Search

Soluções para o problema de detecção de fonte de odor são necessárias para permitir a realização de diversas tarefas como busca por vazamentos ambientais de gás, monitoramento da qualidade do ar e detecção de presença de gás tóxico em ambientes internos, permitindo, assim, aumentar a segurança e prevenir acidentes em ambientes com presença de gases perigosos. Neste sentido, a utilização de aeronaves nesta tarefa agrega agilidade, segurança e eficiência, contribuindo no desenvolvimento da Indústria 4.0. A solução presente neste trabalho faz uso de uma estratégia de busca pela fonte de odor utilizando a abordagem do mapeamento da distribuição de gás em um ambiente tridimensional utilizando um nanoquadricóptero do modelo Crazyflie 2.0. O mapeamento é viabilizado a partir de uma função de densidade de probabilidade por kernel gaussiano, a qual atua sobre as leituras de características extraídas do sinal de qualidade do ar de um sensor SGP30 embarcado e produz um mapa contínuo, sem haver necessidade de segmentação do ambiente. A subtarefa de declaração da posição da fonte é avaliada através de diferentes estratégias envolvendo redes neurais artificiais e técnicas de aprendizagem de máquina. Os resultados apontam que o algoritmo proposto é capaz de realizar estimativas precisas sobre a localização da fonte com erros de estimação com média próxima a 0,46 m em um ambiente de aproximadamente 15 m3. O algoritmo possui a possibilidade de escalabilidade para incorporar outras aeronaves e explorar ambientes internos com maiores volumes. Solutions to the odor source localization problem are necessary to allow accomplishment of several tasks such as environmental gas leakage searching, air quality monitoring and indoor detection of dangerous gas, thus allowing to increase safety and prevent accidents in environments where hazardous gases are handle. In this sense, the use of aircraft in this task brings agility, safety and efficiency, contributing to the development of Industry 4.0. The solution presented in this work makes use of an odor source localization strategy by gas distribution mapping approach in a three-dimensional environment using a Crazyflie 2.0 nano quadcopter. The mapping is constructed from a probability density function by Gaussian kernel, which acts over characteristics extracted from the air quality signal of an on-board SGP30 sensor and produces a continuous map, without the need for segmentation of the workspace. The source position declaration subtask is evaluated through different strategies involving artificial neural networks and machine learning techniques. The results show that the proposed algorithm is capable of making accurate estimates of the odor source location with estimation errors means close to 0.46 m in an environment of approximately 15 m3. The algorithm has the possibility of scalability by incorporation other aircraft and thus explore indoor environments with higher volumes. Tese (Doutorado)

Dissertação de Mestrado em Engenharia Eletrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia A Computação Estocástica é um método de computação que realiza operações baseadas em probabilidade, permitindo circuitos simples com baixo consumo de energia e significativa tolerância a falhas. As Redes Neurais Convolucionais requerem essencialmente somas ponderadas, apesar do enorme peso computacional associado a esses algoritmos. Devido à simplicidade dos cálculos realizados por estes algoritmos, propomos a aplicação de Computação Estocástica a Redes Neurais Convolucionais para implementar classificadores de tecnologia de ponta mais eficientes. Esta dissertação pretende contextualizar este problema e rever a literatura nas áreas correspondentes para fundamentar o trabalho realizado posteriormente. Foram realizadas breves revisões de possíveis metodologias de implementação para dar uma compreensão de como a Computação Estocástica pode ser usada na classificação de imagens em CNNs. Propomos a rede LeNet-5 Modificada baseada na rede LeNet-5 original, onde as modificações servem para dividir a rede em blocos facilmente substituíveis por blocos de Computação Estocástica. A rede LeNet-5 modificada alcançou um desempenho de treino de 97% no Tensorflow. Após o treino, implementámos a rede LeNet-5 Modificada em hardware reconfigurável personalizado para a classificação de imagens do conjunto de dados MNIST. No final do nosso trabalho, obtivemos uma implementação RTL modelo completa da CNN à qual pode ser adicionada a computação estocástica. O pipeline está totalmente implementado e funcional, no entanto carece de debug futuro. Stochastic Computing is a computing method that performs probability-based operations, allowing simple circuits with low energy consumption and significant fault tolerance. Convolutional Neural Networks are a class of machine learning algorithms that essentially require weighted sums, despite the huge computational weight associated with these algorithms. Due to the simplicity of operations calculated by these algorithms, we propose applying Stochastic Computing to Convolutional Neural Networks to implement more efficient edge computing classifiers. This dissertation intends to contextualize this problem and review the literature in the corresponding areas to base the work carried out later. Brief reviews of possible implementation methodologies have been carried out, to give an understanding of how to use Stochastic Computing in CNN image classification. We propose the Modified LeNet-5 based on the original LeNet-5, where the modifications serve to divide the network into blocks that can be easily exchangeable with Stochastic Computing blocks. The modified LeNet-5 achieved a training performance of 97% on Tensorflow, maintaining a good accuracy on classification, with similar values as the original LeNet-5. After training, we implemented the Modified LeNet-5 on custom reconfigurable hardware for the classification of images from the MNIST dataset. At the end of our work, we have a CNN baseline full RTL implementation on which Stochastic Computing can be added. The pipeline is fully implemented and working but not fully debugged.

Due to climate change, the hydrological drought is assuming a structural character with a tendency to worsen in many countries. In fact, the frequency and intensity of droughts is predicted to increase, particularly in the Mediterranean region and Southern Africa. Since a fraction of the fresh water that is consumed is used to irrigate urban fabric green spaces, which are typically made up of gardens, lanes and roundabouts, it is urgent to implement water waste prevention policies. Reference evapotranspiration (ETo) is a measurement that can be used to estimate the amount of water being taken up or used by plants, allowing a better management of the watering volumes but, the exact computation of the evapotranspiration is not possible without using complex and expensive sensor systems. As an alternative to the devoted sensor solutions, weather parameters can be used to estimate ETo. However that also raises some problems, such as the fact that it requires the use of a dedicated weather station or of data available on the internet. In both contexts, solar radiation (SR) is not commonly available, and since evapotranspiration is dependent on solar radiation, the need to develop ETo prediction models that do not require it as an input parameter arises. This thesis presents some high accuracy reference evapotranspiration and solar radiation prediction models, both having as input a set of limited meteorological features, namely, temperature, humidity and wind, which exclude the need for solar radiation as a parameter. Two approaches were explored for deriving such models: (i) the use of machine learning algorithms like linear regression (OLS, Ridge, Lasso), k-Nearest Neighbors (kNN), Support Vector Machine (SVM), Decision Tree and Random Forest, and (ii) the use of neural networks such as Artificial Neural Networks (ANN), Long Short Term Memory Networks (LSTM), Gated Recurrent Unit Networks (GRU), Recursive Neural Networks (RNN), and the development of hybrid neural network models such as LSTM-ANN, RNN-ANN, and GRU-ANN. Using experimental data collected from a weather station located in Vale do Lobo, south Portugal, and using the machine learning approach mentioned in the previous paragraph, (i), the best performing ETo model gave a coefficient of determination (R2) of 0.975, and the best SR model gave an R2 of 0.831, over the test dataset. When using the neural networks approach, (ii), the best performing ETo model gave an R2 of 0.977, and the best SR model gave an R2 of 0.833. As a final notice, the limited meteorological input parameters were carefully selected so that they are compatible with online freely available weather forecast services. Devido às mudanças climáticas, a seca hidrológica está a assumir um carácter estrutural com tendência a se agravar em muitos países. Prevê-se que a frequência e a intensidade das secas aumentem, particularmente na região do Mediterrâneo e na África Austral. Uma vez que uma fração da água doce consumida é utilizada para regar os espaços verdes do tecido urbano, que são tipicamente jardins, arruamentos e rotundas, urge implementar políticas de prevenção do desperdício de água. A evapotranspiração de referência (ETo) é uma medida que pode ser utilizada para estimar a quantidade de água absorvida ou utilizada pelas plantas, permitindo uma melhor gestão dos volumes de irrigação, mas o cálculo exato da evapotranspiração não é possível sem o uso de sistemas de sensores complexos e caros. Como alternativa à utilização de sensores dedicados, também se pode utilizar parâmetros meteorológicos para estimar a ETo, no entanto, tal levanta alguns problemas, como a necessidade de uma estação meteorológica dedicada ou a utilização de dados disponíveis na Internet. Neste contexto, a radiação solar geralmente não está disponível, e como a evapotranspiração depende da radiação solar (SR), surge a necessidade de desenvolvimento de modelos de previsão de ETo que não a requeiram como parâmetro de entrada. Esta tese estuda vários modelos de previsão de evapotranspiração de referência e radiação solar, ambos tendo como entrada apenas três parâmetros meteorológicos, a saber temperatura, humidade e vento, o que exclui a necessidade da radiação solar como elemento de entrada. Duas abordagens foram exploradas para derivar tais modelos: (i) o uso de algoritmos de aprendizagem de máquina: regressão linear (OLS, Ridge, Lasso), k-Nearest Neighbors (kNN), Support Vector Machine (SVM), Decision Tree e Random Forest, e (ii) o uso de redes neuronais: Artificial Neural Networks (ANN), Long Short Term Memory Networks (LSTM), Gated Recurrent Unit Networks (GRU), Recursive Neural Networks (RNN), e o desenvolvimento de modelos de redes neuronais híbridas: LSTM-ANN, RNN-ANN, e GRU-ANN. Utilizando dados experimentais recolhidos de uma estação meteorológica localizada em Vale do Lobo, sul de Portugal, e seguindo os métodos de aprendizagem de máquina, referidos no parágrafo anterior, o modelo de ETo com o melhor desempenho obteve um coeficiente de determinação (R2) de 0,975, e o melhor modelo de SR obteve um R2 de 0,831, sobre o conjunto de dados de teste. Ao utilizar as abordagens suportadas em redes neurais, os modelos de ETo e SR com melhor desempenho obtiveram um (R2) de 0,977 e 0,833, respectivamente. Por fim, é de notar que os parâmetros meteorológicos limitados de entrada foram cuidadosamente selecionados para que sejam compatíveis com os serviços de previsão meteorológica disponíveis online de forma gratuita.

Tese de doutoramento em Medicina, Cardiomiócitos diferenciados de células estaminais pluripotentes induzidas são uma ferramenta única na recapitulação de doenças cardiovasculares humanas e no estudo de perfis farmacológicos de novas drogas. Aqui apresentamos três projetos que incorporam tecnologias emergentes com estes cardiomiócitos para demonstrar meios seguros e eficazes no diagnóstico de doenças cardíacas e no estudo de drogas. No primeiro estudo, nós validamos a utilização de perfis de contração obtidos a partir de um teste sem contacto ou rótulos para classificar de forma confiável cardiomiócitos saudáveis e doentes. Vários algoritmos de aprendizagem de máquina (machine learning) supervisionada classificaram devidamente células cardíacas utilizando parâmetros de contração obtidos a partir de vídeos de campo claro de 20 segundos. Nós demonstramos que cardiomiócitos podem ser devidamente classificados com base em perfis de contração obtidos de modo não-invasivo, e que algoritmos de machine learning podem ser utilizados como uma ferramenta de triagem em estudos de contração cardíaca de um modo automático, de alta complexidade, e de alto rendimento. No segundo estudo, nós otimizamos birreatores para a formação e maturação de tecidos cardíacos, e desenvolvemos um sistema de órgãos-em-chips (organs-on-chips) em polissulfona para avaliar a eficácia e segurança de linsitinib, uma droga anticancerígena. Tecidos cardíacos e de tumor ósseo cultivados em isolamento replicaram outros modelos pré-clínicos que mostraram linsitinib como uma droga eficaz, mas causando cardiotoxicidade severa. Quando ambos os tecidos foram cultivados de modo integrado, eles replicaram os resultados de um estudo clínico, que confirmaram que linsitinib é uma droga ineficaz e que causa cardiotoxicidade moderada. Nós demonstramos que o nosso organs-on-chips consegue predizer resultados clínicos. No terceiro estudo, o organs-on-chips foi utilizado para modelar a farmacocinética (PK) e a farmacodinâmina (PD) de doxorubicin, uma droga anticancerígena. Nós desenvolvemos um modelo in silico do chip para simular a distribuição e metabolismo da droga. Este modelo computacional previu a PK da doxorubicin no chip e observamos também correlações significativas entre o perfil de PD no chip e dados previamente reportados. Nós demonstramos a capacidade de organs-on-chips em modelar perfis farmacológicos de drogas. A integração de metodologias experimentais com tecnologias emergentes, como as discutidas nesta dissertação, tem o potencial de ajudar no desenvolvimento de modelos cada vez mais complexos para o estudo de doenças humanas e a avaliação de novos regimes terapêuticos., Cardiomyocytes differentiated from human induced pluripotent stem cells provide a unique tool for modeling human cardiovascular disease and assessing the pharmacological profiles of new drugs. They have been used in various approaches, ranging from two-dimensional cell cultures to three-dimensional tissues. Here we show three projects which incorporate emerging technologies with these cardiomyocytes to demonstrate a safer and more efficient means for the diagnosis of cardiac diseases and for the study of therapeutic agents. In the first study, we validated the utility of contractility profiles obtained from a noncontact, label-free assay to reliably classify healthy and diseased cardiomyocytes. Several supervised machine learning algorithms properly classified the cardiac cells using contractility parameters obtained from 20-second long brightfield videos. We demonstrated that cardiomyocytes can be properly classified based on noninvasive measurements of their contractile profiles, and machine learning algorithms can be utilized as an automated, high-throughput, and high complexity screening tool in studies of cardiac contractility. In the second study, we optimized bioreactors for the generation and maturation of human cardiac muscle tissues, and designed a polysulfone-based organs-on-chips system to assess the efficacy and safety of linsitinib, an anti-cancer drug. Heart and bone tumor tissues cultured in isolation replicated other preclinical models which showed linsitinib to be an effective anti-cancer drug while causing severe cardiotoxicity. When both tissues were cultured in an integrated setting, they recapitulated the results of a clinical trial, which confirmed linsitinib to be ineffective in inhibiting tumor growth and only causing mild cardiotoxicity. We showed our organs-on-chips system to better predict clinical outcomes at the preclinical stage. In the third study, an organs-on-chips system developed in our lab was used to model the pharmacokinetics (PK) and pharmacodynamics (PD) of doxorubicin, an anti-cancer drug. We then developed an in silico model of the chip for computational simulations of the drug’s distribution and metabolism. This computational model predicted doxorubicin’s PK in the chip. We also observed significant correlations between the PD profiles in the chip and previously reported data. We demonstrate the capability of organs-on-chips in preclinical modeling of pharmacological drug profiles. Future integration of experimental methodologies with emerging technologies, such as the ones discussed in this dissertation, has the potential to aid in the development of increasingly complex models for studying human disease as well as for evaluating new therapeutic regimens., Financial support was provided by Fundaçāo para a Ciência e Tecnologia fellowship PD/BD/105819/2014, awarded through the University of Minho MD/PhD Program.

