Search

Pesquisa sem auxílio de agências de fomento As Redes Neurais Convolucionais (CNN) são consideradas o estado da arte em aplicações de visão computacional. Entretanto, a construção de modelos de aprendizagem de máquina utilizando essa tecnologia ainda requer a otimização de parâmetros, hiperparâmetros e desafios como a quantidade de dados para treinamento. Algoritmos Genéticos (AG) apresentam-se como uma técnica promissora para otimizar diversos aspectos das CNN. Este trabalho apresenta duas abordagens para otimização de CNNs utilizando AGs: gaCNN, para a otimização arquitetural e MLTLGA, para a otimização de aprendizagem por transferência. No método gaCNN, foi proposta uma codificação de cromossomo para incorporar funções de ativação e novos operadores de mutação, estas mudanças permitiram que o método superasse o desempenho de 9 dos 13 métodos avaliados em acurácia de classificação. No método MLTLGA, foi proposto um novo processo de inicialização que apresentou resultados superiores em pelo menos 2% de acurácia de classificação a todos os outros métodos de aprendizagem por transferência avaliados no trabalho. Dessa forma, apresentando métodos promissores no contexto de otimização de CNNs. Convolutional Neural Networks (CNN) are considered the state-of-the-art in computer vision applications. However, building machine learning models such method still requires the parameter and hyperparameter tuning, and considerably large training datasets. Genetic Algorithms (GA) can be a promising technique to optimize various aspects of CNNs. In this work, two approaches to optimize CNN using GA are proposed: gaCNN, for architectural optimization and MLTLGA, for transfer learning optimization. In the gaCNN, a new individual codification strategy for activation functions is proposed alongside new mutation operators. The proposed method outperformed 9 out 13 methods evaluated in classification accuracy. In the MLTLGA, a new initialization operation is presented that outperformed by at least 2% the other transfer learning methods evaluated. Therefore, the two methods are promising in the study of optimization of CNN. Dissertação (Mestrado)

Slides utilizados para apresentação da defesa de doutorado intitulada Sistema open-source para gerenciamento de dados da doença de Parkinson e detecção do sintoma do tremor em desenhos manuscritos pelo uso de histogramas de gradientes orientados., {"references":["https://doi.org/10.7717/peerj-cs.396","https://doi.org/10.1007/s11517-020-02303-9"]}

The need for the creation of virtual learning environments - VLEs with specific applications has become increasingly pertinent. In this way, the development of AVAMUSIC was required, a web application specifically developed for the context of teaching musical instruments. Avamusic has the potential to become a suite (set) of applications aimed at the musical education area. The first application added to the suite is the Digital Manossolfa, an artificial intelligence app. The Manossolfa is a tool of the Kodály method used to teach musical notes with signals. The general objective of the research was to understand the possibilities and limits of a web application aimed at teaching musical instruments from the perspective of teachers. From an exploratory survey, we identified that there was a gap concerning specific VLEs for teaching musical instruments. Concerning the methodology, qualitative research of multiple cases or multi cases was carried out. 2 cases: Case 1 - was the development and validation of AVAMUSIC Alpha version in an extension course, the hybrid guitar initiation course, held at the Federal University of Paraíba-UFPB and Case 2 - was the development and test of AVAMUSIC beta and Digital Manossolfa version by a specialist teacher. The evaluation of Case 1 was performed through a field diary, documentary analysis of the interactions helf in the VLE during the course as well as semi-structured interviews with the teachers of the course. The assessment of Case 2 took place through the test of the system components (buttons, links, etc.) and a questionnaire with the teacher. For both cases, a web application was developed, a virtual learning environment - VLE, which was a mediator of these actions. We can affirm that the objective was achieved to the extent that Avamusic Alpha was an important resource for the realization of Case 1. The AVAMUSIC Beta (Case 2) was used by a music expert professor. The analysis showed that the difficulties in using AVAMUSIC Beta, as problems with the issue of access, that is, to log in, have been resolved by creating a help page. About the possible scenarios of use of AVAMUSIC Beta, we find that it can be used for teaching musical instruments in presential or courses, Semi-presential, totally online, music teaching for the hearing disabled, among others. The results showed that the same technology used in the development of Digital Manossolfa will provide the development of other tools that can be used as support to the teacher concerning the feedback of student body posture (hands posture on the instrument, etc.). The results from the perspective of teachers show that Avamusic can function as a promising tool for teaching musical instrument in various modalities, among them, distance musical education, mainly because it is an environment that organizes and enables the creation of more resources, as well as Digital Manossolfa, which enable online musical practice. Nenhuma A necessidade da criação de Ambientes Virtuais de Aprendizagem - AVAs com aplicações específicas, vem se tornando cada vez mais pertinente. Desse modo, fez-se necessário o desenvolvimento do Avamusic, uma aplicação web desenvolvida especificamente para o contexto do ensino de instrumento musical. O Avamusic tem o potencial de tornar-se uma Suíte (conjunto) de aplicativos voltados para a área de Educação Musical. O primeiro aplicativo adicionado à Suíte é a Manossolfa Digital, um app de inteligência artificial. A Manossolfa é uma ferramenta do Método Kodály utilizada para ensinar as notas musicais com sinais. O objetivo geral da pesquisa foi compreender as possibilidades e limites de uma aplicação web voltada para o ensino de instrumento musical na perspectiva dos professores. A partir de uma pesquisa exploratória, identificamos que havia uma lacuna em relação a AVAs específicos para o ensino de instrumento musical. Em relação à metodologia, foi realizada uma pesquisa qualitativa de múltiplos casos ou multicaso. Foram estudados 2 casos: o Caso 1 - foi o desenvolvimento e validação do Avamusic versão Alpha em um curso de extensão, o curso híbrido de iniciação ao violão, realizado na Universidade Federal da Paraíba-UFPB e o Caso 2 - foi o desenvolvimento e teste do Avamusic versão Beta e da Manossolfa Digital por um professor especialista. A avaliação do Caso 1 foi realizada através de um diário de campo, análise documental das interações realizadas no AVA durante o curso além de entrevistas semiestruturadas com os professores do curso. A avaliação do Caso 2 se deu através do teste dos componentes do sistema (botões, links, etc.) e de um questionário com o professor. Para ambos os casos foi desenvolvida uma aplicação web, um Ambiente Virtual de Aprendizagem - AVA, que foi mediador das referidas ações. Podemos afirmar que o objetivo foi alcançado na medida em que o Avamusic Alpha foi um importante recurso para a realização do Caso 1. O Avamusic Beta (Caso 2), foi utilizado por um professor especialista em música. Sobre os possíveis cenários de utilização do Avamusic Beta, constatamos que ele poderá ser utilizado para o ensino de instrumento musical em cursos presenciais, semipresenciais, totalmente online, ensino de música para deficientes auditivos, dentre outros. Os resultados mostraram que a mesma tecnologia utilizada no desenvolvimento da Manossolfa Digital, proporcionará o desenvolvimento de outras ferramentas que poderão ser utilizadas como apoio ao professor em relação à feedback de postura corporal do aluno (postura das mãos no instrumento, etc.). Desse modo, o Avamusic se mostra como uma ferramenta promissora para o ensino de instrumento musical em diversas modalidades, dentre elas, a educação musical a distância, principalmente porque é um ambiente que organiza e possibilita a criação de mais recursos, assim como a manossolfa digital, que possibilitem uma prática musical online.

This dissertation presents a methodology that combines prediction and grouping techniques called the Clusterwise Segmentation Model with Hybrid Prototypes (CSMoH), which aims to segment the data in clusters so that each cluster is represented by a predictive model, such as a regression model or machine learning algorithm (prototype), among a list of predefined methods. The choice of the best prototype for each cluster is intended to minimize an objective function. In addition to the implementation of the CSMoH method estimation algorithm, we consider different allocation techniques for new observations in order to assess the predictive performance of the algorithm. A proof of convergence is presented, as well as the application of the proposed method in synthetic data and in real databases. A new allocation method based on KNN, called KNN-combining clusters, is proposed, presenting interesting results. In the experiment with synthetic data, the CSMoH algorithm is compared with another algorithm in 6 different scenarios, with an satisfactory performance. In the validation of the CSMoH algorithm with real data, the proposed method presents a relevant performance when compared to 3 other algorithms (Linear K-means, Hybrid K-means and Clusterwise Linear Regression), as well as the evaluation of 5 different allocation methods. Nenhuma Apresenta-se, nesta Dissertação, uma metodologia que combina técnicas de predição e agrupamento denominada Modelo de Segmentação Clusterwise com Protótipos Híbridos (MoSCH), o qual objetiva segmentar os dados em clusters de modo que cada cluster seja representado por um modelo preditivo, como, por exemplo, um modelo de regressão ou algoritmo de aprendizagem de máquina (protótipo), dentre uma lista de métodos pré-definidos. A escolha do melhor protótipo para cada cluster tem o intuito de minimizar uma função objetivo. Além da implementação do algoritmo de estimação do método MoSCH, consideramos diferentes técnicas de alocação para novas observações de modo a avaliar o poder preditivo do algoritmo. Uma prova de convergência é apresentada, bem como a aplicação do método proposto em dados sintéticos e a bases de dados reais. Um novo método de alocação baseado no KNN, chamado alocação com KNN dos clusters combinados, é proposto, apresentando resultados interessantes. Já no experimento com dados sintéticos o algoritmo MoSCH é comparado com outro algoritmo em 6 cenários diferentes, tendo um desempenho satisfatório. Na validação do algoritmo MoSCH com dados reais, o método proposto apresenta uma relevante performance quando comparado a outros 3 algoritmos (K-means Linear, K-means Híbrido e Regressão Linear Clusterwise), bem como a avaliação de 5 diferentes métodos de alocação.

