenchimento dessas ferramentas exige tempo e dedica??o dos profissionais, que poderiam ser aplicados na assist?ncia. Destacaram-se os modelos constru?dos a partir do algoritmo Gradient Boosting, tanto com os medicamentos como vari?veis, quanto com as classes medicamentosas. Quando aplicados na amostra de idosos, os modelos constru?dos com base na popula??o apresentaram queda na performance. Portanto, optou-se por desenvolver um modelo espec?fico para essa amostra. CONCLUS?O: Modelos de predi??o constru?dos por meio de algoritmos de aprendizado de m?quina podem auxiliar na identifica??o de riscos e aprimorar a assist?ncia prestada aos pacientes. O trabalho dos profissionais da sa?de n?o ser? substitu?do e o tempo despendido na aplica??o de escalas pode ser direcionado a outros aspectos importantes da assist?ncia ? sa?de. INTRODUCTION: Falls may be one of the consequences of the use of risky drugs and/or drug interactions. Machine learning enables new approaches to risk stratisfication. Only one tool that assesses the risk of fall related to medication use was identified. Studies analyzing drugs as risk factors for falls through machine learning were not detected. OBJECTIVE: To evaluate the performance of models for predicting the risk of falls related to drugs prescribed in hospitalized adults and elderly people through machine learning. METHOD: Retrospective case-control study with adults and elderly people hospitalized at Hospital Nossa Senhora da Concei??o in 2016. Age, prescribed drugs and drug classes were investigated. Data were exported to RStudio software for statistical analysis. The project was approved by the Scientific Committee of the School of Medicine of Pontifical Catholic University of Rio Grande do Sul and is linked to the umbrella project entitled ?Detec??o autom?tica de eventos adversos utilizando processamento de linguagem natural nos prontu?rios eletr?nicos de um hospital terci?rio?, approved by Research Ethics Committee. RESULTS: Prediction models developed through machine learning presented better performance when compared to an existing generalizable model. The models developed through gradient boosting algorithm, in general, presented better performance in relation to the others. The models that performed better in the population showed a decrease in performance when applied to the elderly subgroup. DISCUSSION: The present study proved that, in the study population, a model built from a dataset of a specific hospital presents better results in relation to a generalizable tool. Tools such as the Medication Fall Risk Score are restricted to a few variables, considering that health professionals must evaluate and calculate the score. Filling out these tools requires time and dedication from professionals, which could be applied in assistance. The models built through the gradient boosting algorithm stood out, with both drugs and drug classes variables. When applied to the elderly sample, the models built based on the population showed a decrease in performance. Therefore, it was decided to develop a specific model for this sample. CONCLUSION: Prediction models built through machine learning algorithms can help identify risk and improve patient care. The work of health professionals will not be replaced and the time spent on the application of scales can be directed to other important aspects of health care. Conselho Nacional de Pesquisa e Desenvolvimento Cient?fico e Tecnol?gico - CNPq

In the hospital environment, the incidence of adverse events (AE) (unforeseen incidents that cause harm to patients) is the primary concern of risk management teams. The use of machine learning techniques could help healthcare professional to identify and mitigate adverse events.This thesis develops experiments to evaluate machine learning approaches to identify two major adverse events in electronic health records (EHR). The first algorithm was created to identify fall events in clinical notes using language models and neural networks. We annotated 1,402 clinical sentences with fall events to train a Token Classifier (TkC) to detect words within the context of falls. The TkC was able to correctly identify 85% of the sentences with fall events. For medication review, we built an unsupervised algorithm based on graph structure to rank outlier prescriptions. In our experiments, the proposed algorithm, the DDC-Outlier, correctly classified 68% (F-measure) of prescribed medications as underdoses and overdoses. Finally, to better understand the performance of our approach in a real-world scenario, we deployed a decision support system for clinical pharmacy in a 1,200-bed hospital. All experiments, source-codes, and the anonymized datasets are publicly available on the GitHub page of our research group. No ambiente hospitalar, a incid?ncia de eventos adversos (EA) (incidentes imprevistos que causam danos aos pacientes) ? a principal preocupa??o das equipes de gerenciamento de risco. Esta tese desenvolve experimentos para avaliar abordagens de aprendizado de m?quina para identificar dois grandes eventos adversos em prontru?rios eletr?nicos do paciente (PEP). O primeiro algoritmo foi criado para identificar eventos de queda em evolu??es cl?nicas usando modelos de linguagem e redes neurais. Anotamos 1.402 senten?as em evolu??es cl?nicas com eventos de queda para treinar um Classificador de Token (TkC) para detectar palavras dentro do contexto de quedas. O TkC foi capaz de identificar corretamente 85% das senten?as com eventos de queda. Para a avalia??o de prescri??es, constru?mos um algoritmo n?o-supervisionado com base em estrutura de grafos para classificar as prescri??es fora-do-padr?o. Em nossos experimentos, o algoritmo proposto, o DDC-Outlier, classificou corretamente 68% (Medida-F) dos medicamentos prescritos como subdoses e overdoses. Finalmente, para entender melhor o desempenho de nossa abordagem em um cen?rio do mundo real, implantamos um sistema de suporte ? decis?o para farm?cia cl?nica em um hospital de 1.200 leitos. Todos os experimentos, c?digos-fonte e conjuntos de dados an?nimos est?o dispon?veis publicamente na p?gina GitHub de nosso grupo de pesquisa. Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior - CAPES

Submitted by Elizangela Costa (elizangela@icomp.ufam.edu.br) on 2020-06-04T18:52:18Z No. of bitstreams: 3 Dissertacao_Elizangela_Vfinal.pdf: 1943190 bytes, checksum: 6917e8713d0a6a7fdc9326042a6affc9 (MD5) Carta de Autorizac??a??o de Encaminhamento.pdf: 111168 bytes, checksum: 5b618c51bc9ba4acc5698b9551963c8b (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Rejected by PPGI Inform??tica (secretariappgi@icomp.ufam.edu.br), reason: Retirar a p??gina em branco entre a Folha de Rosto e a ficha catalogr??fica on 2020-06-04T19:49:24Z (GMT) Submitted by Elizangela Costa (elizangela@icomp.ufam.edu.br) on 2020-06-04T19:56:39Z No. of bitstreams: 3 Carta de Autorizac??a??o de Encaminhamento.pdf: 111168 bytes, checksum: 5b618c51bc9ba4acc5698b9551963c8b (MD5) Dissertacao_Elizangela_Vfinal(1).pdf: 1877830 bytes, checksum: 697213dd3ba467316d23b8bfc704b522 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Approved for entry into archive by PPGI Inform??tica (secretariappgi@icomp.ufam.edu.br) on 2020-06-04T20:01:36Z (GMT) No. of bitstreams: 3 Carta de Autorizac??a??o de Encaminhamento.pdf: 111168 bytes, checksum: 5b618c51bc9ba4acc5698b9551963c8b (MD5) Dissertacao_Elizangela_Vfinal(1).pdf: 1877830 bytes, checksum: 697213dd3ba467316d23b8bfc704b522 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Rejected by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br), reason: Na ficha catalogr??fica, corre????o do g??nero da palavra "Orientadora", uma vez que se trata de discente com nome masculino. on 2020-06-05T13:26:26Z (GMT) Submitted by Elizangela Costa (elizangela@icomp.ufam.edu.br) on 2020-06-05T16:16:54Z No. of bitstreams: 3 Carta de Autorizac??a??o de Encaminhamento.pdf: 111168 bytes, checksum: 5b618c51bc9ba4acc5698b9551963c8b (MD5) Disserta????o_VFINAL_Elizangela.pdf: 1932628 bytes, checksum: 1e81f0947b4772d0e005be238d9b8a96 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Approved for entry into archive by PPGI Inform??tica (secretariappgi@icomp.ufam.edu.br) on 2020-06-05T16:31:44Z (GMT) No. of bitstreams: 3 Carta de Autorizac??a??o de Encaminhamento.pdf: 111168 bytes, checksum: 5b618c51bc9ba4acc5698b9551963c8b (MD5) Disserta????o_VFINAL_Elizangela.pdf: 1932628 bytes, checksum: 1e81f0947b4772d0e005be238d9b8a96 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Approved for entry into archive by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br) on 2020-06-05T18:41:08Z (GMT) No. of bitstreams: 3 Carta de Autorizac??a??o de Encaminhamento.pdf: 111168 bytes, checksum: 5b618c51bc9ba4acc5698b9551963c8b (MD5) Disserta????o_VFINAL_Elizangela.pdf: 1932628 bytes, checksum: 1e81f0947b4772d0e005be238d9b8a96 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Made available in DSpace on 2020-06-05T18:41:08Z (GMT). No. of bitstreams: 3 Carta de Autorizac??a??o de Encaminhamento.pdf: 111168 bytes, checksum: 5b618c51bc9ba4acc5698b9551963c8b (MD5) Disserta????o_VFINAL_Elizangela.pdf: 1932628 bytes, checksum: 1e81f0947b4772d0e005be238d9b8a96 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2020-05-11 Information shared on the Web propagates quickly, whether true or not. Credibility in this context refers to the level of trust a user places subjectively on a Web page. The purpose of reproducing incorrect information is related to several factors such as political manipulation, obtain financial benefits, disseminate malicious defamation, among others. Therefore, verifying the credibility of the information available on the Web ends up being a mandatory task. Among the various techniques developed to detect whether aWeb page can be accredited or not, machine learning is the most used in comparison to the assessment of credibility manually. The purpose of this work is to evaluate and define attributes that can be used in a future model for assessing the credibility of Web pages, by extracting characteristics from the content of the page and the network, with the help of machine learning classifiers, thus enabling greater certainty on the credibility of web pages. As a result, this dissertation concluded that the Random Forest classifier had the best result for assessing the credibility of web pages with 95.36% accuracy. In addition to providing an attribute extraction script, also pointing out which are the most relevant and easy extraction attributes that can be selected for any URL, for that, 3 attribute selection methods are used: Select the best, RFE Selection and Selection RFECV, the last result with 95.33% accuracy. As informa????es compartilhadas na Web se propagam rapidamente, sejam elas verdadeiras ou n??o. O objetivo de reproduzir informa????es incorretas ou falsas est?? relacionado a diversos fatores como manipula????o pol??tica, obten????o de benef??cios financeiros, dissemina????o de difama????es, entre outros. Sendo assim, verificar a credibilidade das informa????es dispon??veis na Web acaba sendo uma tarefa obrigat??ria. Dentre as diversas solu????es desenvolvidas para detectar se uma p??gina Web pode ser acreditada ou n??o, as baseadas em aprendizagem de m??quina s??o a mais empregadas. Esta disserta????o visa avaliar e definir atributos empreg??veis em um futuro modelo de avalia????o de credibilidade de p??ginas Web, por meio da extra????o de caracter??sticas do conte??do da p??gina e da rede, com o aux??lio de classificadores de aprendizagem de m??quina, possibilitando assim maior certeza sobre a credibilidade de p??ginas Web. Como resultado, esta disserta????o concluiu que o classificador Random Forest teve o melhor resultado para avalia????o de credibilidade de p??ginas web com 95.36% de acur??cia. Al??m de disponibilizar um script de extra????o de atributos, apontou tamb??m quais s??o os atributos mais relevantes e de f??cil extra????o que podem ser obtidos e qualquer URL, para isso utilizou 3 m??todos de sele????o de atributos: Select kbest, Sele????o RFE e Sele????o RFECV, no qual este ??ltimo apresentou o melhor resultado com 95.33% de acur??cia.

Es un hecho reconocido, el alto nivel de dependencia tecnol��gica de nuestro pa��s y se considera que una de las variables fundamentales que conllevan a esta dependencia es la baja capacidad para el desarrollo y fabricaci��n de m��quinas y prototipos de m��quinas para procesos de producci��n industrial. Siendo el desarrollo del sistema de control electr��nico una actividad crucial en el proceso de dise��o de una m��quina, hemos decidido desarrollar una maquinaria para la fabricaci��n de circuitos impresos. En esta primera parte del proyecto identificamos el flujo de trabajo que lleva al prototipo de circuito impreso en formato digital, desde una aplicaci��n de software en la que el ingeniero en electr��nica edita un circuito electr��nico (CAD), a otro formato (CAM) que le permite a la m��quina la fabricaci��n del circuito impreso. En esta ��ltima etapa la m��quina es controlada por otra aplicaci��n de software. El flujo de trabajo fue reproducido con versiones de software propietario y software libre, encontrando que por ambos m��todos podr��an obtenerse resultados similares. Estos primeros resultados nos permiten afirmar que efectivamente el proceso de fabricaci��n de circuitos impresos puede realizarse mediante el uso de software libre especializado, logrando resultados similares a los obtenidos utilizando software propietario. En una segunda parte del proyecto, procederemos a fabricar y ensamblar la m��quina para realizar las pruebas emp��ricas correspondientes.