Tese (doutorado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2022. Os métodos de aprendizado de máquina dependem muito de quão bom o extrator de características selecionado pode representar os dados brutos de entrada. Atualmente, temos mais dados e capacidade computacional para lidar com isso. Com as Redes Neurais Convolucionais temos uma rede que é mais fácil de treinar e generaliza muito melhor do que o habitual. Há, no entanto, uma boa quantidade de características que são essenciais, mas são descartadas nesse processo, mesmo quando se utiliza uma CNN poderosa. As Redes Neurais Convolucionais Multistream podem processar mais de uma entrada usando fluxos separados e são projetadas usando qualquer arquitetura CNN clássica como base. O uso de M-CNNs gera mais informação de características e, assim, melhora o resultado geral. Este trabalho explorou arquiteturas M-CNNs e como os sinais de fluxo se comportam durante o processamento, chegando a uma nova estratégia de fusão cruzada de M-CNNs. O novo módulo é validado, inicialmente, com um conjunto de dados padrão, CIFAR-10, e comparado com as redes correspondentes (single-stream CNN e late fusion M-CNN). Os primeiros resultados neste cenário mostraram que nosso modelo adaptado superou todos os modelos mencionados acima em pelo menos 28% em comparação com todos os modelos testados. Expandindo o teste, usamos a base de antigas redes estado-da-arte na classificação de imagens e conjuntos de dados adicionais para investigar se a técnica pode colocar essas estruturas de volta ao jogo. No conjunto de dados NORB, mostramos que podemos aumentar a precisão em até 63, 21% quando comparado às estruturas básicas de M-CNNs. Variando nossas aplicações, o mAP@75 do conjunto de dados de detecção e reconhecimento de objetos BDD100K melhorou em 50, 16% em comparação com sua versão não adaptada, mesmo quando treinado do zero. A fusão proposta demonstrou robustez e estabilidade, mesmo quando distratores foram usados como entradas. Embora nosso objetivo seja reutilizar arquiteturas estado-da-arte anteriores com poucas modificações, também expomos as desvantagens de nossa estratégia explorada. Machine-learning methods depend heavily on how well the selected feature extractor can represent the raw input data. Nowadays, we have more data and computational capacity to deal with it. With Convolutional Neural Networks, we have a network that is easier to train and generalizes much better than usual. However, a good amount of essential features are discarded in this process, even when using a powerful CNN. Multistream Convolutional Neural Networks can process more than one input using separate streams and are designed using any classical CNN architecture as a base. The use of M-CNNs generates more features and thus, improves the overall outcome. This work explored M-CNNs architectures and how the stream signals behave during the processing, coming up with a novel M-CNN cross-fusion strategy. The new module is first validated with a standard dataset, CIFAR-10, and compared with the corresponding networks (single-stream CNN and late fusion M-CNN). Early results on this scenario showed that our adapted model outperformed all the abovementioned models by at least 28% compared to all tested models. Expanding the test, we used the backbones of former state-of-the-art networks on image classification and additional datasets to investigate if the technique can put these designs back in the game. On the NORB dataset, we showed that we could increase accuracy up to 63.21% compared to basic M-CNNs structures. Varying our applications, the mAP@75 of the BDD100K multi-object detection and recognition dataset improved by 50.16% compared to its unadapted version, even when trained from scratch. The proposed fusion demonstrated robustness and stability, even when distractors were used as inputs. While our goal is to reuse previous state-of-the-art architectures with few modifications, we also expose the disadvantages of our explored strategy.

Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas, Programa de Pós-graduação em Economia, 2022. Identificar antecipadamente se uma empresa tem propensão a enfrentar dificuldades financeiras é de grande relevância para diversos agentes da economia, em especial para credores e investidores. Neste estudo, com a utilização de técnicas de Machine Learning, comparamos alguns modelos que podem contribuir para diagnosticar antecipadamente possíveis dificuldades financeiras de empresas no futuro próximo. Para realizar nossa análise capturamos dados históricos de empresas reais listadas na Bolsa de Valores do Brasil (Brasil Bolsa Balcão - B3) do período de 2002 a 2021. Nosso objetivo é prever antecipadamente o estágio de dificuldade financeira de uma empresa que possa levá-la a oficializar um pedido de Recuperação Judicial (RJ) ou um pedido de Recuperação Extrajudicial (RE) no trimestre seguinte, representando um risco para credores e investidores. Temos um problema de classificação binária, em que nossa variável dependente é a possibilidade de pedir RJ ou RE no trimestre seguinte, ou não. Para compor as variáveis explicativas extraímos indicadores financeiros das demonstrações contábeis das empresas. Com esse objetivo, testamos diferentes técnicas de classificação considerando vários algoritmos de Machine Learning, tais como Random Forest (RF), Gradient Boosting (GB), Logistic Regression (LR), Naive Bayes (NB), Suport Vector Machine (SVM) e Artificial Neural Networks (ANN). Os resultados obtidos demonstram que a maioria dos modelos estudados apresentam bom desempenho no cenário testado, sendo que o RF e o GB, considerando a métrica F1-score, superam os demais em todas as simulações. Após a execução do processo de Cross Validation K-fold, o RF supera o GB. Adicionalmente, uma importante contribuição do nosso trabalho foi demonstrar que os indicadores financeiros de liquidez, rentabilidade e endividamento desempenham um papel importante na previsão de dificuldades financeiras das empresas e que esses indicadores são, predominantemente, referentes aos três trimestres anteriores ao pedido de RJ ou RE oficializado pelas empresas. Identifying in advance whether a company is likely to face financial difficulties is of great importance for various agents of the economy, especially for creditors and investors. In this study, using Machine Learning techniques, we compare some models that can help to diagnose in advance possible financial difficulties of companies in the near future. To carry out our analysis, we captured historical data from real companies listed on the Brazilian Stock Exchange (Brasil Bolsa Balcão - B3) from 2002 to 2021. Our objective is to predict in advance the stage of financial difficulty of a company that could lead it to formalize a request for Judicial Recovery (RJ) or a request for Extrajudicial Recovery (RE) in the following quarter, representing a risk for creditors and investors. we have a problem with binary classification, in which our dependent variable is the possibility of ordering RJ or RE in the following quarter, or not. To compose the explanatory variables, we extracted financial indicators from the companies’ financial statements. With that objective, we tested different classification techniques considering several Machine Learning algorithms, such as Random Forest (RF), Gradient Boosting (GB), Logistic Regression (LR), Naive Bayes (NB), Support Vector Machine (SVM) and Artificial Neural Networks (ANN ). The results obtained demonstrate that most of the models studied present good performance in the tested scenario, and the RF and GB, considering the F1-score metric, outperform the others in all simulations. After performing the K-fold Cross Validation process, the RF exceeds the GB. Additionally, an important contribution of our work was to demonstrate that the financial indicators of liquidity, profitability and indebtedness play an important role in predicting the financial difficulties of companies and that these indicators are predominantly referring to the three quarters prior to the RJ or RE request made official by the companies.

Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Ciências Econômicas, 2022. Neste estudo avaliamos a aplicação de técnicas de aprendizagem de máquina para classificação de eventos de perda operacional com provável impacto no risco de crédito. Para tanto, utilizamos base de dados de perdas de uma instituição financeira brasileira. Na sequência selecionamos uma combinação de modelos probabilísticos (näive bayes e regressão logística) e de aprendizagem de máquina (árvore de decisão e random forest) para avaliar a precisão da classificação. Os resultados se mostraram satisfatórios para a maior parte dos algoritmos testados em especial àqueles com métrica em Árvore de Decisão. O presente estudo pretende contribuir não só academicamente (frente à escassez de referencial bibliográfico diretamente relacionado a Risco de Fronteira entre o Risco Operacional e o Risco de Crédito), mas também corporativamente mediante a otimização de classificação de informações pelas instituições financeiras, o que pode acarretar no aprimoramento da eficiência operacional, melhoria no gerenciamento de riscos (de forma integrada) e qualificação dos dados de perdas operacionais. In this study, we evaluated the application of machine learning techniques to classify operational loss events with a probable impact on credit risk. For this, we used a database of losses from a Brazilian financial institution. Next, we selected a combination of probabilistic models (näive bayes and logistic regression) and machine learning (decision tree and random forest) to evaluate the classification accuracy. The results were satisfactory for most of the algorithms tested, especially those with Decision Tree metrics. The present study intends to contribute not only academically (in view of the scarcity of bibliographic reference directly related to Border Risk between Operational Risk and Credit Risk), but also corporately by optimizing the classification of information by financial institutions, which can lead to in improving operational efficiency, improving risk management (in an integrated manner) and qualifying operational loss data.

Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas, Programa de Pós-graduação em Economia, 2022. Este trabalho objetivou identificar um modelo preditivo de classificação de risco de crédito em operações comerciais de cheque especial para pessoa física que possibilite o devido gerenciamento de riscos e mensuração mais precisa das situações de default proporcionando a evolução financeira do credor. A variável target considera o cliente “mau” caso ultrapasse 90 dias de atraso em algum mês, durante os 12 primeiros meses após a contratação, caso contrário, o cliente será considerado “bom”. Foram utilizados os algoritmos de Machine Learning Regressão Logística, k-Nearest Neighbors (k-NN), Support Vector Machines (SVM), Árvore de Decisão, Floresta Aleatória e Gradient Boosting. Para validação dos modelos fizemos uso das métricas Precisão, Recall, Especificidade, F1-Score, Média Geométrica, IBA (Index Balanced Accuracy) e a curva ROC (AUC). Os resultados apontaram melhor desempenho para o modelo Floresta Aleatória podendo ser incremento de resultado para instituições financeiras. O que aponta melhor performance de modelos de computação inteligente sobre modelos estatísticos tradicionais como Regressão Logística. Além disso, não foram encontrados outros trabalhos sobre a temática de cheque especial. This study aimed to identify a predictive model of credit risk classification in commercial operations of overdraft for individuals that allows proper risk management and more accurate measurement of default situations, providing the financial evolution of the creditor. The target variable considers the customer “bad” if he exceeds 90 days of delay in any month, during the first 12 months after hiring, otherwise, the customer will be considered “good”. The algorithms of Machine Learning as Logistic Regression, k-Nearest Neighbors (k-NN), Support Vector Machines (SVM), Decision Tree, Random Forest and Gradient Boosting were used. To validate the models, we used the metrics Precision, Recall, Specificity, F1-Score, Geometric Mean and IBA (Index Balanced Accuracy) and the ROC curve (AUC). The results showed better performance for the Random Forest model, which could be an increase in results for financial institutions. This points to better performance of intelligent computing models over traditional statistical models such as Logistic Regression. In addition, no other works on the subject of overdraft were found.

Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas, Programa de Pós-graduação em Economia, 2022. A previsão de risco de default para clientes de uma instituição financeira, ou seja, apurar se deixará de cumprir com suas obrigações financeiras, é de extrema importância e pode causar um grande impacto nos resultados da Instituição. Nesse sentido, buscamos com nosso estudo supervisionado a identificação de modelos adequados para subsidiar as ações a serem implementadas pelos bancos com a definição da aderência dos modelos mediante variáveis previsoras que acreditamos ter potencial para discriminar bons e maus pagadores. Recorremos à técnica de Regressão Logística (Logit) e aos modelos de Machine Learning, Random Forest e Gradient Boosting, com o objetivo de prever quando um contrato habitacional pode se tornar Ativo Problemático (AP), para subsidiar decisões para enfrentamento de cenários extremos, em atendimento às exigências do órgão regulador. Para validação dos modelos, utilizamos, a Curva ROC, além de Precision e Recall, bem como critério de erro quadrático médio (RMSE). Os modelos apresentaram resultados muito próximos, acreditamos que em função dos algoritmos refletirem a homogeneidade da carteira avaliada, tanto a nível de perfil dos clientes como a nível de comportamento histórico observado nos contratos. Ao final, o modelo Gradient Boosting apresentou melhor capacidade para a predição esperada, em termos de acurácia e eficiência quanto à previsão e sensibilidade, o que nos permitiu concluir que os modelos em Machine Learning podem ser utilizados para essa finalidade The default risk forecast for clients of a financial institution, that is, to determine whether it will no longer comply with its financial obligations, is extremely important and could have a major impact on the institution’s results. In this sense, we sought with our supervised study the identification of appropriate models to support the actions to be implemented by banks with the definition of adherence of models through forecasting variables that we believe have the potential to discriminate good and bad payers. We used the Logistic Regression technique (Logit) and the machine learning, random forest and gradient boosting models, in order to predict when a housing contract can become problematic asset (PA), to support decisions to cope with extreme scenarios, in compliance with the requirements of the regulatory body. For validation of the models, we used the ROC Curve, in addition to Precision and Recall, as well as mean quadratic error criterion (RMSE). The models presented very close results, we believe that as the algorithms reflect the homogeneity of the portfolio evaluated, both at the level of the profile of the clients and in the level of historical behavior observed in the contracts. In the end, the Gradient Boosting model presented better capacity for the expected prediction, in terms of accuracy and efficiency in terms of prediction and sensitivity, which allowed us to conclude that the models in Machine Learning could be used for this purpose

Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas, Programa de Pós-graduação em Economia, 2022. Nesse trabalho, realizamos um estudo a respeito da inadimplência em contratos habitacionais concedidos ao segmento de pessoa física por uma Instituição Financeira enquadrada no segmento S1, utilizando uma amostra de 31647 contratos pactuados entre Janeiro de 2016 e Janeiro de 2021, que tinham como garantia real imóveis entre 500 mil e 1 milhão de reais. A partir das informações disponibilizadas, selecionamos um conjunto de características relacionadas ao tomador e ao contrato. Incorporamos à análise variáveis macroeconômicas comumente utilizadas pela literatura, que demonstraram ter sido bastante relevantes na construção do modelo.Considerado o grande desbalanceamento identificado na base, utilizamos algumas técnicas de reamostragem e aplicamos 5 diferente classificadores na base balanceada e desbalanceada com o intuito de comparar o desempenho das combinações entre diversas técnicas para previsão de contratos que venham a ficar inadimplentes em 30, 60 e 90 dias. Os resultados obtidos indicam maior eficiência da técnica de reamostragem SMOTEENN e dos classificadores Random Forest, Regressão Logística e KNN. In this work, we did a study about the default in housing finance granted in the individual segment by a Financial Institution classified in the S1 segment, using a sample of 31647 contracts agreed between January 2016 and January 2021, that they had as a real guarantee properties between 500 thousand and 1 million reais. From the information provided, we select a set of characteristics related to the borrower and the contract. We integrate macroeconomic variables commonly incorporated in the literature into the analysis, which demonstrated to be quite relevant in the construction of the model. Considering the large imbalance identified in the base, we used some resampling techniques and applied 5 different classifiers to the balanced base and unbalanced base to compare the performance of combinations among several to predict contracts that will become defaulter in 30, 60 and 90 days. The results obtained indicate greater efficiency of the SMOTEEN resampling technique and the Random Forest, Logistic Regression and KNN Classifiers.

Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Ciências Econômicas, 2022. Nesse estudo, com a utilização de técnicas de machine learning, procuramos construir um modelo de detecção de fraudes em cartões de crédito, que seja útil para detectar antecipadamente atos ilícitos e contribuir para reduzir prejuízos para as corporações. Utilizamos uma base de dados com transações de cartões de crédito, disponibilizada no site Kaggle e aplicamos técnicas de classificação, em especial os modelos Random Forest, Regressão Logistica e Redes Neurais. A expansão da tecnologia moderna e da comunicação global tem propiciado uma maior ocorrência de fraudes, que resulta em perdas substanciais para os negócios. Detectar fraudes e principalmente prever sua ocorrência, portanto, é uma questão de sobrevivência para as corporações. Modelos cada vez mais precisos podem ser elaborados com o advento da inteligência artificial e do machine learning, bem como, como o auxílio dos big datas e advanced analytics. Embora seja impossível impedir a fraude, considerando que é uma atividade inerentemente humana, podemos usar tecnologias de detecção e prevenção, além de engenharia social, para tentar reduzir o risco e ficar um passo à frente dos fraudadores. Como resultado o leitor é capaz de compreender e aprender sobre um pipeline que pode auxiliar na prevenção à fraude, e observamos que é possível obter melhores resultados por meio da análise exploratória e a customização das técnicas disponíveis, sendo o modelo de Random Forests o que apresentou melhor performance nos testes deste estudo. In this study, using machine learning techniques, we seek to build a model for detecting credit card fraud, which is useful for early detection of illicit acts and contributing to reduce losses for corporations. We use a database with credit card transactions, available on the Kaggle website and apply classification techniques, especially the Random Forest models, Logistic Regression and Neural Networks. The expansion of modern technology and global communication has led to a greater occurrence of fraud, which results in substantial losses for the business. Detecting fraud and, above all, predicting its occurrence, therefore, is a matter of survival for corporations. More and more accurate models can be developed with the advent of artificial intelligence and machine learning, as well as, with the help of big data and advanced analytics. While it is impossible to prevent fraud, given that it is an inherently human activity, we can use detection and prevention technologies, as well as social engineering, to try to reduce risk and stay one step ahead of fraudsters. As a result, the reader is able to understand and learn about a pipeline that can help prevent fraud, and we observed that it is possible to obtain better results through exploratory analysis and the customization of available techniques, with the Random Forests which presented the best performance in the tests of this study.

Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Ciências Econômicas, 2022. A literatura tem mostrado que as técnicas de machine learning são bastante adequadas no contexto de risco de crédito e muitos pesquisadores têm obtido bons resultados para previsão da inadimplência. Nesse sentido, esta dissertação teve como objetivo a realização de um estudo empírico, utilizando métodos de aprendizado supervisionado para a classificação de tomadores de crédito. O trabalho foi desenvolvido a partir de uma base de dados real, fornecida por um dos maiores bancos do Brasil, com informações de micro e pequenas empresas contratantes de empréstimos no ano de 2020, período em que a pandemia da COVID-19 impactava o cenário econômico. Utilizamos 3 técnicas de machine learning: Regressão Logística, Random Forest e Gradient Boosting. E para aumentar o desempenho dos algoritmos, diante de uma base de dados desbalanceada, utilizamos 3 técnicas de balanceamento: NearMiss, SMOTE - Synthetic Minority Over-sampling Technique e SMOTEENN - combinação do SMOTE com ENN - Edited Nearest Neighbours. Como medida de sucesso, buscamos o aumento da AUC - Área Sob a Curva ROC, e, de acordo com os resultados, o algoritmo que apresentou maior AUC foi o Random Forest com o balanceamento SMOTE, atingindo resultado de 79,16%, e a menor AUC foi do algoritmo Regressão Logística sem o balanceamento da base de treino, atingindo resultado de 67,99%. The literature has shown that machine learning techniques are quite suitable in the context of credit risk and many researchers have obtained good results for default prediction. In this sense, this dissertation aimed to carry out an empirical study, using supervised learning methods to classify borrowers. The work was developed from a real database, provided by one of the largest banks in Brazil, with information on micro and small companies contracting loans in 2020, a period in which the COVID-19 pandemic impacted the economic scenario. We used three machine learning techniques: Logistic Regression, Random Forest and Gradient Boosting. And to increase the performance of the algorithms, in front of an unbalanced database, we used three balancing techniques: NearMiss, SMOTE - Synthetic Minority Over-sampling Technique and SMOTEENN - combination of SMOTE with ENN - Edited Nearest Neighbors. As a measure of success, we sought to increase the AUC - Area Under the ROC Curve, and, according to the results, the algorithm that presented the highest AUC was Random Forest with SMOTE balance, reaching a result of 79.16%, and the lowest AUC was from the Logistic Regression algorithm without balancing the training base, reaching a result of 67.99%.

Dissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil, 2022. A previsão da resistência à compressão de materiais cimentícios utilizando modelos de aprendizado de máquina (ML, sigla do termo na língua inglesa, Machine Learning) é um recurso de grande interesse para aplicação na área de Engenharia Civil. O ML vem sendo aplicado para estimar a resistência à compressão de argamassas e concretos mundialmente. Porém, a partir de uma revisão sistematizada da literatura, notou-se uma carência de trabalhos com o enfoque da sua aplicação para previsão do comportamento mecânico do cimento Portland comum (CPC). Portanto, o objetivo da pesquisa foi a previsão da resistência à compressão aos 28 dias do CPC com as técnicas de ML Random Forest (RF) Neural Networks (NN) a partir de resultados experimentais de trabalhos científicos que caracterizaram amostras de CPC, coletados na literatura aberta. Em adição, foi realizada uma análise exploratória desses dados e a estimativa dos 4 compostos principais do CPC através do cálculo potencial de Bogue. A performance do treinamento foi verificada através de três critérios estatísticos, coeficiente de determinação (R²), erro quadrático médio (RMSE) e erro quadrado médio (MSE). Como resultado, o modelo de RF e NN obtiveram performances satisfatórias e os valores obtidos dos critérios estatísticos para o treinamento e teste da RF foram, respectivamente, R² (0,93 e 0,65), RMSE (2,00 e 4,50) e MSE (6,80 e 31,22), e para o treinamento e teste da NN foram, respectivamente, R² (0,96 e 0,64), RMSE (0,85 e 4,86) e MSE (1,72 e 35,10). Os resultados atingidos pelas duas técnicas foram similares e ao analisálos, foi possível perceber que a previsão da resistência à compressão do CPC a partir de dados da literatura é possível, o que pode trazer incremento na indústria do cimento, propondo um método alternativo da avaliação dessa propriedade. The prediction of the compressive strength of cementitious materials using Machine Learning (ML) models is a resource of great interest for application in Civil Engineering. The ML has been applied to estimate the compressive strength of mortars and concretes worldwide. However, based on a systematic review of the literature, there was a lack of studies focusing on its application to predict the mechanical behavior of ordinary Portland cement (OPC). Therefore, the objective of the research was to predict the compressive strength at 28 days of OPC with the techniques of ML Random Forest (RF) Neural Networks (NN) from experimental results of scientific works that characterized samples of OPC, collected in the literature. open. In addition, an exploratory analysis of these data was performed and the estimation of the 4 main compounds of the OPC through the Bogue potential calculation was performed. The training performance was verified through three statistical criteria, coefficient of determination (R²), mean squared error (RMSE) and mean squared error (MSE). As a result, the RF and NN models obtained satisfactory performances and the values obtained from the statistical criteria for training and testing the RF were, respectively, R² (0.93 and 0.65), RMSE (2.00 and 4.50) and MSE (6.80 and 31.22), and for the training and testing of the NN they were, respectively, R² (0.96 and 0.64), RMSE (0.85 and 4.86) and MSE (1 .72 and 35.10). The results achieved by the two techniques were similar and when analyzing them, it was possible to perceive that the prediction of the compressive strength of OPC from literature data is possible, which can bring an increase in the cement industry, proposing an alternative method of assessment of that property.

Tese (doutorado) — Universidade de Brasília, Instituto de Ciências Humanas, Departamento de Geografia, Programa de Pós-Graduação em Geografia, 2022. Algoritmos do novo campo de aprendizado de máquina conhecido como Deep Learning têm se popularizado recentemente, mostrando resultados superiores a modelos tradicionais em métodos de classificação e regressão. O histórico de sua utilização no campo do sensoriamento remoto ainda é breve, porém eles têm mostrado resultados similarmente superiores em processos como a classificação de uso e cobertura da terra e detecção de mudança. Esta tese teve como objetivo o desenvolvimento de metodologias utilizando estes algoritmos com um enfoque no monitoramento de alvos críticos no Brasil por via de imagens de satélite a fim de buscar modelos de alta precisão e acurácia para substituir metodologias utilizadas atualmente. Ao longo de seu desenvolvimento, foram produzidos três artigos onde foi avaliado o uso destes algoritmos para a detecção de três alvos distintos: (a) áreas queimadas no Cerrado brasileiro, (b) áreas desmatadas na região da Amazônia e (c) plantios de arroz no sul do Brasil. Apesar do objetivo similar na produção dos artigos, procurou-se distinguir suficientemente suas metodologias a fim de expandir o espaço metodológico conhecido para fornecer uma base teórica para facilitar e incentivar a adoção destes algoritmos em contexto nacional. O primeiro artigo avaliou diferentes dimensões de amostras para a classificação de áreas queimadas em imagens Landsat-8. O segundo artigo avaliou a utilização de séries temporais binárias de imagens Landsat para a detecção de novas áreas desmatadas entre os anos de 2017, 2018 e 2019. O último artigo utilizou imagens de radar Sentinel-1 (SAR) em uma série temporal contínua para a delimitação dos plantios de arroz no Rio Grande do Sul. Modelos similares foram utilizados em todos os artigos, porém certos modelos foram exclusivos a cada publicação, produzindo diferentes resultados. De maneira geral, os resultados encontrados mostram que algoritmos de Deep Learning são não só viáveis para detecção destes alvos mas também oferecem desempenho superior a métodos existentes na literatura, representando uma alternativa altamente eficiente para classificação e detecção de mudança dos alvos avaliados. Algorithms belonging to the new field of machine learning called Deep Learning have been gaining popularity recently, showing superior results when compared to traditional classification and regression methods. The history of their use in the field of remote sensing is not long, however they have been showing similarly superior results in processes such as land use classification and change detection. This thesis had as its objective the development of methodologies using these algorithms with a focus on monitoring critical targets in Brazil through satellite imagery in order to find high accuracy and precision models to substitute methods used currently. Through the development of this thesis, articles were produced evaluating their use for the detection of three distinct targets: (a) burnt areas in the Brazilian Cerrado, (b) deforested areas in the Amazon region and (c) rice fields in the south of Brazil. Despite the similar objective in the production of these articles, the methodologies in each of them was made sufficiently distinct in order to expand the methodological space known. The first article evaluated the use of differently sized samples to classify burnt areas in Landsat-8 imagery. The second article evaluated the use of binary Landsat time series to detect new deforested areas between the years of 2017, 2018 and 2019. The last article used continuous radar Sentinel-1 (SAR) time series to map rice fields in the state of Rio Grande do Sul. Similar models were used in all articles, however certain models were exclusive to each one. In general, the results show that not only are the Deep Learning models viable but also offer better results in comparison to other existing methods, representing an efficient alternative when it comes to the classification and change detection of the targets evaluated.

Submitted by Miqueias Lima Duarte (m.duarte@unesp.br) on 2022-02-23T20:13:55Z No. of bitstreams: 1 Tese.pdf: 7015950 bytes, checksum: c1fa0f935499c6a789f9d314eccc2a8c (MD5) Rejected by Roberta Honorato Goria (roberta.goria@unesp.br), reason: Prezado, Favor corrigir a paginação no arquivo PDF do trabalho. Segundo a norma ABNT NBR 14724, a paginação deve constar a partir da folha de rosto (ou da próxima após a capa – a primeira folha do trabalho é a capa), mas só deve ser exibida nos elementos textuais, ou seja, só aparece a partir da introdução. No seu trabalho a Introdução é a folha 14 e só aparece a partir desse número. A Lista de Tabelas deve ficar em outra folha e não junto com a lista anterior. Retirar a numeração romana dos elementos pré-textuais. Os elementos pós-textuais não seguem a numeração progressiva, no seu trabalho o 8 nas Referências e 9 no Anexo. Iniciar o Anexo na próxima folha depois as Referências. Corrigir o sumário após alteração. O texto das Referências não deve ser justificado. A norma ABNT NBR 14724 para correção pode ser consultada no link: https://www2.unesp.br/portal#!/cgb/normas-tecnicas/abnt/ Após correção submeter o arquivo novamente. on 2022-03-07T13:46:21Z (GMT) Submitted by Miqueias Lima Duarte (m.duarte@unesp.br) on 2022-03-08T20:27:47Z No. of bitstreams: 1 tese_Miqueias.pdf: 7023700 bytes, checksum: d9e9a4f82e1a6bb9aea4c12acb467e93 (MD5) Approved for entry into archive by Roberta Honorato Goria (roberta.goria@unesp.br) on 2022-03-09T19:40:41Z (GMT) No. of bitstreams: 1 duarte_ml_dr_soro.pdf: 7023700 bytes, checksum: d9e9a4f82e1a6bb9aea4c12acb467e93 (MD5) Made available in DSpace on 2022-03-09T19:40:41Z (GMT). No. of bitstreams: 1 duarte_ml_dr_soro.pdf: 7023700 bytes, checksum: d9e9a4f82e1a6bb9aea4c12acb467e93 (MD5) Previous issue date: 2022-02-10 Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) Os incêndios florestais são eventos globais que causam perdas imensuráveis para o homem e para o meio ambiente. A previsão e mapeamento desses eventos pode ser uma importante medida, uma vez que possibilita desenvolver estratégias com vistas ao controle ou a prevenção. Nesse contexto, esta pesquisa teve por objetivo desenvolver uma metodologia para a previsão da Suscetibilidade à Incêndios e Queimadas (SIQ), a partir de dados de sensoriamento remoto, com uso de um método misto de aprendizagem de máquina, tendo como unidade de pesquisa a bacia hidrográfica do rio Sorocabuçu, no município de Ibiúna/São Paulo, Brasil. Foram utilizadas 14 variáveis potencialmente influenciadoras, sendo quatro fatores climáticos, dois antrópicos, quatro topográficos e quatro fatores relacionados às características da vegetação. Os fatores mais importantes foram selecionados com uso do algoritmo Boruta e, posteriormente, estes foram utilizados para compor um modelo de classificação com uso do Sistema de Inferência Fuzzy Híbrido (HFIS). O sistema foi implementado com base em dados de treinamento (70%) e avaliado com base em dados independentes (30%). Além disso, o sistema também foi implementado em dois períodos climáticos extremos (2020 e 2018). Os resultados obtidos mostraram que os fatores mais importantes estão relacionados às características da vegetação, seguido pelos fatores climáticos e antrópicos. A implementação do sistema HFIS mostrou que a função de associação fuzzy gaussiana com particionamento em cinco valores linguísticos apresentou os melhores ajustes. Considerando o conjunto de dados independentes, o modelo HFIS apresentou bom desempenho na predição para o ano de 2019 (Acurácia de 0,93 e índice Kappa de 0,86), apresentando um valor de AUC de 93,3%, o que representa boa capacidade de replicação do modelo proposto, uma vez que nos períodos climáticos considerados extremos, o modelo apresentou valores de AUC superiores a 90%. A aplicação do modelo HFIS mostrou que em 2019 cerca de 65,93% da área foi classificada com muito baixo e baixo SIQ, enquanto as áreas com maior SIQ foram minoritárias (16,18%) e, apesar disso, é neste último onde ocorrem cerca de 76,69% dos eventos de incêndios e queimadas. Estes resultados confirmam a eficiência do modelo proposto e sua capacidade em modelar problemas não lineares complexos. A implementação do sistema HFIS mostrou-se adequado para a previsão da SIQ, e os resultados obtidos podem ser utilizados para auxiliar os gestores públicos no seu planejamento, com vista à prevenção e mitigação dos eventos. Forest fires are global events that cause immeasurable losses to man and the environment. The prediction and mapping of these events can be an important measure, since they allow us to develop strategies for either control or prevention. In this context, this research aimed to develop a method for the prediction of Susceptibility to Fires and Burnings (SFB) via remote sensing data, and using a mixed method of machine learning, for which the research unit was the basin of the Sorocabuçu River, in the municipality of Ibiúna, São Paulo, Brazil. We used fourteen variables of potential influence, which were four climatic factors, two anthropic factors, four topographic factors and four factors related to vegetation characteristics. The most important factors were selected using the Boruta algorithm, and these were subsequently used to compose a classification model using the Hybrid Fuzzy Inference System (HFIS). The system was implemented on the basis of training data (70%) and evaluated on the basis of independent data (30%). In addition, the system was implemented in two periods of extreme weather (2020 and 2018). The results showed that the most important factors are related to vegetation characteristics, followed by climatic and anthropic factors. The implementation of the HFIS system showed that the fuzzy Gaussian association function with partitioning in five linguistic values presented the best adjustments. Considering the set of independent data, the HFIS model showed good performance in the prediction for the year 2019 (accuracy of 0.93 and Kappa index of 0.86), and presented an AUC value of 93.3%, which represents good replication capacity for the proposed model, since in the climatic periods that are considered extreme, the model presented AUC values greater than 90%. The application of the HFIS model showed that in 2019 about 65.93% of the area was classified as having very low or low SFB, while the areas with higher SFB were the minority (16.18%) and, despite this, it is in the latter where about 76.69% of the events of fires and burnings occur. These results that confirm the efficiency of the proposed method and its ability to model complex nonlinear problems. The implementation of the HFIS model proved to be adequate for the prediction of SFB, and the results obtained can be used to assist public managers in their planning, with a view to prevention and mitigating events. 001