Submitted by Aline Batista (alinehb.ufpel@gmail.com) on 2021-01-21T01:33:03Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_Fabrício_Ferreira.pdf: 8605907 bytes, checksum: a6199b47236895c00c5facedca469286 (MD5) Approved for entry into archive by Aline Batista (alinehb.ufpel@gmail.com) on 2021-01-21T02:16:05Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_Fabrício_Ferreira.pdf: 8605907 bytes, checksum: a6199b47236895c00c5facedca469286 (MD5) Made available in DSpace on 2021-01-21T02:16:05Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_Fabrício_Ferreira.pdf: 8605907 bytes, checksum: a6199b47236895c00c5facedca469286 (MD5) Previous issue date: 2020-11-26 Sem bolsa Apesar dos avanços na área de computação aplicada à saúde, a administração das entregas de medicamentos intravenosos ainda apresenta demandas importantes não resolvidas. As infusões intravenosas se fazem presentes quando são necessárias ações terapêuticas de maior precisão quanto à concentração do medicamento entregue ao longo do tratamento, bem como quanto à rapidez com que é atingida a região terapêutica efetiva. Esses procedimentos estão entre os mais usuais em hospitais e têm potencial para gerar um alto índice de eventos adversos e perigosos. Apesar disso, a maioria das infusões intravenosas são acompanhadas por verificações realizadas de forma manual, estando, desse modo, sujeitas a falhas de diferentes naturezas. Neste cenário, decorre o problema de pesquisa central desta tese: como automatizar o acompanhamento dos perfis da entrega de medicamentos intravenosos? Assim, o objetivo desta tese é a concepção de um sistema para o acompanhamento das entregas de medicamentos intravenosos, de modo a propiciar um registro autônomo dos diferentes perfis dos escoamentos de medicamentos praticados. Nesse sentido, foi proposto o Sistema Inteligente para Supervisão do Perfil Operacional em Dispositivos Intravenosos (SiSPODi), que tem como principais contribuições: (i) a elaboração de uma plataforma de instrumentação coletora de dados reais das infusões intravenosas; (ii) o desenvolvimento do simulador de perfis de infusão, apto a gerar toda a faixa de perfis de entrega de medicamentos praticados por dispositivos de infusão intravenosa; e (iii) a geração de um modelo para inferir o perfil das entregas de medicamentos intravenosos, explorando técnicas de Aprendizagem de Máquina. O SiSPODi foi avaliado por meio de cenários de uso, sendo exploradas suas diferentes funcionalidades. Os resultados alcançados se mostraram promissores, mostrando inferências confiáveis dos perfis de infusão. Além disso, os resultados atingidos podem dar suporte à realização de pesquisas futuras na área, uma vez que um conjunto importante de dados de infusões intravenosas (medidos e simulados) e um simulador de perfis de infusões intravenosas, desenvolvidos no escopo deste trabalho, estão disponíveis em formato livre para a comunidade da área. Como ficará claro no decorrer do texto, esse trabalho tem potencial inovador importante para uma área estratégica na saúde pública. Despite advances in computing applied to health, the administration of intravenous drug deliveries still presents important unsolved demands. Intravenous infusions are present when therapeutic actions of greater precision are needed in terms of the delivered drug concentration during the treatment, as well as in terms of the speed to reach the effective therapeutic region. These procedures are among the most common in hospitals and have the potential to generate a high rate of adverse and dangerous events. Despite this, most intravenous infusions are accompanied by checks carried out manually, thus being subject to failures of different natures. In this scenario, the central research problem of this thesis arises: how to automate the monitoring of intravenous drugs delivery profiles? Thus, the objective of this thesis is the design of a system to monitor the delivery of intravenous drugs, to provide an autonomous record of the different medications flows profiles. In this sense, the Intelligent System for Operational Profile Supervision in Intravenous Devices (SiSPODi) was proposed, whose main contributions are: (i) the elaboration of an instrumentation platform for the acquisition of real data of intravenous infusions; (ii) the development of an infusion profile simulator able to generate the full range of medication delivery profiles practiced by intravenous infusion devices; and (iii) the generation of a model to infer the intravenous drug deliveries profiles, exploring Machine Learning techniques. SiSPODi was evaluated through usage scenarios, exploring its different functionalities. The achieved results were promising, showing reliable inferences from the infusion profiles. In addition, the achieved results can support future research in this area, since an important data set on intravenous infusions (measured and simulated) and an intravenous infusion profiles simulator, developed within the scope of this work, are freely available. As will become clear throughout the text, this work has an important innovative potential for a strategic area in public health.

Obter métricas de QoS no cliente não é algo trivial para a maioria dos provedores de serviço em rede. Trabalhos recentes indicaram que, para redes OpenFlow, parte dessas informações podem ser extraídas da rede, utilizando-se apenas estatísticas de tráfego agregado como dados de entrada para métodos de aprendizagem de máquina capazes de gerar estimadores. O objetivo da pesquisa realizada e aqui apresentada foi prosseguir com essa investigação, aplicando a mesma metodologia a uma das aplicações de maior ascensão na Internet, ainda não investigada: as aplicações de vídeo sob demanda com taxa de bit dinamicamente adaptável. Para isso, foi implementado um ambiente de testes com um serviço DASH, cuja comunicação entre servidor e clientes é realizada via rede OpenFlow, com comutadores físicos. Nesse ambiente, foram coletados os dados para geração dos modelos empregando-se dois métodos de aprendizagem de máquinas supervisionada: árvore de regressão e floresta aleatória. As métricas de QoS investigadas foram a taxa de quadros por segundo (componente de vídeo) e a taxa de \textit{buffers} por segundo (componente de áudio), as quais foram avaliadas segundo o erro absoluto médio normalizado (NMAE) e o tempo de treinamento do modelo. Para o cenário em análise, os resultados foram extremamente satisfatórios com relação ao tempo de treinamento para as duas métricas de QoS investigada, ficando na ordem de milissegundos. No que se refere ao erro, a métrica de áudio apresentou desempenho melhor para os algoritmos estudados, ficando em torno de 13\%, enquanto que a de vídeo obteve erros pouco acima de 16,5\%. Também foi verificado que o emprego do método \textit{ensemble} não trouxe benefícios significativos aos resultados. Além disso, os resultados revelaram que o mesmo conhecimento sobre essas métricas poderia ser gerado empregando-se predominantemente estatísticas de dados agregadas do comutador que conecta o cliente à rede OpenFlow. Todos esses resultados, entretanto, precisam ser melhor investigados em trabalhos futuros que empreguem mais amostras de dados e tornem o ambiente de teste cada vez mais próximo do real. Obtaining QoS metrics on the client is not trivial for most networked service providers. Recent work has indicated that, for OpenFlow networks, part of this information can be extracted from the network, using only aggregated traffic statistics as input data for machine learning methods capable of generating estimators. The objective of the research carried out and presented here was to proceed with this investigation, applying the same methodology to one of the most popular applications on the Internet, not yet investigated: video on demand applications with dynamically adaptable bit rates. For this, a test environment was implemented with a DASH service, whose communication between server and clients is carried out via the OpenFlow network, with physical switches. In this environment, data were collected to generate the models using two supervised machine learning methods: regression tree and random forest. The QoS metrics investigated were the frame rate per second (video component) and the \ textit {buffer} rate per second (audio component), which were evaluated according to the normalized mean absolute error (NMAE) and time training model. For the scenario under analysis, the results were extremely satisfactory with respect to the training time for the two QoS metrics investigated, staying in the order of milliseconds. With regard to the error, the audio metric showed better performance for the studied algorithms, staying around 13 \%, while the video metric had errors just above 16.5 \%. It was also found that the use of the ensemble method did not bring significant benefits to the results. In addition, the results revealed that the same knowledge about these metrics could be generated using predominantly aggregated data statistics from the switch that connects the client to the OpenFlow network. All of these results, however, need to be better investigated in future works that employ more data samples and bring the test environment closer to the real one. Dissertação (Mestrado)