Submitted by Camilo Souza (kmilosouza@gmail.com) on 2019-10-28T18:22:02Z No. of bitstreams: 4 new doc 2019-10-21 17.49.30-20191028140206.pdf: 68372 bytes, checksum: 98951aab269fd70281a136de4c10a666 (MD5) v5.pdf: 2408324 bytes, checksum: 9888564d197082d3a91c75a6b1726b2a (MD5) 52 Folha de Aprova????o - Camilo Souza (Digitalizada).pdf: 367140 bytes, checksum: a6df49110738c5419df8aa68acb3aa16 (MD5) 52 ATA de Defesa - Camilo Souza (Digitalizada).pdf: 498628 bytes, checksum: 983dd750cd32ae90358c3361b7cf4784 (MD5) Rejected by Secretaria PPGI (secretariappgi@icomp.ufam.edu.br), reason: Ao tentar visualizar a Tese, a seguinte mensagem de erro ?? exibida: Falha ao carregar documento PDF. Faz-se necess??ria, portanto, a ressubmiss??o da Tese com a corre????o do respectivo arquivo. on 2019-10-29T11:55:44Z (GMT) Submitted by Camilo Souza (kmilosouza@gmail.com) on 2019-10-30T03:27:17Z No. of bitstreams: 4 52 ATA de Defesa - Camilo Souza (Digitalizada).pdf: 494627 bytes, checksum: 5ad5f528c30c50c7fd80ae522d63b3b8 (MD5) 52 Folha de Aprova????o - Camilo Souza (Digitalizada).pdf: 363140 bytes, checksum: ec125502ab7c8b6b4f926b8ce05da35a (MD5) new doc 2019-10-21 17.49.30-20191028140206.pdf: 64372 bytes, checksum: 1c660262ce8745365edfecab5e77bf61 (MD5) v5.pdf: 2404335 bytes, checksum: d97ccf302534ad3c21c319236524566f (MD5) Rejected by Secretaria PPGI (secretariappgi@icomp.ufam.edu.br), reason: A vers??o definitiva da Tese n??o atende aos seguintes requisitos: 1) A Ficha Catalogr??fica (PDF) n??o foi gerada seguindo o padr??o adotado pela Biblioteca Central da UFAM (http://fichacatalografica.ufam.edu.br/ficha/create) e 2) a vers??o digitalizada da Folha de Aprova????o n??o est?? anexada ?? tese ap??s a Ficha Catalogr??fica. Portanto, ap??s os ajustes acima mencionados, o discente deve ressubmiss??o. on 2019-10-30T12:06:33Z (GMT) Submitted by Camilo Souza (kmilosouza@gmail.com) on 2019-11-02T17:02:33Z No. of bitstreams: 4 52 ATA de Defesa - Camilo Souza (Digitalizada).pdf: 494627 bytes, checksum: 5ad5f528c30c50c7fd80ae522d63b3b8 (MD5) 52 Folha de Aprova????o - Camilo Souza (Digitalizada).pdf: 363140 bytes, checksum: ec125502ab7c8b6b4f926b8ce05da35a (MD5) new doc 2019-10-21 17.49.30-20191028140206.pdf: 64372 bytes, checksum: 1c660262ce8745365edfecab5e77bf61 (MD5) final.pdf: 2489290 bytes, checksum: dfe7dfdd00d206c27c971dd91c5788ab (MD5) Approved for entry into archive by Secretaria PPGI (secretariappgi@icomp.ufam.edu.br) on 2019-11-04T19:42:29Z (GMT) No. of bitstreams: 4 52 ATA de Defesa - Camilo Souza (Digitalizada).pdf: 494627 bytes, checksum: 5ad5f528c30c50c7fd80ae522d63b3b8 (MD5) 52 Folha de Aprova????o - Camilo Souza (Digitalizada).pdf: 363140 bytes, checksum: ec125502ab7c8b6b4f926b8ce05da35a (MD5) new doc 2019-10-21 17.49.30-20191028140206.pdf: 64372 bytes, checksum: 1c660262ce8745365edfecab5e77bf61 (MD5) final.pdf: 2489290 bytes, checksum: dfe7dfdd00d206c27c971dd91c5788ab (MD5) Rejected by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br), reason: A Ficha catalogr??fica precisa ser corrigida. A Entrada do sobrenome do autor deve ser pelo ??ltimo sobrenome, conforme as orienta????es do Sistema. Neste caso, o correto ?? "Souza, Camilo Batista de". ?? necess??rio elaborar novamente a ficha e refazer o upload. O sistema de elabora????o est?? dispon??vel em: https://biblioteca.ufam.edu.br/servicos/elaboracao-de-ficha-catalografica on 2019-11-05T19:08:48Z (GMT) Submitted by Camilo Souza (kmilosouza@gmail.com) on 2019-11-07T02:50:21Z No. of bitstreams: 4 52 ATA de Defesa - Camilo Souza (Digitalizada).pdf: 494627 bytes, checksum: 5ad5f528c30c50c7fd80ae522d63b3b8 (MD5) 52 Folha de Aprova????o - Camilo Souza (Digitalizada).pdf: 363140 bytes, checksum: ec125502ab7c8b6b4f926b8ce05da35a (MD5) new doc 2019-10-21 17.49.30-20191028140206.pdf: 64372 bytes, checksum: 1c660262ce8745365edfecab5e77bf61 (MD5) v4.pdf: 2489288 bytes, checksum: 787fb72b36ac9c7ed1ea2f905b6270c4 (MD5) Approved for entry into archive by Secretaria PPGI (secretariappgi@icomp.ufam.edu.br) on 2019-11-07T15:43:21Z (GMT) No. of bitstreams: 4 52 ATA de Defesa - Camilo Souza (Digitalizada).pdf: 494627 bytes, checksum: 5ad5f528c30c50c7fd80ae522d63b3b8 (MD5) 52 Folha de Aprova????o - Camilo Souza (Digitalizada).pdf: 363140 bytes, checksum: ec125502ab7c8b6b4f926b8ce05da35a (MD5) new doc 2019-10-21 17.49.30-20191028140206.pdf: 64372 bytes, checksum: 1c660262ce8745365edfecab5e77bf61 (MD5) v4.pdf: 2489288 bytes, checksum: 787fb72b36ac9c7ed1ea2f905b6270c4 (MD5) Approved for entry into archive by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br) on 2019-11-07T18:33:18Z (GMT) No. of bitstreams: 4 52 ATA de Defesa - Camilo Souza (Digitalizada).pdf: 494627 bytes, checksum: 5ad5f528c30c50c7fd80ae522d63b3b8 (MD5) 52 Folha de Aprova????o - Camilo Souza (Digitalizada).pdf: 363140 bytes, checksum: ec125502ab7c8b6b4f926b8ce05da35a (MD5) new doc 2019-10-21 17.49.30-20191028140206.pdf: 64372 bytes, checksum: 1c660262ce8745365edfecab5e77bf61 (MD5) v4.pdf: 2489288 bytes, checksum: 787fb72b36ac9c7ed1ea2f905b6270c4 (MD5) Made available in DSpace on 2019-11-07T18:33:18Z (GMT). No. of bitstreams: 4 52 ATA de Defesa - Camilo Souza (Digitalizada).pdf: 494627 bytes, checksum: 5ad5f528c30c50c7fd80ae522d63b3b8 (MD5) 52 Folha de Aprova????o - Camilo Souza (Digitalizada).pdf: 363140 bytes, checksum: ec125502ab7c8b6b4f926b8ce05da35a (MD5) new doc 2019-10-21 17.49.30-20191028140206.pdf: 64372 bytes, checksum: 1c660262ce8745365edfecab5e77bf61 (MD5) v4.pdf: 2489288 bytes, checksum: 787fb72b36ac9c7ed1ea2f905b6270c4 (MD5) Previous issue date: 2019-08-30 CAPES - Coordena????o de Aperfei??oamento de Pessoal de N??vel Superior Opportunistic networks provide communication support in areas with overloaded cellular networks, and in scenarios where a fixed infrastructure is not available, as in remote and developing regions. A critical issue, which still requires a satisfactory solution, is the design of an efficient data delivery solution that considers delivery efficiency, delay, and cost. To tackle this problem, most researchers have used either the network state or node mobility as a forwarding criterion. Solutions based on social behaviour have recently being considered as a promising alternative. Following the philosophy from this new category of protocols, in this work, we present the "FriendShip and Acquaintanceship Forwarding"(FSF), a routing algorithm that makes its routing decisions considering the social ties between the nodes and both the selfishness and the device resources levels of the candidate to message relay. When a contact opportunity arises, FSF first classifies the social ties between the message destination and the candidate to relay. Then, by using logistic functions, FSF assesses the relay node selfishness to consider those cases in which the relay node is socially selfish. To consider those cases in which the relay node does not accept to receive the message because its device has resource constraints at that moment, FSF looks at the resource levels of the relay node. Regarding the buffer management problems, in this work we introduced the algorithm Friendly-Drop (FDA) which takes its decisions based on the nodes social relationships. When the nodes buffer is with constraints, FDA drops the messages addressed to nodes with weak social relationship. On the other hand, if a pair of nodes are in contact, FDA sends the messages addressed to nodes having strong social relationships. By using the ONE simulator to carry out trace-driven simulation experiments, we have found that even considering the selfishness on routing issues, our FSF algorithm outperforms previously proposed schemes, by increasing the delivery ratio up to 20% with the advantage it needs a lower number of forwarding events. We have also found that the buffer management algorithm can become an important key to improve network performance in scenarios with selfish nodes. Redes Oportunistas est??o se tornando uma solu????o para fornecer suporte de comunica????o em ??reas com redes celulares sobrecarregadas, e em cen??rios onde uma infraestrutura fixa n??o est?? dispon??vel, como em regi??es remotas e em desenvolvimento. Uma quest??o cr??tica, que ainda requer uma solu????o satisfat??ria, ?? o projeto de uma solu????o eficiente de dissemina????o de dados em termos da taxa de entrega, atraso m??dio e custo de encaminhamentos. Para solucionar esse problema, a maioria dos pesquisadores tem usado o estado da rede ou a mobilidade dos n??s como um crit??rio para a dissemina????o dos dados. Recentemente, solu????es baseadas em relacionamentos sociais t??m sido consideradas como uma alternativa promissora. Seguindo a filosofia dessa nova categoria de protocolos, na presente tese de doutorado apresentam-se dois algoritmos para Redes Oportunistas, os quais tomam suas decis??es de roteamento e gerenciamento de recursos considerando os la??os sociais entre os n??s da rede. Para o problema do roteamento, apresenta-se o algoritmo Friendship and Selfishness Forwarding Quando surge uma oportunidade de contato, o algoritmo proposto primeiramente classifica os la??os sociais entre o destinat??rio da mensagem e o n?? candidato a receber a mensagem, doravante referido como relay. Posteriormente, utilizando fun????es log??sticas, o algoritmo proposto avalia o ego??smo do n?? relay para considerar os casos em que o n?? receptor ?? ego??sta seja porque seu dispositivo est?? com limita????es de recursos, ou porque ele ?? racionalmente ego??sta. Para o problema do gerenciamento de buffer, ?? introduzido o algoritmo denominado Friendly-drop (FDA), o qual toma suas decis??es de encaminhamento/descarte de mensagens baseando-se nos relacionamentos sociais entre os n??s. Quando o buffer dos n??s est?? cheio, FDA prioriza o descarte de mensagens destinadas a usu??rios com quem a rela????o social ?? mais fraca. Por outro lado, quando os n??s est??o em contato, FDA prioriza o envio de mensagens destinadas a usu??rios com quem a rela????o social ?? mais forte. Os resultados obtidos atrav??s do simulador The ONE mostram que, mesmo considerando o ego??smo dos n??s no problema de dissemina????o de mensagens, o algoritmo proposto supera outros algoritmos bem conhecidos na literatura, aumentando a taxa de entrega em at?? 20% e com a vantagem de precisar de um menor n??mero de eventos de encaminhamento. Os resultados obtidos na presente tese de doutorado tamb??m demonstram que o algoritmo de gerenciamento de buffer pode se tornar uma importante chave para melhorar o desempenho da rede em cen??rios com n??s ego??stas.

El proyecto AEMA, no solo se ha desarrollado como un archivo sino como una propuesta curatorial, de tal manera que el principal resultado de este proyecto es la Red Espa��ola de Archivos y Colecciones de Arte Medi��tico online, como espacio de convergencia para la cooperaci��n en su gesti��n, preservaci��n y difusi��n a trav��s del apoyo de instrumentos t��cnicos en el camino hacia la internacionalizaci��n. En esta perspectiva, nos vamos a detener, concretamente -mediante un recorrido a trav��s de la interacci��n de c��digos QR-, en algunos de los proyectos y obras de media art de la colecci��n MediaLab Madrid, por ser pioneros en propuestas interactivas hombre-m��quina.

This poster was developed based on supervisors and their connections with the PhD students. The visualisation was commissioned by the team of the DesignOBS project (Towards a Design Observatory in Portugal, www.designobs.pt), following a distributed and participatory approach. The dataset used to create this work is available here: Costa, N., Branco, V., Costa, R., Borges, A., Cunca, R., Modesto, A., & Silva, A.C. (2020). Design doctorates undertaken in Portugal (Version 2) [Data set]. Zenodo. https://doi.org/10.5281/zenodo.4559415 Work developed within the project: Design Obs. Towards a Design Observatory: models, instruments, representations and strategies. Supported by the Lisbon Regional Operational Programme (Lisboa 2020) and the Competitiveness and Internationalisation Operational Programme (POCI-01-0145-FEDER-032445), under the PORTUGAL 2020 Partnership Agreement, through the European Regional Development Fund (ERDF) and FCT ��� Foundation for Science and Technology.

Submitted by Diego Rodrigues (diego.rodrigues@icomp.ufam.edu.br) on 2018-12-07T21:38:02Z No. of bitstreams: 2 Diego Rodrigues.pdf: 3673641 bytes, checksum: f1fdd4162dc6acd590136bb6b886704e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Approved for entry into archive by Secretaria PPGI (secretariappgi@icomp.ufam.edu.br) on 2018-12-07T22:27:06Z (GMT) No. of bitstreams: 2 Diego Rodrigues.pdf: 3673641 bytes, checksum: f1fdd4162dc6acd590136bb6b886704e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Approved for entry into archive by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-12-10T19:02:56Z (GMT) No. of bitstreams: 2 Diego Rodrigues.pdf: 3673641 bytes, checksum: f1fdd4162dc6acd590136bb6b886704e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Made available in DSpace on 2018-12-10T19:02:56Z (GMT). No. of bitstreams: 2 Diego Rodrigues.pdf: 3673641 bytes, checksum: f1fdd4162dc6acd590136bb6b886704e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2018-10-22 CAPES - Coordena????o de Aperfei??oamento de Pessoal de N??vel Superior 981997982 Schema Matching is the problem of finding semantic correspondences between elements from different schemas. This is a challenging problem, since the same concept is often represented by disparate elements in the schemas. The traditional instances of this problem involved a pair of schemas to be matched. However, recently there has been a increasing interest in matching several related schemas at once, a problem known as Schema Matching Networks, where the goal is to identify elements from several schemas that correspond to a single concept. We propose a family of methods for schema matching networks based on machine learning, which proved to be a competitive alternative for the traditional matching problem in several domains. To overcome the issue of requiring a large amount of training data, we also propose a bootstrapping procedure to automatically generate training data. In addition, we leverage constraints that arise in network scenarios to improve the quality of this data. We also propose a strategy for receiving user feedback to assert some of the matchings generated, and, relying on this feedback, improving the quality of the final result. Our experiments show that our methods can outperform baselines reaching F1-score up to 0.83. Casamento de Esquemas ?? a tarefa de encontrar correpond??ncias entre elementos de diferentes esquemas de bancos de dados. ?? um problema desafiador, uma vez que o mesmo conceito geralmente ?? representado de maneiras distintas nos esquemas.Tradicionalmente, a tarefa envolve um par de esquemas a serem mapeados. Entretanto, houve um crescimento na necessidade de mapear v??rios esquemas ao mesmo tempo, tarefa conhecida como Casamento de Esquemas em Rede, onde o objetivo ?? identificar elementos de v??rios esquemas que correspondem ao mesmo conceito. Este trabalho prop??e uma fam????lia de m??todos para o problema do casamento de esquemas em rede baseados em aprendizagem de m??quina, que provou ser uma alternativa vi??vel para o problema do casamento tradicional em diversos dom????nios. Para superar obst??culo de obter bastantes inst??ncias de treino, tamb??m ?? proposta uma t??cnica de bootstrapping para gerar treino autom??tico. Al??m disso, o trabalho considera restri????es de integridade que ajudam a nortear o processo de casamento em rede. Este trabalho tamb??m prop??e uma estrat??gia para receber avalia????es do usu??rio, com o prop??sito de melhorar o resultado final. Experimentos mostram que o m??todo proposto supera outros m??todos comparados alcan??ando valor F1 at?? 0.83 e sem utilizar muitas avalia????es do usu??rio.

Este projeto desenvolveu indicadores de estresse e de desgaste oriundos do pr��prio supervis��rio da planta, bem como medidores de campo, sistemas on-line de monitoramento da condi����o e relat��rios da equipe de manuten����o. O sistema desenvolvido �� constitu��do da infraestrutura j�� existente na usina (sensores, estrutura de rede), novos sensores (como, medi����o da curva de press��o intracilindro), e banco de dados. Foi desenvolvido um software de an��lise em Python e, para melhor visualiza����o dos resultados gerados, foi desenvolvida uma nova interface gr��fica na forma de um supervis��rio.Com o emprego do sistema desenvolvido em campo, obt��m-se estabelecimento de crit��rios para se escolher o melhor regime de opera����o dentro das margens poss��veis, a identifica����o de quais s��o os fatores de estresse que mais impactam no desgaste do conjunto, a indica����o do n��vel de confiabilidade relativa entre as unidades geradoras e .o conhecimento da influ��ncia do regime de opera����o no desgaste da m��quina.

Submitted by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-12-04T14:26:20Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Disserta????o_Jorge C. Seabra.pdf: 2679171 bytes, checksum: a3f32ee0ecd6132b922b8c292c8c6ffc (MD5) Approved for entry into archive by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-12-04T14:26:31Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Disserta????o_Jorge C. Seabra.pdf: 2679171 bytes, checksum: a3f32ee0ecd6132b922b8c292c8c6ffc (MD5) Made available in DSpace on 2017-12-04T14:26:31Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Disserta????o_Jorge C. Seabra.pdf: 2679171 bytes, checksum: a3f32ee0ecd6132b922b8c292c8c6ffc (MD5) Previous issue date: 2017-04-28 CAPES - Coordena????o de Aperfei??oamento de Pessoal de N??vel Superior The conventional household equipment we use on a day-to-day basis is practically not monitored for real-time faults and defects. In this work, an approach will be presented to the application of machine learning with the use of selected data of the equipment when in operation, and of data references extracted from the datasheets. In order to analyze, compare and evaluate differences in data sets, the fault detection and diagnosis device was developed to classify the symptoms that may represent defects in the equipment in real time. The occurrences of these equipment failures are traditionally identified by the users themselves when the expected performance does not occur. With the use of a microprocessed board connected to the electronic sensors installed at strategic points in the equipment, the data comparison step is started, the data collected are transmitted to the server, which through the Machine Learning algorithm performs the tasks for identification of the Detected failures. Real-time monitoring of the behavior of electrical and physical magnitudes of conventional household equipment is aimed at monitoring functional behavior and informing the user of any faults using local or Internet resources. Os equipamentos dom??sticos convencionais que utilizamos no dia a dia, praticamente, n??o s??o monitorados para verifica????o de falhas e defeitos em tempo real. Neste trabalho, ser?? apresentada uma abordagem da aplica????o do aprendizado de m??quina com a utiliza????o de dados selecionados dos equipamentos quando em funcionamento, e de dados refer??ncias extra??dos das fichas t??cnicas. Para analisar, comparar e avaliar as diferen??as nos conjuntos de dados, foi desenvolvido o dispositivo de detec????o e diagn??stico de falha para classificar os sintomas que podem representar defeitos nos equipamentos em tempo real. As ocorr??ncias das falhas destes equipamentos, tradicionalmente s??o identificadas pelos pr??prios usu??rios quando o desempenho esperado n??o acontece. Com a utiliza????o de uma placa micro processada conectada aos sensores eletr??nicos instalados em pontos estrat??gicos no equipamento, iniciase a etapa da compara????o de dados, os dados coletados s??o transmitidos ao servidor que atrav??s do algoritmo de Aprendizado de M??quina executa as tarefas para identifica????o das falhas detectadas. O monitoramento em tempo real do comportamento das grandezas el??tricas e f??sicas dos equipamentos de usos dom??sticos convencionais tem como objetivo, monitorar o comportamento funcional e informar ao usu??rio, eventuais falhas, utilizando os recursos da rede local ou da internet.