Submitted by Neusa Fagundes (neusa.fagundes@unioeste.br) on 2022-03-24T11:29:25Z No. of bitstreams: 2 Ernanny_Figueiredo2022.pdf: 2434307 bytes, checksum: 7cb7c50c9a085f979de1f7d8d6c48782 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Made available in DSpace on 2022-03-24T11:29:25Z (GMT). No. of bitstreams: 2 Ernanny_Figueiredo2022.pdf: 2434307 bytes, checksum: 7cb7c50c9a085f979de1f7d8d6c48782 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2022-02-04 Every day, millions of people openly share their opinions on social media and comment sites about specific topics, products, services, etc. Several segments of the business market are interested in gaining information from this medium that is relevant to their business. One type of desired information is the identification of sentiments expressed by registered users in the form of opinions, as this shows agreement or disagreement related to the topic. Manual collection of such information is often not feasible due to the large amount of text. This is where machine learning techniques come into play, allowing you to organize, manage and extract knowledge so that the user of the solution can improve their business strategy. This work proposes an approach to the text classification problem applied to sentiment analysis to identify the polarity of the text, i.e., to know whether the opinion is positive or negative. The literature indicates several tools with different classifiers can be found in the ones used in this work are those whose built models incorporate classifiers based on artificial neural networks. The models were created and their performance was evaluated for a specific set of data containing the opinions of consumers who purchased health care products, with texts written in Portuguese. The effect of the preprocessing stages of the texts on the models was also studied. The results showed that artificial neural network solutions, both multilayer and recurrent, implemented in Python, reach an efficiency level close to the best and most widespread commercial tools for this task. Todos os dias, milhões de pessoas compartilham abertamente, nas redes sociais e páginas de comentários, suas opiniões sobre determinados assuntos, produtos, serviços, etc. Diversos segmentos do mercado empresarial têm interesse em extrair informações desse meio, que sejam relevantes para seu negócio. Um tipo de informação desejada é a identificação de sentimentos expressos pelos usuários registrados na forma de opiniões, já que isso demonstra a aceitação ou rejeição com relação ao assunto. A obtenção de tais informações de forma manual muitas vezes é inviável devido a grande quantidade de textos e ai entram as técnicas de aprendizado de máquina permitindo organizar, gerenciar e extrair conhecimento, possibilitando ao utilizador da solução melhorar sua estratégia de negócio. Este trabalho propõe uma abordagem para o problema de classificação de textos aplicado à análise de sentimentos, para identificar a polaridade do texto, ou seja, saber se a opinião é positiva ou negativa. A literatura indica diversas ferramentas com classificadores diferentes, sendo as utilizadas neste trabalho aquelas cujos modelos construídos incorporam classificadores baseados em redes neurais artificiais. Modelos foram construídos e seu desempenho avaliado para um grupo particular de dados que contém opiniões de consumidores que adquiriram produtos da área da saúde, com textos escritos na língua portuguesa. Também investigou-se o impacto das fases de pré-processamento do texto nos modelos. Os resultados mostraram que as soluções de redes neurais artificiais, tanto as multi camadas quanto as recorrentes, implementadas em Python, atingem um nível de eficiência próximo das melhores e mais difundidas ferramentas comerciais destinadas à esta tarefa.

Não recebi financiamento Species originating from one biome are often irregularly introduced in other biomes, even if unintentionally, with the sole desire of their own consumption or for ornamental purposes. However, these species can end up becoming invasive and subjugating native vegetation. In this scenario, we have characterized biological invasion, which can cause irreversible negative impacts on biodiversity and affect economic productivity in sectors such as fisheries, forestry and agriculture. Furthermore, many species are vectors of human diseases, making biological invasions a major problem. With many closed forests, regions such as the mountains of the sea, and other places that are difficult to access, monitoring the Brazilian territory becomes very difficult and requires many resources for your care, whether human or financial. Remotely and automatically detecting invasive vegetation in large regions or areas of difficult physical access can be a very positive factor for conservation work. Through this monitoring, concrete actions can be taken in favor of the environment and irreversible damage to the ecosystem can be avoided. Making use of Deep Learning models for the detection of the invasive species Hedychium coronarium in images obtained through remote sensing, this master's project proposes a methodology for the monitoring over time of the area invaded by Hedychium coronarium in order to help specialists in answers to questions ecological Espécies originárias de um bioma, por muitas vezes são introduzidas irregularmente em outros, mesmo que de forma não intencional, apenas com o desejo de consumo próprio ou para fins ornamentais. Essas espécies, podem acabar se tornando invasoras e subjugando a vegetação nativa. Neste cenário, temos caracterizada a invasão biológica, podendo ocasionar em impactos negativos irreversíveis na biodiversidade e afetar a produtividade econômica em setores como o pesqueiro, florestal e a agricultura. Além disso, muitas espécies são vetores de doenças humanas, fazendo das invasões biológicas um grande problema. Com muitas matas fechadas em regiões como a Serra do Mar e outros locais de difícil acesso, o monitoramento do território brasileiro se torna muito difícil e demanda muitos recursos para o seu cuidado, sejam eles humanos ou financeiros. Detectar remotamente e de forma automática as vegetações invasoras em grandes regiões ou áreas de difícil acesso físico, pode ser um fator muito positivo para o trabalho de conservação. Através deste monitoramento, ações concretas poderiam ser tomadas em prol do meio ambiente e danos irreversíveis ao ecossistema podem ser evitados. Fazendo uso modelos de Deep Learning para a detecção da espécie invasora Hedychium coronarium em imagens obtidas através de sensoriamento remoto, este projeto de mestrado propõe uma metodologia para o monitoramento ao longo do tempo da área invadida por Hedychium coronarium visando auxiliar os especialistas em respostas para questões ecológicas

Dissertation presented as the partial requirement for obtaining a Master's degree in Data Science and Advanced Analytics, specialization in Data Science O trabalho surgiu da necessidade do homem de suprir suas necessidades básicas. Na antiguidade, época de Gregos e Romanos, era ensinado a prole como cuidar da terra e esse conhecimento era passado por gerações. Com a chegada da primeira revolução industrial e posteriormente com a popularização dos computadores, o trabalho se tornou o que conhecemos hoje. A forma de contratação mudou ao longo dos anos e com a chegada da tecnologia mais do que nunca, o mercado de trabalho está em constante mudança e como consequência disto as habilidades necessárias para estes trabalhos também seguem esta mudança. Grande parte das vagas de trabalho hoje estão anunciadas em sites de buscas de emprego como Indeed, Glassdoor e Linkedin. Um grande desafio atual, é prever as mudanças e tendências do mercado de trabalho em termos de habilidades, e a analise textual pode gerar uma vantagem competitiva neste sentido. A proposta deste trabalho é analisar através de técnicas de Natural Language Processing (NLP) diferentes oportunidades de emprego da área de Data Science a fim de obter um modelo que possa ser utilizado para extrair as habilidades requisitadas para esta área. Para alcançar este objetivo primeiro é feita uma revisão dos conceitos de Aprendizado de Máquina, Natural Language Processing, Transfer Learning e das técnicas de preparação de dados, e em seguida será apresentada a metodologia utilizada. Depois, são destacadas as técnicas que funcionam melhor para extração de habilidades, a escolha e criação do modelo, e por fim a apresentação de resultados. The work originated from man's need to meet his basic needs. In ancient times, the times of the Greeks and Romans, offspring were taught how to take care of the land and this knowledge was passed on for generations. With the arrival of the first industrial revolution and later with the popularization of computers, work became what we know today. The way of hiring has changed over the years and with the arrival of technology more than ever, the job market is constantly changing, and consequently, the skills needed for these jobs also follow this change. A large part of job vacancies today is advertised on job search sites such as Indeed, Neuvoo, and Linkedin. A big challenge today is to predict the changes and trends in the job market in terms of skills and textual analysis can generate a competitive advantage in this sense. The purpose of this work is to analyze through Natural Language Processing (NLP) techniques different job opportunities in the Data Science area to obtain a model that can be used to extract the required skills for this area. To achieve this goal first a review of the concepts of Machine Learning, Natural Language Processing, Transfer Learning, and data preprocessing, then the methodology used is presented. Next, the techniques that work best for skill extraction is highlighted, the choice and creation of the model, and finally the presentation of results.

Dissertação de mestrado integrado em Informatics Engineering, Road accidents are estimated to be the cause of millions of deaths and tens of millions of injuries every year. For this reason, any measure that reduces accidents' probability or severity will save lives. Speeding, driving under the influence of psychotropic substances and distraction are leading causes of road accidents. Causes that can be classified as human since they all come from driver errors. Autonomous driving is a potential solution to this problem as it can reduce road accidents by removing human error from the task of driving. This dissertation aims to study Artificial Intelligence techniques and Edge Computing networks to explore solutions for autonomous driving. To this end, Artificial Intelligence models for detecting and tracking objects based on Machine Learning and Computer Vision, and Edge Computing networks for vehicles were explored. The YOLOv5 model was studied for object detection, in which different training parameters and data pre-processing techniques were applied. For object tracking, the StrongSORT model was chosen, for which its performance was evaluated for different combinations of its components. Finally, the Simu5G simulation tool was studied in order to simulate an edge computing network, and the viability of this type of network to aid autonomous driving was analysed., É estimado que os acidentes rodoviários sejam a causa de milhões de mortes e dezenas de milhões de lesões todos os anos. Por esta razão, qualquer medida que diminua a probabilidade de acidentes ou que diminua a sua gravidade acabará por salvar vidas. Excesso de velocidade, condução sob influência de substâncias psicotrópicas e distração no ato da condução são algumas das principais causas de acidentes rodoviários. Causas essas que podem ser classificadas como humanas visto que são oriundas de um erro do condutor. A condução autónoma surge como solução para este problema. Esta tem o potencial de diminuir acidentes rodoviários removendo o erro humano da tarefa da condução. Esta dissertação teve como objetivo o estudo de técnicas Inteligência Artificial e redes Computação de Borda de forma a explorar soluções para a condução autónoma. Para tal foram estuados modelos Inteligência Artificial de deteção e rastreamento de objetos com base nas áreas de Aprendizagem Máquina e Visão por Computador e redes de Computação de Borda para veículos. Para a deteção de objetos foi estudado o modelo YOLOv5, no qual diferentes combinações de parâmetros de treino e técnicas de pré-processamento de dados foram aplicadas. Para o rastreamento de objetos foi escolhido o modelo StrongSORT, para o qual foi avaliada a sua performance para diferentes combinações das suas componentes. Por fim, foi estudada a ferramenta de simulação Simu5G, de forma a simular uma rede de computação de borda, e foi feita uma análise sobre a viabilidade deste tipo de redes no auxílio à condução autónoma.

Nesse trabalho apresenta-se uma plataforma baseada em inteligência artificial, denominada AIpFRC (aipfrc.org), que tem como objetivo fornecer ferramentas inteligentes para auxílio no projeto de estruturas de Betão Reforçado com Fibras (BRF). Essas ferramentas são construídas utilizando-se algoritmos de aprendizagem de máquina treinados recorrendo a bases de dados com informações confiáveis de testes experimentais de BRF coletadas da literatura de forma inteligente usando técnicas de inteligência artificial e tratamento de dados.

Submitted by Maria Aparecida (cidazen@gmail.com) on 2022-06-08T13:25:48Z No. of bitstreams: 1 Otávio_Carvalho.pdf: 2119985 bytes, checksum: bf1b078c7def57483bc2b1b6468e5fa9 (MD5) Made available in DSpace on 2022-06-08T13:25:48Z (GMT). No. of bitstreams: 1 Otávio_Carvalho.pdf: 2119985 bytes, checksum: bf1b078c7def57483bc2b1b6468e5fa9 (MD5) Previous issue date: 2021-12-21 Today’s society is increasingly dependent on products and services based on the use of satellites, among which satellite communication and navigation systems stand out, technologies directly affected by the phenomenon of ionospheric scintillation, which can compromise or even make unfeasible the use of such systems. In this context, it becomes important to develop tools capable of predicting the occurrence of ionospheric scintillation, however, the modeling of this phenomenon is quite complex due to the influence of several other aspects. Therefore, the main objective of this work is to develop short-term predictive models, both quantitative and qualitative, about amplitude ionospheric scintillation. For this, machine learning techniques will be used, considering information related to geomagnetic activity, temporal and geographic dependence of the phenomenon, solar and interplanetary activities and the state of the ionosphere, evaluating the influence of different attributes on the performance of the models obtained. The methodology used was based on the use of machine learning techniques, both regression and classification, highlighting the algorithms Random Forest, logistic regression, and multiple linear regression. The main results obtained are related to the prediction of ionospheric scintillation 30 minutes in advance, in addition to aspects related to the analysis of the attributes used. Finally, the future directions of the research carried out are indicated. A sociedade atual está cada vez mais dependente de produtos e serviços baseados no uso de satélites, dentre os quais destacam-se os sistemas de comunicação e navegação via satélite, tecnologias afetadas diretamente pelo fenômeno da cintilação ionosférica, que pode comprometer ou até mesmo inviabilizar a utilização de tais sistemas. Nesse contexto, torna-se importante desenvolver ferramentas capazes de prever a ocorrência da cintilação ionosférica, no entanto, a modelagem deste fenômeno é bastante complexa devido à influência de uma série de outros aspectos. Portanto, o principal objetivo deste trabalho é desenvolver modelos preditivos de curto prazo, tanto de caráter quantitativo quanto qualitativo, acerca da cintilação ionosférica de amplitude. Para isso serão usadas técnicas de aprendizagem de máquina, considerando informações relativas à atividade geomagnética, à dependência temporal e geográfica do fenômeno, às atividades solar e interplanetária e ao estado da ionosfera, avaliando a influência de diferentes atributos no desempenho dos modelos obtidos. A metodologia usada baseou-se no emprego de técnicas de aprendizagem de máquina, tanto de regressão quanto de classificação, destacando os algoritmos Random Forest, regressão logística e regressão linear múltipla. Os principais resultados obtidos relacionam-se à predição da cintilação ionosférica com 30 minutos de antecedência, além dos aspectos relativos à análise dos atributos utilizados. Por fim, são indicados os direcionamentos futuros da pesquisa realizada.

Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Ciências Econômicas, 2021. Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq). A previsão de falência bancária não é uma tarefa trivial. Não consiste apenas em escolher o melhor modelo, mas também a melhor forma de tratar o conjunto de dados altamente desequilibrado. Dados desequilibrados referem-se a um problema em que o número de observações pertencentes a uma classe é consideravelmente maior do que o das outras classes. É um desafio relativamente novo nos campos industrial e acadêmico porque muitas técnicas de aprendizado de máquina não têm um bom desempenho. Este trabalho tem como objetivo comparar os resultados de diferentes métodos de balanceamento, ou seja, Random UnderSampling, Random OverSampling e Synthetic Minority Oversampling Techniqueem um problema de classificação de bancos saudáveis e inadimplentes usando um painel de dados filtrado. O painel de dados consiste em vinte anos de instituições financeiras brasileiras e principais características econômicas que vão de 2000 a 2019. Com configurações de validação e classificação adequadas, são treinados modelos Logit com diferentes regularizações e modelos ensemble, como Random Forest e Gradient Boost em todas as três base de dados balanceados de forma diferente. A principal contribuição deste trabalho é a utilização de um filtro em dados em painel como primeiro passo para reduzir o problema de desequilíbrio Bank failure prediction is not an easy task. It consists not just in chosing the best model but also the best way to treat the highly imbalanced dataset. Imbalanced data refers to a problem where the number of observations belonging to one class is considerably higher than the other classes. It is a relatively new challenge in both industrial and academic fields because many machine learning techniques do not have a good performance. This work aims to compare the results of different balancing methods namely Random UnderSampling, Random OverSampling and Synthetic Minority Oversampling Technique on a healthy and default banks classification problem using a filtered panel data. The panel data consists in twenty years of Brazilian financial institutions and major economic features ranging from 2000 to 2019. With a proper validation and classification settings it is trained Logit models with different regularizations and ensemble models such as Random Forest and Gradient Boost on all three different balanced datasets. The major contribution of this work uses a filter in panel data as first step to reduce imbalance problem

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)

Não recebi financiamento The power system security assessment is essential to ensure the supply of electrical energy and the feasibility of the operation. Among these analyses, the study of the rotor angle stability aims to ensure that the electromechanical modes of the system are well damped and, for that, it is common that the methods employed make use of mathematical models of the electric power system. However, the dependence on mathematical models, potentially, makes the evaluation methods sensitive to variations in parameters and changes in the network that have not been adequately represented, mainly in realtime applications. Currently, Smart Grids proposes to offer greater monitoring capacity and sample rates that allow real-time analysis. Concomitantly, the advances in distributed and cloud computing have encouraged the use of machine learning techniques to solve various problems using the massive amount of data available. In this sense, this work proposes to make use of the measurements made available by phasor measurement units to evaluate the feasibility of using decision trees in the analysis of the rotor angle stability. For stability analysis at small disturbances, a decentralized approach based on individual decision trees and data from phasor measurement units allocated in the generator buses is applied. In this approach, each decision tree uses only local measurements to evaluate the rotor angle small-signal stability, in this way, the classification can be carried out even when there is loss of information from specific generators or failure in the communication system. When the system is subjected to a large disturbance, a second method is employed, which is based on a centralized decision tree and voltage phasors measured at generator buses from the whole studied system. This last classifier is able to identify instability in the response post fault portion of the system, establishing a trade-off between the number of measurement cycles used and the classifier performance. The results obtained on the IEEE 68-buses system showed the efficiency of the proposed approach. In the classification of small-signal stability, an accuracy of 93% is reached by the distributed trees even in scenarios with contingencies and load variations. About large disturbances was possible to classify with precision the transient stability even with only 1 measurement cycle (96.4%) and with only 3 measurement points along the test system. A análise de segurança do sistema elétrico de potência é fundamental para que se possa garantir o fornecimento de energia elétrica e a viabilidade da operação. Dentre estas análises, o estudo da estabilidade angular do rotor visa assegurar que os modos eletromecânicos do sistema estão bem amortecidos e, para tanto, é comum que os mé- todos empregados façam uso de modelos matemáticos do sistema elétrico de potência. Entretanto, a dependência dos modelos matemáticos, potencialmente, torna os métodos de avaliação sensíveis às variações dos parâmetros e mudanças na rede que podem não ser adequadamente representadas, principalmente, em aplicações em tempo real. Atualmente, as Smart Grids se propõe a oferecer maior capacidade de monitoramento e taxas de amostragem que viabilizam análises em tempo real. Concomitantemente, os avanços da computação distribuída e em nuvem tem fomentado o emprego de técnicas de aprendizagem de máquina para a resolução de diversos problemas a partir do uso da quantidade massiva de dados disponíveis. Nesse sentido, esse trabalho se propõe a fazer uso das medi- ções disponibilizadas por unidades de medição fasorial para criar um framework composto por árvores de decisão, que avalie a estabilidade angular do rotor. Para análise da estabilidade a pequenas perturbações, uma abordagem descentralizada baseada em árvores de decisão individuais e dados advindos de unidades de medição fasorial alocadas nas barras de geração é aplicada. Nessa abordagem, cada árvore de decisão utiliza apenas medidas locais para a avaliação da estabilidade angular do rotor a pequenas perturbações, de modo que a classificação pode ser realizada mesmo quando há perda de informação de geradores específicos ou falha no sistema de comunicação. Quando o sistema é submetido a uma grande perturbação, um segundo método é utilizado, o qual se baseia em uma árvore centralizada e fasores de tensão mensurados nas barras de geração de todo o sistema em estudo. Esse último classificador é capaz de identificar instabilidade na porção pós-falta da resposta do sistema, estabelecendo um tradeoff entre o número de ciclos de medições utilizado e o desempenho do classificador. Os resultados obtidos no sistema IEEE 68 barras mostram a eficácia da abordagem proposta. Na classificação da estabilidade apequenas perturbação, uma acurácia de 93% é alcançada pela árvores distribuídas mesmo em cenários de contingência e variações de carga. Já com relação a grandes pertubações, foi possível classificar com precisão a estabilidade transitória mesmo com apenas 1 ciclo de medição (96,4%) e com um apenas 3 pontos de medição ao longo do sistema teste.

Tese (doutorado) — Universidade de Brasília, Instituto de Geociências, Pós-Graduação em Geociências Aplicadas, 2021. No ano de 2016 mais de 190 países participaram da 21ª Conferência das Partes das Nações Unidas sobre Mudança Climática, realizada em Paris. Apesar de intensos trabalhos visando elaborar um tratado, os resultados não atenderam às expectativas devido à falta de metodologias que medem com precisão a quantidade de biomassa florestal. Imagens de sensoriamento remoto podem ser usadas para que seja realizada uma quantificação mais precisa e viável da biomassa existente em regiões de difícil acesso, como a região amazônica, com destaque para as imagens na faixa do micro-ondas, mais especificamente as de radares. Em função da grande quantidade de dados de sensoriamento remoto disponíveis, faz-se necessário o desenvolvimento de técnicas e ferramentas que visem organizá-los e analisá-los de forma inteligente e automática, como as técnicas de Aprendizado de Máquina (Machine Learning). A presente tese tem por objetivo geral desenvolver e aplicar uma metodologia para estimar a quantidade de biomassa arbórea em uma área da região amazônica, a partir de dados de SAR, utilizando técnicas de Aprendizado de Máquina. As etapas metodológicas de tese encontra-se divididas em três artigos técnicos sequenciais que cobrem os objetivos propostos. O primeiro artigo possui como hipótese a possibilidade de ajuste da altura interferométrica, atributos de InSAR, a partir da identificação de áreas de solo exposto, isto é, onde o valor é teoricamente igual a 0 (zero). Além de inovadora, a hipótese previa o ajuste do modelo digital da região visando aprimorar a modelagem referente à estimativa de biomassa. Entretanto, como resultado, o método proposto no primeiro artigo não possibilitou a melhora significativa da estimativa de biomassa florestal, não sendo adotado nas próximas etapas do trabalho. O segundo artigo dá continuidade ao primeiro e apresenta a aplicação de técnicas de Aprendizado de Máquina sobre os atributos de SAR extraídos dos dados disponíveis. De forma inédita avalia e compara modelos de estimativa de biomassa baseados em atributos qualitativos e quantitativos. O segundo artigo conclui que as diferentes regiões da Floresta Amazônica e suas respectivas características demandam modelos e técnicas específicas, não se enquadrando em um único padrão. Neste caso não foi possível identificar uma única técnica de Aprendizado de Máquina que se mostrasse como a mais adequada ao objetivo, apesar dos melhores resultados apontarem para o uso das redes neurais artificiais. O terceiro e último artigo conclui o trabalho da presente tese por meio da análise e construção de produtos temáticos de biomassa. Neste último artigo é apresentado um sistema computacional desenvolvido que visa otimizar o processo de categorização, necessário à representação visual da geoinformação. Os resultados obtidos no terceiro artigo mostram que o algoritmo de Otimização de Categorização proposto demonstrou capacidade de encontrar novos subintervalos de categorias que aumentaram o índice de concordância Kappa. Como resultado, foram construídos produtos temáticos que apresentaram acurácia temática superior aos obtidos pelos métodos clássicos de categorização. Juntamente, do ponto de vista computacional, a heurística proposta no algoritmo possibilitou a identificação de resultados de forma eficiente, evitando os altos custos de processamento. A hipótese proposta na tese, isto é, de que a aplicação de técnicas de aprendizado de máquina sobre dados de SAR permitem obter a estimativa de biomassa da região amazônica com erros abaixo de 20%, atendendo os padrões preceituados por organismos internacionais, não foi confirmada. Os resultados obtidos nos modelos elaborados são classificados somente como moderados. Dentre os fatores que podem ter contribuído para este resultado, está a quantidade reduzida de amostras de biomassa, com pequena variação de valores, o que prejudicou o ajuste dos modelos gerados e o acesso restrito aos dados de SAR das bandas X e P, não sendo possível gerar novos atributos coerentes. In 2016, more than 190 countries participated in the 21st United Nations Conference of Parties on Climate Change, held in Paris. Despite the intense work aiming at preparing a treaty, the results did not meet expectations due to the lack of methodologies that accurately measures the amount of forest biomass. Remote sensing images can be used to make a more accurate and viable quantification of the existing biomass in regions with difficult access, such as the Amazon region, with emphasis on images in the microwave range, more specifically those from radar. Due to the large amount of remote sensing data available, it is necessary to develop techniques and tools that aims to organize and analyze them in an intelligent and automatic way, such as Machine Learning techniques. The present thesis has as general objective to develop and apply a methodology to estimate the amount of arboreal biomass in an area of the Amazon region, using SAR data and Machine Learning techniques. The thesis methodological steps are divided into three sequential technical articles that covers the proposed objectives. The first article hypothesizes the possibility of adjusting the interferometric height, InSAR feature, using the exposed soil areas identified in the image, that is, where the value is theoretically equal to 0 (zero). In addition to being innovative, the hypothesis predicted the adjustment of the region digital model in order to improve the biomass estimation modeling. However, as a result, the method proposed in the first article did not present a significant improvement in the estimation of forest biomass and was not adopted in the next stages of the work. The second article gives sequence for the first and presents the application of Machine Learning techniques over SAR features extracted from the available data. In an unprecedented way, it presents a methodology that evaluates and compares biomass estimation models based on qualitative and quantitative features. The second article concludes that the different Amazon Forest regions and their respective characteristics demands specific models and techniques, not fitting into a single pattern. In this case, it was not possible to identify a single Machine Learning technique that proved to be the most adequate for the purpose, despite the best results pointing to the use of artificial neural networks. The third and last article concludes the work of this thesis through the analysis and construction of thematic biomass products. In this last article, a computational system that aims to optimize the categorization process was developed, necessary for the visual representation of geoinformation. The results obtained in the third article shows that the proposed Categorization Optimization algorithm demonstrated the ability to find new subintervals of categories that increased the Kappa agreement index. As a result, thematic products were constructed and presented thematic accuracy superior to those obtained by the classical categorization methods. Besides that, from a computational point of view, the heuristic proposed in the algorithm enabled the identification of results in an efficient way, avoiding high processing costs. The hypothesis proposed in the thesis, that is, that the application of machine learning techniques over SAR data allows to obtain an estimate of biomass in the Amazon region with errors below 20%, attending to the standards established by international organizations, was not confirmed. The results obtained in the constructed models were classified only moderate. Among the factors that may have contributed to this result, there is the reduced amount of biomass samples, with little variation in values, which impaired the adjustment of the generated models and the restricted access to the X and P bands SAR data, not being possible to generate new coherent features.

Tese (doutorado) — Universidade de Brasília, Faculdade de Educação Física, Programa de Pós-Graduação em Educação Física, 2021. A doença de Parkinson (DP) é um distúrbio motor com alta prevalência entre pessoas idosas; afeta aspectos cognitivos, sociais e psicológicos, além dos prejuízos físico- motores inerentes da doença (POEWE, 2017). Tanto o diagnóstico quanto o monitoramento da progressão da doença se dão através da combinação de exames motores que quantificam o acometimento da DP (BRASIL, 2010). Neste sentido, os testes funcionais vêm sendo amplamente aplicados para auxiliar no tratamento administrado (OPARA, 2017), bem como o uso de tecnologias avançadas, como é o caso do aprendizado de máquina (ZHAN, 2018). Assim, o objetivo desta tese foi verificar a possibilidade do auxílio na predição de classificação da doença de Parkinson a partir de aspectos funcionais de pessoas acometidas, utilizando técnicas do aprendizado de máquina. Foram considerados os dados provenientes do Programa de Atividades Físicas para Pessoas com Doenças Neurodegenerativas (PAFPDN) da Faculdade de Educação Física da Universidade de Brasília. A amostra foi composta por 82 homens e 31 mulheres, com idade média de 64,80 (± 10,18) anos. Os aspectos funcionais foram quantificados através dos escores do Timed Up and Go Test (TUG), do 30s Chair-Stand Test (T30), do Ten Meters Walk Test (TMW), e da seção II da UPDRS. As características individuais analisadas foram idade, massa e estatura; e como aspectos clínicos, a seção III da UPDRS, além da escala de Hoehn e Yahr e do tempo de diagnóstico. Quatro classificadores de aprendizado supervisionado de máquina foram testados: SVM, SVM com data augmentation, RUSBoost e RUSBoost com data augmentation. Os aspectos funcionais, clínicos e as características individuais foram combinados e testados com diferentes valores de referência da UPDRS III para verificar a acurácia da máquina em classificar a progressão da doença. O TESTE 2 (TUG, TMW, T30 e Hohen e Yahr) e o TESTE 4 (TUG, TMW, T30, idade e tempo de diagnóstico) apresentaram a melhor avaliação de classificação considerando as métricas de Fawcett (2006), ambas utilizando a pontuação 15 na UPDRS III como valor de referência. Conclui-se, então, que é possível que aspectos funcionais possam auxiliar na predição da classificação da doença de Parkinson, utilizando técnicas do aprendizado de máquina. Parkinson's disease (PD) is a motor disorder with a high prevalence among elderly people; it affects cognitive, social and psychological aspects, in addition to the physical-motor damage inherent to the disease (POEWE, 2017). Both diagnosis and monitoring of disease progression occur through a combination of motor tests that quantify the involvement of PD (BRASIL, 2010). In this sense, functional tests have been widely applied to assist in administered treatment (OPARA, 2017), as well as the use of advanced technologies, such as machine learning (ZHAN, 2018). Thus, the objective of this thesis was to verify the possibility of helping to predict the classification of Parkinson's disease from functional aspects of affected people, using machine learning techniques. Data from the Physical Activities Program for People with Neurodegenerative Diseases (PAFPDN) of the Faculty of Physical Education of the University of Brasília were considered. The sample consisted of 82 men and 31 women, with a mean age of 64.80 (± 10.18) years. Functional aspects were quantified through the scores of the Timed Up and Go Test (TUG), the 30s Chair-Stand Test (T30), the Ten Meters Walk Test (TMW), and section II of the UPDRS. The individual characteristics analyzed were age, mass, and height; and as clinical aspects, section III of the UPDRS, in addition to the Hoehn and Yahr scale and time of diagnosis. Four supervised machine learning classifiers were tested: SVM, SVM with data augmentation, RUSBoost and RUSBoost with data augmentation. Functional, clinical and individual characteristics were combined and tested with different UPDRS III reference values to verify the machine's accuracy in classifying disease progression. TEST 2 (TUG, TMW, T30 and Hohen and Yahr) and TEST 4 (TUG, TMW, T30, age and time since diagnosis) presented the best classification assessment considering the metrics of Fawcett (2006), both using the score 15 in UPDRS III as a reference value. We conclude, then, that it is possible that functional aspects can help predict the classification of Parkinson's disease, using machine learning techniques.

Dissertação (Mestrado em Informática) — Universidade de Brasília, Brasília, 2021. A federação em nuvem surgiu para estender os recursos disponíveis entre diferentes prove dores de nuvem, interconectados para aumentar a disponibilidade de maneira transparente e ilimitada para o usuário final. As plataformas de orquestração em nuvem se tornaram uma forma de gerenciar as demandas por alto poder computacional em diferentes prove dores, que executam aplicativos que demandam alto consumo de memória e/ou proces samento, tais como os workflows de Bioinformática. A grande quantidade de recursos disponíveis entre vários provedores em uma federação torna difícil escolher qual é o mais adequado para determinados workflows. Este trabalho propõe um Serviço de Predição de Recursos por Aprendizado de Máquina, denominado sPCRAM. O sPCRAM utiliza um modelo de aprendizado de máquina combinado com uma meta-heurística GRASP para dimensionar os recursos de forma transparente e adequada, determinando o custo mon etário e o tempo de execução antes da execução do workflows. O sPCRAM permite que o usuário defina de forma interativa o tipo de execução, calibre o tempo e o custo. Os re sultados demonstram que o sPCRAM pode estimar adequadamente o tempo de execução e o custo dos recursos de federação em nuvem, em média, 97,70% mais rápido do que a técnica de força bruta para seleção de recursos. Cloud federation emerged to extend the resources available across different cloud providers, interconnected to increase availability in a transparent and unlimited way for the end user. As cloud orchestration platforms if needed a way to manage how demands for high computational power in different providers that run applications that demand high con sumption of memory and/or processing, such as the workflows of Bioinformatics. A large amount of resources available across multiple providers in a federation makes it difficult to choose which one is best suited for certain workflows. This work offers a Machine Learning Resource Prediction Service, called sPCRAM. sPCRAM uses a machine learning model combined with a GRASP metaheuristic to transparently and appropriately size resources, determining the monetary cost and execution time before executing the workflows. The sPCRAM allows the user to interactively adjust run type, gauge or time, and cost. The results demonstrate that sPCRAM can estimate the runtime and cost of cloud federation resources on average 97.70% faster than the brute force technique for resource selection.