Indoor Location Based Services (ILBS) have attracted a lot of attention in recent years because of their social and commercial potential, with an estimated market value of $10 billion by 2020. As satellite (GPS) and cellular (GSM) can’t penetrate indoors, with external walls and internal obstacles, the use of the Wi-Fi signal, for internal location, has gained a lot of importance in both academic and industrial areas due to the large penetration of wireless LANs (WLANs) and Wi-Fi-enabled mobile devices. In particular, the fingerprint of the received signal strength (RSS fingerprint) has attracted a great deal of attention by alleviating the multipath problem (multiple paths traveled by the signal between the sender and receiver) aggravated by the existence of walls and indoor objects. Given this scenario, motivated by the search for an efficient and effective ILBS, we propose the combined use of Wi-Fi fingerprint with Machine Learning algorithms in order to identify the approach more suitable for indoor localization and rational use of resources in mobile devices, considering the average error estimate of about 1 (one) meter. Unlike other related works, which concentrate efforts only on one of the phases of the RSS fingerprint, our research sought improvements both in the construction phase of the environment signal map (offline phase) and in the phase of locating the mobile device in the indoor environment (online phase). In this sense, one Design of Experiments was carried out with two scenarios (2D and 3D) and the results obtained showed a minimum average error of 2m in the 2D experiment, with only 5 measurements in the offline phase, and 1.08m in the 3D experiment, using a Neural Network and information from the previous position in the online location phase. Nenhuma Os serviços baseados em localização interna (Indoor Location Based Services – ILBS) vêm atraindo muita atenção nos últimos anos por causa de seu potencial social e comercial, com um valor estimado de mercado de US$ 10 bilhões em 2020. Como os sinais de satélite (GPS) e celular (GSM) não conseguem penetrar bem em ambientes internos, com paredes externas e obstáculos internos, o uso do sinal do Wi-Fi, para localização interna, ganhou muita importância, tanto na área acadêmica quanto na área industrial devido à grande penetração de LANs sem fio (WLANs) e dispositivos móveis habilitados para Wi-Fi. Em particular, a técnica baseada em impressão digital da intensidade do sinal recebido (Received Signal Strength fingerprint – RSS fingerprint) tem atraído muita atenção, por amenizar o problema de multipath (múltiplos caminhos percorridos pelo sinal entre o emissor e receptor) agravado pela existência de paredes e objetos em ambientes internos. Diante deste cenário, motivados pela busca de um ILBS eficiente e eficaz, propomos neste trabalho o uso combinado da impressão digital do Wi-Fi (RSS fingerprint) com algoritmos de Aprendizagem de Máquina, com o objetivo de identificar qual a abordagem mais adequada para localização em ambientes internos e uso racional de recursos em dispositivos móveis, considerando o erro médio de estimativa de localização próximo de 1 (um) metro. Ao contrário de outros trabalhos relacionados, que concentram esforços apenas em uma das fases do RSS fingerprint, nossa pesquisa buscou melhorias tanto na fase de construção do mapa de sinais do ambiente (fase of line) quanto na fase de localização do dispositivo móvel no ambiente interno (fase online). Neste sentido, foi realizado um projeto de experimentos com dois cenários (2D e 3D) e os resultados obtidos apresentaram erro médio mínimo de 2m no Experimento 2D, com apenas 5 medições na fase of line, e 1,08m no Experimento 3D, utilizando uma Rede Neural e informações da posição anterior na fase online de localização.

Counting objects or living things is a common necessity in many areas of industry, commerce and services. Automating this activity can promote an optimization of the process involved and, consequently, the reduction of time and costs. With this in mind, computer vision is an approach that offers new possibilities for digital image processing, giving the computer an increasingly similar interpretive capability to humans. This work compares the efficiency of volumetric counting techniques, both in traditional computational view and in deeplearning, in the counting of audiences in face-to-face events. As a case study, the investigation focused on the audience count of movie and / or theater sessions from the audience photos. Measuring billing automatically, accurately and transparently is a recurring need in the entertainment industry. For the accomplishment of the experiments, it was necessary to develop an image base with examples of audiences and the amount of people present. From the results it was possible to observe the great potential of the application of deep learning in this context. When compared to several automatic volumetric counting techniques available, deep learning was the strategy that presented the best results, reaching sensitivity and precision above 96%. It is proposed an Automatic Audience Counting System that contains the classification / counting modules (it uses deep learning for audience count), capture (continuous monitoring of images for better capture) and control (integrates, manages and operates the system). This work contributes with knowledge sharing in the following aspects: selection of neural networks that best perform the task of counting a large number of objects in images, development of two test image bases of detection of people in audience, specification of requirements to perform the counting task successfully and in enabling and developing an automatic audience counting system. Nenhuma Contar objetos ou seres vivos é uma necessidade comum em muitas áreas da indústria, comércioeserviços. Automatizaressaatividadepodepromoverumaotimizaçãodoprocesso envolvido e, consequentemente, a redução de tempo e custos. Com isso em mente, a visão computacional é uma abordagem que oferece novas possibilidades para o processamento digital de imagens, dando ao computador uma capacidade de interpretação cada vez mais semelhante aos humanos. Este trabalho compara a eficiência das técnicas de contagem volumétrica, tanto na visão computacional tradicional quanto na aprendizagem profunda, na contagem de audiências em eventos presenciais. Como estudo de caso, a investigação concentrou-se na contagem de audiência de sessões de cinema e / ou teatro a partir das fotos da audiência. Medir o público real de forma automática, precisa e transparente é uma necessidade recorrente da indústria do entretenimento. Para a realização dos experimentos, foi necessário o desenvolvimento de uma base de imagens com exemplos de audiências e a quantidade de pessoas presente. A partir dos resultados foi possível observar a eficiência da aplicação da aprendizagem profunda nesse contexto. Quando comparada a várias técnicas automáticas de contagem volumétrica disponíveis, a aprendizagem profunda foi a estratégia que apresentou os melhores resultados, atingindo sensibilidade e precisão acima de 96%. É proposto um Sistema Automático de Contagem de Audiência que contém os módulos de classificação/contagem (uso de aprendizagem profunda para contagem de audiência), captura (monitoramento contínuo das imagens para melhor captura) e controle (integração, administração e operação do sistema). O trabalho realiza contribuições com o compartilhamento de conhecimento na seleção de redes neurais que melhor realizam a tarefa de contagem de um grande número de objetos em uma imagem, no desenvolvimento de duas bases de teste de detecção de pessoas em audiência, na especificação de critérios para realizar a tarefa de contagem com êxito e na viabilização e desenvolvimento de um sistema de contagem automática de audiências.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES Os sensores baseados em Ressonância de Plasmons de Superfície (RPS) permitem avaliar mudanças de índice de refração, com objetivo de detectar interações moleculares em segurança alimentar, proteção ambiental, detecção de diferentes compostos químicos, bioquímicos e orgânicos entre diversas outras aplicações. A confiabilidade nas informações repassadas por um sensor RPS deve ser garantida, diante que informações erradas podem ocasionar consequências, tais como, más interpretações e manipulações das ligações moleculares. Para melhorar e atestar a qualidade nas respostas fornecidas no sensor baseado na RPS, este trabalho investiga o uso de diferentes técnicas de aprendizagem de máquina e de descritores em sensorgramas adquiridos. De forma mais específica, este trabalho busca identificar padrões e anomalias no seu comportamento nas respostas RPS e analisar o impacto dessas técnicas de aprendizagem na qualidade do sensor. Os resultados obtidos por meio da análise estatística permitiu concluir que o descritor temporal de sensorgrama obteve um melhor desempenho com a classificação e que o uso da regressão linear possibilitou analisar as áreas de interesses no sensorgrama com resultados satisfatórios, criando assim, um sensor RPS com resposta inteligente. Este trabalho obteve como resultado também a criação de uma interface gráfica para a classificação de sensorgramas. Dessa forma, como contribuição cientifica tem-se aplicação de técnicas de aprendizagem de máquina que permitiram identificar, analisar e classificar as respostas do sensorgrama Sensors based on Surface Plasmon Resonance (SPR) allow the evaluation of refractive index shifts, with the objective of detecting molecular interactions in food safety, environmental protection, detection of different chemical, biochemical and organic compounds, among several other applications. The reliability of the information transmitted by an SPR sensor must be guaranteed, given that wrong information can cause consequences, such as, misinterpretations and manipulations of molecular bonds. To improve and attest to the quality of the responses provided in the SPR-based sensor, this work investigates the use of different machine learning techniques and descriptors in acquired sensorgrams. More specifically, this work seeks to identify patterns and anomalies in their behavior in the SPR responses and to analyze the impact of these learning techniques on the quality of the sensor. The results obtained through the statistical analysis allowed to conclude that the sensorgram temporal descriptor obtained a better performance with the classification and that the use of linear regression made it possible to analyze the areas of interest in the sensorgram with satisfactory results, thus creating an SPR sensor with a intelligent response. This work also resulted in the creation of a graphical interface for the classification of sensorgrams. That way, the scientific contribution is the application of machine learning techniques that allowed to identify, analyze and classify the responses of the sensorgram

