Página 1 dos resultados de 255 itens digitais encontrados em 0.010 segundos

Meta-aprendizagem aplicada à classificação de dados de expressão gênica; Meta-learning applied to gene expression data classification

Souza, Bruno Feres de
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 26/10/2010 Português
Relevância na Pesquisa
106.01%
Dentre as aplicações mais comuns envolvendo microarrays, pode-se destacar a classificação de amostras de tecido, essencial para a identificação correta da ocorrência de câncer. Essa classificação é realizada com a ajuda de algoritmos de Aprendizagem de Máquina. A escolha do algoritmo mais adequado para um dado problema não é trivial. Nesta tese de doutorado, estudou-se a utilização de meta-aprendizagem como uma solução viável. Os resultados experimentais atestaram o sucesso da aplicação utilizando um arcabouço padrão para caracterização dos dados e para a construção da recomendação. A partir de então, buscou-se realizar melhorias nesses dois aspectos. Inicialmente, foi proposto um novo conjunto de meta-atributos baseado em índices de validação de agrupamentos. Em seguida, estendeu-se o método de construção de rankings kNN para ponderar a influência dos vizinhos mais próximos. No contexto de meta-regressão, introduziu-se o uso de SVMs para estimar o desempenho de algoritmos de classificação. Árvores de decisão também foram empregadas para a construção da recomendação de algoritmos. Ante seu desempenho inferior, empregou-se um esquema de comitês de árvores, que melhorou sobremaneira a qualidade dos resultados; Among the most common applications involving microarray...

PersonalTVware: uma infraestrutura de suporte a sistemas de recomendação sensíveis ao contexto para TV Digital Personalizada.; PersonalTVware: an infrastructure to support the context-aware recommender systems for Personalized Digital TV.

Silva, Fábio Santos da
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 18/03/2011 Português
Relevância na Pesquisa
85.91%
O processo de digitalização da TV em diversos países do mundo tem contribuído para o aumento do volume de programas de TV, o que gera uma sobrecarga de informação. Consequentemente, o usuário está enfrentando dificuldade para encontrar os programas de TV favoritos dentre as várias opções disponíveis. Diante deste cenário, os sistemas de recomendação destacam-se como uma possível solução. Tais sistemas são capazes de filtrar itens relevantes de acordo com as preferências do usuário ou de um grupo de usuários que possuem perfis similares. Entretanto, em diversas recomendações o interesse do usuário pode depender do seu contexto. Assim, torna-se importante estender as abordagens tradicionais de recomendação personalizada por meio da exploração do contexto do usuário, o que poderá melhorar a qualidade das recomendações. Para isso, este trabalho descreve uma infraestrutura de software de suporte ao desenvolvimento e execução de sistemas de recomendação sensíveis ao contexto para TV Digital Interativa - intitulada de PersonalTVware. A solução proposta fornece componentes que implementam técnicas avançadas para recomendação de conteúdo e processamento de contexto. Com isso, os desenvolvedores de sistemas de recomendação concentram esforços na lógica de apresentação de seus sistemas...

Adaptatividade em aprendizagem de máquina: conceitos e estudo de caso.; Adaptivity in machine learning: Concepts and case study.

Stange, Renata Luiza
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 21/10/2011 Português
Relevância na Pesquisa
96.25%
A aprendizagem incremental requer que o mecanismo de aprendizagem seja baseado no acúmulo dinâmico da informação extraída das experiências realizadas. A aprendizagem de máquina usando adaptatividade considera a integração de técnicas de aprendizagem de máquina simbólicas com técnicas adaptativas para a solução de problemas de aprendizagem. A palavra adaptatividade sugere a capacidade de modificação do conjunto de regras aprendidas em resposta a eventos que podem ocorrer durante o processo de aprendizagem, ou então autoajustes no conjunto de parâmetros. Os dispositivos adaptativos que possuem a capacidade de reter em suas regras informações extraídas de suas entradas podem acumular informações, para que sejam utilizadas quando forem necessárias. As estratégias de interesse para a incorporação da adaptatividade incluem a utilização de métodos e técnicas de aprendizagem de máquina, em particular as que implementam aprendizado supervisionado e tomada de decisão. O objetivo deste trabalho é explorar a utilização de técnicas adaptativas no processo de aprendizado por máquina, tanto de forma exclusiva como em conjunto com outras técnicas de aprendizagem. Para atingir este objetivo...