Dissertação de mestrado em Bioinformática, Bacteriophages are viruses that infect bacteria and use them to reproduce. Their reproductive cycle can be lytic or lysogenic. The lytic cycle leads to the bacteria death, given that the bacteriophage hijacks hosts machinery to produce phage parts necessary to assemble a new complete bacteriophage, until cell wall lyse occurs. On the other hand, the lysogenic reproductive cycle comprises the bacteriophage genetic material in the bacterial genome, becoming a prophage. Sometimes, due to external stimuli, these prophages can be induced to perform a lytic cycle. Moreover, the lysogenic cycle can lead to significant modifications in bacteria, for example, antibiotic resistance. To that end, PhagePro was created. This tool finds and characterises prophages inserted in the bacterial genome. Using 42 features, three datasets were created and five machine learning algorithms were tested. All models were evaluated in two phases, during testing and with real bacterial cases. During testing, all three datasets reached the 98 % F1 score mark in their best result. In the second phase, the results of the models were used to predict real bacterial cases and the results compared to the results of two tools, Prophage Hunter and PHASTER. The best model found 110 zones out of 154 and the model with the best result in dataset 3 had 94 in common. As a final test, Agrobacterium fabrum strC68 was extensively analysed. The results show that PhagePro was capable of detecting more regions with proteins associated with phages than the other two tools. In the ligth of the results obtained, PhagePro has shown great potential in the discovery and characterisation of bacterial alterations caused by prophages., Bacteriófagos são vírus que infetam bactérias usando-as para garantir a manutenção do seu genoma. Este processo pode ser realizado por ciclo lítico ou lipogénico. O ciclo lítico consiste em usar a célula para seu proveito, criar bacteriófagos e lisar a célula. Por outro lado, no ciclo lipogénico o bacteriófago insere o seu código genético no genoma da bactéria, o que pode levar à transferência de genes de interesse, tornando-se importante uma monitorização dos profagos. Assim foi desenvolvido o PhagePro, uma ferramenta capaz de encontrar e caracterizar bacteriófagos em genomas bactérias. Foram criadas features para distinguir profagos de bactérias, criando três datasets e usando algoritmos de aprendizagem de máquina. Os modelos foram avaliados durante duas fases, a fase de teste e a fase de casos reais. Na primeira fase de testes, o melhor modelo do dataset 1 teve 98% de F1 score, dataset 2 teve 98% e do dataset 3 também teve 98%. Todos os modelos, para teste em casos reais, foram comparados com previsões de duas ferramentas Prophage Hunter e PHASTER. O modelo com os melhores resultados obteve 110 de 154 zonas em comum com as duas ferramentas e o modelo do dataset 3 teve 94 zonas. Por fim, foi feita a análise dos resultados da bactéria Agrobacterium fabrum strC68. Os resultados obtidos mostram resultados diferentes, mas válidos, as ferramentas comparadas, visto que o PhagePro consegue detectar zonas com proteínas associadas a fagos que as outras tools não conseguem. Em virtude dos resultados obtidos, PhagePro mostrou que é capaz de encontrar e caracterizar profagos em bactérias., Este estudo contou com o apoio da Fundação para a Ciência e Tecnologia (FCT) portuguesa no âmbito do financiamento estratégico da unidade UIDB/04469/2020. A obra também foi parcialmente financiada pelo Projeto PTDC/SAU-PUB/29182/2017 [POCI-01-0145-FEDER-029182].

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Programa de Pós-Graduação em Administração, 2021. Fraudes Financeiras têm se tornado alvo de diversos estudos, devido aos impactos (principalmente econômicos), que estas podem causar a empresas, países e pessoas físicas. Detecção de Fraudes é a área de estudos que procura identificar atividades fraudulentas. Estas análises são feitas dentro de conjuntos de dados que são muito desbalanceados devido à baixa ocorrência dos acontecimentos alvo, isto é, existem classes de dados que ocorrem com maior frequência (classes majoritárias) que outras(classes minoritárias). Os dados que ocorrem com menor frequência são conhecidos como eventos raros e podem ser observados em diversas áreas de estudo como medicina (doenças raras), sistemas de rede (detecção de intrusos), meteorologia (desastres naturais), finanças (fraudes, falência). O estudo proposto tem como objetivo avaliar o desempenho de Modelos Supervisionados de Aprendizado de Máquina para dados desbalanceados de Indício de Fraudes em Fundos de Pensão utilizado Técnicas de Balanceamento de dados. Os dados utilizados foram cedidos pela Superintendência Nacional de Previdência Complementar (PREVIC). Para Seleção de Variáveis, foi usado Análise de Componentes Principais. Os modelos utilizados foram: Regressão Logística, Random Forest, Máquina de Suporte Vetorial e Redes Neurais. As Técnicas de Balanceamento utilizadas foram Random Undersampling, SMOTE e SMOTETomek.Com os testes realizados, este estudo recomenda a utilização do Random Forest como Modelo de Aprendizado de Máquina, ajustando o desbalanceamento da base com o SMOTE, por ter apresentado os melhores resultados de acordo com as Métricas de Avaliação utilizadas Financial frauds has become the target of several studies, due to its impacts (whichare mainly economical) that can cause to companies, countries and individuals. Fraud Detection is the field of study that seeks to identify fraudulent activities. These analyzes are made within datasets that are very unbalanced due to the low occurrence ofthe target events, that is, there are data classes that occur more frequently (majorityclasses) than others (minority classes). The data that occur less frequently are knownas rare events and can be seen in several fields of studies such as medicine (rarediseases), network systems (intrusion detection), meteorology (natural disasters), and finance (fraud, bankruptcy). The proposed study aims to evaluate the performanceof Supervised Machine Learning Models for unbalanced data of Fraud Indication inPension Funds using Data Balancing Techniques. The data used were provided by the National Superintendency of Complementary Pension (PREVIC). For Variable Selection, Principal Component Analysis was used. The models used were: Logistic Regression, Random Forest, Vector Support Machine and Neural Networks. The Bal-ancing Techniques used were Random Undersampling, SMOTE and SMOTETomek.With the tests performed, this study recommends the use ofRandom Forestas a Ma-chine Learning Model, adjusting the base unbalance with SMOTE, as it presented thebest results according to the Evaluation Metrics used.

Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia O desenvolvimento de sensores na forma de câmara tem vindo a causar um grande impacto na vida das pessoas, dado que diversos tipos de aplicações são suportados por esta tecnologia. Estas variam entre aplicações de lazer até aplicações de controlo de qualidade e segurança, entre muitas outras. Na última década, um tipo de câmara diferente, desenhado no final da década de 1980, começou a captar o interesse da comunidade de investigadores da área da Visão por Computador. Esta câmara tem diversas denominações, tais como câmara neuromórfica, retina de silício, sensor dinâmico de visão e a mais utilizada, câmara de eventos. As câmaras de eventos mimetizam o comportamento das estruturas neuronais presentes no olho humano. Como tal, elas capturam variações de luminosidade ao nível dos pixéis, contrastando com a captura de frames efetuada pelas câmaras convencionais. As características destas câmaras abriram caminho para um novo paradigma na área científica da Visão por Computador. Tipicamente, em aplicações ou cenários de videovigilância, existe uma grande preocupação no que diz respeito à privacidade das pessoas. As câmaras tradicionais que são utilizadas neste tipo de aplicações tem a capacidade de captar a aparência de um indivíduo, e este aspeto tem vindo a colocar uma barreira na aprovação da vigilância local por parte das pessoas. Não existe um consenso sobre qual é mais importante: privacidade ou segurança? As câmaras de eventos podem ajudar a resolver este problema, já que nenhuma informação relativa à aparência é captada por estas. Os eventos são despoletados por extremidades (do inglês, edges) em movimento, portanto, apenas é registada a silhueta de um indivíduo, tornando difícil a sua identificação. Para além disso, estas câmaras apresentam um desempenho eficaz em condições de baixa luminosidade, permitindo a sua utilização durante dias inteiros sem a necessidade de tecnologias suplementares, como câmaras de visão noturna através de radiação infravermelha. Outra vantagem desta tecnologia sobre as câmaras tradicionais reside no seu baixo consumo energético. Esta dissertação procura estudar o desempenho deste tipo de câmaras em situações de deteção de eventos ou atividades anómalas numa cena. No início do desenvolvimento deste trabalho, apenas tinham sido publicados dois artigos referentes a este tema. Esta dissertação segue a abordagem baseada no fluxo ótico e procura expandir esta última com novos algoritmos de aprendizagem e utilizando uma câmara de um modelo diferente. The development of camera sensors has had a great impact on people's lives, as several types of applications are backed by this technology. These can range from leisure applications to quality control and security applications, among many others. Over the past decade, a different type of camera sensor, designed in the end of the 1980's, started to gather the interest of the Computer Vision's research community. This camera has several denominations, including neuromorphic camera, silicon retina, dynamic vision sensor and the most used, event camera. Event cameras mimic the behaviour of the neuronal structures present in the human eye. Therefore, they capture brightness changes at pixel level, contrasting with the frame capturing performed by conventional cameras. This camera's characteristics have unlocked a new paradigm in the Computer Vision area of research. Typically, in surveillance applications or scenarios, there is a big concern with respect to people's privacy. Traditional cameras deployed in these applications are able to capture the appearance of an individual, and this aspect has created a barrier to people's approval of local surveillance. There is not a consensus over what is more important: privacy or security? Event cameras can help solve this issue, since no appearance information is gathered by them. Events are triggered by moving edges, thus, it only captures the individual's silhouette, making it very difficult to identify them. Moreover, these cameras are known for performing effectively in low light conditions, allowing usability through entire days without requiring supplementary technologies, such as infrared night vision cameras. Another advantage of this camera technology, over traditional cameras, lies in low power consumption. This dissertation aims at presenting how this specific camera sensor performs with regards to the detection of anomalous events or activities in a scene. At the beginning of the development of this work, only two articles concerning this subject had been published. This dissertation follows the optical flow-based approach and targets the expansion of the latter with new learning algorithms and by using a different camera model.

According to data from the Cisco Visual Networking Index (VNI), which aims to make a realistic forecast based on various levels and real data sources, it is estimated that the total number of DDoS attacks on a global level will reach 14.5 million by 2022. For this reason, it is essential to protect yourself from DDoS attacks. Thus, there is a need for new protection techniques to be developed. In addition, solutions need to take into account performance and scalability requirements. In addition, environments based on the SDN/NFV architecture allow network administrators to detect and react to DDoS attacks more efficiently. This is because network control is centralized and software-based traffic analysis capabilities can be developed. This dissertation analyzes the efficiency and effectiveness of using unsupervised machine learning algorithms that work with the data flow strategy in the detection of DDoS type attacks in SDN/NFV environments, through a comparative analysis. First, a Systematic Literature Mapping was carried out, which served as a basis for the realization of a first experiment. Then, a Systematic Literature Review was carried out, and works that used unsupervised machine learning to detect DDoS attacks and that worked with the data flow strategy were included, as this characteristic is inherent to the environment. SDN/NFV. Thus, the chosen algorithms were: BIRCH, Mini-batch k-means, Clustream, StreamKM++, DenStream, and D-Stream. After that, a platform was set up to run the experiment, as well as a dataset was developed. After performing the tests, a qualitative and quantitative analysis of the results was performed. The qualitative analysis aimed to compare how effective the algorithms are in detecting DDoS attacks and the quantitative analysis aimed to compare the efficiency, in this case, the processing speed of the algorithms in this detection. The results obtained show that the algorithms BIRCH, Mini-batch k-means, Clustream, and StreamKM++ obtained accuracy around 99%, while DenStream and D-Stream reached accuracy around 79%. The shortest total execution time was for the D-Stream algorithm, while the longest time was for StreamKM++. Because of this, the algorithms that stood out were D-Stream and Mini-batch k-means, since that was the fastest algorithm, and this one obtained an accuracy 25.18% higher than D-Stream. Segundo dados do Cisco Visual Networking Index (VNI), que visa realizar uma previsão realista baseada em vários níveis e fontes de dados reais, estima-se que o número total de ataques DDoS a nível global chegue a 14,5 milhões até 2022. Por esse motivo, fica evidente que é imprescindível se proteger de ataques do tipo DDoS. Dessa forma, há necessidade de que novas técnicas de proteção sejam desenvolvidas. Além disso, é preciso que as soluções levem em consideração os requisitos de desempenho e escalabilidade. Aliado a isso, ambientes baseados na arquitetura SDN/NFV permitem que os administradores de rede detectem e reajam aos ataques DDoS com mais eficiência. Isso porque o controle da rede é centralizado e é possível desenvolver recursos de análise de tráfego baseados em software. Esta dissertação analisa a eficiência e efetividade da utilização de algoritmos de aprendizagem de máquina não supervisionados que trabalham com a estratégia de fluxo de dados na detecção de ataques do tipo DDoS em ambientes SDN/NFV, por meio de uma análise comparativa. Primeiramente, foi realizado um Mapeamento Sistemático da Literatura, o qual serviu de embasamento para a realização de um primeiro experimento. Em seguida, foi realizada uma Revisão Sistemática da Literatura e foram incluídos os trabalhos que utilizassem aprendizagem de máquina não supervisionada na detecção de ataques DDoS e que trabalhassem com a estratégia de fluxo de dados, pois, essa característica é inerente ao ambiente SDN/NFV. Dessa maneira, os algoritmos escolhidos foram: BIRCH, Mini-batch k-means, Clustream, StreamKM++, DenStream e D-Stream. Após isso, foi montada uma plataforma para a execução do experimento, assim como foi desenvolvido um dataset para ser utilizado. Após a realização dos testes, foi realizada uma análise qualitativa e quantitativa sobre os resultados. A análise qualitativa objetivou comparar o quão efetivo são os algoritmos na detecção de ataques DDoS e a análise quantitativa visa comparar a eficiência, neste caso, a velocidade de processamento dos algoritmos nessa detecção. Os resultados obtidos mostram os algoritmos BIRCH, Mini-batch k-means, Clustream e StreamKM++ obtiveram acurácias em torno de 99%, enquanto DenStream e D-Stream alcançaram acurárias em torno de 79%. O menor tempo total de execução foi do algoritmo D-Stream, enquanto o maior tempo foi do StreamKM++. Em vista disso, os algoritmos que se destacaram foram D-Stream e Mini-batch k-means, já que aquele foi o algoritmo mais rápido e este obteve uma acurácia 25,18% maior que D-Stream. São Cristóvão

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021. Redes sociais online como o Twitter fornecem um novo canal para permitir a interação entre seres humanos. Porém, seu sucesso atraiu o interesse em ataques e exploração por meio de uma ampla gama de atividades antiéticas, como ações maliciosas para manipular usuários. Um dos métodos para realizar esses abusos é o uso de robôs no Twitter. Tal comportamento necessita de investigação com o objetivo de diminuir seus efeitos. Recen- temente, classificadores com aprendizado de máquina para distinguir entre contas reais e de robô têm avanços comprovados. Neste trabalho, explorou-se esta técnica através da construção de um sistema multiagentes capaz de fazer a detecção do robô do Twit- ter de forma autônoma. Este sistema é baseado na classificação supervisionada com três algoritmos de aprendizado de máquina e um conjunto reduzido de features descoberto e publicado em um trabalho anterior. Quando testado offline, este sistema multiagentes obteve bom desempenho com uma média de AUC igual a 0,9856 e um desvio padrão de 0,0199. Ao usá-lo para detecção de robôs online em uma prova de conceito, resultados sugerem que 88,19% dos robôs detectados foram rotulados corretamente. Em um exper- imento mais abrangente, mais de 780 mil tuítes foram capturados e analisados. Dentre esses, 1597 eram provenientes de perfis classificados como robôs (678 perfis únicos), indi- cando que a abordagem usada é viável e prática para o problema de detecção de robô em tempo real. Online social networks like Twitter provide a novel channel to allow interaction between human beings. However, its success has attracted interest in attacking and exploiting through a wide range of unethical activities, such as malicious actions to manipulate users. One of the methods to carry out these abuses is the use of bots on Twitter. Such behavior needs investigation aiming to mitigate its effects. Recently, machine learning (ML) classifiers to distinguish between real and bot accounts have proven advances. In this work, we explored the technique by constructing a multi-agent system (MAS) ca- pable of performing the Twitter bot detection autonomously. It is based on supervised classification with three ML algorithms and a reduced set of features. When tested of- fline, this MAS achieved good performance with an average of AUC equal to 0.9856 and a standard deviation of 0.0199. Using it for online bot detection on a Proof of Concept results suggest that 88.19% of bots detected were correctly labeled. On a comprehensive experiment, more than 780 thousand tweets were captured during five days. 1,597 tweets were from profiles classified as bots (678 unique profiles), indicating that the approach used is feasible and practical for the real-time bot detection problem.