Uma das grandes dificuldades encontradas em uma sessão de tutoria refere-se a escolha de ações pedagógicas apropriadas, que considera os conhecimentos individuais prévios do estudante, e tem por finalidade conduzi-lo a atingir a proficiência na assimilação de um conjunto de conceitos. Estas ações devem considerar o perfil do estudante e adaptar o ensino segundo o seu estilo de aprendizagem e as suas preferências, a fim de manter o estudante engajado. Considerando que o ensino personalizado exerce influência positiva na assimilação do conteúdo disciplinar, a tendência é que os novos ambientes virtuais de aprendizagem sejam implementados de forma a adaptar-se ao perfil do estudante. A elaboração de um sistema adaptativo deve considerar a inclusão de um módulo responsável pela geração de um plano de ações instrucionais, com capacidade de modificar o seu próprio planejamento inicial para diagnosticar falhas na compreensão de fundamentos essenciais ao conteúdo, à medida em que estas sejam percebidas ao longo da sessão de tutoria. Portanto, é de responsabilidade do sistema adaptativo conduzir um plano de ensino considerando todas as dificuldades que forem observadas para cada aluno em particular. Para atingir tal objetivo este sistema deverá ter a capacidade de inferir o conhecimento do estudante, propor ações e observar a evolução do aprendizado, supervisionando integralmente o processo de aprendizagem. Perante as dificuldades expostas, neste trabalho apresenta-se a proposta e a implementação de um módulo instrucional para um sistema de apoio ao ensino baseado em Processos de Decisão de Markov parcialmente observáveis. A escolha do modelo justificase por sua capacidade de tomada de decisões diante das incertezas que caracterizam o ambiente: incerteza quanto ao conhecimento que o aprendiz apresenta frente aos conceitos a serem assimilados e os efeitos não determinísticos das ações propostas. O problema do sequenciamento de ações produzidos por este módulo pode ser representado como um problema de planejamento probabilístico e é portanto resolvido por algoritmos de planejamento. Existem diversos algoritmos de planejamento probabilísticos que poderiam ser utilizados no desenvolvimento de um módulo instrucional para um sistema adaptativo de ensino, sendo que os resultados obtidos por cada um deles podem divergir. Um planejador ou sistema de planejamento é um software que implementa um algoritmo de planejamento. Neste trabalho aplica-se uma metodologia baseada em aprendizagem de máquina para a seleção de um planejador probabilístico que proporcione a escolha das melhores ações instrucionais. A escolha do planejador é realizada considerando as características de um domínio de especificação que ensina conceitos e os avalia conforme a proficiência do estudante. Ao término do processo de seleção, validou-se o resultado executando-se o planejador apontado pela metodologia ao domínio que descreve o módulo instrucional. O desempenho obtido pela sua execução foi comparada com a de outros planejadores candidatos, comprovando dessa forma a eficiência na aplicação do método proposto. One of the major difficulties encountered in a tutoring session is the choice of appropriate pedagogical actions that take into account the student’s previous individual knowledge and aims to lead the student to achieve a proficiency in the assimilation of a set of concepts. These actions should consider the student’s profile and adapt the teaching according to his or her learning style and preferences in order to keep the student engaged. Considering that personalized education has a positive influence on the assimilation of the disciplinary content, the tendency is that the new virtual learning environments are to be implemented in a way that adapts to the student’s profile. The elaboration of an adaptive system should consider the inclusion of a module responsible for generating an instructional action plan, capable of modifying its own initial planning to diagnose failures in the comprehension of essential fundamentals of content as they are perceived throughout the tutoring session. Therefore, it is the responsibility of the adaptive system to conduct a teaching plan considering all the difficulties that are observed for each student in particular. To achieve this goal, this system should have the capacity to infer the student’s knowledge, propose actions and observe the evolution of learning, fully supervising the learning process. Given the difficulties presented, this paper presents the proposal and the implementation of an instructional module for a support system for education based on Partially Observable Markov Decision Processes. The choice of the model is justified by its capacity to make decisions in the face of the uncertainties that characterize the environment: uncertainty regarding the knowledge the learner presents about the concepts to be assimilated and the non-deterministic effects of the proposed actions. The problem of the sequencing of actions produced by this module can be represented as a problem of probabilistic planning and are solved by planning algorithms. There are several probabilistic planning algorithms that could be used in the development of an instructional module for an adaptive teaching system, and the results obtained by each of them may differ. A planner or planning system is software that implements a planning algorithm. In this work, a methodology based on machine learning is applied to select a probabilistic planner that provides the choice of the best instructional actions. The choice of the planner is accomplished by considering the characteristics of a specification domain that teaches concepts and evaluates them according to the student’s proficiency. At the end of the selection process, the result was validated by executing the planner indicated by the methodology to the domain that describes the instructional module. The performance obtained by its execution was compared with that of other candidate planners, thus proving the efficiency in the application of the proposed method. Dissertação (Mestrado)

As a way of solving problems related to the proper access and distribution of knowledge in the medical field, the architectures based on Knowledge-as-a-Service paradigm (KaaS) emerged, with growing commercial and research interest. However, behind the large amount of benefits brought by them, such knowledge distribution services have a critical vulnerability to its users and maintainers of knowledge, called knowledge breaching. Considering the above, the development of this research aims to contribute to the creation of a strategy to mitigate centralized knowledge breaching attacks in knowledge providing services, called Safe H-KaaS, based on machine learning and incorporated as proxy, focused on easy use, agnosticism of the solution regarding the service defended and maintenance of the quality of service and user experience. In addition, a guideline is presented and used for the correct configuration of the defense mechanism based on the context and information about the defended service, in search of a tradeoff that guarantees the security of the knowledge provided, while preserving the user's experience quality. Both the existence of the vulnerability and its severity, as well as the proposed methodology and its effectiveness, are evaluated through a case study with a KaaS in the nephrology domain, by that, demonstrating the viability of the method in the protection of knowledge distribution services. Nenhuma Como forma de solucionar problemas relativos ao devido acesso e distribuição do conhecimento na área médica surgiram as arquiteturas baseadas no paradigma de Conhecimento como Serviço (KaaS), com crescente interesse comercial e de pesquisa. Porém, por trás da grande quantidade de benefícios trazidos, tais serviços de distribuição de conhecimento possuem uma vulnerabilidade crítica para os usuários e mantenedores dos mesmos, a violação de conhecimento, ou knowledge breaching. Diante do exposto, o desenvolvimento desta pesquisa visa contribuir apresentando uma estratégia para a mitigação de ataques centralizados de violação de conhecimento em serviços provedores de conhecimento, denominada Safe H-KaaS, baseada em aprendizagem de máquina e incorporada como proxy, com foco na fácil utilização, agnosticismo da solução quanto ao serviço defendido e manutenção da qualidade de serviço e experiência do usuário. Além disso, é apresentada e utilizada uma guideline para a correta configuração do mecanismo de defesa com base no contexto e informações sobre o serviço defendido, em busca de tradeoff que garanta a segurança do conhecimento provido, ao mesmo tempo que preserva a qualidade de experiência do usuário. Tanto a existência da vulnerabilidade e sua gravidade, quanto a metodologia proposta e sua efetividade, são avaliadas por meio de um estudo de caso com um KaaS na área da nefrologia, demonstrando assim, a viabilidade do método na proteção de serviços de distribuição de conhecimento.

Code smells typically indicate poor implementation choices that may degrade software quality. Hence, they need to be carefully detected to avoid such degradation. In this context, some studies try to understand the impact of code smells on the software quality, while others propose rules or machine learning-based techniques to detect code smells. However, none of those studies/techniques focus on analyzing code snippets that are really harmful to software quality. Our study aims to understand and classify code harmfulness. We analyze harmfulness in terms of CLEAN, SMELLY, BUGGY, and HARMFUL code. By harmful code, we mean code that has already harmed software quality and is still prone to harm. We perform our study with 22 smell types, 803 versions of 12 open-source projects, 40,340 bugs and 132,219 code smells. The results show that even though we have a high number of code smells, only 0.07% of those smells are harmful. The Abstract Function Call From Constructor is the smell type more related to harmful code. To cross-validate our results, we also perform a survey with 77 developers. Most of them (90.4%) consider code smells harmful to the software, and 84.6% of those developers believe that code smells detection tools are important. But, those developers are not concerned about selecting tools that are able to detect harmful code. We also evaluate machine learning techniques to classify code harmfulness: they reach the effectiveness of at least 97% to classify harmful code. While the Random Forest is effective in classifying both smelly and harmful code, the Gaussian Naive Bayes is the less effective technique. Our results also suggest that both software and developers’ metrics are important to classify harmful code. FAPEAL - Fundação de Amparo à Pesquisa do Estado de Alagoas Code Smells geralmente indicam más opções de implementação que podem prejudicar a qualidade do software. Portanto, eles precisam ser detectados com cuidado para evitar degradação do software. Nesse contexto, alguns estudos tentam entender o impacto dos Code Smells na qualidade do software, enquanto outros propõem regras ou técnicas baseadas em aprendizado de máquina para detectar Code Smells. No entanto, nenhum desses estudos / técnicas se concentram na análise de trechos de código que são realmente prejudiciais à qualidade do software. Nosso estudo tem como objetivo entender e classificar a nocividade do código. Analisamos a nocividade em termos de código CLEAN, SMELLY, BUGGY e HARMFUL. Por código nocivo, queremos dizer código que já prejudicou a qualidade do software e ainda está sujeito a danos. Realizamos nosso estudo com 22 tipos de Smells, 803 versões de 12 projetos de código aberto, 40.340 bugs e 132.219 Code Smells. Os resultados mostram que, embora tenhamos um número alto de Code Smells, apenas 0,07% desses Smells são prejudiciais. O Abstract Call From Constructor é o tipo de Smell mais relacionado ao código nocivo. Para validar empiricamente nossos resultados, também realizamos uma pesquisa com 77 desenvolvedores. A maioria deles (90,4%) considera Code Smells prejudiciais ao software e 84,6% desses desenvolvedores acreditam que as ferramentas de detecção de Code Smells são importantes. Mas, esses desenvolvedores não estão preocupados em selecionar ferramentas capazes de detectar Code Smells. Também avaliamos técnicas de aprendizado de máquina para classificar a nocividade do código: elas atingem a eficácia de pelo menos 97% para classificar o código nocivo. Enquanto Random Forest é eficaz na classificação de Code Smells e nocivos, o Gaussian Naïve Bayes é a técnica menos eficaz. Nossos resultados também sugerem que as métricas de software e desenvolvedores são importantes para classificar códigos nocivos.