Diagnóstico de glaucoma baseado em classificadores de aprendizagem de máquina utilizando dados do Spectral Domain-OCT e perimetria automatizada acromática; Machine learning classifiers for glaucoma diagnosis using Spectral Domain-OCT and standard automated perimetry

Fabrício Reis da Silva
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 26/08/2013 Português
Relevância na Pesquisa
86.1%
Objetivo: Avaliar a sensibilidade e especificidade dos classificadores de aprendizagem de máquina no diagnóstico de glaucoma usando dados do Spectral Domain OCT (SD-OCT) e perimetria automatizada acromática (PAA). Desenho do estudo: Estudo transversal observacional. Método: Sessenta e dois pacientes com glaucoma e 48 indivíduos normais foram incluídos. Todos os pacientes foram submetidos a exame oftalmológico completo, PAA (24-2 SITA; Humphrey Field Analyzer II, Carl Zeiss Meditec, Inc., Dublin, CA) e exame de imagem da camada de fibras nervosas utilizando SD-OCT (Cirrus HD-OCT; Carl Zeiss Meditec Inc., Dublin, California). Curvas ROC (Receiver Operating Characteristic) foram obtidas para todos os parâmetros do SD-OCT e índices globais da perimetria acromática (MD, PSD, GHT). Subsequentemente, os seguintes classificadores de aprendizagem de máquina (CAMs) foram testados usando parâmetros do OCT e PAA: Bagging (BAG), Naive-Bayes (NB), Multilayer Perceptron (MLP), Radial Basis Function (RBF), Random Forest (RAN), Ensemble Selection (ENS), Classification Tree (CTREE), Ada Boost M1(ADA), Support Vector Machine Linear (SVML) e Support Vector Machine Gaussian (SVMG). Áreas abaixo da curva ROC (aROC) obtidas com os parâmetros isolados do campo visual (CV) e OCT foram comparados com os CAMs usando dados combinados do OCT e CV. Resultados: A média de idade foi de 57...

Sensitivity and specificity of machine learning classifiers and spectral domain OCT for the diagnosis of glaucoma= : Sensibilidade e especificidade de sistemas de aprendizagem de máquina e da tomografia de coerência óptica de domínio espectral para o diagnóstico de glaucoma; Sensibilidade e especificidade de sistemas de aprendizagem de máquina e da tomografia de coerência óptica de domínio espectral para o diagnóstico de glaucoma

Vanessa Gonçalves Vidotti Pimenta
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 27/01/2014 Português
Relevância na Pesquisa
86.03%
O presente estudo teve como objetivo investigar a sensibilidade e especificidade dos classificadores de aprendizagem de máquina (MLC) e da tomografia de coerência óptica de domínio espectral (SD-OCT) para o diagnóstico de glaucoma. Sessenta e dois pacientes com glaucoma e defeito de campo visual inicial a moderado, e 48 indivíduos saudáveis foram incluídos. Todos os participantes foram submetidos a um exame oftalmológico completo, perimetria automatizada acromática e medida da espessura da camada de fibras nervosas da retina com SD-OCT (Cirrus HD-OCT; Carl Zeiss Meditec, Inc., Dublin, Califórnia, EUA). Uma curva ROC (receiver operating curve) foi obtida para cada parâmetro do SD-OCT: espessura média, espessura nos quatro quadrantes (temporal, superior, nasal e inferior) e a espessura a cada hora de relógio. Posteriormente, foram testados os seguintes MLCs construídos a partir dos dados do OCT: Árvore de Decisão (CTREE), Random Forest (RAN), Bagging (BAG), Adaptative Boosting (ADA), Ensemble Selection (ENS), Multilayer Perceptrons (MLP), Rede de Funções de Base Radial (RBF), Naive-Bayes (NB), Support Vector Machine - Linear (SVMl) e Support Vector Machine - Gaussian (SVMg). Áreas sob as curvas ROC (aROCs) foram obtidas para cada parâmetro do SD-OCT e para cada MLC. A média de idade foi de 57...