This paper presents a low power near real-time pattern recognition technique based on Mathematical Morphology-MM implemented on FPGA (Field Programmable Gate Array). The key to the success of this approach concerns the advantages of machine learning paradigm applied to the translation invariant template-matching operators from MM. The paper shows that compositions of simple elementary operators from Mathematical Morphology based on ELUTs (Elementary Look-Up Tables) are very suitable to embed in FPGA hardware. The paper also shows the development techniques regarding all mathematical modeling for computer simulation and system generating models applied for hardware implementation using FPGA chip. In general, image processing on FPGAs requires low-level description of desired operations through Hardware Description Language-HDL, which uses high complexity to describe image operations at pixel level. However, this work presents a reconfiguring pattern recognition device implemented directly in FPGA from mathematical modeling simulation under Matlab/Simulink/System Generator environment. This strategy has reduced the hardware development complexity. The device will be useful mainly when applied on remote sensing tasks for aerospace missions using passive or active sensors. El presente trabajo presenta una técnica de reconocimiento de patrones en tiempo real basada en Morfología Matemática-MM implementada en FPGA (Field Programmable Gate Array). La estrategia para la efectividad de este enfoque tiene que ver con las ventajas del paradigma de aprendizaje automática aplicada al modelo de correspondencia con la invariancia traslacional de operadores elementales da MM. El artículo muestra que las composiciones de operadores elementales simples de morfología matemática basadas en ELUT (tablas de consulta elementales) son adecuadas para integrarse en dispositivos FPGA. Este artículo también muestra técnicas de desarrollo de sistemas de reconocimiento de patrones, desde el modelado matemático de operadores morfológicos hasta la implementación del dispositivo electrónico utilizando el software System Generator. En general, las operaciones para el procesamiento de imágenes en FPGAs se implementan a un bajo nivel de abstracción de los lenguajes de descripción del hardware-HDL. Esto crea una gran complejidad en la implementación de operaciones en imágenes a nivel de píxeles. Sin embargo, este trabajo presenta un dispositivo reconfigurable de reconocimiento de patrones implementado directamente en FPGA a partir de simulación de modelado matemático en el software Matlab/Simulink/System Generator. Esta estrategia ha reducido la complejidad del desarrollo de hardware. El dispositivo será útil principalmente cuando se aplique en tareas de teledetección para misiones aeroespaciales utilizando sensores pasivos o activos. Esse trabalho apresenta uma técnica de reconhecimento de padrões baseada em Morfologia Matemática-MM, implementada em FPGA (Field Programmable Gate Array). A estratégia para o êxito dessa abordagem consiste na utilização das vantagens do paradigma de aprendizagem de máquina aplicado em operadores morfológicos de casamento de padrões invariantes à translação. Esse artigo mostra que a composição de simples operadores elementares da MM baseados em ELUTS (Elementary Look-Up Tables) são adequados para aplicações embarcadas em FPGA. Esse artigo também mostra as técnicas de desenvolvimento do sistema de reconhecimento de padrões, desde a modelagem matemática dos operadores morfológicos até a implementação do dispositivo eletrônico usando o software System Generator. Em geral, as operações para o processamento de imagens em FPGAs são implementadas em baixo nível de abstração das linguagens de descrição de hardware-HDL. Isto gera alta complexidade na implementação de operações em imagens ao nível de pixel. No entanto, esse trabalho apresenta um dispositivo reconfigurável aplicado ao reconhecimento de padrões implementado em FPGA, a partir da simulação da modelagem matemática usando o ambiente de software Matlab/Simulink/System Generator. Essa estratégia reduz a complexidade do desenvolvimento em hardware. O dispositivo apresentado deverá ser útil principalmente quando aplicado em tarefas de sensoriamento remoto para missões aeroespaciais através de sensores passivos ou ativos.

Resumo A aplicação de métodos automáticos para classificação de texto não estruturadas são extremamente valiosas para a indústria de Oil&Gas. A perfuração é uma operação que acarreta custos elevados que são proporcionais à duração das atividades. A classificação das diversas operações durante a perfuração é muito importante para gerar premissas de duração para o projeto de novos poços. Para este artigo, dois procedimentos independentes foram realizados para identificar o melhor modelo de NPT (Non-Productive Time) e PT (Productive Time). As conclusões apontam o modelo Multi-layer Perceptron (MLP) como o melhor modelo. O sistema de classificação pode ser utilizado para produzir um relatório preciso e detalhado sobre as atividades realizadas durante a perfuração de um poço. Através desse trabalho é possível concluir que os relatórios diários de perfuração atualmente disponíveis representam uma fonte rica de informação e podem ser utilizados para melhorar o processo de construção de poços de petróleo.

Submitted by Anna Barbara Alves Beraldine (annabarbara@unisinos.br) on 2021-10-20T18:46:51Z No. of bitstreams: 1 Wagner Lourenzi Simões_.pdf: 5272208 bytes, checksum: 2096bacc270b3fbada0e1759e9a9288f (MD5) Made available in DSpace on 2021-10-20T18:46:51Z (GMT). No. of bitstreams: 1 Wagner Lourenzi Simões_.pdf: 5272208 bytes, checksum: 2096bacc270b3fbada0e1759e9a9288f (MD5) Previous issue date: 2021-08-31 Nenhuma O varejo de produtos com curto ciclo de vendas (short shelflife) apresenta desafios extras em relação ao varejo de bens não perecíveis. Uma vez que estes possuem ciclo de vida finito, todo o inventário deve ser vendido até que o produto atinja sua data de expiração, quando há perda total ou parcial do valor de mercado. Neste contexto, os varejistas se deparam com o desafio de precificar os seus produtos, uma vez que preços muito elevados podem gerar perdas por sobra de inventário obsoleto e, preços muito baixos reduzem a receita e consequentemente o lucro da empresa. O uso de ferramentas que permitam a precificação dinâmica dos produtos com base nas características da sua demanda e dos seus consumidores pode proporcionar um diferencial competitivo às empresas de varejo. O volume de dados necessários e a complexidade desta operação por vezes torna inviável sua aplicação, porém o avanço da tecnologia e técnicas computacionais podem auxiliar os varejistas nesta tarefa. Dentre as técnicas que podem auxiliar nesta tarefa estão os algoritmos de aprendizado de máquina. Para a solução deste problema foi proposto um modelo de análise de demanda e recomendação da precificação, implementado por meio de um artefato computacional combinando o uso de redes neurais artificiais para previsão de demanda, um modelo para a solução do problema do jornaleiro para o dimensionamento do estoque necessário para atendimento da demanda projetada e um modelo de precificação para a remarcação dos preços ao longo do período de vendas, com o objetivo de maximizar o lucro de forma concomitante à minimização das perdas por excesso de inventário ao final do período de vendas. O artefato construído permitiu a prática da precificação dinâmica sob a ótica de duas proposições, remarcações espaçadas ao longo do período de vendas para aplicação em situações nas quais o varejo lida com clientes de comportamento míope e outra de remarcações contínuas seguindo uma curva de degeneração do valor percebido pelo consumidor para situações nas quais o varejo lida com clientes de comportamento estratégico. Ademais, os resultados indicam que o uso do modelo proposto pode trazer benefícios ao planejamento de campanhas de vendas, permitindo mais agilidade e precisão na precificação. Short life produtcts retailing presents extra challenges when compared to retailing of non-perishable goods. Since these have a finite shelflife, all inventory must be sold until the product reaches its expiration date, when occour total or partial market value loss. In this context, retailers face the challenge of pricing their products, since high prices can generate losses due to obsolete inventory and low prices can reduce the revenue and consequently the company’s profit. Using tools that allow dynamic pricing of products based on the characteristics of their demand and their consumers can provide a competitive advantage to retail companies. The high volume of data needed and the complexity of this operation sometimes make its application unfeasible, but the advancement of technology and computational techniques can help retailers in this task. Among the techniques that can help this task is the machine learning algorithms. To solve this problem, a computational artifact was proposed combining the use of artificial neural networks for demand forecasting, a model for solving the newsvendor problem for sizing the inventory needed to meet the projected demand and a pricing model for markdown prices throughout the sales period, with the objective of maximizing the profit while minimizing losses due to excess inventory at the end of the sales season. The constructed artifact allowed the dynamic pricing practice from two propositions perspective, spaced discrete markdowns along the sales season for application in situations which the retailer deals with short-sighted customers and another of continuous markdowns following a costumer perceived value degeneration curve for situations which retailer deals with strategic behavior customers. In addition, the results indicate that its use can bring benefits to the sales campaigns planning, allowing more agility and precision in pricing.

Imagem hiperespectral (HSI) é um novo conceito de diagnóstico de doenças por análise de imagens. Embora existam muitas abordagens para a análise de imagens HSI, a classificação das informações espaciais para a classificação do tumor ainda é limitada. Nesta tese é proposta a construção de um novo método de análise e classificação de objetos presentes em HSI baseado em técnicas de aprendizado de máquina para entender o comportamento vibracional molecular de tecido epitelial humano sadio e tumoral por meio de espectroscopia de infravermelho de ondas curtas (SWIR). No estudo experimental são analisadas amostras de Melanoma, Nevo Displásico e Pele Saudável. Os resultados mostram que o tecido epitelial humano é sensível ao SWIR a ponto de possibilitar a diferenciação entre tecidos saudáveis e tumorais. Conclui-se que o HSI-SWIR pode ser utilizado para construir novos métodos de classificação tumoral. Hyperspectral Imaging (HSI) is a new concept of disease diagnosis by image analysis. Although there are many approaches for HSI image analysis, the classification of spatial informations to tumor classification is still limited. In this thesis is proposed the building of a new method of analysis and classification of present objects in HSI based on techniques of machine learning to understand the molecular vibrational behavior of healthy and tumoral human epithelial tissue by means of short-wave infrared (SWIR) spectroscopy. In the experimental study is analyzed samples of Melanoma, Dysplastic Nevus and healthy skin. Results show that human epithelial tissue is sensitive to SWIR to the point of making possible the differentiation between healthy and tumor tissues. It can be concluded that HSI-SWIR can be used to build new methods for tumor classification. Fundação de Amparo à Pesquisa do Estado de Goiás

Tese (doutorado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade e Gestão Pública, Programa de Pós-Graduação em Administração, 2021. A perspectiva de tomada de decisão tem sido mais elaborada na pesquisa normativa, que prescreve como as decisões devem ser tomadas. Esse tipo de pesquisa define os critérios para uma decisão racional. Porém, a racionalidade total só poderia ser alcançada por fórmulas matemáticas ou programas de computador. Por outro lado, o uso da intuição é um aspecto importante do processo de decisão. Mas a literatura apresenta uma aparente dicotomia, com autores defendendo o uso da intuição e defendendo a racionalidade na tomada de decisão. Diante desta dicotomia, o presente trabalho tem como objetivo investigar decisões racionais e intuitivas. Para a decisão racional foram utilizados algoritmos de aprendizagem de máquinas, subcampo da inteligência artificial. Assim, foi desenvolvido um modelo para recomendação e classificação de potenciais candidatos a bolsas de Pós-doutorado no exterior. Inicialmente foi realizada uma pré-seleção dos atributos, sendo computados ao final do pré-processamento 51 variáveis. O treinamento do algoritmo foi realizado por meio de 887 currículos lattes de pósdoutores no exterior, no qual identificaram-se quatro grupos. Os grupos foram nomeados conforme suas características, apresentando a seguinte ordem de relevância: Score, Trabalhos_Orientações, IES_baixo_rank e Pesquisador_Sênior. Para a decisão intuitiva foi realizado um quase-experimento composto por dois grupos experimentais (Avaliadores Ad Hoc e Doutores) e um grupo controle (Discentes). Os participantes de cada grupo foram classificados posteriormente em intuitivos ou racionais. Após a análise dos dados, os resultados foram apresentados em três cenários distintos, sendo que no cenário de alta validade, o algoritmo apresentou uma assertividade maior em relação aos humanos, embora os especialistas intuitivos também apresentaram uma assertividade significativa. Por sua vez, no cenário incerto, o qual apresenta as variáveis de internacionalização, o algoritmo apresentou assertividade inferior aos humanos e novamente os especialistas intuitivos se sobressaíram em relação aos demais grupos. Por fim, no cenário que mescla incertezas e validade, o algoritmo e os especialistas intuitivos apresentaram assertividades similares em suas decisões. Ressalta-se que para verificar a assertividade foram utilizadas as técnicas da acurácia e recall e a mesma consiste em recomendar corretamente candidatos antes e após a realização do pós-doutorado no exterior. Além disso, por meio das principais variáveis utilizadas para a decisão, identificou-se que o algoritmo apresentou comportamento mais similar ao especialista intuitivo. Assim, este trabalho apresenta como contribuição teórica o pressuposto de que pode ser falsa a dicotomia entre racional e intuição. As decisões racionais e de especialistas intuitivos podem apresentar bons resultados e ambas podem ser relevantes em um cenário de decisão. Além disso, este trabalho demonstrou que as ferramentas computacionais são limitadas e o que algoritmo utilizado para a decisão racional apresentou comportamento mais similar a um especialista intuitivo humano, portanto, este comportamento mais similar a um especialista intuitivo e a possibilidade de processamento de diversos formatos de dados podem afetar a racionalidade das decisões. Por fim, este trabalho sugere o perfil de candidatos ideais para serem contemplados com bolsas de pós-doutorado no exterior, sendo os mais indicados os que apresentam baixo número de publicações, porém com alto impacto. Além disso, estes candidatos ideais apresentaram um menor número de orientações, baixa apresentação de trabalhos e participação em eventos, ou seja, o foco destes pesquisadores foi apenas o alto impacto em suas publicações. Em relação aos mais indicados para avaliadores Ad Hoc, identificou-se o perfil especialista intuitivo como o mais assertivo. The decision-making perspective has been more elaborated in normative research, which prescribes how decisions should be made. This type of research defines the criteria for a rational decision. However, total rationality could only be achieved by mathematical formulas or computer programs. On the other hand, the use of intuition is an important aspect of the decision-making process. But the literature presents an apparent dichotomy, with authors defending the use of intuition and defending rationality in decision making. In view of this dichotomy, the present work aims to investigate rational and intuitive decisions. For the rational decision, machine learning algorithms were used, a subfield of artificial intelligence. Thus, a model was developed for the recommendation and classification of potential candidates for Postdoctoral fellowships abroad. Initially, a pre-selection of the attributes was carried out, and 51 variables were computed at the end of the pre-processing. The training of the algorithm was carried out by means of 887 lattes curricula of post-doctorates abroad, in which four groups were identified. The groups were named according to their characteristics, with the following order of relevance: Score, Jobs_Orientations, IES_baixo_rank and Researcher_Senior. For the intuitive decision, a quasi-experiment was carried out composed of two experimental groups (Ad Hoc Evaluators and Doctors) and a control group (Students). The participants in each group were later classified as intuitive or rational. After analyzing the data, the results were presented in three different scenarios, and in the high validity scenario, the algorithm showed greater assertiveness in relation to humans, although intuitive specialists also showed significant assertiveness. In turn, in the uncertain scenario, which presents the internationalization variables, the algorithm showed assertiveness inferior to that of humans and again the intuitive specialists stood out in relation to the other groups. Finally, in the scenario that mixes uncertainties and validity, the algorithm and the intuitive specialists presented similar assertions in their decisions. It is noteworthy that the accuracy and recall techniques were used to verify the assertiveness and it consists in correctly recommending candidates before and after conducting the postdoctoral study abroad. In addition, through the main variables used for the decision, it was identified that the algorithm behaved more similarly to the intuitive specialist. Thus, this work presents as a theoretical contribution that the dichotomy between rational and intuition may be false. Rational and intuitive expert decisions can deliver good results and both can be relevant in a decision scenario. In addition, this work demonstrated that the computational tools are limited and that the algorithm used for the rational decision presented a behavior more similar to an intuitive human specialist, therefore, this behavior more similar to an intuitive specialist in machine learning algorithms and the possibility processing of different data formats can affect the rationality of decisions. Finally, this paper suggests the ideal candidate profile to be awarded postdoctoral scholarships abroad, the most suitable being those with a low number of publications, but with a high impact. In addition, these ideal candidates presented a lower number of orientations, low presentation of papers and participation in events, that is, the focus of these researchers was only high impact on their publications. Regarding the most suitable for Ad Hoc evaluators, the intuitive specialist profile was identified as the most assertive.