Wind generators have recurring operating interruptions due to internal failures. Internal failures are difficult to detect and may silently lead to machine damages since they occur between turns, being named turn-to-turn, or between turn and machine housing, being named turn-to-ground. Thus, these plants must be constantly monitored so that these faults are detected in their initial stage. This early detection makes it possible to reduce maintenance costs while decreasing wind turbine downtime. This work proposes a strategy for noninvasive detecting stator failures in its initial stage through a classifier module that analyzes the stator current patterns. This classifier is based on a Multilayer Perceptron (MLP), that is a class of feedforward artificial neural network (ANN), which was trained using a dataset generated by a mathematical model of the PMSG-based wind turbine. The results show that the MLP classifier is able to detect the proposed problem with 97.62% global accuracy. In addition, detection was performed at a initial stage of 1% to 4% of faulty turns with 100% accuracy, contributing to continuous and noninvasive detection of internal wind turbine stator faults. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES Os geradores eólicos apresentam interrupções de operação recorrentes devido à ocorrência de falhas internas. Falhas internas são de difícil detecção e que podem conduzir, silenciosamente, a danos na máquina e podem ocorrer entre as espiras, sendo denominadas espira-espira, ou entre espiras e a carcaça da máquina, sendo denominadas espira-terra. Assim, estas plantas devem ser constantemente monitoradas para que essas falhas sejam detectadas em seu estágio inicial. Essa detecção precoce possibilita a redução do custo de manutenção, ao mesmo tempo em que diminui o tempo de inatividade das turbinas eólicas. Este trabalho propõe uma estratégia para detectar falhas no estator em seu estágio inicial de forma não invasiva por meio de um módulo classificador que analisa os padrões da corrente do estator. Este classificador baseia-se em uma rede neural do tipo perceptron multicamadas (do inglês, Multilayer Perceptron - MLP), que foi treinada utilizando um conjunto de dados de instâncias geradas por meio de um modelo matemático de uma turbina eólica baseada no PMSG. Os resultados mostram que o classificador MLP é capaz de detectar o problema proposto com 97,62% de acurácia global. Além disso, a detecção foi alcançada em um estágio inicial, de 1% a 4% de espiras defeituosas com acurácia de 100%, contribuindo para uma detecção continua e não invasiva de falhas internas ao estator da turbina eólica.

The transformations that have occurred in the management and organization of educational systems have been demanding decisions to improve the teaching and learning process in public educational institutions in Brazil. In this sense, the Ministry of Education created the Basic Education Development Index (IDEB), to evaluate and monitor the educational process of Brazilian schools. In this context, in particular, Educational Data Mining has provided techniques and, thus, has been helping educators and managers to support decision making, enabling the extraction of relevant information from databases. Situated in the aforementioned area, this work aims to explore attribute selection techniques and predictive algorithms, aiming to identify which factors impact on the IDEB of Alagoas municipal schools. Thus, it aims to assist in the decision-making process of educational managers, for further studies and reflections in the area. of education. Therefore, data from the Saeb test of the public schools of Maceió and Teotônio Vilela were used, conducting an experimental study, producing relevant results in the task of identifying relevant attributes to support educational managers. The results indicate that several factors influence student performance, such as the student's parents' education, the incentive to study, the teacher's commitment and the management style. CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior As transformações ocorridas na gestão e organização dos sistemas educacionais vêm demandando a tomada de decisões no sentido de melhorar o processo de ensino e aprendizagem nas instituições educacionais públicas do Brasil. Nesse sentido, o Ministério da Educação criou o Índice de Desenvolvimento da Educação Básica (IDEB), para avaliar e monitorar o processo educativo das escolas brasileiras. Neste contexto, particularmente, a Mineração de Dados Educacionais tem provido técnicas e, deste modo vem auxiliando educadores e gestores no apoio a tomada de decisões, permitindo extração de informações relevantes de bases de dados. Situado na mencionada área este trabalho objetiva explorar técnicas de seleção de atributos e algoritmos preditivos, visando identificar quais fatores impacta no IDEB das escolas municipais de Alagoas. Assim, visa-se auxiliar no processo decisório dos gestores educacionais, para posteriores estudos e reflexões na área da educação. Para tanto, utilizou-se dados do teste Saeb das escolas públicas de Maceió e de Teotônio Vilela, conduzindo um estudo experimental, produzindo relevantes resultados na tarefa de identificação de atributos relevantes para apoiar os gestores educacionais. Os resultados indicam que diversos fatores influenciam o desempenho dos alunos, tais como: a escolaridade dos pais do aluno, o incentivo aos estudos, o compromisso do docente e o estilo de gestão.

Fundação de Amparo a Pesquisa do Estado de Minas Gerais Agentes que operam em ambientes onde as tomadas de decisão precisam levar em conta, além do ambiente, a atuação minimizadora de um oponente (tal como nos jogos), é fundamental que o agente seja dotado da habilidade de, progressivamente, traçar um perĄl de seu adversário que o auxilie em seu processo de seleção de ações apropriadas. Entretanto, seria improdutivo construir um agente com um sistema de tomada de decisão baseado apenas na elaboração desse perĄl, pois isso impediria o agente de ter uma Şidentidade própriaŤ, o que o deixaria a mercê de seu adversário. Nesta direção, este trabalho propõe um sistema automático jogador de Damas híbrido, chamado ACE-RL-Checkers, dotado de um mecanismo dinâmico de tomada de decisões que se adapta ao perĄl de seu oponente no decorrer de um jogo. Em tal sistema, o processo de seleção de ações (movimentos) é conduzido por uma composição de Rede Neural de Perceptron Multicamadas e biblioteca de casos. No caso, a Rede Neural representa a ŞidentidadeŤ do agente, ou seja, é um módulo tomador de decisões estático já treinado e que faz uso da técnica de Aprendizagem por Reforço TD( ). Por outro lado, a biblioteca de casos representa o módulo tomador de decisões dinâmico do agente que é gerada pela técnica de Elicitação Automática de Casos (um tipo particular de Raciocínio Baseado em Casos). Essa técnica possui um comportamento exploratório pseudo-aleatório que faz com que a tomada de decisão dinâmica do agente seja guiada, ora pelo perĄl de jogo do adversário, ora aleatoriamente. Contudo, ao conceber tal arquitetura, é necessário evitar o seguinte problema: devido às características inerentes à técnica de Elicitação Automática de Casos, nas fases iniciais do jogo Ű em que a quantidade de casos disponíveis na biblioteca é extremamente baixa em função do exíguo conhecimento do perĄl do adversário Ű a frequência de tomadas de decisão aleatórias seria muito elevada, o que comprometeria o desempenho do agente. Para atacar tal problema, este trabalho também propõe incorporar à arquitetura do ACE-RLCheckers um terceiro módulo, composto por uma base de regras de experiência extraída a partir de jogos de especialistas humanos, utilizando uma técnica de Mineração de Padrões Sequenciais. O objetivo de utilizar tal base é reĄnar e acelerar a adaptação do agente ao perĄl de seu adversário nas fases iniciais dos confrontos entre eles. Resultados experimentais conduzidos em torneio envolvendo ACE-RL-Checkers e outros agentes correlacionados com este trabalho, conĄrmam a superioridade da arquitetura dinâmica aqui proposta. ake into account, in addition to the environment, the minimizing action of an opponent (such as in games), it is fundamental that the agent has the ability to progressively trace a proĄle of its adversary that aids it in the process of selecting appropriate actions. However, it would be unsuitable to construct an agent with a decision-making system based on only the elaboration of this proĄle, as this would prevent the agent from having its Şown identityŤ, which would leave it at the mercy of its opponent. Following this direction, this work proposes an automatic hybrid Checkers player, called ACE-RL-Checkers, equipped with a dynamic decision-making mechanism, which adapts to the proĄle of its opponent over the course of the game. In such a system, the action selection process (moves) is conducted through a composition of Multi-Layer Perceptron Neural Network and case library. In the case, Neural Network represents the ŞidentityŤ of the agent, i.e., it is an already trained static decision-making module and makes use of the Reinforcement Learning TD( ) techniques. On the other hand, the case library represents the dynamic decision-making module of the agent, which is generated by the Automatic Case Elicitation technique (a particular type of Case-Based Reasoning). This technique has a pseudo-random exploratory behavior, which makes the dynamic decision-making on the part of the agent to be directed, either by the game proĄle of the opponent or randomly. However, when devising such an architecture, it is necessary to avoid the following problem: due to the inherent characteristics of the Automatic Case Elicitation technique, in the game initial phases, in which the quantity of available cases in the library is extremely low due to low knowledge content concerning the proĄle of the adversary, the decisionmaking frequency for random decisions is extremely high, which would be detrimental to the performance of the agent. In order to attack this problem, this work also proposes to incorporate onto the ACE-RL-Checkers architecture a third module composed of a base of experience rules, extracted from games played by human experts, using a Sequential Pattern Mining technique. The objective behind using such a base is to reĄne and accelerate the adaptation of the agent to the proĄle of its opponent in the initial phases of their confrontations. Experimental results conducted in tournaments involving ACE-RL-Checkers and other agents correlated with this work, conĄrm the superiority of the dynamic architecture proposed herein. Tese (Doutorado)