Predição de RNAs não-codificadores no transcriptoma do fungo Paracoccidioides brasiliensis usando aprendizagem de máquina

Arrial, Roberto Ternes
Fonte: Universidade de Brasília Publicador: Universidade de Brasília
Tipo: Dissertação
Português
Relevância na Pesquisa
106.02%
Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Biológicas, Departamento de Biologia Celular, 2008.; Paracoccidioides brasiliensis (Pb) é um fungo saprófito e dimórfico de importância clínica, pois seus propágulos, quando inalados por humanos, desencadeiam a doença conhecida como paracoccidioidomicose. No ano de 2005 foi publicado o transcriptoma do Pb, apontando diversos alvos potenciais de drogas, mas ainda assim uma parte significativa dos transcritos seqüenciados não possui proteínas homólogas identificadas. Esse trabalho sugere que alguns desses RNAs possam ser não-codificadores (ncRNAs), uma classe de moléculas biologicamente funcionais que no entanto não codificam para nenhum produto protéico. Para tanto foi feita uma abordagem exclusivamente computacional, utilizando exemplos conhecidos de mRNAs e ncRNAs para treinamento de dois algoritmos de aprendizado de máquina: naive Bayes (nB) e Máquinas de Vetores de Suporte (MVS). Diversos programas descritos na literatura e desenvolvidos localmente foram usados para obter propriedades dos transcritos e de seus produtos protéicos, de forma que os algoritmos de aprendizado de máquina fossem capazes de diferenciar satisfatoriamente um mRNA de um ncRNA. O uso de várias medidas de eficiência mostra que ambos algoritmos...

Classificação do conteúdo de documentos contábeis usando aprendizagem de máquina : o caso dos fatos relevantes; Content classification of accounting documents using machine learning : there levant facts case; Clasificación del contenido dedocumentos contables usando aprendizaje demáquina : el caso delos hechos relevantes

Sena, Brunna Hisla da Silva; Silva, César Augusto Tibúrcio; Arrial, Roberto Ternes
Fonte: Universidade de Brasília Publicador: Universidade de Brasília
Tipo: Artigo de Revista Científica
Português
Relevância na Pesquisa
96.07%
A análise de conteúdo de textos narrativos tem sido estudada, nos últimos anos, com mais frequência. Em diversos trabalhos, verifica-se a pesquisa com relação a sua legibilidade, compreensibilidade e o nível de otimismo, neutralidade e pessimismo. Porém, a análise de classificação quanto a tendências otimistas, pessimistas e neutras tem sido feita de forma muito trabalhosa, pois demanda uma análise humana dos textos, justificando a criação de uma análise de textos de forma mais rápida e objetiva, além da tentativa de eliminação da subjetividade. Diante disso, o objetivo deste trabalho é propor uma classificação automática de fatos relevantes contábeis, fazendo-se uma análise do conteúdo de textos narrativos, com a utilização de ferramentas computacionais de leitura e classificação de textos. A ideia é procurar contribuir com um exemplo de aplicação de aprendizado de máquina à Ciência Contábil. Esta análise utilizou-se de fatos relevantes já analisados anteriormente no trabalho de Pereira e Silva (2008). Os fatos já classifica¬dos foram utilizados como conjunto de treinamento para o programa, para que assim ele pudesse classificar outros dados desconhecidos, não classificados. ___________________________________________________________________________________ ABSTRACT; The analysis of narrative texts content has been more often studied in recent years. In several works research is noticed in relation to readability...