Submitted by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-09-21T13:30:01Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Disserta????o - Jean M. Silva.pdf: 2402959 bytes, checksum: 383ba6b094d0e3793c827f6e8c9d8ee3 (MD5) Approved for entry into archive by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-09-21T13:51:45Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Disserta????o - Jean M. Silva.pdf: 2402959 bytes, checksum: 383ba6b094d0e3793c827f6e8c9d8ee3 (MD5) Made available in DSpace on 2017-09-21T13:51:45Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Disserta????o - Jean M. Silva.pdf: 2402959 bytes, checksum: 383ba6b094d0e3793c827f6e8c9d8ee3 (MD5) Previous issue date: 2017-04-11 The objective of this research is to insert a bristle pressing machine changing the production of a manual model for a machining. The machine is intended for a group of young and adults with Syndrome Down that is organized and governed by a tutor who leads 23 individuals at APAE-AM. The work methodology is considered as applied and exploratory. Ergonomic and anthropometric studies were adopted and applied to the group of young people with Syndrome Down in order to specifically serve this target audience. The study presents a series of data collection on work activities performed by young people with Syndrome Down, characterizing it as Action Research. Methodological procedures were used in the design stage that resulted in the homologation of engineering sheets. He went through the construction phase with discarded material coming from the tasks adopted at a technical school of one of the disciplines of machining SENAI schools. After built it underwent several tests and then inserted into the process of producing household brooms. The objectives were achieved and after past stages of setting the young people with the new equipment, production rates increased. It stands out a greater added value, since the product that went through a standardization. Production engineering, through the tools aimed at quality and productivity, can intervene in the man-machine-to-machine question and identify where the interventions, not only of the design and production engineering and social inclusion of these young, sometimes unassisted, could have taken place. The equipment is protected by patent and characterized as innovation in addition to being in full operation. O objetivo desta pesquisa ?? inserir uma m??quina de prensar cerdas alterando a produ????o de um modelo manual para um mecanizado. A m??quina se destina a um grupo de jovens e adultos com S??ndrome de Down que ?? organizado e regido por um tutor que lidera 23 indiv??duos na APAE-AM. A metodologia de trabalho se enquadra como aplicada e explorat??ria. Estudos ergon??micos e antropom??tricos foram adotados e aplicados ao grupo de jovens com S??ndrome de Down para deste modo, atender especificamente esse p??blico alvo. O estudo apresenta uma s??rie de levantamento de dados sobre atividades laborais executadas por jovens com S??ndrome de Down caracterizando-a tamb??m como Pesquisa A????o. Procedimentos metodol??gicos foram usados na etapa de projeta????o que resultou na homologa????o das folhas de engenharia. Passou pela fase de constru????o que contou com material descartado proveniente das tarefas adotadas em uma escola t??cnica de uma das disciplinas de usinagem das escolas SENAI. Ap??s constru??da passou por v??rios testes e ent??o inserida no processo de produ????o de vassouras dom??sticas. Os objetivos foram alcan??ados e ap??s vencidas etapas de ambienta????o dos jovens com o novo equipamento, os ??ndices de produ????o aumentou. Destaca-se um maior valor agregado, pois o produto que passou por uma padroniza????o. A engenharia de produ????o, atrav??s das ferramentas voltadas para qualidade e produtividade pode intervir no quesito homem-tarefa-m??quina e identificar onde se pode ter efetivadas as interven????es n??o s?? do design e engenharia de produ????o e inclus??o social desses jovens, vezes desassistidos. O equipamento est?? protegido por patente e caracterizado como inova????o al??m de estar em plena opera????o.

Current computer systems separate main memory from storage. Programming languages typically reflect this distinction using different representations for data in memory (e.g. data structures, objects) and storage (e.g. files, databases). Moving data back and forth between these different layers and representations compromise both programming and execution efficiency. Recent nonvolatile memory technologies, such as Phase-Change Memory, Resistive RAM, and Magnetoresistive RAM make it possible to collapse main memory and storage into a single layer of persistent memory, opening the way for simpler and more efficient programming abstractions for handling persistence. This Ph.D. thesis introduces a design for the runtime environment for languages with automatic memory management, based on an original combination of orthogonal persistence, persistent memory programming, persistence by reachability, and lock-based failure-atomic transactions. Such design can significantly increase programming and execution efficiency, as in-memory data structures are transparently persistent, without the need for programmatic persistence handling, and removing the need for crossing semantic boundaries. In order to validate and demonstrate the proposed concepts, this work also presents JaphaVM, the first Java Virtual Machine specifically designed for persistent memory. In experimental results using benchmarks and real-world applications, JaphaVM in most cases executed the same operations between one and two orders of magnitude faster than database- and file-based implementations, while requiring significantly less lines of code. Sistemas computacionais da atualidade tradicionalmente separam mem?ria e armazenamento. Linguagens de programa??o tipicamente refletem essa distin??o usando diferentes representa??es para dados em mem?ria (ex. estruturas de dados, objetos) e armazenamento (ex. arquivos, bancos de dados). A movimenta??o de dados entre esses dois n?veis e representa??es, bidirecionalmente, compromete tanto a efici?ncia do programador quanto de execu??o dos programas. Tecnologias recentes de memoria n?o-vol?til, tais como mem?ria de transi??o de fase, resistiva e magnetoresistiva, possibilitam combinar mem?ria principal e armazenamento em uma ?nica entidade de mem?ria persistente, abrindo caminho para abstra??es mais eficientes para lidar com persist?ncia de dados. Essa tese de doutorado introduz uma abordagem de projeto para o ambiente de execu??o de linguagens com ger?ncia autom?tica de mem?ria, baseado numa combina??o original de persist?ncia ortogonal, programa??o para mem?ria persistente, persist?ncia por alcance, e transa??es com atomicidade em caso de falha. Esta abordagem pode melhorar significativamente a produtividade do programador e a efici?ncia de execu??o dos programas, uma vez que estruturas de dados em mem?ria passam a ser persistentes de forma transparente, sem a necessidade de programar explicitamente o armazenamento, e removendo a necessidade de cruzar fronteiras sem?nticas. De forma a validar e demonstrar a abordagem proposta, esse trabalho tamb?m apresenta JaphaVM, a primeira M?quina Virtual Java especificamente projetada para mem?ria persistente. Resultados experimentais usando benchmarks e aplica??es reais demonstram que a JaphaVM, na maioria dos casos, executa as mesmas opera??es cerca de uma a duas ordens de magnitude mais rapidamente do que implementa??es equivalentes usando bancos de dados ou arquivos, e, ao mesmo tempo, requer significativamente menos linhas de c?digo.

Pressure ulcers have high prevalence in ICU patients but are preventable if identified in initial stages. In practice, the Braden scale is used to classify high-risk patients. This paper investigates the use of machine learning in electronic health records data for this task, by using data available in MIMIC-III v1.4. Two main contributions are made: a new approach for evaluating models that considers all predictions made during a stay, and a new training method for the machine learning models. The results show a superior performance in comparison to the state of the art; moreover, all models surpass the Braden scale in every operating point in the precision-recall curve. -- -- Les��es por press��o possuem alta preval��ncia em pacientes de UTI e s��o preven��veis ao serem identificadas em est��gios iniciais. Na pr��tica utiliza-se a escala de Braden para classifica����o de pacientes em risco. Este artigo investiga o uso de aprendizado de m��quina em dados de registros eletr��nicos para este fim, a partir da base de dados MIMIC-III v1.4. S��o feitas duas contribui����es principais: uma nova abordagem para a avalia����o dos modelos e da escala de Braden levando em conta todas as predi����es feitas ao longo das interna����es, e um novo m��todo de treinamento para os modelos de aprendizado de m��quina. Os resultados obtidos superam o estado da arte e verifica-se que os modelos superam significativamente a escala de Braden em todos os pontos de opera����o da curva de precis��o por sensibilidade., 3 pages, 1 figure, in Portuguese, accepted at XVIII Congresso Brasileiro de Inform\'atica em Sa\'ude (CBIS 2021)

Submitted by Gilson Rodrigues (gilson.rodrigues@ufvjm.edu.br) on 2022-08-09T20:54:46Z No. of bitstreams: 1 2021 - Disserta??o AP - Diego da Silva Passos.pdf: 1932067 bytes, checksum: 4a1924964d6436b8a9ab105dd5d1f686 (MD5) Approved for entry into archive by Jos? Henrique Henrique (jose.neves@ufvjm.edu.br) on 2022-08-10T18:25:03Z (GMT) No. of bitstreams: 1 2021 - Disserta??o AP - Diego da Silva Passos.pdf: 1932067 bytes, checksum: 4a1924964d6436b8a9ab105dd5d1f686 (MD5) Made available in DSpace on 2022-08-10T18:25:03Z (GMT). No. of bitstreams: 1 2021 - Disserta??o AP - Diego da Silva Passos.pdf: 1932067 bytes, checksum: 4a1924964d6436b8a9ab105dd5d1f686 (MD5) Previous issue date: 2021 Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM) A ?rea de Prote??o Ambiental (APA) do Alto do Mucuri ? uma unidade de conserva??o de uso sustent?vel que tem como objetivo a integra??o sustent?vel na rela??o entre o homem e a natureza. O territ?rio abrange oito munic?pios localizados na regi?o do Vale do Mucuri e tem como principal amea?a de exist?ncia a interven??o ambiental ilegal do ser humano, sendo o inc?ndio florestal um dos grandes desafios para sua sobreviv?ncia. O Registro de Ocorr?ncia de Inc?ndio (ROI) ? uma das ferramentas para compreens?o e combate do inc?ndio florestal que consiste no preenchimento de formul?rio contendo aspectos desde a identifica??o do inc?ndio florestal at? a sua debela??o. Com base nessas informa??es, o estudo utilizou o m?todo descritivo e a abordagem quantitativa para analisar a contribui??o preditiva da ocorr?ncia do dano ambiental na gest?o p?blica da APA do Alto do Mucuri, a partir de 138 ROI?s gerados entre os anos 2014 a 2018. Para an?lise foi utilizado o algoritmo Random Forest, t?cnica de aprendizado de m?quina para predi??o das vari?veis determinantes do dano ambiental. Os resultados alcan?ados revelaram maiores ocorr?ncias de inc?ndios, respectivamente, nos munic?pios de Ladainha e Itaip?, atingindo principalmente a vegeta??o Floresta Estacional Semidecidual do bioma Mata Atl?ntica. Os eventos, em sua maioria, tiveram causas desconhecidas e atividades agropecu?rias, alcan?ando o n?mero de 14.729,92 hectares de vegeta??o queimada e 9.864,61 horas de combate de inc?ndios florestais. Os modelos I e II aplicados no algoritmo Random Forest alcan?aram n?veis de acur?cia de 48,78% na fase de testagem demonstrando melhor poder preditivo para o dano ambiental de intensidade baixa e moderada. Os fatores que mais colaboraram para a identifica??o do dano ambiental foram: cobertura agropecu?ria, m?s, cobertura floresta natural para o ?ndice de acur?cia m?dia e as vari?veis de concentra??o de mon?xido de carbono, dire??o do vento e concentra??o de oz?nio para o ?ndice Gini. Atrav?s dos resultados foi poss?vel verificar a import?ncia das caracter?sticas clim?ticas e de cobertura geogr?fica para a mensura??o do dano ambiental. Como sugest?o de estudo para as atividades de gest?o da unidade de conserva??o ? a reformula??o do conte?do do ROI e a utiliza??o do algoritmo Random Forest de maneira rotineira para alcance de efici?ncia na utiliza??o de insumos e tempo de resposta para o combate de inc?ndios florestais. Disserta??o (Mestrado) ? Programa de P?s-gradua??o em Administra??o P?blica, Universidade Federal dos Vales do Jequitinhonha e Mucuri, 2021. The Environmental Protection Area (APA) of Alto do Mucuri is a conservation unit for sustainable use that aims at sustainable integration in the relationship between man and nature. The territory covers eight municipalities located in the Vale do Mucuri region and its main threat to existence is the illegal environmental intervention of human beings, the forest fire being one of the major challenges for their survival. The Fire Occurrence Record (ROI) is one of the tools for understanding and fighting forest fire that consists of filling out a form containing aspects from the identification of the forest fire to its elimination. Based on this information, the study used the descriptive method and the quantitative approach to analyze the predictive contribution of the occurrence of environmental damage in the public management of the APA Alto do Mucuri, from 138 ROI?s generated between the years 2014 to 2018. The Random Forest algorithm was used for analysis, machine learning technique to predict the variables that determine environmental damage. The results achieved revealed greater occurrences of fires in the municipalities of Ladainha and Itaip? respectively, mainly affecting the vegetation of the semi-deciduous seasonal forest of the Atlantic Forest biome. Most of the events had unknown causes and agricultural activities, reaching 14,729.92 hectares of burnt vegetation and 9,864.61 hours of forest firefighting. Models I and II applied to the Random Forest algorithm reached accuracy levels of 48.78% in the testing phase, demonstrating a better predictive power for low and moderate intensity environmental damage. The factors that contributed most to the identification of environmental damage were: agricultural cover, month, natural forest cover for the average accuracy index and the variables of carbon monoxide concentration, wind direction and ozone concentration for the Gini index. Through the results it was possible to verify the importance of climatic characteristics and geographic coverage for the measurement of environmental damage. As a suggestion of the study for the management activities of the conservation unit is the reformulation of the content of the ROI and the use of the Random Forest algorithm on a routine basis to achieve efficiency in the use of inputs and response time for fighting forest fires.

This work presents the results of project CONECT4, which addresses the research and development of new non-intrusive communication methods for the generation of a human-machine learning ecosystem oriented to predictive maintenance in the automotive industry. Through the use of innovative technologies such as Augmented Reality, Virtual Reality, Digital Twin and expert knowledge, CONECT4 implements methodologies that allow improving the efficiency of training techniques and knowledge management in industrial companies. The research has been supported by the development of content and systems with a low level of technological maturity that address solutions for the industrial sector applied in training and assistance to the operator. The results have been analyzed in companies in the automotive sector, however, they are exportable to any other type of industrial sector. -- -- En esta publicaci��n se presentan los resultados del proyecto CONECT4, que aborda la investigaci��n y desarrollo de nuevos m��todos de comunicaci��n no intrusivos para la generaci��n de un ecosistema de aprendizaje hombre-m��quina orientado al mantenimiento predictivo en la industria de automoci��n. A trav��s del uso de tecnolog��as innovadoras como la Realidad Aumentada, la Realidad Virtual, el Gemelo Digital y conocimiento experto, CONECT4 implementa metodolog��as que permiten mejorar la eficiencia de las t��cnicas de formaci��n y gesti��n de conocimiento en las empresas industriales. La investigaci��n se ha apoyado en el desarrollo de contenidos y sistemas con un nivel de madurez tecnol��gico bajo que abordan soluciones para el sector industrial aplicadas en la formaci��n y asistencia al operario. Los resultados han sido analizados en empresas del sector de automoci��n, no obstante, son exportables a cualquier otro tipo de sector industrial., 15 pages, 16 figures, in Spanish

A predi??o de falhas de software ? uma parte significativa da garantia de qualidade do software e ? normalmente utilizada para detectar m?dulos propensos a falhar baseados em dados coletados ap?s o processo de desenvolvimento do projeto. Diversas t?cnicas de aprendizado de m?quina t?m sido propostas para gera??o de modelos preditivos a partir da coleta dos dados, por?m nenhuma se tornou a solu??o padr?o devido as especificidades de cada projeto. Por isso, a hip?tese levantada por este trabalho ? que recomendar algoritmos de aprendizado de m?quina para cada projeto ? mais importante e ?til do que o desenvolvimento de um ?nico algoritmo de aprendizado de m?quina a ser utilizado em qualquer projeto. Para alcan?ar este objetivo, prop?e-se nesta disserta??o um framework para recomendar algoritmos de aprendizado de m?quina capaz de identificar automaticamente o algoritmo mais adequado para aquele projeto espec?fico. A solu??o, chamada FMA-PFS, faz uso da t?cnica de meta-aprendizado, a fim de aprender o melhor algoritmo para um projeto em particular. Os resultados mostram que o framework FMA-PFS recomenda tanto o melhor algoritmo, quanto o melhor ranking de algoritmos no contexto de predi??o de falhas de software. Software fault prediction is a significant part of software quality assurance and it is commonly used to detect faulty software modules based on software measurement data. Several machine learning based approaches have been proposed for generating predictive models from collected data, although none has become standard given the specificities of each software project. Hence, we believe that recommending the best algorithm for each project is much more important and useful than developing a single algorithm for being used in any project. For achieving that goal, we propose in this dissertation a novel framework for recommending machine learning algorithms that is capable of automatically identifying the most suitable algorithm according to the software project that is being considered. Our solution, namely FMA-PFS, makes use of the metalearning paradigm in order to learn the best learner for a particular project. Results show that the FMA-PFS framework provides both the best single algorithm recommendation and also the best ranking recommendation for the software fault prediction problem.