FAPEMIG - Fundação de Amparo a Pesquisa do Estado de Minas Gerais Um dos requisitos fundamentais para que um sistema multiagente não supervisionado atinja seus objetivos é que os agentes que o compõem possuam habilidades específicas e complementares que lhe permitam atuar como especialistas nos ambientes em que foram treinados. A representação adequada desses ambientes é fundamental para o aprendizado e para a boa performance dos agentes, principalmente quando esses atuam em ambientes competitivos que possuem elevado espaço de estados. Do mesmo modo, as decisões do sistema multiagente em alocar os agentes adequados para atuarem em determinadas situações que ocorrem nesses ambientes são cruciais para que este atinja, com êxito, seus objetivos. Nesse sentido, o presente trabalho apresenta três novas abordagens para otimizar o desempenho de sistemas multiagentes, as quais aprimoram: a arquitetura e o processo de aprendizagem dos agentes que compõem o sistema multiagente, a representação das informações relevantes dos ambientes de atuação desses agentes, assim como o processo de alocação dos agentes adequados para atuarem nas distintas situações que ocorrem nesses ambientes. Devido à sua complexidade espacial e técnica, o jogo Damas foi utilizado como ambiente de desenvolvimento e avaliação dessas abordagens, as quais foram implementadas na arquitetura do jogador automático MP-Draughts. Tal jogador corresponde a um sistema multiagente não supervisionado composto por agentes jogadores especialistas em fases distintas de um jogo. Para a implementação das abordagens propostas na arquitetura do MP-Draughts, foi adotada a seguinte sequência de trabalho: inicialmente, foi desenvolvida uma rede neural adaptativa, a ASONDE, que foi utilizada na arquitetura do MP-Draughts para definir os perfis (clusters) de conhecimentos necessários para representar a fase de final de jogo, nos quais os agentes especialistas devem ser treinados. Na sequência, foi implementada uma abordagem de seleção automática de características baseada na mineração de padrões frequentes, a qual extrai as mais adequadas para representar os diferentes ambientes (tabuleiros) que podem ocorrer durante a atuação do multiagente. Finalmente, foi desenvolvido um método de alocação de agentes que combina redes neurais artificiais e regras de exceção, as quais em conjunto, são responsáveis por indicar os agentes mais adequados para atuarem nas distintas situações de um jogo. Os resultados parciais obtidos da implementação de cada abordagem, assim como o resultado final que aplica todas elas na arquitetura no MP-Draughts, confirmam que as mesmas foram eficientes para tratar os problemas para os quais foram propostas, além de contribuírem para o desempenho geral do sistema multiagente. One of the fundamental requirements for a unsupervised multiagent system to reach its objectives is that the agents that make up the system possess specific and complementary abilities, which allow them to act as specialists in the environments where they were trained. The adequate representation of these environments is fundamental to both the learning and to the good performance on the part of the agents, mainly when these act in competitive environments that possess an elevated state space. Likewise, the decisions from multiagent systems, through their allocation of adequate agents into particular situations that occur in these environments, are crucial in order that these successfully reach their objectives. In this sense, the present work presents three new approaches to optimize the performance of multiagent systems, which improves: the architecture and the learning process of the agents that make up the multiagent system; the representation of relevant information of the environments where these agents perform, as well as the process of allocating the adequate agent for performing in distinct situations that occur in these environments. Due to the spatial and technical complexity, the game of Checkers was used as the developmental and evaluative environment for these approaches, which were implemented onto the automatic player MP-Draughts. This player corresponds to a unsupervised multiagent system composed of specialist player agents in distinct phases of a game. In order to implement the proposed approaches onto the MP-Draughts architecture, the following work sequence was adopted: initially, an adaptive neural network was developed, ASONDE, which was used in the MP-Draughts architecture to define the knowledge profiles (clusters) necessary for representing the endgame phase, on which the specialist agents should be trained. Following on, an automatic features selection approach based on the frequent pattern mining was implemented, which extracts the most adequate features to represent the different environments (boards) that can occur during the performance of the multi-agent. Finally, a method for the allocation of agents was developed, which combined clustering artificial neural networks and exception rules, which together are responsible for indicating the most suitable agents to act in the different situations of a game. The partial results obtained from the implementation of each approach, as well as the final result, which applies all these into the MP-Draughts architecture, confirm that these were efficient in dealing with the problems for which they were proposed, in addition to contributing to the general performance of the multi-agent system. Tese (Doutorado)

Submitted by Maria Cristina (library@lncc.br) on 2020-05-12T15:19:33Z No. of bitstreams: 1 Igor Ribeiro_Dissertacao2014.pdf: 1420468 bytes, checksum: ac6efc0f546175c29b3afb047b4bc3db (MD5) Approved for entry into archive by Maria Cristina (library@lncc.br) on 2020-05-12T15:25:38Z (GMT) No. of bitstreams: 1 Igor Ribeiro_Dissertacao2014.pdf: 1420468 bytes, checksum: ac6efc0f546175c29b3afb047b4bc3db (MD5) Made available in DSpace on 2020-05-12T15:25:54Z (GMT). No. of bitstreams: 1 Igor Ribeiro_Dissertacao2014.pdf: 1420468 bytes, checksum: ac6efc0f546175c29b3afb047b4bc3db (MD5) Previous issue date: 2014-03-17 Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES The metagenomic is the study of samples extracted directly from an environment. One of the most important steps of a metagenomic study is the taxonomic classification problem, i.e, the identification of taxonomic lineages present in the genetic material of the sample. Basically, there are two methods for metagenomic classification: similarity based and composition based. This study used the second type, since there is evidence in the literature that composition based classification is capable of identifying global characteristics of the sequences which are not captured by similarity based classification. The performance of composition based classification techniques depends strongly on the size k of the k-mers words used to represent the sequences. Given a fixed k, the frequencies vector of k-mers has size d = 4k. Thus, as k increases, storing and manipulating such vectors become an unworkable task of the computational point of view. In this case, there is a need to use dimensionality reduction techniques. This study presents a comparison among four dimensionality reduction kernel based methods and an investigation about the influence of size of the k-mer in the context of metagenomic classification. This study was conducted using SVMs (support vector machines). The dimensionality reduction kernel methods used were: Random Projections (RP), Hash, Hash unbiased, Conditional Random Sampling (CRS). Initially, we adopted Naive Bayes and 10 datasets were selected where the misclassification rate ranged from 5% to 50%. These datasets were used as a reference for subsequent comparisons. Each dataset was initially classified using SVMs combined with spectral kernel (which does not reduce the dimensionality of the problem), and SVM was then combined with each one of the dimensionality reduction kernels studied. Through an extensive analysis of the results, it was concluded that the performance of the reduction dimensionality kernels is influenced by factors such as the size of k-mer words, size of DNA sequences and by the degree of linearity of the problem. In some cases the dimensionality reduction kernels can generate classification rates close to the spectral kernel even the reduction is relatively small in comparison with the original space. In general, the hash kernel obtained the best classification rates, but as the dimension of problem increases, the CRS kernel becomes a good option. A metagenômica é o estudo de amostras extraídas diretamente de um ambiente. Um dos passos mais importantes de um estudo metagenômico é o processo de classificação taxonômica, ou seja, a identificação das linhagens taxonômicas presentes no material genético da amostra. Basicamente existem dois tipos de métodos para classificação metagenômica: baseado em similaridade e baseado em composição. Este trabalho utilizou o segundo tipo, pois existe evidência na literatura de que a classificação por composição é capaz de identificar características globais das sequências que não são capturadas pela classificação baseada em similaridade. O desempenho das técnicas de classificação baseadas em composição depende fortemente do tamanho k das palavras k-mers usadas para representar as sequências. Dado um k fixo, o vetor de frequências de k-mer possui o tamanho d = 4k. Dessa forma, à medida em que k aumenta, armazenar e manipular tais vetores torna-se uma tarefa inviável do ponto de vista computacional. Neste caso, há a necessidade de recorrer a técnicas de redução de dimensionalidade. Este trabalho apresenta uma comparação de quatro métodos de redução de dimensionalidade baseados em kernel e a influência do tamanho da palavra k-mer no contexto da classificação metagenômica. O estudo foi realizado utilizando o classificador SVM (Máquina de Vetores de Suporte, do inglês, Support Vector Machines). Os métodos kernel de redução de dimensionalidade utilizados foram: Random Projection (RP), Hash, Hash sem viés e Conditional Random Sampling (CRS). Inicialmente, foi utilizado o Naive Bayes para classificar 10 conjuntos de dados onde o erro de classificação variou entre 5% e 50%. Esses conjuntos de dados foram utilizados como uma referência para as comparações posteriores. Cada conjunto de dados foi inicialmente classificado utilizando uma SVM combinada com o kernel espectral (que não reduz a dimensionalidade do problema), e a seguir a SVM foi combinada com cada um dos kernels de redução de dimensionalidade estudados. Através de uma análise extensiva dos resultados, chegou-se à conclusão de que o desempenho dos kernels de redução de dimensionalidade é influenciado por fatores como o tamanho da palavra k-mer, o tamanho das sequências de DNA, e o grau de linearidade do problema. Em alguns casos os kernels de redução de dimensionalidade podem gerar taxas de classificação próximas às do kernel espectral mesmo quando a dimensão reduzida é relativamente pequena em comparação com o espaço original. De uma maneira geral, o kernel hash obteve as melhores taxas de classificação, mas à medida em que a dimensão do problema cresce, os resultados do kernel CRS indicam que ele pode se tornar uma boa alternativa.