Submitted by DOUGLAS WILLER FERRARI LUZ VILELA (douglas.ferrari@ifmt.edu.br) on 2021-09-22T18:49:13Z No. of bitstreams: 1 Tese-Douglas_vf-BIBLIOTECA-23-09.pdf: 2308267 bytes, checksum: e000cedbf4fbc799f8ae3b81331b37a3 (MD5) Approved for entry into archive by Raiane da Silva Santos (raiane.santos@unesp.br) on 2021-09-22T19:53:44Z (GMT) No. of bitstreams: 1 vilela_dwfl_dr_ilha.pdf: 2308267 bytes, checksum: e000cedbf4fbc799f8ae3b81331b37a3 (MD5) Made available in DSpace on 2021-09-22T19:53:44Z (GMT). No. of bitstreams: 1 vilela_dwfl_dr_ilha.pdf: 2308267 bytes, checksum: e000cedbf4fbc799f8ae3b81331b37a3 (MD5) Previous issue date: 2021-07-27 As redes de comunicação sem fio IEEE 802.11 possuem diversas vulnerabilidades, e os ataques de negação de serviço são considerados uma das suas principais ameaças. A primícias básica do ataque de negação de serviço pauta-se pela indisponibilidade dos recursos e serviços da rede. A maioria das técnicas aplicadas no ataque de negação de serviço em redes sem fio exploram a falta de proteção dos quadros de gerenciamento e controle do quadro MAC do IEEE 802.11. Garantir a segurança absoluta de um ambiente de rede sem fio não é possível, porém pode-se adicionar camadas extras de proteção para redução do risco de incidentes de segurança. Os sistemas de detecção de intrusão (IDS, do inglês Intrusion Detection System) são ferramentas utilizadas no monitoramento do tráfego da rede e identificação de eventos anômalos. No entanto, um dos grandes gargalos dos sistemas de detecção de intrusão é encontrar conjuntos de dados públicos que caracterizem o funcionamento normal e anômalo de uma rede sem fio. Com objetivo de mitigar as vulnerabilidades das redes sem fio e sanar o problema de caracterização do comportamento da rede, foi desenvolvido nesta pesquisa um algoritmo de detecção de intrusão baseado no modelo de rede neural artificial ARTMAP Fuzzy. O trabalho foi realizado em quatro etapas: seleção da rede sem fio IEEE 802.11; avaliação da rede IEEE 802.11; construção, padronização e pré-processamento do conjunto de dados; e resultados gerados pelo algoritmo de detecção de intrusão. Os resultados obtidos demostram que o IDS possui alta capacidade de detecção de intrusão em redes sem fio e utiliza poucos recursos computacionais para processar os dados. A taxa média de detecção foi de 98,9% e a taxa de falso positivo foi menor que 1,2%. A seleção de um cenário de rede sem fio real e com características heterogêneas, foi fundamental para construção de um conjunto de dados com atributos representativos do comportamento normal e criação de assinaturas anômalas. A rede neural ARTMAP Fuzzy confirmou a eficiência do IDS, atestando as características da estabilidade e plasticidade. IEEE 802.11 wireless communication networks have several vulnerabilities, and the attacks called denial of service are the principal threat. The bases of this kind of attack are the unavailability of the resources and network services. Most of the techniques applied to the denial of service in wireless networks explore the lack of protection in management and control of IEEE 802.11 MAC. Absolute security in wireless environment is difficult to assure, however extra protection layers can be added to reduce the risk of security incidents. The IDS (Intrusion Detection System) contains tools that monitor the traffic in the network and identify anomalous events. Nonetheless, the great difficulty of the IDS is to find public dataset that characterize the normal and anomalous operation of wireless network. To mitigate the vulnerabilities of the wireless network and solve the problem of characterizing the network behavior, this research develops an algorithm of intrusion detection based on Fuzzy ARTMAP Artificial Neural Network. Results show that the IDS has high capacity of detecting intrusions in wireless networks with few computational resources to process the data. The medium detection rate is 98.9% and false positive rate is less than 1.2%. The selection of a wireless scenery with heterogeneity characteristic is fundamental to build a dataset with representative attributes of normal and anomalous behavior. The Fuzzy ARTMAP neural network confirms the efficiency of IDS proving its proprieties of stability and plasticity.

Tese (doutorado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2021. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES). O processo GMAW possui um comportamento não linear, e tem levado muitos pesquisadores a desenvolverem diversos estudos sobre ele. Um dos principais interesses tem sido otimizar o processo para desenvolver melhor desempenho nos processos industriais. Dessa forma, os avanços atuais em processamento de imagem, modelo preditivo e modelagem inteligente podem ajudar a otimizar processos. Essas técnicas podem obter bons resultados na análise de soldagem. As técnicas se podem agrupar em: técnicas de aprendizado de máquina, aprendizado profundo, aprendizado por reforço e processos de mineração de dados. Eles são responsáveis pelos avanços atuais em predições, classificação de imagens em tempo real e controle inteligente. Sua aplicação na área de soldagem tem como potencial um melhor estudo e análise de processos, otimização de tecnologias de soldagem e melhores controles de processo. Esta pesquisa tem como objetivo desenvolver um modelo de geometria do cordão de solda no processo GMAW através da aplicação das técnicas de machine learning e do processo de mineração de dados. Como resultado da pesquisa, foi obtido um modelo de deep learning para a análise do arco, um modelo preditivo do comportamento do processo e um modo com o objetivo de otimizá-lo. As metodologias desenvolvidas com esses modelos demonstram uma eficiência válida para serem aplicadas em processos reais de GMAW. The GMAW process has a non-linear behavior and has led many researchers to develop several studies on it. One of the main interests has been to optimize the process to develop better performance in industrial processes. Thus, current advances in image processing, predictive model, and intelligent modeling can help to optimize processes. These techniques can obtain good results in welding analysis. These techniques can be grouped into, techniques of machine learning, deep learning, and reinforcement learning, and data mining processes. They are responsible for the current advances in prediction, real-time image classification, and intelligent control. Its application in the welding area has the potential for a better study and analysis of processes, optimization of welding technologies, and better process controls. This research focuses on the objective of developing a weld bead geometry model in GMAW process by applying machine learning techniques and data mining process. As a result of the research, a deep learning model was obtained for the analysis of the arc, a predictive model of the process behavior, and a mode to optimize it. The methodologies developed with these models demonstrate a valid efficiency to be applied in real GMAW processes.

Tese (doutorado) — Universidade de Brasília, Faculdade de Educação, Programa de Pós-Graduação em Educação, 2021. O ano de 2020 será conhecido como a época em que as práticas educacionais foram virtualizadas de forma nunca vista. O motivo foi a indesejada pandemia do vírus COVID-19, que impôs uma dura quarentena para todos os seguimentos da sociedade, inclusive a educação. Entre os novos desafios impostos pela pandemia estava a necessidade de ressignificar os conteúdos educacionais e disponibilizá-lo aos alunos em plataformas digitais. A ação de publicar tem por objetivo proporcionar aos professores e alunos a oportunidade de acessar conteúdos educacionais de forma organizada e de preferência no formato de Recursos Educacionais Abertos (REA), modelo que estamos considerando nesta pesquisa. Com o propósito de colaborar nesta área propomos a utilização da metodologia de Reconhecimento Automático de Informações de Metadados Educacionais (RAIME), que utiliza uma base de conhecimento como fonte para reconhecer as informações pedagógicas de um REA. Em tese, espera-se que a metodologia RAIME e a base de conhecimento possam auxiliar o professor autor no processo de publicação de seus REA, além de fornecer aos motores de buscas informações que possam melhorar a indexação e recuperação desses recursos, contribuindo assim para a democratização do conhecimento. The year 2020 will be known as the time when educational practices were virtualized in a way never seen before. The reason was the unwanted pandemic of the COVID-19 virus, which imposed a harsh quarantine on all segments of society, including education. Among the new challenges posed by the pandemic was the need to rethink educational content and make it available to students on digital platforms. The action of publishing aims to give teachers and students the opportunity to access educational content in an organized way and preferably in the Open Educational Resources (OER) format, a model that we are considering in this research. To collaborate in this area, the use of the Automatic Recognition of Educational Metadata Information (RAIME) methodology is proposed, which uses a knowledge base as a source to recognize the pedagogical information of an OER. In theory, it is expected that the RAIME methodology and the knowledge base can help the author professor in the process of publishing their OER, in addition to providing search engines with information that can improve the indexing and retrieval of these resources, thus contributing to the democratization of knowledge.

The use of computational tools has been increasingly required to organize, retrieve and understand the growing volume of data. Scientific communication has contributed both formally and informally to this phenomenon. However, managing and organizing a large collection of documents may become humanly impossible, and refutable when done manually. Topic modeling through machine learning algorithms has made it possible to organize and summarize data corpora. This study aims to identify the topics of the theses and dissertations by the graduate program in Information Science of the Federal University of Minas Gerais, southeastern Brazil (Programa de Pós-Graduação em Ciência da Informação da Universidade Federal de Minas Gerais). The main goal is to identify the most relevant topics of the corpus made up of documents such as theses and dissertations of that graduate program, such as the terms that constitute each topic as well as their respective weights. In the topic modeling we set a Latent Dirichlet Allocation model to identify 6, 8, 10, 12, 14, 16, 18 and 20 topics along with the data corpus. This allowed us to scientifically map the documents that we analyzed. The results obtained when the model was set to 14 topics were more cohesive and presented less noise and so allowed us to assume the names of the topics more assertively and to correlate the fields of research of the graduate program of the Federal University of Minas Gerais., O uso das ferramentas computacionais tem sido cada vez mais exigido para organizar, recuperar e compreender o crescente volume de dados. A comunicação científica tem contribuído, por meio de trabalhos formais e informais, para esse fenômeno; entretanto, a organização de uma grande coleção de documentos pode se tornar um processo lento e questionável quando realizado sem recursos tecnológicos. A modelagem de tópicos, por meio de algoritmos de aprendizagem de máquina, tem possibilitado organizar e resumir corpora de dados. A problemática da pesquisa é descobrir como se têm apresentado os temas das teses e dissertações produzidas pelo Programa de PósGraduação em Ciência da Informação da Universidade Federal de Minas Gerais. Busca-se identificar os tópicos de maior relevância do corpus de dados, constituído por documentos do tipo teses e dissertações desse programa de pósgraduação, assim como os termos de cada tópico e os pesos atribuídos a cada um desses termos. Na modelagem de tópicos, utilizou-se o modelo de alocação de Dirichlet latente, configurado para identificar 6, 8, 10, 12, 14, 16, 18 e 20 tópicos junto ao corpus de dados, o que permitiu realizar o mapeamento científico dos documentos analisados. Os resultados com 14 tópicos foram mais coesos e apresentaram menos ruídos e, por isso, permitiram inferir os nomes dos tópicos de maneira mais segura e estabelecer correlações com as linhas de pesquisa do Programa de Pós-Graduação em Ciência da Informação da Universidade Federal de Minas Gerais.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021. O uso crescente de sistemas baseados em Inteligência Artificial (IA) em diversas áreas do nosso cotidiano provoca o aumento da consciência sobre as implicações éticas do seu uso. A maioria dos estudos encontrados na literatura focam em diretrizes e princípios éticos para IA, e estes não atendem às demandas dos projetos de desenvolvimento de software do mundo real, uma vez que estes princípios são de alto nível e abstratos, implicando em pouco esforço em como operacionalizar a ética na IA. Assim, existe uma lacuna na operacionalização destes princípios na prática. Objetivo: Desta forma, o objetivo deste trabalho é propor um guia para apoiar os Product Owners e desenvolvedores de sistemas baseados em IA na elicitação de requisitos éticos. Metodologia: Utilizamos a metodologia Design Science Research e na etapa de compreensão do problema realizamos uma revisão sistemática de literatura. Além disso, desenvolvemos um guia online e realizamos a sua validação através de um survey e um grupo focal com profissionais da área. Resultados: Identificamos 33 estudos primários relacionados às diretrizes e aspectos práticos de ética em IA, dentre eles, destacamos 11 princípios éticos e o método ECCOLA. Desenvolvemos o Guia para Elicitação de Requisitos Éticos em IA (RE4AI Ethical Guide) como um sistema baseado na web, funcionando como um Planning Poker, composto de 26 cartas novas, abarcando os 11 princípios encontrados na primeira etapa. A validação do Guia foi realizada através de um survey com 40 estudantes de graduação e pós-graduação, e um grupo focal com 5 profissionais na área. Nossos achados sugerem que o RE4AI Ethical Guide, de acordo com a percepção dos profissionais da área, é interessante e tem o potencial de facilitar a elicitação dos requisitos éticos. Conclusão: O Guia proposto possui utilidade e praticidade e pode ajudar na elicitação de requisitos éticos no contexto de desenvolvimento ágil. Assim, nossos resultados preliminares revelam que o Guia contribui para preencher a lacuna entre princípios de alto nível e abstratos e a prática, auxiliando os desenvolvedores e Product Owners, principalmente em projetos de desenvolvimento ágil, a elicitar requisitos éticos e operacionalizar a ética em IA. The increasing use of Artificial Intelligence (AI) based systems in various areas of our daily lives provokes increased awareness about the ethical implications of their use. Most of the studies found focus on ethical guidelines and principles for AI, and these do not meet the demands of real- world software development projects, since these principles are high-level and abstract, implying little effort on how to operationalize ethics in AI. Thus, there is a gap in operationalizing these principles in practice. Objective: Therefore, the aim of this work is to propose a guide to support Product Owners and developers of AI-based systems in the elicitation of ethical requirements. Methodology: We used the Design Science Research methodology and in the awareness of the problem phase we conducted a systematic literature review. In addition, we developed an online guide and performed its validation through a survey and a focus group with professionals in the area. Results: We identified 33 primary studies related to guidelines and practical aspects of ethics in AI, among them, we highlighted 11 ethical principles and the ECCOLA method. We developed the Guide for Artificial Intelligence Ethical Requirements Elicitation (RE4AI Ethical Guide) as a web-based system, working as a Planning Poker, composed of 26 new cards, covering the 11 principles found in the first step. The evaluation of the Guide was performed through a survey with 40 undergraduate and graduate students, and a focus group with 5 AI professionals. Our findings suggest that the RE4AI Ethical Guide, according to the perception of experts in the area, is interesting and has the potential to facilitate the elicitation of ethical requirements. Conclusion: The proposed Guide is both useful and practical and can help in the elicitation of ethical requirements in the context of agile development. Thus, our preliminary results reveal that the Guide contributes to bridging the gap between high-level and abstract principles and practice by assisting developers and Product Owners, especially in agile development projects, to elicit ethical requirements and operationalise ethics in AI.