Submitted by Sheila Silva (sheila.nobrega@gmail.com) on 2020-08-27T01:32:55Z No. of bitstreams: 3 Tese_Sheila_Nobrega.pdf: 1509926 bytes, checksum: ff3bf37b1a3253a021bd4a5df2736e8a (MD5) cartaencaminhamento.pdf: 300756 bytes, checksum: 47041bc0b3e2147ccbb5a8c5c7e56c91 (MD5) 64 Folha de Aprovac??a??o - Sheila da No??brega_pc.pdf: 843716 bytes, checksum: 8c102ed9eaaa942f7f9633bccef91ff9 (MD5) Rejected by PPGI Inform??tica (secretariappgi@icomp.ufam.edu.br), reason: A Ficha Catalogr??fica deve seguir o modelo da UFAM, seguindo as instru????es do link: http://fichacatalografica.ufam.edu.br/ficha/create on 2020-08-28T17:38:16Z (GMT) Submitted by Sheila Silva (sheila.nobrega@gmail.com) on 2020-09-01T14:56:48Z No. of bitstreams: 3 cartaencaminhamento.pdf: 300756 bytes, checksum: 47041bc0b3e2147ccbb5a8c5c7e56c91 (MD5) 64 Folha de Aprovac??a??o - Sheila da No??brega_pc.pdf: 843716 bytes, checksum: 8c102ed9eaaa942f7f9633bccef91ff9 (MD5) Tese_Sheila_Nobrega.pdf: 1509457 bytes, checksum: ce20c07ea6dd9aba07426fdfedb0816a (MD5) Approved for entry into archive by PPGI Inform??tica (secretariappgi@icomp.ufam.edu.br) on 2020-09-01T15:49:53Z (GMT) No. of bitstreams: 3 cartaencaminhamento.pdf: 300756 bytes, checksum: 47041bc0b3e2147ccbb5a8c5c7e56c91 (MD5) 64 Folha de Aprovac??a??o - Sheila da No??brega_pc.pdf: 843716 bytes, checksum: 8c102ed9eaaa942f7f9633bccef91ff9 (MD5) Tese_Sheila_Nobrega.pdf: 1509457 bytes, checksum: ce20c07ea6dd9aba07426fdfedb0816a (MD5) Rejected by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br), reason: Na ficha catalogr??fica, corrigir a entrada de autoria, onde se l?? "N??brega Silva, Sheila da", leia-se Silva, Sheila da N??brega. A classifica????o de Cutter N999l, dever?? ser editada para N999a, uma vez que a primeira palavra relevante do t??tulo ?? "Applying" (excluem-se os artigos a, o, as, um, umas, uns). on 2020-09-02T14:35:56Z (GMT) Submitted by Sheila Silva (sheila.nobrega@gmail.com) on 2020-09-02T19:49:41Z No. of bitstreams: 3 cartaencaminhamento.pdf: 300756 bytes, checksum: 47041bc0b3e2147ccbb5a8c5c7e56c91 (MD5) 64 Folha de Aprovac??a??o - Sheila da No??brega_pc.pdf: 843716 bytes, checksum: 8c102ed9eaaa942f7f9633bccef91ff9 (MD5) Tese_Sheila_Nobrega_Final.pdf: 1509460 bytes, checksum: 6f7a4e11a170b4d105179b02ea688dc4 (MD5) Approved for entry into archive by PPGI Inform??tica (secretariappgi@icomp.ufam.edu.br) on 2020-09-03T20:24:02Z (GMT) No. of bitstreams: 3 cartaencaminhamento.pdf: 300756 bytes, checksum: 47041bc0b3e2147ccbb5a8c5c7e56c91 (MD5) 64 Folha de Aprovac??a??o - Sheila da No??brega_pc.pdf: 843716 bytes, checksum: 8c102ed9eaaa942f7f9633bccef91ff9 (MD5) Tese_Sheila_Nobrega_Final.pdf: 1509460 bytes, checksum: 6f7a4e11a170b4d105179b02ea688dc4 (MD5) Approved for entry into archive by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br) on 2020-09-03T20:52:19Z (GMT) No. of bitstreams: 3 cartaencaminhamento.pdf: 300756 bytes, checksum: 47041bc0b3e2147ccbb5a8c5c7e56c91 (MD5) 64 Folha de Aprovac??a??o - Sheila da No??brega_pc.pdf: 843716 bytes, checksum: 8c102ed9eaaa942f7f9633bccef91ff9 (MD5) Tese_Sheila_Nobrega_Final.pdf: 1509460 bytes, checksum: 6f7a4e11a170b4d105179b02ea688dc4 (MD5) Made available in DSpace on 2020-09-03T20:52:19Z (GMT). No. of bitstreams: 3 cartaencaminhamento.pdf: 300756 bytes, checksum: 47041bc0b3e2147ccbb5a8c5c7e56c91 (MD5) 64 Folha de Aprovac??a??o - Sheila da No??brega_pc.pdf: 843716 bytes, checksum: 8c102ed9eaaa942f7f9633bccef91ff9 (MD5) Tese_Sheila_Nobrega_Final.pdf: 1509460 bytes, checksum: 6f7a4e11a170b4d105179b02ea688dc4 (MD5) Previous issue date: 2020-07-30 O principal objetivo das m??quinas de busca ?? produzir resultados de ranking de alta qualidade. Um aspecto importante das m??quinas de busca modernas ?? o uso de um grande n??mero de distintas fontes de evid??ncia de relev??ncia para construir um modelo de learning to rank (L2R). Essas evid??ncias coletivamente ajudam a estimar se o documento ?? relevante ou n??o para a consulta. O ranking com os resultados da consulta ?? calculado por meio da fus??o de todas as fontes de evid??ncia em um ??nico score do documento, para cada documento que comp??e o ranking final. Nas ??ltimas d??cadas v??rios trabalhos sobre fus??o de evid??ncias tem sido feito com a implementa????o de m??todos de L2R. Os m??todos de L2R usam exemplos de consultas com os seus respectivos resultados para treinar modelos de aprendizagem supervisionada que determinam a posi????o relativa do documento na lista final de resultados. Uma vez treinado, o modelo pode ser usado durante o processamento da consulta para determinar o ranking final. Esta abordagem, entretanto, inadvertidamente adiciona custos computacionais para o processamento da consulta, o que pode levar a uma queda no desempenho do tempo de processamento. Para mitigar este problema, foi proposto na literatura uma abordagem alternativa - Learning to Precompute Evidence Fusion (LePrEF), baseada em uma t??cnica de aprendizagem supervisionada com PG (Programa????o Gen??tica). O modelo LePrEF prop??e implementar a fus??o de um conjunto de evid??ncias em tempo de indexa????o, gerando um ??nico ??ndice invertido contendo entradas unificadas representando todas as fontes de evid??ncias. Esses termos unificados s??o chamados de Unified Term Impacts (UTIs). Cada UTI substitui v??rios atributos por um ??nico valor no ??ndice de documentos, reduzindo assim o esfor??o para calcular os scores dos documentos em tempo de processamento da consulta porque o sistema busca e processa menos valores. A ado????o de valores de UTI produz resultados de ranking competitivos. Entretanto, a aus??ncia dos atributos que n??o est??o dispon??veis em tempo de consulta pode levar a uma perda de acur??cia. Nesta tese estudamos e propomos uma modifica????o no LambdaMART, que passamos a chamar de UTI-LambdaMART, um algor??timo de gradiente boosting para gerar valores unificados de impactos do termo em tempo de indexa????o. Tamb??m, propomos e avaliamos um modelo h??brido que utiliza valores de UTI com atributos dependentes da consulta. Demonstramos que o nosso m??todo h??brido por entregar resultados com alta qualidade, equivalente aos modelos neurais atuais estado da arte. Os resultados dos experimentos mostram que o nosso melhor modelo h??brido, HLambdaMART,alcan??a um NDCG@10 igual 0,495 usando apenas 36 atributos em tempo de processamento da consulta, enquanto o melhor baseline alcan??a 0,490 usando um conjunto maior de atributos em tempo de processamento da consulta. O uso do nosso framework h??brido reduz o tempo de execu????o do LambdaMART em cerca de 35% do tempo que seria execut??-lo sem a nossa proposta. Adicionalmente, estudamos e propomos um m??todo simples para obter ganhos significativos na compress??o do ??ndice de UTI sem perda na qualidade dos resultados das buscas. Nossa abordagem foi capaz de alcan??ar 79% de taxa de compress??o do ??ndice, enquanto manteve a qualidade dos resultados equivalentes aos m??todos que n??o usam compress??o. Conduzimos tamb??m experimentos demonstrando o uso do UTI-LambdaMART como um base ranker. The production of high quality ranking results is the main goal of web search engines. An important aspect of modern search engines is the use of a large number of distinct sources of relevance evidence to build the learning to rank (L2R) model. Collectively, they determine whether the document is relevant to a query or not. The ranking of query results is computed by fusing all sources of evidence into a single document score, for each document in the final ranking. In the past few decades, most of the works on evidence fusion has been done with the implementation of L2R methods. L2R methods use examples of queries and their respective results to train supervised learning models that determine the relative position of the documents in the result list. Once trained, the model can be used during query processing to determine the final ranking. This approach, however, inadvertently adds computational costs to query processing, which may lead to a drop in time performance. To mitigate this problem, an alternative approach was proposed in literature ??? Learn to Precompute Evidence Fusion (LePrEF), based on supervised learning techniques with GP (Genetic Programming). LePrEF proposes to implement the bulk of the evidence fusion during indexing time, generating a single inverted index containing unified entries representing all sources of evidence. These unified entries are called Unified Term Impacts (UTIs). Each unified term impact replaces several features with a single value in the document index, thereby reducing the effort to compute the document scores at query processing time because the system fetches and processes fewer values. The adoption of UTI values produces competitive ranking results. However, the lack of features available only at query time might lead to accuracy loss. In this dissertation we study and propose a modified LambdaMART, named UTI-LambdaMART, a gradient boosting algorithm to generate unified term impacts (UTI) values at indexing time. We also propose and evaluate a hybrid model that uses UTI values with query-dependent features. We demonstrate that our hybrid methods can deliver high-quality results on par with those of the existing state-of-the-art neural ranking models. The experimental results show that our best hybrid model, HLambdaMART, achieves an NDCG@10 value of 0.495 using only 36 features at query processing time when applied to the MQ2007 collection, while the best baseline achieves 0.490 using a larger set of features at query processing time. The use of our hybrid framework reduces the time to run LambdaMART to about 35% of the time to run it without using our proposals. In addition, we study and propose a simple method to obtain significant gains in UTI-index compression with virtually no loss in the quality of search results. Our approach was able to achieve 79% compression rate of the index, while keeping the quality of results on par with methods that do not use compression. We also conduct experiments that demonstrate the use of the UTI-LambdaMART as a base ranker.

Submitted by Geyciane Santos (geyciane_thamires@hotmail.com) on 2015-12-02T21:18:51Z No. of bitstreams: 1 Disserta????o - Mafran Martins Ferreira J??nior.pdf: 2373705 bytes, checksum: ffd481c7fb68c5e26d7888b9d927dd89 (MD5) Approved for entry into archive by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-12-03T19:00:48Z (GMT) No. of bitstreams: 1 Disserta????o - Mafran Martins Ferreira J??nior.pdf: 2373705 bytes, checksum: ffd481c7fb68c5e26d7888b9d927dd89 (MD5) Approved for entry into archive by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-12-03T19:14:41Z (GMT) No. of bitstreams: 1 Disserta????o - Mafran Martins Ferreira J??nior.pdf: 2373705 bytes, checksum: ffd481c7fb68c5e26d7888b9d927dd89 (MD5) Made available in DSpace on 2015-12-03T19:14:41Z (GMT). No. of bitstreams: 1 Disserta????o - Mafran Martins Ferreira J??nior.pdf: 2373705 bytes, checksum: ffd481c7fb68c5e26d7888b9d927dd89 (MD5) Previous issue date: 2015-07-31 N??o informada The amazon biome has a range of natural resources with high economic value, which can be exploited in a sustainable way to generate jobs and income. Among these resources, we can spotlight the tucuman, native fruit from the Amazonian region used in cooking, crafts and sold by local producers. The tucuman palm tree presents many varieties within the same specie, each one differs from the other in its morphology, population, origin, among other factors. Scientifically, the tucuman taxonomic classification refers to its species. There isn???t yet a manual or an automatic way of classifying varieties of Astrocaryum aculeatum G. Mey., also known as Amazonian tucuman. The indication of the variety to which a fruit unit belongs is performed empirically and may be confused when there are fruits with a large difference in their characteristics. In this scenario, this study aimed to generate and evaluate computer models able to classify and get into groups four varieties of tucuman found in the Itacoatiara-AM region. The secondary objective of this study was to indicate which of the varieties have the best economic potential regarding to the harvested fruit characteristics. To generate the models, three machine learning techniques were used: Decision Trees and Artificial Neural Networks in the classification task, and to the grouping task the K-Means technique was applied, using Euclidean and Manhattan distance measurements. The results obtained based on the data set show that the models generated with machine learning techniques presented satisfactory indexes for predicting of varieties' classes of tucuman. O bioma amaz??nico possui uma gama de recursos naturais com alto valor econ??mico, os quais podem ser explorados de maneira sustent??vel para gerar emprego e renda. Dentre esses recursos destaca-se o tucum??, fruta nativa da regi??o utilizada na culin??ria, no artesanato e comercializada pelos produtores locais. A palmeira do tucum?? apresenta ampla variedade dentro de uma mesma esp??cie, cada uma diferenciando-se quanto ?? sua morfologia, popula????o, proced??ncia, entre outros fatores. Cientificamente, a classifica????o taxon??mica do tucum?? ?? referente ??s suas esp??cies, ainda n??o existe nenhuma forma manual ou autom??tica de classificar variedades da esp??cie Astrocaryum aculeatum G. Mey., tamb??m conhecida como tucum?? do Amazonas. A indica????o da variedade a qual uma unidade do fruto pertence ?? realizada de forma emp??rica, podendo ser confusa perante o aparecimento de frutos com grande diferen??a em suas caracter??sticas. Nesse cen??rio, esta pesquisa objetivou gerar e avaliar modelos computacionais capazes de classificar e agrupar quatro variedades de tucum??, encontradas na regi??o do munic??pio de Itacoatiara-AM. O estudo teve como objetivo secund??rio indicar qual das variedades possui melhor potencial econ??mico quanto ??s caracter??sticas do fruto j?? colhido. Para gerar os modelos foram utilizadas tr??s t??cnicas de Aprendizado de M??quina: ??rvores de Decis??o e Redes Neurais Artificiais na tarefa de classifica????o, e na tarefa de agrupamento a t??cnica K-M??dias, usando as medidas de dist??ncia Euclidiana e de Manhattan. Os resultados obtidos com base no conjunto de dados mostram que os modelos gerados com as t??cnicas de aprendizado de m??quina apresentaram ??ndices satisfat??rios para a predi????o de classes de variedades de tucum??.

The applications of machine learning (ML) to visual design problems generated algorithms capable of editing pictures and videos, designing corporate identities, interfaces, and even printed or digital publications. In this context, potential benefits and losses of ML applications to visual design brought back issues emerged in the 1980s and 1990s, as a result of massification of personal computers and desktop publishing tools. In that period, many designers resisted to ongoing changes, criticizing low quality and amateurism of the projects which used incipient technologies. On the other hand, contemporary criticism about using ML in visual design focus on potential threats to jobs and the reduction of work opportunities for designers. This paper discusses ML applications in visual design aiming to enhance and broaden the debate beyond labor market issues. Therefore, it will be presented: 1) theoretical bases and workings of ML models currently applied in visual design; 2) design activities performed by the models; 3) recent projects (2007-2018) in which ML models already replaced designers. Based on the analyses, creative appropriation and exploration of ML technologies by designers are advocated, rather than rejecting them, rethinking design activity in the face of new paradigms in the same way as the pioneering enthusiasts of desktop publishing did As aplica����es do aprendizado de m��quina ou machine learning (ML) a problemas de design visual geraram algoritmos capazes de editar fotos e v��deos, projetar logotipos, interfaces digitais, e at�� mesmo diagramar publica����es impressas ou digitais. Neste contexto, os potenciais benef��cios e preju��zos da aplica����o de ML ao design visual retomam questionamentos surgidos nas d��cadas de 1980 e 1990, em decorr��ncia da massifica����o dos computadores pessoais e programas de desktop publishing. Naquele per��odo, muitos designers resistiram ��s mudan��as em curso, criticando a baixa qualidade e amadorismo dos projetos que utilizaram as tecnologias incipientes. Em contrapartida, cr��ticas contempor��neas ao uso de ML no design visual concentram-se nas amea��as potenciais aos empregos e redu����o das oportunidades de trabalho para designers. Este artigo discute as aplica����es de ML no design visual, com o intuito de qualificar e ampliar o debate para al��m da quest��o do mercado de trabalho. Para tanto, s��o apresentadas: 1) bases te��ricas e funcionamento dos modelos de ML utilizados no design visual; 2) atividades de projeto desempenhadas pelos modelos; e 3) an��lises de projetos recentes (2007-2018) nos quais os modelos de ML j�� substitu��ram designers. Partindo das an��lises, defende-se a apropria����o e explora����o criativa das tecnologias de ML por designers em vez de sua rejei����o, repensando a atividade projetual frente aos novos paradigmas da mesma forma que fizeram os pioneiros entusiastas do desktop publishing.