Seleção de protótipos: combinando auto-geração de protótipos e mistura de gaussianas

de Santana Pereira, Cristiano; Darmiton da Cunha Cavalcanti, George (Orientador)
Fonte: Universidade Federal de Pernambuco Publicador: Universidade Federal de Pernambuco
Tipo: Outros
Português
Relevância na Pesquisa
96.03%
Seleção de protótipos é uma técnica de aprendizagem de máquina cujo objetivo é a escolha ou produção de instâncias de dados que consigam a melhor representação para os dados do problema realçando as fronteiras de decisão e mantendo a separação entre as classes. A idéia é reduzir a quantidade de dados e ainda assim obter um conjunto de protótipos que minimize o erro de classificação. As estratégias baseadas em protótipos têm sido bastante utilizadas em aplicações reais nos mais diversos domínios obtendo bons resultados. A proposta deste trabalho foi investigar técnicas de seleção de protótipos baseadas em auto-geração e mistura de gaussianas comparando com algumas técnicas clássicas. Como resultado deste estudo, um modelo híbrido combinando estas duas estratégias foi proposto. Este modelo híbrido supera algumas dificuldades destas técnicas quando analisadas isoladamente, pois eles combinam a vantagem da ausência de parâmetros da auto-geração com a maior capacidade de ajuste nas fronteiras de decisão da mistura de gaussianas. O novo modelo foi avaliado com diversos problemas considerados benchmarks da área de aprendizagem de máquina apresentando desempenho superior na maioria deles quando comparado com as técnicas de auto-geração e mistura de gaussianas analisadas. A segunda parte deste trabalho apresenta um estudo da aplicação da nova estratégia híbrida ao problema específico de segmentação de caracteres. Curvas ROC foram utilizadas para avaliar o desempenho e mais uma vez o modelo híbrido se mostrou superior

Detecção de módulos de software propensos a falhas através de técnicas de aprendizagem de máquina

Bezerra, Miguel Eugênio Ramalho
Fonte: Universidade Federal de Pernambuco Publicador: Universidade Federal de Pernambuco
Tipo: Dissertação
Português
Relevância na Pesquisa
116.12%
O sucesso de um software depende diretamente de sua qualidade. Tradicionalmente, métodos formais e de inspeção manual de código são usados para assegurá-la. Tais métodos, geralmente, possuem um custo elevado e demandam bastante tempo. Dessa forma, as atividades de teste devem ser planejadas cuidadosamente para evitar o desperdício de recursos. Atualmente, as organizações estão buscando maneiras rápidas e baratas de detectar defeitos em softwares. Porém, mesmo com todos os avanços dos últimos anos, o desenvolvimento de software ainda é uma atividade que depende intensivamente do esforço e do conhecimento humano. Muitos pesquisadores e organizações estão interessados em criar um mecanismo capaz de prever automaticamente defeitos em softwares. Nos últimos anos, técnicas de aprendizagem de máquina vêm sendo utilizadas em diversas pesquisas com esse objetivo. Este trabalho investiga e apresenta um estudo da viabilidade da aplicação de métodos de aprendizagem de máquina na detecção de módulos de software propensos a falhas. Classificadores como redes neurais artificiais e técnicas de aprendizagem baseada em instâncias (instance-based learning) serão usadas nessa tarefa, tendo como fonte de informação as métricas de software retiradas do repositório do Metrics Data Program (MDP) da NASA. Também será apresentado um conjunto de melhorias...

Class-test: classificação automática de testes para auxíio à criação de suítes de teste

de Souza Lima, Leonardo; de Almeida Barros, Flávia (Orientador)
Fonte: Universidade Federal de Pernambuco Publicador: Universidade Federal de Pernambuco
Tipo: Outros
Português
Relevância na Pesquisa
96.03%
Este trabalho apresenta o Class-Test, uma ferramenta idealizada para auxiliar os profissionais de testes na criação de suítes de testes extensas. Em geral, as suítes de testes devem conter um determinado número de testes de cada tipo (e.g., testes negativos, testes de fronteira, testes de interação, etc), número este fixado pelo engenheiros/designers de testes da empresa. Um dos maiores problemas enfrentados pelos testadores para montar essas suítes é o tempo gasto na categorização manual dos testes pré-selecionados para compor suítes extensas (com 1.000 testes, por exemplo). O Class-Test é uma ferramenta para classificação automática de casos de testes, que visa diminuir o esforço e o tempo gasto no processo de categorização dos testes. A ferramenta foi construída com base em técnicas de Aprendizagem de Máquina, em particular, da área de Categorização de Texto. Três classificadores automáticos foram construídos utilizando-se um corpus composto por 879 casos de testes, com a distribuição de 191 casos de testes do tipo Fronteira (Test Boundary), 338 do tipo Negativo (Test Negative), e 350 do tipo interação (Test Interaction). Cada classificador é especializado em apenas um desses três tipos de teste. Foi necessário criar três classificadores porque alguns casos de teste podem ser associados a mais de uma classe de teste ao mesmo tempo. Foram realizados dois estudos de casos. O primeiro estudo teve como objetivo avaliar...