The objetive of this work is to propose a draughts learning system, the D-VisionDraughts (Distributed VisionDraughts): a distributed draughts player agent based on neural networks that learns by reinforcement. The D-VisionDraughts is trained in a distributed processing environment in order to achieve a high level of play without expert game analysis and with minimal human intervention as possible (distinctly from the world draughts champion Chinook). The D-VisionDraughts corresponds to a distributed version of the eficient VisionDraughts player, where the latter corresponds to a MLP (multilayer perceptron) neural network that learns by means of temporal diferences. The role of the neural network is to evaluate how much a board state is favorable to the agent (prediction). This value will lead the search module to determine the best action (in this case, the best move) of the current board state of the game. Another factor that has an important impact on the search eciency, which is analyzed in this work, is the degree of ordering of the game tree. Thus, the main contributions of this work are: the replacement of the serial algorithm used in VisionDraughts, the minimax with alpha-beta pruning, by the distributed algorithm Young Brothers Wait Concept (YBWC); the use of heuristics for game tree ordering, that is essential for the proper performance of YBWC and alpha-beta pruning in general; the impact analysis of the high-performance processing environment on the unsupervised learning skills of the player. This work shows that with the techniques used, the time required to perform a game tree search was signicantly reduced and through tournaments played with VisionDraughts the overall performance of the distributed agent is improved. O objetivo deste trabalho é propor um sistema de aprendizagem de damas, o DVisionDraughts (Distributed VisionDraughts): um agente distribuído jogador de damas baseado em redes neurais que aprende por reforço. O D-VisionDraughts é treinado em um ambiente de processamento distribuído de modo a alcançar um alto nível de jogo sem a análise de especialistas e com o mínimo de intervenção humana possível (diferentemente do agente campeão do mundo de damas Chinook). O D-VisionDraughts corresponde a uma versão distribuída do eciente jogador VisionDraughts, onde este último corresponde à uma rede neural MLP (multilayer perceptron) que aprende pelo método das diferenças temporais. O papel da rede neural é avaliar o quanto um estado de tabuleiro é favorável ao agente (valor de predição). Este valor irá guiar o módulo de busca na procura pela melhor ação (neste caso, o melhor movimento) correspondente ao estado de tabuleiro corrente do jogo. Outro fator que é importante na eciência da busca, e que foi analisado neste trabalho, é o grau de ordenação da árvore de jogo. Desta forma, as principais contribuições deste trabalho consistem em: substituir o algoritmo serial utilizado para a busca em árvore de jogos do VisionDraughts, o minimax com poda alpha-beta, pelo algoritmo distribuído Young Brothers Wait Concept (YBWC); o uso de heurísticas para ordenação da árvore de jogos, que é essencial para o bom desempenho do YBWC e da poda alpha-beta em geral; a análise do impacto do ambiente de processamento distribuído nas habilidades de aprendizado não supervisionadas do jogador. Este trabalho mostra que, com a aplicação das técnicas no D-VisionDraughts, reduzimos expressivamente o tempo necessário para a etapa de busca e, através de torneios realizados com o VisionDraughts, o desempenho geral do agente distribuído foi nitidamente melhor. Mestre em Ciência da Computação

Several technological advances during recent years provided that the Electronic Health Record systems (EHR) became a solidified and viable alternative to replace progres-sively and efficiently, the use of health records on paper. The benefits found are associated with the use of methods for clinical decision support (CDS), data availability, ease in finding information, among other advantages inherent in computerized systems use. However, there are still many challenges and research to get the full potential of such systems. For example, the amounts of clinical data for EHR storage are very high. Several interests might benefit if there was a tool capable of performing an automated analysis, or more commonly found, semi-automated, useful for search patterns in the data set stored in the system. Several studies indicate that efforts in the field of machine learning achieve great results in various areas including clinical information. However, the effort required is still high, increasing the time spent with planning and processing, with high costs and large amounts of data needed for processing. This work, in association with the OpenCTI's CDS seeks to significantly reduce the amount of effort necessary to promote both the reuse of clin-ical information from the automatic learning, and the development of mechanisms for clini-cal decision support with low cost. This study seeks to offer those benefits to users of EHR systems, through a simple mechanism, but extensive, for analysis of clinical data stored in clinical databases. This anal-ysis is performed using a methodology of knowledge extraction algorithms using collective intelligence or data mining, through steps of search, selection, preprocessing, modeling, evaluation and application of the information extracted from these systems. From this, me-chanisms for clinical decision support of EHR, may use the framework offered by CollectMed to promote with greater ease and precision, more accurate information regarding specific medical conditions on their patients, according to what has already been registered by health professionals in similar cases using the EHR. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Diversos avanços tecnológicos ocorridos nos últimos anos fizeram com que os Sis-temas de Registro Eletrônico em Saúde (RES) se consolidassem como uma alternativa viável para substituir, progressivamente e com eficiência, o uso dos registros de saúde em papel. Os benefícios encontrados são associados ao uso de métodos de apoio à decisão clínica, disponi-bilidade dos dados, facilidade na busca por informações, entre outras vantagens inerentes ao uso de sistemas computadorizados. Entretanto, existem ainda, muitos desafios e pesquisas para fazer com que todo o potencial desses sistemas seja utilizado. Por exemplo, a quantida-de de dados clínicos que os sistemas de RES armazenam, é muito elevado. Diversos interes-ses poderiam ser beneficiados, caso houvesse uma ferramenta capaz de realizar uma análise automatizada, ou semi-automatizada (como é mais comumente encontrada), para buscar padrões úteis no conjunto de dados armazenados no sistema. Diversos trabalhos apontam que os esforços realizados no campo de aprendizado automático alcançam ótimos resultados em diversas áreas, inclusive para informações clíni-cas. Porém, o esforço necessário ainda é elevado, aumentando o tempo dedicado ao planeja-mento e execução, assim como altos custos e necessidade de grande volume de dados para o processamento. Este trabalho, associado ao sistema de apoio à decisão do OpenCTI busca reduzir, significativamente,o esforço necessário para promover tanto o reuso de informações clínicas a partir do aprendizado automático, quanto o desenvolvimento de mecanismos de apoio à decisão clínica a um baixo custo. O presente trabalho, busca oferecer tal benefício aos usuários de sistemas de RES, por meio de um mecanismo simples, porém amplo, de análise dos dados clínicos armazena-dos nos bancos de dados dos RES. Essa análise será realizada por meio de uma metodologia de extração de conhecimento, utilizando algoritmos de inteligência coletiva ou data mining, passando por etapas de busca, seleção, pré-processamento, modelagem, avaliação e aplicação destas informações extraídas dos sistemas. A partir disso, mecanismos de apoio à decisão clínica dos RES, poderão utilizar o arcabouço oferecido pelo CollectMed para promover, com mais facilidade e precisão, recuperação de informações mais apuradas a respeito das condi-ções clínicas específicas sobre seus pacientes, de acordo com o que já foi registrado por pro-fissionais de saúde em casos clínicos semelhantes persistidos no RES.