A computa??o em nuvem transformou a forma de provisionar recursos computacionais nos ?ltimos anos, oferecendo v?rios benef?cios em rela??o aos sistemas tradicionais como escalabilidade e alta disponibilidade. No entanto, ainda existem algumas oportunidades a serem exploradas, especialmente na ?rea de aloca??o e dimensionamento proativo de recursos. Como a carga de trabalho pode flutuar muito nestes ambientes, o provisionamento excessivo ? uma pr?tica comum para evitar quedas repentinas de Qualidade de Servi?o (QoS) que podem resultar em viola??es de Acordo de N?vel de Servi?o (SLA), mas ao custo de um aumento nos custos de provisionamento e consumo de energia. A previs?o de carga de trabalho ? uma das estrat?gias pelas quais a efici?ncia e o custo operacional de uma nuvem podem ser melhorados. Saber antecipadamente a demanda de um servi?o permite a aloca??o pr?via de recursos suficientes para manter a QoS e evitar viola??es de SLA. Esta disserta??o apresenta as vantagens e desvantagens de tr?s t?cnicas de pre- vis?o de carga de trabalho usualmente aplicadas no contexto da computa??o em nuvem. S?o comparados os algoritmos de aprendizado de m?quina ARIMA, MLP e o GRU em di- ferentes configura??es, para ajudar os administradores a escolher o modelo preditivo mais adequado e eficiente para seu problema espec?fico. O resultado das avalia??es apresenta que os algoritmos estudados s?o equivalentes quanto ? precis?o obtida neste contexto, mas apresentam diferen?as importantes em sua aplica??o, de forma que este trabalho auxilia na escolha da melhor t?cnica para o cen?rio em quest?o. Cloud computing has transformed the means of resource provisioning in recent years with several benefits over traditional systems, like scalability and high availability. However, there are still some opportunities, especially in the area of proactive resource allocation and scaling. Since demand may fluctuate heavily in certain environments, over-provisioning is a common practice to avoid abrupt Quality of Service (QoS) drops that may result in Ser- vice Level Agreement (SLA) violations, but at the price of an increase in provisioning costs and energy consumption. Workload prediction is one of the strategies by which efficiency and operational cost of a cloud can be improved. Knowing demand in advance allows the allocation of sufficient resources to maintain QoS and avoid SLA violations. This paper presents the advantages and disadvantages of three workload prediction techniques usu- ally applied in the context of cloud computing. We compare ARIMA, MLP and GRU under different configurations, and although all three strategies have similar accuracy results in this context, they present important differences in preparation and execution. This work helps system administrators in choosing the more appropriate and efficient predictive model for their specific problem.

Submitted by Sara Ribeiro (sara.ribeiro@ucb.br) on 2018-11-07T18:57:44Z No. of bitstreams: 1 GuilhermeMoreiradeCarvalhoDissertacao2018.pdf: 1040641 bytes, checksum: 4b1d5d4cca6c7cb300489a275534d4dc (MD5) Approved for entry into archive by Sara Ribeiro (sara.ribeiro@ucb.br) on 2018-11-07T18:58:01Z (GMT) No. of bitstreams: 1 GuilhermeMoreiradeCarvalhoDissertacao2018.pdf: 1040641 bytes, checksum: 4b1d5d4cca6c7cb300489a275534d4dc (MD5) Made available in DSpace on 2018-11-07T18:58:01Z (GMT). No. of bitstreams: 1 GuilhermeMoreiradeCarvalhoDissertacao2018.pdf: 1040641 bytes, checksum: 4b1d5d4cca6c7cb300489a275534d4dc (MD5) Previous issue date: 2018-08-31 This dissertation aimed to discuss the communication interactions in the "man-machine" perspective suggested by Morgan (1998) based on the perception of managers of a departmental unit (entitled "Mother Board"). To reach the objectives, the qualitative and exploratory methodology was adopted. Interviews were conducted (semi-structured questions), with the purpose of verifying the perception about the communication flows established in the system entitled "Management Information System Z - Portfolio of Programs and Projects", with reference to the cognitive operators of Complexity commented on by Mariotti (2007), such as "1- Subject-Object Interaction"; 2 - "Circularity"; 3- "Dialog Operator"; 4- "Self-production" and 5- "Hologram Operator". Finally, the research results pointed to the perception of pragmatic and functional communication as the guiding principle of the work team of the "Mother" Board. The metaphor "man-machine" represents a dimension of work and the team, relating to other knowledge and contexts such as culture, chance and imponderable (Complexity). Esta disserta????o teve como objetivo discutir as intera????es comunicacionais na perspectiva ???homem-m??quina??? sugerida por Morgan (1998) com base na percep????o de gestores de uma unidade departamental (intitulada Diretoria ???M??e???). Para o alcance dos objetivos, foi adotada a metodologia de car??ter qualitativo e explorat??rio. Foram realizadas entrevistas (perguntas semi-estruturadas), com a finalidade de verificar a percep????o sobre os fluxos de comunica????o estabelecidos no sistema intitulado ???Sistema de Informa????es Gerenciais Z ??? Carteira de Programas e Projetos???, tendo como refer??ncia os operadores cognitivos da Complexidade comentados por Mariotti (2007), tais como ???1- ???Intera????o Sujeito-Objeto???; 2- ???Circularidade???; 3- ???Operador Dial??gico???; 4- ???Autoprodu????o??? e 5- ???Operador Hologram??tico???. Por fim, os resultados da pesquisa apontaram para a percep????o da comunica????o pragm??tica e funcional como norteadora da equipe de trabalho da Diretoria ???M??e???. A met??fora ???homem-m??quina??? representa uma dimens??o do trabalho e da equipe, relacionando-se com outros saberes e contextos como da cultura, do acaso e do imponder??vel (Complexidade).

Submitted by Sara Ribeiro (sara.ribeiro@ucb.br) on 2018-08-08T13:33:03Z No. of bitstreams: 1 RafaelLeiteGregorioDissertacao2018.pdf: 1382550 bytes, checksum: 9c6e4f1d3c561482546aca581262b92b (MD5) Approved for entry into archive by Sara Ribeiro (sara.ribeiro@ucb.br) on 2018-08-08T13:33:24Z (GMT) No. of bitstreams: 1 RafaelLeiteGregorioDissertacao2018.pdf: 1382550 bytes, checksum: 9c6e4f1d3c561482546aca581262b92b (MD5) Made available in DSpace on 2018-08-08T13:33:24Z (GMT). No. of bitstreams: 1 RafaelLeiteGregorioDissertacao2018.pdf: 1382550 bytes, checksum: 9c6e4f1d3c561482546aca581262b92b (MD5) Previous issue date: 2018-07-09 The credit risk assessment has a relevant role for financial institutions because it is associated with possible losses and has a large impact on the balance sheets. Although there are several researches on applications of machine learning and finance models, a study is still lacking that integrates available knowledge about credit risk assessment. This paper aims at specifying the machine learning model of the probability of default of publicly traded companies present in the Bovespa Index (corporations) and, based on the estimations of the model, to obtain risk assessment metrics based on risk letters. We converged methodologies verified in the literature and we estimated models that comprise fundamentalist (balance sheet) and governance data, macroeconomic and even variables resulting from the application of the proprietary model of KMV credit risk assessment. We test the XGboost and LinearSVM algorithms, which have very different characteristics among them, but are potentially useful to the problem. Parameter Grids were performed to identify the most representative variables and to specify the best performing model. The model selected was XGboost, and performance was very similar to the results obtained for the North American stock market in analogous research. The estimated credit ratings suggest that they are more sensitive to the economic and financial situation of the companies than that verified by traditional Rating Agencies. A avalia????o do risco de cr??dito tem papel relevante para as institui????es financeiras por estar associada a poss??veis perdas que podem gerar grande impacto nos balan??os. Embora existam v??rias pesquisas sobre aplica????es de modelos de aprendizado de m??quina e finan??as, ainda n??o h?? estudo que integre o conhecimento dispon??vel sobre avalia????o de risco de cr??dito. Este trabalho visa especificar modelo de aprendizado de m??quina da probabilidade de descumprimento de empresas de capital aberto presentes no ??ndice Bovespa (corpora????es) e, fruto das estima????es do modelo, obter m??trica de avalia????o de risco baseada em letras (ratings) de risco. Convergiu-se metodologias verificadas na literatura e estimou-se modelos que compreendem componentes fundamentalistas (de balan??o) e de governan??a corporativa, macroecon??micos e ainda vari??veis produto da aplica????o do modelo propriet??rio de avalia????o de risco de cr??dito KMV. Testou-se os algoritmos XGboost e LinearSVM, os quais possuem caracter??sticas bastante distintas entre si, mas s??o potencialmente ??teis ao problema exposto. Foram realizados Grids de par??metros para identifica????o das vari??veis mais representativas e para a especifica????o do modelo com melhor desempenho. O modelo selecionado foi o XGboost, tendo sido observado desempenho bastante semelhante aos resultados obtidos para o mercado de a????es norte-americano em pesquisa an??loga. Os ratings de cr??dito estimados mostram-se mais sens??veis ?? situa????o econ??mico-financeira das empresas ante o verificado por ag??ncias de rating tradicionais.

Submitted by L??cia Brand??o (lucia.elaine@live.com) on 2015-07-27T17:43:06Z No. of bitstreams: 1 Tese - Andr?? Luiz da Costa Carvalho.pdf: 766182 bytes, checksum: 6eecaa1fef5e14867610e7e4c889e91b (MD5) Approved for entry into archive by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-07-28T18:37:39Z (GMT) No. of bitstreams: 1 Tese - Andr?? Luiz da Costa Carvalho.pdf: 766182 bytes, checksum: 6eecaa1fef5e14867610e7e4c889e91b (MD5) Approved for entry into archive by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-07-28T18:47:09Z (GMT) No. of bitstreams: 1 Tese - Andr?? Luiz da Costa Carvalho.pdf: 766182 bytes, checksum: 6eecaa1fef5e14867610e7e4c889e91b (MD5) Made available in DSpace on 2015-07-28T18:47:09Z (GMT). No. of bitstreams: 1 Tese - Andr?? Luiz da Costa Carvalho.pdf: 766182 bytes, checksum: 6eecaa1fef5e14867610e7e4c889e91b (MD5) Previous issue date: 2012-11-26 CNPq - Conselho Nacional de Pesquisa e Desenvolvimento Cient??fico e Tecnol??gico Search engines station between main Ways to Get INFORMATION on the Internet, receiving Million daily queries. This volume Query topping generates a considerable burden In Query processors of search machines, that should NOT JUST worry with a quality fi nal ANSWER received by users, but Also with a latency This consultation, JA What A delay excessive on MAY rhythm harm a RESPONSE Experience Users ITS. In the Last Year HAS A considerable effort been Research in Technical Application Machine Learning During Query Processing, aiming mainly um increase in the fi nal quality of YOUR answers. This thesis studied the Technical Application machine learning During the generation of indexes, rather than apply them to processing Queries, therefore opening a new front for the Technical Application of Learning Machine in search systems. Within the study, we propose two techniques for the Application Machine learning in the Document Indexing in search of machines with Showing THAT That there Space paragraph enhance an indexing with the use of these techniques. The advantage of this approach is that as THAT Processing And Done Before Consultations Made to be looking machine, Regardless of how costly this computationally BE Process, THIS IS NOT re fl directly etir?? In Query Processing Time. We propose here Two techniques: LePrEF, One Evidence Fusion Technique Indexing Time Who Has As a search Purpose Machines Performance Improvement During Processing Consultations, THROUGH indexes Generation que CODI fi cam a Better importance of each term Each Document, AND A phrasal TERMS detection technique (phrases OS), with the objective of improve the quality of the responses obtained FOR THEM. The Technical LePrEF Performs a Relevance of Evidence Sources Fusion pace in Indexing using for both machine learning. The need for evidence of fusion not Drift Query Processing What do FACT search Systems in General Several use Evidence Sources To compute answers YOUR Such As the text of web pages, the text of IN pointers received each page, pointing Analysis Methods As the PageRank, Among many others. However, the recent increase Evidence Sources lev Also one New custodian processing. This is, coupled with the constant growth in the Content Quantity M??quinas de busca est??o entre as principais formas de se obter informa????es na internet,recebendo milh??es de consultas di??rias. Este volume avantajado de consultas gera uma consider??vel carga nos processadores de consultas das m??quinas de busca, que devem n??o apenas se preocupar com a qualidade da resposta ???nal recebida pelos usu??rios, mas tamb??m com a lat??ncia desta consulta ,j?? que uma demora excessiva no tempo de resposta pode prejudicar a experi??ncia de seus usu??rios. Nos ??ltimos anos tem havido um consider??vel esfor??o de pesquisa na aplica????o de t??cnicas de aprendizado de m??quina durante o processamento de consultas, objetivando-se principalmente um aumento na qualidade ???nal de suas respostas. Nesta tese estudamos a aplica????o de t??cnicas de aprendizagem de m??quina durante a gera????o de ??ndices, ao inv??s de aplic??-las ao processamento de consultas, abrindo portanto uma nova frente para a aplica????o de t??cnicas de aprendizagem de m??quina em sistemas de busca. Dentro do estudo, propomos duas t??cnicas para a aplica????o de aprendizado de m??quina na indexa????o de documentos em m??quinas de busca, mostrando com isso que h?? espa??o para melhorar a indexa????o com o uso dessas t??cnicas. A vantagem de tal abordagem ?? que, como esse processamento ?? feito antes das consultas serem feitas ?? maquina de busca, independente de qu??o custoso computacionalmente seja este processo, isto n??o re???etir?? diretamente no tempo de processamento de consultas. Propomos aqui duas t??cnicas: LePrEF, uma t??cnica de fus??o de evid??ncias em tempo de indexa????o que tem como objetivo a melhoria do desempenho de m??quinas de busca durante o processamento de consultas, por meio da gera????o de ??ndices que codi???cam melhor a import??ncia de cada termo em cada documento, e uma t??cnica de detec????o de termos frasais (os sintagmas), com o objetivo de melhorar a qualidade das respostas obtidas por elas. A t??cnica LePrEF realiza a fus??o de fontes de evid??ncia de relev??ncia em tempo de indexa????o utilizando para tanto aprendizagem de m??quina. A necessidade da fus??o de evid??ncias no processamento de consultas deriva do fato de que sistemas de busca em geral utilizam diversas fontes de evid??ncia para computar suas respostas, tais como o texto das p??ginas web, o texto dos apontadores recebidos por cada p??gina, m??todos de an??lise de apontadores como o PageRank, dentre muitos outros. Por??m, o acr??scimo de novas fontes de evid??ncia leva tamb??m a novos custos de processamento. Isto, aliado ao constante crescimento na quantidade de conte??do

Submitted by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-12-03T20:22:30Z No. of bitstreams: 1 Disserta????o_Luiz_Sales_Silva.pdf: 4959512 bytes, checksum: 383643b6b730dee5b618ea14f782267d (MD5) Approved for entry into archive by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-12-04T12:28:16Z (GMT) No. of bitstreams: 1 Disserta????o_Luiz_Sales_Silva.pdf: 4959512 bytes, checksum: 383643b6b730dee5b618ea14f782267d (MD5) Approved for entry into archive by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-12-04T12:35:43Z (GMT) No. of bitstreams: 1 Disserta????o_Luiz_Sales_Silva.pdf: 4959512 bytes, checksum: 383643b6b730dee5b618ea14f782267d (MD5) Made available in DSpace on 2015-12-04T12:35:43Z (GMT). No. of bitstreams: 1 Disserta????o_Luiz_Sales_Silva.pdf: 4959512 bytes, checksum: 383643b6b730dee5b618ea14f782267d (MD5) Previous issue date: 2014-05-14 FAPEAM - Funda????o de Amparo ?? Pesquisa do Estado do Amazonas Currently, the problem of detention fiducial points on human faces has received increasing attention from the scientific community. Recently, we may find in the literature developed some systems for the purpose of performing detec??iia fiducial points. Some of these representatives use clasSifieadows SVM. One of the problems faced by this. fano approach is that the performance of SVM classifiers is extremely sensitive to change its parameters. list is a difficulty that is not trivial to exploit. In this lecture tion, we propose a fiducial points detection system, which uses SVM classifiers, in order to investigate the performance of the classifiers for con-along pre-defined parameters. With this investiwida, we intend to describe the system's behavior to the set of parameters and determine what the parameters = bination, and its values, which produces the best pos-sible performance for the branch system a whole. The proposed system is complex due to. lot of steps involved. The measured performance of the proposed system was performed. for. eleven Aduri tips: ais of. human face. two bases of image data (BiolD and End). The results demonstrate that the system performance. proposed is incremented when using the approach adopted. The system performance is satisfactory when compared with similar systems. Atualmente, o problema da deten????o de pontos fiduciais em faces humanas vem recebendo crescente aten????o da comunidade cient??fica. Recentemente, podemos encontrar na literatura alguns sistemas desenvolvidos com o objetivo de realizar a detec??iia de pontos fiduciais. Alguns destes representantes utilizam clasSifieadows SVM. Um dos problemas enfrentados por essa abordagem reside no fato de que o desempenho das clasSificadores SVM ?? extremamente sens??vel ?? mudan??a de seus par??metros. lista ?? uma dificuldade que n??o ?? trivial de se explorar. Nesta dissertar ????o, propomos um sistema de detec????o de pontos fiduciais, que utiliza clasSificadores SVM, com o objetivo de investigar o desempenho dos classificadores para um con-junto de par??metros pr??-definidos. Com esta investiwida, pretendemos descrever o comportamento do sistema para o conjunto de par??metros e determinar qual ?? a =bina????o de par??metros, e de seus valores, que produz o melhor desempenho pos-s??vel para o sistema ramo um todo. O sistema proposta ?? complexo devido a. grande quantidade de etapas envolvidas. A avaliada de desempenho do sistema proposto foi realizada. para. onze pontas Aduri:ais da. face humana para. duas bases de dados de imagens (BiolD e Fim). O resultados demonstram que o desempenho do sistema. proposto ?? incrementado quando utilizamos a abordagem adotada. O desempenho do sistema ?? satisfat??rio quando comparado com os de sistemas similares.