Busca e recuperação de componentes de software utilizando agrupamento de componentes

Veras, Ronaldo Cisneiros
Fonte: Universidade Federal de Pernambuco Publicador: Universidade Federal de Pernambuco
Tipo: Dissertação
Português
Relevância na Pesquisa
96.03%
O desenvolvimento de software com reuso é uma abordagem que pode ser utilizada para alcançar dois benefícios principais: 1) incremento de produtividade nos projetos de software e 2) melhorias na qualidade final dos projetos. A abordagem de reuso de software pode ser instanciada através da estratégia de desenvolvimento de software baseada em componentes. De acordo com essa estratégia, grandes aplicações de software podem ser desenvolvidas a partir de partes reutilizáveis e pré-existentes, que devem estabelecer uma colaboração entre elas para prover as funcionalidade requeridas pela aplicação. Os locais onde esses componentes são armazenados (repositórios), e os processos para a busca e recuperação dos mesmos, são considerados pontos de constante pesquisa e discussão. Em um outro contexto, soluções baseadas em aprendizagem de máquina e inteligência artificial começam a produzir contribuições relevantes para problemas pertencentes ao ciclo de desenvolvimento de projetos de software, compreendendo campos como a estimativa de esforço de projetos de software e a predição de falhas, por exemplo. Esse trabalho possui o objetivo de investigar a utilização de técnicas de agrupamento de dados (clustering) (que fazem parte das técnicas de aprendizagem de máquina) ao problema do reuso de software. Para esse trabalho foram analisadas as técnicas de agrupamento por mapas auto-organizáveis (SOM)...

Descoberta automática de conhecimento em interpretações musicais: o caso do acompanhamento rítmico ao violão

Trajano de Lima Neto, Ernesto; Lisboa Ramalho, Geber (Orientador)
Fonte: Universidade Federal de Pernambuco Publicador: Universidade Federal de Pernambuco
Tipo: Outros
Português
Relevância na Pesquisa
95.91%
Qualquer musico, com um mInimo de experiência, sabe que tocar uma musica da forma exata como ela esta grafada resulta em algo mecânico e artiFIcial. De fato, a representação simbólica da musica ou notação serve apenas como um guia para o musico, que a modifica de acordo com suas intenções musicais, com um conjunto de regras, aprendidas durante o decorrer de sua vida musical e, em sua grande maioria, não explícitas, e de acordo com uma análise, ainda que superFIcial e intuitiva, da obra a ser interpretada. A forma como a musica e variada pelo músico da-se o nome de interpretação. Diversas pesquisas estudam variados aspectos deste fenômeno. Resultados mostram que, apesar de tratar-se de uma forma de arte, existem aspectos em comum nos diferentes interpretes e em diferentes interpretações. Estas pesquisas concentram-se, todavia, na Musica Classica composta para piano, o que exclui partes signiFIcativas do repertorio musical, em especial, a Musica Popular Brasileira, em estilos como a Bossa Nova e o Samba, e em outros instrumentos como, por exemplo, o violão. Por outro lado, na Computação Musical, diversos pesquisadores têm desenvolvido metodos para a analise automatica de interpretações. Dentre eles...