Grande parte das pesquisas relacionadas com a classificação automática de textos (CAT) tem procurado melhorar o desempenho (eficácia ou eficiência) do classificador responsável por classificar automaticamente um documento d, ainda não classificado. O método dos k vizinhos mais próximos (kNN, do inglês k nearest neighbors) é um dos métodos de classificação automática mais simples e eficazes já propostos. Neste trabalho foram propostas duas variações do método kNN, o kNN invertido (kINN) e o kNN simétrico (kSNN) com o objetivo de melhorar a eficácia da CAT. Os métodos kNN, kINN e kSNN foram aplicados nas coleções Reuters, 20NG e Ohsumed e os resultados obtidos demonstraram que os métodos kINN e kSNN tiveram eficácia superior ao método kNN ao serem aplicados nas coleções Reuters e Ohsumed e eficácia equivalente ao método kNN ao serem aplicados na coleção 20NG. Além disso, nessas coleções foi possível verificar que o desempenho obtido pelo método kNN é mais estável a variação do valor k do que os desempenhos obtidos pelos métodos kINN e kSNN. Um estudo paralelo foi realizado para gerar novas características em documentos a partir das matrizes de similaridade resultantes dos critérios de seleção dos melhores resultados obtidos na avaliação dos métodos kNN, kINN e kSNN. O método SVM, considerado um método de classificação do estado da arte em relação à eficácia, foi aplicado nas coleções Reuters, 20NG e Ohsumed - antes e após aplicar a abordagem de geração de características nesses documentos e os resultados obtidos demonstraram ganhos estatisticamente significativos em relação à coleção original. Most research on Automatic Text Categorization (ATC) seeks to improve the classifier performance (effective or efficient) responsible for automatically classifying a document d not yet rated. The k nearest neighbors (kNN) is simpler and it s one of automatic classification methods more effective as proposed. In this paper we proposed two kNN variations, Inverse kNN (kINN) and Symmetric kNN (kSNN) with the aim of improving the effectiveness of ACT. The kNN, kINN and kSNN methods were applied in Reuters, 20ng and Ohsumed collections and the results showed that kINN and kSNN methods were more effective than kNN method in Reuters and Ohsumed collections. kINN and kSNN methods were as effective as kNN method in 20NG collection. In addition, the performance achieved by kNN method is more stable than kINN and kSNN methods when the value k change. A parallel study was conducted to generate new features in documents from the similarity matrices resulting from the selection criteria for the best results obtained in kNN, kINN and kSNN methods. The SVM (considered a state of the art method) was applied in Reuters, 20NG and Ohsumed collections - before and after applying this approach to generate features in these documents and the results showed statistically significant gains for the original collection.

The objective of this work is to propose a draughts learning system, VisionDraughts, based on works of Neto and Julia (LS-Draughts) and Mark Lynch (NeuroDraughts). The NeuroDraughts is a good automatic draughts player which uses temporal diference learning to adjust the weights of an articial neural network whose role is to estimate how much the board state represented in its input layer by NET-FEATUREMAP is favorable to the player agent. The set of features is manually dened. The search for the best action corresponding to a current board state is performed by minimax algorithm. The LS-Draughts expands the NeuroDraughts, through the genetic algorithms, generating automatically a set of minimal features which are necessary and essential to a game of draughts and optimizing, successfully, the training of the apprentice player. The Vision- Draughts adds two modules to the former architectures: an eficient tree-search module with alfa-beta, iterative deepening and transposition table, providing the player agent larger capacity to analyse future moves (board states more distant from the current board) and a module to access endgame databases, allowing to acquire perfect information to positions with less than 8 pieces on the board. Some tournaments were promoted between the best players obtained by NeuroDraughts, LS-Draughts and VisionDraughts. The tournament's results, all won by the VisionDraughts, show the importance of the new two modules in the building of good automatic draughts players: the runtime required for training the new player was drastically reduced and its performance was significantly improved. Furthermore, the VisionDraughts name was just chosen to emphasize the great importance of analysing future moves in order to the success of this work. O objetivo deste trabalho é propor um sistema de aprendizagem de damas, Vision-Draughts, baseado nos trabalhos de Neto e Julia (LS-Draughts) e de Mark Lynch (NeuroDraughts). O NeuroDraughts é um bom jogador automático de damas que utiliza a técnica de aprendizagem por diferenças temporais para ajustar os pesos de uma rede neural artificial multi-camadas cujo papel é estimar o quanto um estado do tabuleiro do jogo, representado em sua camada de entrada através do mapeamento NET-FEATUREMAP, é favorável ao agente jogador. O conjunto de características do jogo é definido manualmente e a busca pela melhor ação a ser executada, a partir do estado corrente do tabuleiro, é realizada através do algoritmo minimax. O LS-Draughts expande o trabalho de Lynch por meio da técnica dos algoritmos genéticos, gerando, automaticamente, um conjunto mínimo e essencial de características do jogo de damas e otimizando, com grande sucesso, o treinamento do agente aprendiz. O VisionDraughts acrescenta dois módulos nas arquiteturas anteriores: um módulo de busca eficiente em árvores de jogos baseado no algoritmo alfa-beta, no aprofundamento iterativo e nas tabelas de transposição, que fornece ao agente jogador maior capacidade de analisar jogadas futuras (estados do tabuleiro mais distantes do estado corrente), um módulo para acessar bases de dados de finais de jogos que permite obter informações perfeitas para combinações de oito ou menos peças no tabuleiro. Foram realizados torneios entre os melhores jogadores obtidos por NeuroDraughts, LS-Draughts e VisionDraughts. Os resultados dos torneios, todos vencidos pelo VisionDraughts, evidenciam a importância dos dois novos módulos na construção de jogadores automáticos de damas: o tempo de execução para o treinamento do jogador foi drasticamente reduzido e seu desempenho significantemente melhorado. Alias, o nome VisionDraughts foi escolhido, justamente, para destacar a importância da capacidade de analisar jogadas futuras para o sucesso do presente trabalho. Mestre em Ciência da Computação

This objective of this work is to propose a Learning System Draughts, LS-Draughts, that aims, through the Genetic Algorithm (GA), to generate automatically, a set of minimal features which are necessary and essential to a game of Draughts in order to optimizes the training of a player agent that learns to play Draughts. The learning method of this agent consists in approaching a Neural Network MLP through Reinforcement Learning TD(λ) along with the minimax search, with the mapping of the gam board NET-FEATUREMAP (done according to the features generated by the GA) and with the training process of self-play with cloning. The goal of the agent s self-learning, without any expert game analysis, is to allow an intelligent system to learn to play Draughts through its own experience. Such learning process is analogous to the process used by the NeuroDraughts system proposed by Mark Lynch. However, the LS-Draughts expands to NeuroDraughts as it generates automatically an effective and concise set of features of the NET-FEATUREMAP mapping, so that, the last one, uses a fixed and manually defined se of features. A tournament was promoted between the best player obtained by the LS-Draughts and the best available player of the LS-Draughts. The tournament s results, won by the player of the LS-Draughts, shows the fact that the GA represents and important improvement tool in these automatic players general performance. O objetivo deste trabalho é propor um Sistema de Aprendizagem de Damas, LS-DRAUGHTS, que visa, por meio da técnica dos Algoritmos Genéticos (Ags), gerar, automaticamente, um conjunto de características mínimas necessárias e essenciais de um jogo de Damas, de forma a otimizar o treino de um agente jogador que aprende a jogar Damas. A aprendizagem deste agente consiste em aproximar uma rede neural MLP através do método de Aprendizagem por Reforço RD(λ) aliado com a busca minimax, com o mapeamento de tabuleiro NET-FEATUREMAP (feito a partir das características geradas pelo AG) e com a técnica de treinamento por self-play com clonagem. O objetivo da auto-aprendizagem do agente, sem Ter que recorrer a uma base de jogos de especialistas, é permitir que um sistema inteligente aprenda a jogar Damas pela sua própria experiência. Tal processo de aprendizagem é análogo ao processo utilizado pelo sistema NeuroDraughts proposto por Mark Lynch. Contudo, o LS-DRAUGHTS expande o NeuroDraughts ao fazer a geração automática de um conjunto eficaz e resumido de características do mapeamento NET-FEATUREMAP, ao passo que, o último, utiliza um conjunto fixo e definido manualmente. Foi efetuado um torneio entre o melhor jogador obtido pelo LS-DRAUGHTS e o melhor jogador de Mark Lynch disponível. Os resultados do torneio, vencido pelo jogador do LS-DRAUGHTS, evidenciam o fato de o AG representar uma importante ferramenta de melhoria no desempenho geral desses jogadores automáticos. Mestre em Ciência da Computação