This is a set of lecture notes for an introductory course (advanced undergaduates or the 1st graduate course) on foundations of supervised machine learning (in Portuguese). The topics include: the geometry of the Hamming cube, concentration of measure, shattering and VC dimension, Glivenko-Cantelli classes, PAC learnability, universal consistency and the k-NN classifier in metric spaces, dimensionality reduction, universal approximation, sample compression. There are appendices on metric and normed spaces, measure theory, etc., making the notes self-contained. Este �� um conjunto de notas de aula para um curso introdut��rio (curso de gradua����o avan��ado ou o 1o curso de p��s) sobre fundamentos da aprendizagem de m��quina supervisionada (em Portugu��s). Os t��picos incluem: a geometria do cubo de Hamming, concentra����o de medida, fragmenta����o e dimens��o de Vapnik-Chervonenkis, classes de Glivenko-Cantelli, aprendizabilidade PAC, consist��ncia universal e o classificador k-NN em espa��os m��tricos, redu����o de dimensionalidade, aproxima����o universal, compress��o amostral. H�� ap��ndices sobre espa��os m��tricos e normados, teoria de medida, etc., tornando as notas autosuficientes., 390 pp. + vii, in Portuguese, a preliminary version, to be published by IMPA as a book of lectures of the 23nd Brazilian Math Colloquium (July 28 - Aug 2, 2019), submitted to arXiv upon IMPA permission

Made available in DSpace on 2015-04-20T12:33:27Z (GMT). No. of bitstreams: 1 jucimar.pdf: 2914952 bytes, checksum: 07583d96a43d2aaee11457881962b461 (MD5) Previous issue date: 2013-03-08 Search engines are among the most used tools to find information on the Web. Recent studies show that the user s confidence on these systems is high. However, the database of search engines usually contains noisy information that may decrease the search results quality and thus negatively affect the confidence of users in these systems. Such type of information is called noise and it can be intentional or not. The main goals of this thesis are to develop and enhance techniques to detect noise in databases of search engines. We evaluated noisy sources of information that may be present either in the anchor text and/or links structures of search engine indexes. As a result, we present methods to turn search engines less susceptible of negative impact caused by the presence of noisy. M??quinas ou motores de busca s??o as ferramentas mais usadas para localizar informa????es na Internet. Para muitas empresas, a porta de entrada para seu neg??cio est?? nas respostas dadas por esses mecanismos a determinadas consultas. Por este motivo, ?? importante que suas p??ginas estejam bem posicionadas nestas respostas. Pesquisas recentes mostram que a confian??a dos usu??rios neste mecanismo ?? relativamente alta. Entretanto, existe nos reposit??rios de m??quinas de busca uma s??rie de informa????es que podem levar ?? degrada????o da qualidade das respostas providas por estes sistemas. Tais informa????es s??o conhecidas como ru??do, podendo ser geradas de maneira intencional ou n??o. Esta tese tem como principal objetivo desenvolver e aprimorar t??cnicas de detec????o e tratamento de informa????o ruidosa em m??quinas de busca. Foram avaliadas fontes ruidosas que podem estar nos textos de ??ncora e/ou nas estruturas dos apontadores presentes em reposit??rios de m??quina de busca. Como resultados, s??o apresentados m??todos para tornar m??quinas de busca menos suscet??veis aos efeitos negativos da presen??a do ru??do em seus reposit??rios.

pp. 106-118. The aim of this paper is to articulate a reflection on necropolitics gender relationship between Gore Capitalism and femicide machine, taking the signing of NAFTA in November 1993 as a historic moment that gives the conditions of possibility for crystallization of multiple neo-colonial narratives on the promise of "progress and modernization" that redistributed and strengthen the capitalist hetereopatriarchy project, understood as "a classless, interracial and intergenerational pact between males where appropriate the bodies of women, as private property" (Amor��s, 1994: 27). The pact will work in several concentric levels to produce a contradictory logic: allied and antagonistic at the same time. Articulating the possibility of being read from a transfeminist perspective, that is, from a feminist position that explores the intersections between gender, race / ethnicity and class in M��xico, brought by NAFTA.

Data de aprova??o ausente. Submitted by Jos? Henrique Henrique (jose.neves@ufvjm.edu.br) on 2017-05-11T18:00:35Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) rodrigo_magalhaes_mota_santos.pdf: 605428 bytes, checksum: a0c6c2c74fb7252604442e7b79b71d5d (MD5) Approved for entry into archive by Rodrigo Martins Cruz (rodrigo.cruz@ufvjm.edu.br) on 2017-05-16T17:13:39Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) rodrigo_magalhaes_mota_santos.pdf: 605428 bytes, checksum: a0c6c2c74fb7252604442e7b79b71d5d (MD5) Made available in DSpace on 2017-05-16T17:13:39Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) rodrigo_magalhaes_mota_santos.pdf: 605428 bytes, checksum: a0c6c2c74fb7252604442e7b79b71d5d (MD5) Previous issue date: 2016 A tecnologia, presente cada vez mais no ambiente educacional, tem contribu?do para o aumento da oferta de cursos ? dist?ncia. Grande parte dos cursos ofertados nesta modalidade utilizam os Ambientes Virtuais de Aprendizagem (AVA). Estes ambientes ganham espa?o no cotidiano dos educadores devido ao f?cil manuseio e a grande diversidade de ferramentas disponibilizadas. Tais ferramentas permitem, de forma geral, a administra??o de cursos totalmente ? dist?ncia com oferta de m?ltiplas m?dias e recursos (f?runs de discuss?o, chats, dentre outros) para intera??es entre professores e alunos. Tais intera??es criam enormes volumes de dados que podem ser analisados atrav?s da aplica??o de t?cnicas de Minera??o de Dados Educacionais. Com a aplica??o destas t?cnicas pode-se realizar a previs?o de desempenho acad?mico que pode ter grande utilidade para Institui??es de Ensino no sentido de auxili?-las a tomar, de forma antecipada, decis?es pedag?gicas que possam ajudar os estudantes. Este trabalho apresenta um estudo de m?todos como Sele??o de Atributos utilizando a abordagem Wrapper e Classificador em Cascata, ainda n?o empregados em trabalhos correlatos pesquisados, que visam melhorar os resultados obtidos pelas t?cnicas de Minera??o de Dados Educacionais utilizadas na previs?o de desempenho acad?mico de estudantes. Os resultados experimentais indicam uma melhora no desempenho dos algoritmos classificadores utilizados (alguns alcan?ando a not?vel marca de 90,2% de acur?cia), bem como apontam quais os recursos utilizados no AVA possuem maior influ?ncia no desempenho dos estudantes. Disserta??o (Mestrado Profissional) ? Programa de P?s-Gradua??o em Educa??o, Universidade Federal dos Vales do Jequitinhonha e Mucuri, 2016. The technology, which is being increasingly used in the educational environment, has contributed for the popularity of distance courses. Much of the courses offered in this mode uses the so-called Virtual Learning Environments (VLE). These environments are gaining ground in the daily lives of educators due to its easy handling and the wide variety of available tools. These tools allow, in general, the administration of fully distance courses with multiple media and resources (forums, chats, among others) for interactions between teachers and students. These interactions create huge volumes of data that can be analyzed through the application of Educational Data Mining techniques. Such techniques can be used to academic performance prediction that can be very useful for education institutions in order to help them to take, in advance, pedagogical decisions that can help students. This work presents a study of methods as Feature Selection using the Wrapper approach and Classifier Cascade that were not employed in other works, with the aim to improve the results obtained by Educational Data Mining techniques used in the academic performance prediction. Results showed an improvement in the performance of classifiers (some obtaining the remarkable mark of 90.2% in accuracy results), as well as pointed out what the resources used in VLE that have greater influence on student performance.

A siderurgia nacional vem se modernizando. Logo, seus processos buscam a estabilidade na ?rea de produ??o. A lamina??o a frio de vergalh?es ? um processo que vem evoluindo: o avan?o tecnol?gico permite a tais m?quinas, por exemplo, alcan?ar velocidades de at? 17 m/s. Entretanto, altas velocidades trazem consigo a probabilidade de interrup??es na produ??o. Na Gerdau, os laminadores a frio s?o comuns, e um dos principais motivos de parada identificado pelas unidades de produ??o espalhadas pelo Brasil ? justamente a interrup??o das m?quinas em virtude de fio m?quina molhado pela ?gua da chuva. Tal fato se d? porque o lubrificante possui part?culas muito pequenas e, com a passagem do fio m?quina molhado, se expande, e com o arraste, se aglomera sobre os cassetes equipamentos respons?veis pela redu??o da ?rea do fio m?quina trancando os rolamentos dos rolos laminadores. A solu??o adotada para a retirada da ?gua do fio m?quina foi a instala??o de um sistema composto por um tubo com mancais nas pontas mais dois bicos distanciados 120? um do outro. Nesses bicos est?o acopladas mangueiras que, por sua vez, est?o conectadas a um ventilador centr?fugo. A implanta??o desse sistema garantiu, dessa forma, a estabilidade do processo, mesmo em dias chuvosos. The national steel industry has been modernized. Indeed, its processes seek stability in the production area. The cold rolling of rebars is a process which is evolving: technological advance allows such machines, for example, reach speeds up to 17 m/s. However, high speeds bring the probability of interruptions in production. At Gerdau, the cold rolling mills are common, and one of the main reasons identified by stopping production units throughout Brazil is just a interruption in machinery because of wire rod wet by the rain water. This fact is because the lubricant and has very small particles with the passage of the wire rod wet, expands, and deposited on the cassettes - the equipment responsible for a reduction of the wire rod - locking the bearings of the rolls. The solution adopted for the removal of water from the wire rod was the installation of a system compound of a tube with bearings at the ends two nozzles spaced 120? from e ach other. In theses nozzles are hoses coupled, in turn, are connected to a centrifugal fan. The implementation of this system guaranteed, thus, the stability of the process, even on rainy days.

Made available in DSpace on 2015-04-11T14:03:13Z (GMT). No. of bitstreams: 1 DISSERTACAO.pdf: 487136 bytes, checksum: a15e0d0fd4eafc6664cf921aa9c18433 (MD5) Previous issue date: 2009-07-27 Conselho Nacional de Desenvolvimento Cient??fico e Tecnol??gico ???M??todos de poda de ??ndices t??m sido propostos a fim de melhorar a efici??ncia de m??quinas de busca. Nos m??todos de poda est??tica, as entradas do ??ndice que t??m pouca contribui????o para ordena????o das respostas s??o descartadas, reduzindo o tempo de acesso ao ??ndice. Neste trabalho ?? realizado um estudo sobre m??todos de poda est??tica e s??o propostos dois m??todos.O primeiro m??todo proposto leva em considera????o a raridade dos termos do vocabul??rio para realizar a poda. Este m??todo ?? apropriado para cole????es que possuam grande incid??ncia de termos raros nas consultas e um vocabul??rio com os tamanhos dos termos n??o concentrado em faixas de tamanho espec??ficas. O segundo m??todo proposto ?? apropriado para cole????es onde os termos das consultas t??m baixos valores de idf (inverse document frequency) e baseia-se no tamanho dos termos de logs de consultas para realizar a poda. Os resultados apresentados foram satisfat??rios e podem ser aplicados a cole????es com as caracter??sticas das estudadas neste trabalho.

Classification is the machine learning task of categorizing instances into classes. There are several algorithms in the literature that perform classification, with varying degrees of success. For the most part, predictive performance was the pursued objective among practitioners and the academic community regarding the design of novel classification algorithms. More recently, however, interpretability has been gaining more and more attention. One area of machine learning that can benefit from increased interpretability is that of ensemble learning. Ensemble learning aims to reunite models that, when ensembled, can provide a high degree of predictive performance, even though the individual classifiers of the ensemble are often not much better at predicting classes than random guessing. Hence, the benefits are twofold: ensembles can improve predictive performance of interpretable (white-box) models that perform, on average, worse than black-box models; and the use of white-box models improves the interpretability of ensembles. In this thesis, we design two evolutionary algorithms (a powerful soft computing technique) to develop two ensemble learning methods, EDNEL and PUMA. PUMA learns ensembles of classifiers in a univariate strategy, assuming independence among variables, while EDNEL takes into account variable dependence through correlation analysis. However, in the thorough experimental analysis performed, we found that PUMA performs better than EDNEL with regards to average rank, whilst it is statistically equivalent to two well-established ensemble learning algorithms, Adaboost and Random Forests. Classifica??o ? a tarefa de Aprendizado de M?quina que visa categorizar inst?ncias em classes. Existem diversos algoritmos na literatura que realizam classifica??o, com diferentes graus de sucesso. Nos ?ltimos anos, o desempenho preditivo foi o objetivo priorizado entre praticantes de Aprendizado de M?quina e a comunidade acad?mica. Todavia, mais recentemente, interpretabilidade tem ganhado cada vez mais aten??o. Uma ?rea de aprendizado de m?quina que pode se beneficiar de um ganho em interpretabilidade ? a de ensemble learning. Ensemble learning visa reunir modelos que, quando agrupados em comit?s, podem fornecer alto grau de desempenho preditivo, mesmo que os classificadores que fa?am parte do grupo n?o sejam (em m?dia) muito melhores que preditores aleat?rios. Doravante, os benef?cios s?o duplos: ensembles podem melhorar o desempenho preditivo de modelos interpret?veis caixa branca (que s?o, em m?dia, piores que modelos caixa preta); e o uso de modelos caixa-branca aumenta a interpretabilidade de ensembles. Nesta tese, atrav?s do projeto de algoritmos evolutivos, uma poderosa classe de algoritmos de soft computing, desenvolvemos dois m?todos para aprendizado de ensembles interpret?veis: EDNEL e PUMA. Enquanto os dois m?todos s?o semelhantes, a diferen?a entre eles ainda assim ? significativa: PUMA aprende ensembles de classificadores sem levar a intera??o entre vari?veis em considera??o, enquanto EDNEL calcula a correla??o das vari?veis. Todavia, nos experimentos que conduzimos para avaliar o desempenho dos m?todos, detectamos que a abordagem mais simples de PUMA gerou ensembles com melhor desempenho preditivo em m?dia do que EDNEL, enquanto aquele ? estatisticamente equivalente ? dois bem-estabelecidos m?todos de aprendizado de ensembles, Adaboost e Random Forests. Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior - CAPES