Um sistema de extração de informação em referências bibliográficas baseado em aprendizagem e máquina

Fraga do Amaral e Silva, Eduardo; de Almeida Barros, Flávia (Orientador)
Fonte: Universidade Federal de Pernambuco Publicador: Universidade Federal de Pernambuco
Tipo: Outros
Português
Relevância na Pesquisa
85.99%
Existe atualmente uma gigantesca quantidade de informações disponibilizada em formato de texto na Internet e nas redes das grandes corporações. Essas informações encontram-se em um formato não estruturado, dificilmente manipulável por programas de computador. A Extração de Informação (EI) tem como objetivo transformar documentos textuais em um formato estruturado, mapeando a informação contida em um documento em uma estrutura tabular. Tal estrutura é mais facilmente tratável por programas de computador, possibilitando assim a sua utilização por variadas aplicações inteligentes . Dentro da Inteligência Artificial, vemos duas abordagens para tratar o problema da EI: os sistemas baseados em conhecimento e a aprendizagem automática. O trabalho apresentado tem como objetivo a construção de um sistema para extrair informações a partir de textos contendo citações científicas (ou referências bibliográficas) através de uma abordagem baseada em aprendizagem automática. Dentre as diversas técnicas existentes, escolhemos tratar o problema através de uma abordagem híbrida, que combina o uso de técnicas de classificação de textos com os Modelos de Markov Escondidos (HMM). Esta combinação mostrou resultados superiores aos obtidos usando exclusivamente as técnicas de classificação e sua idéia básica é gerar com o uso das técnicas de classificação de textos para EI uma saída inicial para o sistema e refiná-la depois por meio de um HMM. Experimentos realizados com um conjunto de teste contendo 3000 referências resultaram em uma precisão de 87...

Classificação de tráfego baseado em mineração de fluxos de dados

Lopes Junior, Petrônio Gomes
Fonte: Universidade Federal de Pernambuco Publicador: Universidade Federal de Pernambuco
Tipo: Outros
Português
Relevância na Pesquisa
86.03%
Existem diversos tipos de aplicações de redes de computadores que produzem diferentes perfis de tráfego. Para aperfeiçoar o desempenho destas aplicações ou da rede em que elas estão incluídas, é interessante fazer medições e caracterizações do tráfego gerado por elas. Nesse contexto, existem várias formas para classificação de tráfego como técnicas baseadas em portas, técnicas baseadas em inspeção de pacotes e técnicas baseadas em fluxos. De acordo com o cenário em que será aplicada, cada uma das técnicas apresenta vantagens e desvantagens. Adicionalmente, a classificação tem que lidar com restrições de tempo, sendo capaz de tratar os dados em tempo real. Um possível método a ser utilizado é a classificação de tráfego baseada em fluxos utilizando aprendizagem de máquina. No entanto, é notório que, quando se fala na classificação de fluxos usando aprendizagem de máquina, a caracterização de tráfego ainda necessita de uma abordagem que seja capaz de fornecer uma forma adaptativa de treinamento além de equilibrar precisão e desempenho em um cenário de fluxo contínuo de dados. Este trabalho apresenta um algoritmo voltado para classificação do tráfego baseado em técnicas de mineração de fluxos de dados aplicado a redes de alta velocidade...

Predição da resposta de pacientes a terapias anti-HIV através de aprendizagem de máquina

Santos, Rafael Henrique da Silva; Guimarães, Katia Silva (Orientadora)
Fonte: Universidade Federal de Pernambuco Publicador: Universidade Federal de Pernambuco
Tipo: Dissertação
Português
Relevância na Pesquisa
106.03%
O Vírus da Imunodeficiência Humana (HIV) vem causando a morte de milhões de vítimas todos os anos. Trata-se de um retrovírus capaz de alterar o material genético das células hospedeiras, utilizando-as para produzir cópias de si. Nesse processo de replicação, podem ocorrer falhas no pareamento das bases nitrogenadas, resultando em mutações do HIV. Essas mutações são as responsáveis pela resistência aos medicamentos antirretrovirais e fazem com que o sistema imunológico do hospedeiro não reconheça mais o vírus. Assim, identificar as mutações no HIV que levam à resistência do vírus a certos medicamentos e predizer se o paciente terá uma resposta satisfatória a terapia antes mesmo dela ser iniciada, é de fundamental importância para o sucesso do tratamento. Muitos métodos estatísticos e de aprendizagem de máquina têm sido aplicados para tentar solucionar esse problema. Nesse trabalho, dados de indivíduos com HIV foram utilizados para desenvolver modelos responsáveis por predizer a resposta dos pacientes ao tratamento antirretroviral. Informações clínicas (carga viral e quantidade de células T-CD4+) juntamente com sequências de RNA do vírus (transcriptase reversa e protease) foram empregadas no treinamento dos classificadores Perceptron Multicamadas...