Submitted by Ana Schramm (acms@icomp.ufam.edu.br) on 2022-06-21T17:12:08Z No. of bitstreams: 1 ACMS_Master_thesis.pdf: 4138346 bytes, checksum: e59bc9b19be6936c38cdae14e03c9ed8 (MD5) Rejected by PPGI Inform??tica (secretariappgi@icomp.ufam.edu.br), reason: Prezada, Solicito que remova as folhas em branco da disserta????o e fa??a upload do novo documento, al??m de incluir a Carta de Autoriza????o de Dep??sito, devidamente preenchida e assinada pelo seu orientador. At.te, on 2022-06-22T15:10:47Z (GMT) Submitted by Ana Schramm (acms@icomp.ufam.edu.br) on 2022-06-28T20:45:59Z No. of bitstreams: 2 ACMS_Master_thesis.pdf: 4137890 bytes, checksum: 87dc14a10080624f36f6170677c9cd7c (MD5) Carta de Autoriza????o de Encaminhamento..pdf: 149087 bytes, checksum: 1042b600140a1089333a05ce3b6dfb01 (MD5) Rejected by PPGI Inform??tica (secretariappgi@icomp.ufam.edu.br), reason: Boa tarde, Pe??o que anexe a carta de autoriza????o com a assinatura do seu orientador. Al??m disso, na Ficha Catalogr??fica, onde diz: Tese (Mestrado em Inform??tica), pe??o que ajuste para "Disserta????o (Mestrado em Inform??tica)". Ap??s as corre????es, fa??a o upload novamente. Atenciosamente, on 2022-06-29T17:40:11Z (GMT) Submitted by Ana Schramm (acms@icomp.ufam.edu.br) on 2022-07-22T01:34:00Z No. of bitstreams: 2 ACMS_Master_thesis.pdf: 4137890 bytes, checksum: 87dc14a10080624f36f6170677c9cd7c (MD5) Carta_de_Autorizac??a??o_de_Encaminhamento.pdf: 173578 bytes, checksum: c0d6abfcabf5cbfc1a63a5f4632b421d (MD5) Approved for entry into archive by PPGI Inform??tica (secretariappgi@icomp.ufam.edu.br) on 2022-07-22T12:45:09Z (GMT) No. of bitstreams: 2 ACMS_Master_thesis.pdf: 4137890 bytes, checksum: 87dc14a10080624f36f6170677c9cd7c (MD5) Carta_de_Autorizac??a??o_de_Encaminhamento.pdf: 173578 bytes, checksum: c0d6abfcabf5cbfc1a63a5f4632b421d (MD5) Rejected by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br), reason: Corrigir na Ficha Catalogr??fica (alterar apenas o que foi solicitado e manter as demais informa????es): a) Tipo de trabalho, escolher a op????o: Disserta????o. b) Deve-se inserir a Ficha conforme gerada automaticamente pelo sistema (N??o alterar formata????o e texto manualmente). on 2022-07-26T21:46:43Z (GMT) Submitted by Ana Schramm (acms@icomp.ufam.edu.br) on 2022-07-29T16:57:52Z No. of bitstreams: 2 Carta_de_Autorizac??a??o_de_Encaminhamento.pdf: 173578 bytes, checksum: c0d6abfcabf5cbfc1a63a5f4632b421d (MD5) ACMS_Master_thesis.pdf: 4140536 bytes, checksum: bdfca1a4f6d923c6634a2aa011188038 (MD5) Approved for entry into archive by PPGI Inform??tica (secretariappgi@icomp.ufam.edu.br) on 2022-08-05T14:01:30Z (GMT) No. of bitstreams: 2 Carta_de_Autorizac??a??o_de_Encaminhamento.pdf: 173578 bytes, checksum: c0d6abfcabf5cbfc1a63a5f4632b421d (MD5) ACMS_Master_thesis.pdf: 4140536 bytes, checksum: bdfca1a4f6d923c6634a2aa011188038 (MD5) Rejected by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br), reason: Verificar a estrutura ou modelo utilizado na disserta????o (Capa, Folha de rosto, Ficha catalogr??fica, Folha de Aprova????o...) on 2022-08-09T15:25:34Z (GMT) Submitted by Ana Schramm (acms@icomp.ufam.edu.br) on 2022-08-10T23:23:31Z No. of bitstreams: 2 Carta_de_Autorizac??a??o_de_Encaminhamento.pdf: 173578 bytes, checksum: c0d6abfcabf5cbfc1a63a5f4632b421d (MD5) ACMS_Master_thesis.pdf: 4141464 bytes, checksum: 8edfb06744e138c8aed92dd4ca885724 (MD5) Approved for entry into archive by PPGI Inform??tica (secretariappgi@icomp.ufam.edu.br) on 2022-08-22T21:06:47Z (GMT) No. of bitstreams: 2 Carta_de_Autorizac??a??o_de_Encaminhamento.pdf: 173578 bytes, checksum: c0d6abfcabf5cbfc1a63a5f4632b421d (MD5) ACMS_Master_thesis.pdf: 4141464 bytes, checksum: 8edfb06744e138c8aed92dd4ca885724 (MD5) Approved for entry into archive by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br) on 2022-08-23T20:20:07Z (GMT) No. of bitstreams: 2 Carta_de_Autorizac??a??o_de_Encaminhamento.pdf: 173578 bytes, checksum: c0d6abfcabf5cbfc1a63a5f4632b421d (MD5) ACMS_Master_thesis.pdf: 4141464 bytes, checksum: 8edfb06744e138c8aed92dd4ca885724 (MD5) Made available in DSpace on 2022-08-23T20:20:07Z (GMT). No. of bitstreams: 2 Carta_de_Autorizac??a??o_de_Encaminhamento.pdf: 173578 bytes, checksum: c0d6abfcabf5cbfc1a63a5f4632b421d (MD5) ACMS_Master_thesis.pdf: 4141464 bytes, checksum: 8edfb06744e138c8aed92dd4ca885724 (MD5) Previous issue date: 2022-03-21 FAPEAM - Funda????o de Amparo ?? Pesquisa do Estado do Amazonas CAPES - Coordena????o de Aperfei??oamento de Pessoal de N??vel Superior Cogni????o humana depende fortemente de aprendizagem indutiva, um processo que o campo de aprendizagem de m??quina busca replicar em hardware/software artificial. Enquanto m??todos de aprendizagem coneccionista resultaram em grandes resultados pragm??ticos na ??rea, ainda lhes falta uma hierarquia modelo de aprendizagem para explicar seus resultados. Computa????o NeSy busca desenvolver uma integra????o efetiva entre aprendizagem coneccionista e simb??lica. Como um esfor??o para alcan??ar essa integra????o, NeMuS ?? uma estrutura de grafo multidimensional, originalmente concebida com quatro espa??os de elementos codificados de l??gica de primeira ordem, que aprende padr??es de refuta????o e executa racioc??nio indutivo clausal para induzir hip??teses que explicam exemplos n??o previamente especificados em uma base de conhecimento. Recentemente, houve um experimento em que uma base de conhecimento conectada foi treinada usando SOM para gerar similaridade de conceitos de acordo com seus atributos, e suas respectivas posi????es dentro dos conceitos. Nesse experimento, indu????o foi feita por an??lise humana do mapa organizacional de conceitos. Neste trabalho, n??s buscamos um m??todo adequado de gerar padr??es de vizinhan??a para serem usados em aprendizagem e racioc??nio indutivo para reduzir o espa??o de busca de hip??teses. Adicionalmente, n??s definimos um vi??s de linguagem capaz de lidar com inven????o de predicados, para guiar o processo de gerar tais hip??teses. Human cognition heavily relies on inductive learning, a process that the field of machine learning aims to replicate in artificial hardware/software. While connectionist learning methods have yielded great pragmatic results in this area, they still lack a model hierarchy of learning to explain their results. NeSy computing seeks to develop effective integration between connectionist and symbolic learning. As an effort to achieve this integration, NeMuS is a multi-dimensional graph structure, originally conceived with four spaces of codified elements of first-order logic, that learns patterns of refutation and performs inductive clausal reasoning to induce hypotheses that explain examples non-previously specified in a background knowledge. Recently, there was an experiment in which a connected background knowledge was trained using SOM to generate similarity of concepts according to their attributes, and their respective position within the concepts. In this experiment, induction was performed by human analysis on the organizational map of concepts. In this work, we seek a suitable method to generate neighbourhood patterns to be used for inductive learning and reasoning in order to reduce the search space of hypotheses. Additionally, we define a language bias able to handle predicate invention, to guide the process of generating such hypotheses.

Recent approaches to goal and plan recognition have progressively relaxed the require? ments about the amount of domain knowledge and available observations, yielding accurate and efficient algorithms. These approaches, however, make two key assumptions about the infor?mation available to the recognizer. First, they assume that there is a domain expert capable of building complete and correct domain knowledge to successfully recognize an agent's goal. Second, even with a complete and correct domain knowledge, most plan recognition approaches are directly affected by the quality of such observations. Such shortcomings can limit the ap?plication of such techniques in real-world applications. While symbolic approaches can provide provable solutions to such problems, learning approaches are adept at dealing with incomplete and noisy data. ln this thesis, we introduce three approaches that improve the performance of goal and plan recognition by combining learning and symbolic planning techniques. First, we use deep unsupervised learning to generate domain theories from data streams (images) and use the resulting domain theories to deal recognize goals in image-based problems. Second, we develop an approach leveraging attention networks to enhance the observation traces of goal recognition problems by predicting missing observations. Third, we combine learning and symbolic planning techniques to compensate for noise and missing observations into new and efficient goal and plan recognition techniques. We show the effectiveness of each technique in a number of domains, ranging from classical domains from planning competitions to image-based domains. Abordagens de reconhecimento de planos e objetivos t?m relaxado progressivamente os requerimentos sobre a quantidade de conhecimento de dom?nio e observa??es necess?rias para o funcionamento destas abordagens, criando algoritmos precisos e eficientes. Por?m, es?sas abordagens se baseiam em duas premissas chaves sobre as informa??es dispon?veis para o processo de reconhecimento. Primeiro, ? necess?rio um especialista de dom?nio capaz de construir conhecimento de dom?nio de maneira completa e correta para reconhecer o objetivo sendo buscado por um agente. Segundo, mesmo com um dom?nio correto e completo, a maioria das abordagens de reconhecimento de planos e objetivos s?o diretamente afetadas pela qualidade das observa??es analisadas. Enquanto abordagens cl?ssicas de planejamento podem prover solu??es para estes problemas, abordagens de aprendizado de m?quina s?o proficientes em lidar com erros e incompletude nos dados fornecidos. Nesta tese, n?s introduzimos tr?s abordagens capazes de melhorar o desempenho de t?cnicas de reconhecimento de planos e objetivos. Pri?meiro, utilizamos aprendizado n?o supervisionado profundo para construir conhecimento de dom?nio a partir de imagens, utilizando o dom?nio computado para reconhecer objetivos em problemas baseados em imagens. Segundo, desenvolvemos uma abordagem para prever observa??es faltando em problemas de reconhecimento de objetivos, aumentando a qualidade das observa??es destes problemas. Terceiro, combinamos t?cnicas de aprendizado de m?quina e planejamento cl?ssico para construir um novo algoritmo para reconhecimento de planos e objetivos. Nesta tese, mostramos a efic?cia de cada t?cnica desenvolvida em um conjunto diverso de dom?nios de planejamento, incluindo dom?nios baseados em imagens e dom?nios cl?ssicos. Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior - CAPES

Submitted by Jos? Henrique Henrique (jose.neves@ufvjm.edu.br) on 2022-09-19T21:11:38Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) rochelly_fernandes_andrade.pdf: 4383082 bytes, checksum: e2ac1d7d5a90c1de2c6b74bd3e2fcebc (MD5) Approved for entry into archive by Jos? Henrique Henrique (jose.neves@ufvjm.edu.br) on 2022-09-19T21:12:38Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) rochelly_fernandes_andrade.pdf: 4383082 bytes, checksum: e2ac1d7d5a90c1de2c6b74bd3e2fcebc (MD5) Made available in DSpace on 2022-09-19T21:12:38Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) rochelly_fernandes_andrade.pdf: 4383082 bytes, checksum: e2ac1d7d5a90c1de2c6b74bd3e2fcebc (MD5) Previous issue date: 2022 A educa??o est? presente e ligada a v?rias ?reas de interesse p?blico. Sabendo-se dessa import?ncia, Avalia??es em Larga Escala s?o aplicadas em diversos pa?ses, objetivando servirem de indicadores desses quadros educacionais, bem como, monitorar as habilidades cognitivas relacionadas ? literacia e ? numeracia. O presente estudo aplicou t?cnicas de Ci?ncia de Dados, uma ?rea multidisciplinar, que envolve, principalmente aprendizado de m?quina e estat?stica, sobre dados coletados pelo question?rio aplicado aos professores durante a Avalia??o em Larga Escala do Programa Internacional de Avalia??o de Estudantes, edi??o 2018. O trabalho buscou identificar quais caracter?sticas, coletadas pelo question?rio aplicado aos professores, t?m mais impacto sobre o desempenho dos alunos nas avalia??es de matem?tica e ci?ncias. O trabalho aplicou dois modelos de aprendizado supervisionado, o Decision Tree e o Random Forest, nos quais a vari?vel dependente foi elaborada com base nas notas m?dias dos pa?ses participantes e nos n?veis de profici?ncia. Os modelos foram aplicados implementando o algoritmo CART com crit?rio de classifica??o Gini, na qual os dados foram divididos atrav?s da t?cnica Holdout com 70% dos dados para treinamento e 30% para teste. A sele??o de atributos foi realizada aplicando o m?todo Recursive Feature Elimination, que reduziu a quantidade de atributos de 167 para 83. As inst?ncias com dados faltantes n?o foram utilizadas nesta pesquisa. O Matthews Correlation Coefficient-MCC avaliou a qualidade geral dos modelos sendo utilizado como principal meio de compara??o de desempenho de classifica??o, tendo em vista a constata??o de desbalanceamento das classes. Com o MCC observou-se que, de maneira geral que o Random Forest obteve os melhores desempenhos com 0,76 para o teste de matem?tica e 0,71 para ci?ncias. Com o modelo gerado pelo algoritmo Random Forest, foram identificadas as principais caracter?sticas influenciadoras de desempenho, em que se destacaram caracter?sticas relacionadas ? tecnologia, incentivo dado aos alunos pelos professores, motiva??o e valoriza??o do aprendizado e capacita??o dos professores. Disserta??o (Mestrado Profissional) ? Programa de P?s-gradua??o em Educa??o em Ci?ncias, Matem?tica e Tecnologia, Universidade Federal dos Vales do Jequitinhonha e Mucuri, 2022. Education is present and linked to several areas of public interest. Knowing this importance, Large-Scale Assessments are applied in several countries, aiming to serve as indicators of these educational frameworks, as well as monitoring cognitive skills related to literacy and numeracy. The present study applied Data Science techniques, a multidisciplinary area, which mainly involves machine learning and statistics, on data collected by the questionnaire applied to teachers during the Large-Scale Assessment of the Programme for International Student Assessment, 2018 edition. This work sought to identify which characteristics, collected by the questionnaire applied to teachers, have the greatest impact on student performance in mathematics and science assessments. The work applied two supervised learning models, the Decision Tree and the Random Forest, in which the dependent variable was elaborated based on the average scores of the participating countries and on the proficiency levels. The models were applied implementing the CART algorithm with Gini classification criterion, in which the data were divided using the Holdout technique with 70% of the data for training and 30% for testing. Attribute selection was performed using the Recursive Feature Elimination method, which reduced the number of attributes from 167 to 83. Instances with missing data were not used in this research. The Matthews Correlation Coefficient-MCC evaluated the general quality of the models being used as the main means of comparing the classification performance, in view of the verification of class imbalance. With the MCC it was observed that, in general, Random Forest obtained the best performances with 0.76 for the math test and 0.71 for science. With the model generated by the algorithm Random Forest, the main characteristics influencing performance were identified, in which characteristics related to technology, incentive given to students by teachers, motivation and appreciation of learning and teacher training were highlighted.

Submitted by Josiane Silva (josiane@icomp.ufam.edu.br) on 2022-08-17T18:16:24Z No. of bitstreams: 2 Tese_JosianeRodrigues_UFAM.pdf: 29695486 bytes, checksum: 645d191c27cb616d729854f0326eeb0a (MD5) Carta de Autorizac??a??o de Encaminhamento Josiane - Assinada Marco Cristo.pdf: 201375 bytes, checksum: 5aa95e6faff54287972f6e909546c775 (MD5) Approved for entry into archive by PPGI Inform??tica (secretariappgi@icomp.ufam.edu.br) on 2022-08-22T21:26:45Z (GMT) No. of bitstreams: 2 Tese_JosianeRodrigues_UFAM.pdf: 29695486 bytes, checksum: 645d191c27cb616d729854f0326eeb0a (MD5) Carta de Autorizac??a??o de Encaminhamento Josiane - Assinada Marco Cristo.pdf: 201375 bytes, checksum: 5aa95e6faff54287972f6e909546c775 (MD5) Rejected by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br), reason: Documento da tese sem bloqueio/prote????o. O bloqueio impede que programas de leitura de pdf consigam ler seu pdf para pessoas com defici??ncia visual. Portanto, solicitamos que envie a tese sem bloqueio/prote????o, garantindo assim acessibilidade a todos que precisem consultar sua pesquisa. on 2022-08-23T22:04:27Z (GMT) Submitted by Josiane Silva (josiane@icomp.ufam.edu.br) on 2022-08-31T20:54:29Z No. of bitstreams: 2 Carta de Autorizac??a??o de Encaminhamento Josiane - Assinada Marco Cristo.pdf: 201375 bytes, checksum: 5aa95e6faff54287972f6e909546c775 (MD5) Tese_JosianeRodrigues_UFAM.pdf: 7779406 bytes, checksum: c2c8e63d9cfe14076aebb8308aef20ec (MD5) Approved for entry into archive by PPGI Inform??tica (secretariappgi@icomp.ufam.edu.br) on 2022-09-01T18:17:53Z (GMT) No. of bitstreams: 2 Carta de Autorizac??a??o de Encaminhamento Josiane - Assinada Marco Cristo.pdf: 201375 bytes, checksum: 5aa95e6faff54287972f6e909546c775 (MD5) Tese_JosianeRodrigues_UFAM.pdf: 7779406 bytes, checksum: c2c8e63d9cfe14076aebb8308aef20ec (MD5) Approved for entry into archive by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br) on 2022-09-02T17:23:13Z (GMT) No. of bitstreams: 2 Carta de Autorizac??a??o de Encaminhamento Josiane - Assinada Marco Cristo.pdf: 201375 bytes, checksum: 5aa95e6faff54287972f6e909546c775 (MD5) Tese_JosianeRodrigues_UFAM.pdf: 7779406 bytes, checksum: c2c8e63d9cfe14076aebb8308aef20ec (MD5) Made available in DSpace on 2022-09-02T17:23:14Z (GMT). No. of bitstreams: 2 Carta de Autorizac??a??o de Encaminhamento Josiane - Assinada Marco Cristo.pdf: 201375 bytes, checksum: 5aa95e6faff54287972f6e909546c775 (MD5) Tese_JosianeRodrigues_UFAM.pdf: 7779406 bytes, checksum: c2c8e63d9cfe14076aebb8308aef20ec (MD5) Previous issue date: 2022-07-25 Capes Content-based Image Retrieval (CBIR) is the task of retrieving images as result of an image search, such that the retrieved images have the same visual contents as the query image. This problem has attracted increasing attention in the area of computer vision. Learning-based hashing techniques are among the most studied approaches to nearest-neighbor approximate search for large-scale image retrieval. With the advancement of deep neural networks in image representation, hashing based methods for CBIR have adopted deep learning in the process of outputing binary hash codes. Such strategies are known generically as Deep Hashing techniques. Although a variety of methods have been proposed for CBIR using deep hashing, most of them deal with single-labeled images. However, in visual search it is natural for images to have several topics, each of which is represented by a different label that may be related, for example, with objects of various categories or different concepts associated with the images. Furthermore, many of these models focus exclusively on the quality of the generated rankings, ignoring issues such as search efficiency and the use of the available space, which are important aspects to consider in Image Retrieval. In this way, we investigate deep hashing techniques which enable efficient image retrieval while achieving a high-quality response ranking. In addition, we focus on the multiple-label scenario so that the generated hash codes capture the various levels of similarity among the images. More specifically, throughout this research, we propose and study deep generative architectures trained on pairs and triples of images for the task of multi-label image retrieval. To this, we adopt variational autoencoders based on discrete distributions. These models can generate compact image representations, directly applicable to hashing techniques, without intermediate processes unrelated to training. When evaluating the proposed methods in two collections of multi-label images, we observed that they are capable of generating effective binary hash codes. Such codes can be used to produce high-quality rankings while enabling an efficient use of the hashing space. Recupera????o de imagem baseada em conte??do (Content-based Image Retrieval - CBIR) ?? a tarefa que visa exibir, como resultado de uma busca, imagens com os mesmos conte??dos visuais de uma consulta. Esse problema tem atra??do aten????o crescente na ??rea de vis??o computacional. T??cnicas de hashing baseado em aprendizado s??o hoje uma das abordagens mais estudadas de pesquisa aproximada de vizinhos mais pr??ximos para recupera????o de imagens em larga escala. Com o avan??o das redes neurais profundas em representa????o de imagem, m??todos de hashing para CBIR passaram a usar aprendizado profundo no processo de constru????o dos c??digos bin??rios. Tais estrat??gias s??o conhecidas genericamente como t??cnicas de Hashing Profundo (deep hashing). Embora uma variedade de m??todos tenham sido propostos para CBIR usando hashing profundo, a maioria deles prop??em abordagens que tratam as imagens como descrevendo um ??nico t??pico, ou seja, associadas a um ??nico r??tulo. Contudo, em busca visual ?? natural que as imagens tenham v??rios t??picos, cada um dos quais representados por diferentes r??tulos que podem estar relacionados, por exemplo, com objetos de v??rias categorias ou diferentes conceitos associados com as imagens. Al??m disso, muitos desses modelos focam exclusivamente na qualidade dos rankings gerados, ignorando quest??es como a efici??ncia da busca e do uso do espa??o dispon??vel, aspectos importantes em Recupera????o de Imagem. Desta forma, esta proposta investiga t??cnicas de hashing profundo com o intuito de tornar a tarefa de recupera????o de imagem mais eficiente mantendo a qualidade do ranking de resposta compat??vel com o estado-da-arte. Al??m disso, focamos no cen??rio de m??ltiplos r??tulos com o objetivo de gerar c??digos hash que representem os v??rios n??veis de similaridade entre as imagens. Mais especificamente, ao longo desta pesquisa, propusemos e estudamos arquiteturas profundas geradoras treinadas em duplas e triplas de imagens para a tarefa de recupera????o de imagens multi-r??tulo. As arquiteturas usadas foram autocodificadores variacionais baseados em distribui????o discreta, capazes de gerar representa????es compactas das imagens, diretamente aplic??veis a t??cnicas de hashing, sem aux??lio de processos intermedi??rios n??o vinculados ao treino. Ao avaliarmos os m??todos propostos em duas cole????es de imagens multi-r??tulo, uma sint??tica e outra real, observamos que os modelos s??o capazes de gerar c??digos de hash bin??rios efetivos em termos da qualidade dos rankings criados al??m de eficientes em termos do uso do espa??o de hashing.

State machine replication is a well-established approach to provide fault tolerance. One of its key assumptions is that eplicas must execute operations deterministically and thus serially. However, to benefit from multi-core servers, some techniques were built to allow concurrent execution of operations in state machine replication. Invariably, such techniques are based on the fact that independent operations (which do not share common state or do not update shared state) can execute in parallel. Early Scheduling is a promising technique that trades concurrency for expeditious scheduling decisions. In this technique, requests are grouped in classes and a fixed subset of threads is assigned to each class, respecting request dependencies. Early scheduling has been shown to provide significant performance improvements in state machine replication. Although early scheduling shows performance gains, it restricts concurrency according to the class definitions and class-to-threads mapping. We evaluate the impact of these restrictions imposed by the early scheduling technique. Out of the observations, we propose and implement improvements to the basic technique, present their results and compare the resulting system to more classic approaches. Our main contribution concern the use of alternative synchronization techniques, such as busy wait adaptations and application of work-stealing techniques within the former Early Scheduling algorithm. Replica??o M?quina de Estados ? uma abordagem bem difundida cujo objetivo ? fornecer toler?ncia a falhas em sistemas distribu?dos. Baseia-se na ideia de que r?plicas devem executar opera??es de forma determin?stica e, portanto, sequencial. No entanto, para se beneficiar de arquiteturas multi-core, t?cnicas t?m sido propostas para permitir execu??o paralela. Elas se baseiam no fato de que opera??es independentes (que n?o compartilham nem alteram estado compartilhado) podem executar em paralelo. Early Scheduling (escalonamento antecipado) ? uma t?cnica promissora que abre m?o de concorr?ncia em troca de r?pidas decis?es de escalonamento. Nela, requisi??es s?o agrupadas em classes, e um sub-conjunto de threads ? atribu?do a cada classe, respeitando depend?ncias entre requisi??es. Early Scheduling apresentou ganhos significativos de performance em replica??o m?quina de estados, apesar das restri??es impostas pelas defini??es de classes e mapeamentos para threads. Neste trabalho avaliamos os impactos causados por tais restri??es. A partir dos resultados observados, propomos e implementamos melhorias, apresentamos os resultados e comparamos com outras abordagens cl?ssicas. Nossa contribui??o se d? no uso de t?cnicas de sincroniza??o alternativas, como adapta??es de espera ocupada e aplica??o de conceitos de work-stealing (roubo de trabalho) ao algoritmo original. Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior - CAPES

Cinases s?o as prote?nas mais intensamente estudadas no desenvolvimento e desenho de f?rmacos. Dentre as cinases, as serino/treonino cinases n?o espec?ficas representam um sistema proteico interessante para prop?sitos de modelagem, devido ? grande disponibilidade de dados experimentais estruturais e funcionais. As serino/treonino cinases n?o espec?ficas compreendem uma importante classe de prote?nas alvo usadas para o desenvolvimento de f?rmacos para tratamento de c?ncer. Neste estudo, foi descrita a cria??o de modelos de Aprendizado de M?quina para predi??o de afinidade entre prote?nas e ligantes para esta classe enzim?tica. Foram utilizados para tal termos de energia calculados por Fun??es Escore cl?ssicas dispon?veis em programas como AutoDock4 e AutoDock Vina. Estes termos foram empregados para a cria??o de novas Fun??es Escore espec?ficas para um conjunto de dados composto por aproximadamente 100 complexos prote?na-ligante, para os quais dados experimentais como a estrutura cristalogr?fica e a constante de inibi??o estavam dispon?veis. Foi aplicado tamb?m um m?todo h?brido que utiliza a simula??o de um sistema de massa-mola para determinar a afinidade de liga??o, usando o programa Taba. Todas as Fun??es Escore geradas tiveram sua performance preditiva analisada. Os resultados mostram claramente que os modelos de aprendizado de m?quina apresentam capacidade preditiva superior quando comparados com as Fun??es Escore cl?ssicas. Al?m disso, os modelos de Aprendizado de M?quina gerados foram capazes de identificar caracter?sticas estruturais, respons?veis pela afinidade de liga??o junto a serino/treonino cinases n?o espec?ficas. Kinases are the most intensively studied protein in drug design and development. Among kinases, non-specific serine/threonine protein kinase represents an interesting protein system for modeling purposes due to the availability of structural and functional experimental data. Non-specific serine/threonine protein kinase comprises an important class of protein targets used to develop drugs to treat cancer. In this study, we describe the creation of machine learning models to predict protein-ligand binding affinity for this enzymatic class. We make use of energy terms available in classical scoring functions such as Autodock4 and AutoDock Vina. We use these terms to build a novel scoring function targeted to a dataset comprised of nearly 100 protein-ligand complexes for which experimental crystallographic structure and inhibition constant data are available. We also applied a hybrid mass-spring method to determine binding affinity using the program Taba. We carried out predictive performance analysis of all scoring functions. Our study clearly shows that machine learning models present superior predictive performance when compared with classical scoring functions. Also, our machine learning models can capture structural features responsible for the binding affinity against non-specific serine/threonine protein kinases. Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior - CAPES

Computing systems continue to evolve to facilitate increased performance when processing workloads in large data centers. Virtualization technology enables multiple applications to be created and executed on a single physical computer, yielding various advantages, including rapid provisioning of resources and better utilization of hardware. Cloud computing providers have adopted this strategy to use their infrastructure more efficiently, reducing energy consumption. However, our research in this field has shown that multiple cloud services contending for shared resources are susceptible to crossapplication interference, which can lead to significant performance degradation and consequently an increase in the number of broken service level agreements (SLA). Nevertheless, state-of-the-art resource scheduling in virtualized environments still relies mainly on resource capacity, adopting heuristics such as bin-packing, thus overlooking this source of overhead. But in recent years interference-aware scheduling has gained traction, and applications are now being classified based on their interference level and the proposal of static cost models and policies for scheduling co-hosted cloud applications. Preliminary results in this area already show a considerable improvement in the reduction of broken SLAs, yet we strongly believe that there are still opportunities to improve in the areas of application classification and dynamic scheduling strategies. Therefore, this work?s primary goal is to study the behavior of cloud applications? interference profiles over their entire life cycle, and their susceptibility to workload variations, looking for opportunities to improve resource sharing in virtualized environments with novel dynamic scheduling strategies. To this end, we explored some specific research questions related to the dynamic nature of the process, such as: How can applications be classified based on resource interference in real-time? When should classifications be executed? How many levels should be used? When should they be scheduled? What are the trade-offs with migration cost? To answer all of these questions, we created an interference-aware scheduling architecture that integrates the aforementioned topics to better manage dynamic latencysensitive workloads in virtualized environments. The contributions of this study are: (i) an analysis of the impact of workload variations in the interference profile of cloud applications; (ii) a precise and optimized way to classify applications in real-time; (iii) a novel dynamic interference-aware scheduling strategy for cloud applications; and (iv) a dynamic architecture that combines the above techniques to deliver efficient interference-aware scheduling in virtualized environments. Our results show an average 25% improvement of overall resource utilization efficiency with our architecture compared to related studies. Os sistemas de computa??o continuam a evoluir para facilitar o aumento do desempenho ao processar cargas de trabalho em grandes data centers. A virtualiza??o ? uma tecnologia que permite que v?rios aplicativos sejam executados em um ?nico computador f?sico, gerando v?rias vantagens, incluindo r?pido provisionamento de recursos e melhor utiliza??o de hardware. Os provedores de computa??o em nuvem adotam essa estrat?gia para usar sua infraestrutura de forma mais eficiente, reduzindo o consumo de energia. Apesar disto, nossas pesquisas na ?rea t?m mostrado que v?rios servi?os em nuvem competindo por recursos compartilhados s?o suscet?veis ? interfer?ncia entre aplicativos, o que pode levar a uma degrada??o significativa do desempenho e, consequentemente, a um aumento de quebras no n?mero de acordos de n?vel de servi?o. No entanto, o escalonamento de recursos de ?ltima gera??o em ambientes virtualizados ainda depende principalmente da capacidade dos recursos, adotando heur?sticas como o bin-packing, ignorando essa fonte de sobrecarga. Mas, nos ?ltimos anos, o escalonamento com reconhecimento de interfer?ncia ganhou for?a, com a investiga??o de maneiras de classificar os aplicativos em rela??o ao seu n?vel de interfer?ncia e a proposta de modelos est?ticos e pol?ticas para o escalonamento de aplicativos co-hospedados em nuvem. Os resultados preliminares nesta ?rea j? mostram uma melhoria consider?vel na redu??o de quebra de SLAs, mas acreditamos fortemente que ainda existem oportunidades de melhoria nas ?reas de classifica??o de aplica??es e estrat?gias de escalonamento din?mico. Portanto, o objetivo principal deste trabalho ? estudar o comportamento dos perfis de interfer?ncia dos aplicativos em nuvem ao longo de todo o seu ciclo de vida e sua suscetibilidade ?s varia??es da carga de trabalho, em busca de oportunidades para melhorar o compartilhamento de recursos em ambientes virtualizados com novas estrat?gias de escalonamento din?mico. Para tanto, exploramos algumas quest?es espec?ficas de pesquisa relacionadas ? natureza din?mica do processo, tais como: Como classificar aplica??es baseadas na interfer?ncia de recursos em tempo real? Quando as classifica??es devem ser executadas? Quantos n?veis devem ser usados? Quando devem ser escalonados? Quais s?o as compensa??es com o custo de migra??o? Para responder a todas essas perguntas, criamos uma arquitetura de escalonamento com reconhecimento de interfer?ncia que integra esses t?picos mencionados para lidar com cargas de trabalho din?micas sens?veis ? lat?ncia em ambientes virtualizados. As contribui??es deste estudo s?o: (i) uma an?lise do impacto das varia??es da carga de trabalho no perfil de interfer?ncia de aplicativos em nuvem; (ii) uma forma precisa e otimizada de classificar aplicativos em tempo real; (iii) uma nova estrat?gia de escalonamento com reconhecimento de interfer?ncia din?mica para aplicativos em nuvem; e (iv) uma arquitetura din?mica que combina as t?cnicas acima para entregar um escalonamento eficiente com reconhecimento de interfer?ncia em ambientes virtualizados. Os resultados evidenciaram que nossa arquitetura melhorou em m?dia 25% a efici?ncia geral de utiliza??o de recursos quando comparada com estudos relacionados. Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior - CAPES