Estudo, desenvolvimento e implementação de algoritmos de aprendizagem de máquina, em software e hardware, para detecção de intrusão de rede: uma análise de eficiência energética

França, André Luiz Pereira de
Fonte: Curitiba Publicador: Curitiba
Tipo: Dissertação de Mestrado
Português
Relevância na Pesquisa
85.98%
The increasing network speeds, number of attacks, and need for energy efficiency are pushing software-based network security to its limits. A common kind of threat is probing attacks, in which an attacker tries to find vulnerabilities by sending a series of probe packets to a target machine. This work presents the study, development, and implementation of a network packets feature extraction algorithm in hardware and three machine learning classifiers (Decision Tree, Naive Bayes, and k-nearest neighbors), in software and hardware, for the detection of probing attacks. The work also presents detailed results of classification accuracy, throughput, and energy consumption for each implementation.; CAPES; CNPq; O constante aumento na velocidade da rede, o número de ataques e a necessidade de eficiência energética estão fazendo com que a segurança de rede baseada em software chegue ao seu limite. Um tipo comum de ameaça são os ataques do tipo probing, nos quais um atacante procura vulnerabilidades a partir do envio de pacotes de sondagem a uma máquina-alvo. Este trabalho apresenta o estudo, o desenvolvimento e a implementação de um algoritmo de extração de características dos pacotes da rede em hardware e de três classificadores de aprendizagem de máquina (Árvore de Decisão...

Uma arquitetura baseada em agentes para configuração dinâmica de aplicações inteligentes em ambiente foundation fieldbus

Machado, Vinicius Ponte
Fonte: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Engenharia Elétrica; Automação e Sistemas; Engenharia de Computação; Telecomunicações Publicador: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Engenharia Elétrica; Automação e Sistemas; Engenharia de Computação; Telecomunicações
Tipo: Tese de Doutorado Formato: application/pdf
Português
Relevância na Pesquisa
95.91%
The industrial automation is directly linked to the development of information tecnology. Better hardware solutions, as well as improvements in software development methodologies make possible the rapid growth of the productive process control. In this thesis, we propose an architecture that will allow the joining of two technologies in hardware (industrial network) and software field (multiagent systems). The objective of this proposal is to join those technologies in a multiagent architecture to allow control strategies implementations in to field devices. With this, we intend develop an agents architecture to detect and solve problems which may occur in the industrial network environment. Our work ally machine learning with industrial context, become proposed multiagent architecture adaptable to unfamiliar or unexpected production environment. We used neural networks and presented an allocation strategies of these networks in industrial network field devices. With this we intend to improve decision support at plant level and allow operations human intervention independent; Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; A automação industrial está diretamente ligada ao crescimento da tecnologia da informação. Tanto as melhorias em soluções de hardware quanto o aprimoramento em metodologias de desenvolvimento de software propiciaram o crescimento do controle do processo produtivo ao longo dos anos. Nesta tese...

VisionDraughts - um sistema de aprendizagem de jogos de damas baseado em redes neurais, diferenças temporais, algoritmos eficientes de busca em árvores e informações perfeitas contidas em bases de dados

Caexêta, Gutierrez Soares
Fonte: Universidade Federal de Uberlândia Publicador: Universidade Federal de Uberlândia
Tipo: Dissertação
Português
Relevância na Pesquisa
85.92%
O objetivo deste trabalho é propor um sistema de aprendizagem de damas, Vision-Draughts, baseado nos trabalhos de Neto e Julia (LS-Draughts) e de Mark Lynch (NeuroDraughts). O NeuroDraughts é um bom jogador automático de damas que utiliza a técnica de aprendizagem por diferenças temporais para ajustar os pesos de uma rede neural artificial multi-camadas cujo papel é estimar o quanto um estado do tabuleiro do jogo, representado em sua camada de entrada através do mapeamento NET-FEATUREMAP, é favorável ao agente jogador. O conjunto de características do jogo é definido manualmente e a busca pela melhor ação a ser executada, a partir do estado corrente do tabuleiro, é realizada através do algoritmo minimax. O LS-Draughts expande o trabalho de Lynch por meio da técnica dos algoritmos genéticos, gerando, automaticamente, um conjunto mínimo e essencial de características do jogo de damas e otimizando, com grande sucesso, o treinamento do agente aprendiz. O VisionDraughts acrescenta dois módulos nas arquiteturas anteriores: um módulo de busca eficiente em árvores de jogos baseado no algoritmo alfa-beta, no aprofundamento iterativo e nas tabelas de transposição, que fornece ao agente jogador maior capacidade de analisar jogadas futuras (estados do tabuleiro mais distantes do estado corrente)...

LS-DRAUGHTS – um sistema de aprendizagem de jogos de Damas baseado em algoritmos genéticos, redes neurais e diferenças temporais

Castro Neto, Henrique de
Fonte: Universidade Federal de Uberlândia Publicador: Universidade Federal de Uberlândia
Tipo: Dissertação
Português
Relevância na Pesquisa
95.94%
O objetivo deste trabalho é propor um Sistema de Aprendizagem de Damas, LS-DRAUGHTS, que visa, por meio da técnica dos Algoritmos Genéticos (Ags), gerar, automaticamente, um conjunto de características mínimas necessárias e essenciais de um jogo de Damas, de forma a otimizar o treino de um agente jogador que aprende a jogar Damas. A aprendizagem deste agente consiste em aproximar uma rede neural MLP através do método de Aprendizagem por Reforço RD(λ) aliado com a busca minimax, com o mapeamento de tabuleiro NET-FEATUREMAP (feito a partir das características geradas pelo AG) e com a técnica de treinamento por self-play com clonagem. O objetivo da auto-aprendizagem do agente, sem Ter que recorrer a uma base de jogos de especialistas, é permitir que um sistema inteligente aprenda a jogar Damas pela sua própria experiência. Tal processo de aprendizagem é análogo ao processo utilizado pelo sistema NeuroDraughts proposto por Mark Lynch. Contudo, o LS-DRAUGHTS expande o NeuroDraughts ao fazer a geração automática de um conjunto eficaz e resumido de características do mapeamento NET-FEATUREMAP, ao passo que, o último, utiliza um conjunto fixo e definido manualmente. Foi efetuado um torneio entre o melhor jogador obtido pelo LS-DRAUGHTS e o melhor jogador de Mark Lynch disponível. Os resultados do torneio...

Estudo da ocorrência de cyberbullying contra professores na rede social Twitter por meio de um algoritmo de classificação bayesiano

de Alencar Almeida, Rafael José; Instituto Federal de Educação, Ciência e Tecnologia do Sudeste de Minas Gerais
Fonte: Faculdade de Letras da Universidade Federal de Minas Gerais Publicador: Faculdade de Letras da Universidade Federal de Minas Gerais
Tipo: info:eu-repo/semantics/article; info:eu-repo/semantics/publishedVersion; Formato: application/pdf
Publicado em 23/04/2012 Português
Relevância na Pesquisa
95.91%
O presente trabalho pretende contribuir com o mapeamento e a mensuração da ocorrência da violência virtual contra professores na rede social Twitter, por meio de técnicas computacionais baseadas em mineração de dados da Internet (web mining) e aprendizagem de máquina (machine learning). Para tal, foi realizada, durante uma semana, a coleta de postagens referentes a professores na rede social, as quais foram normalizadas e submetidas a um algoritmo de classificação Bayesiano capaz de realizar automaticamente a categorização do teor das mensagens como positivas, negativas ou neutras. Como resultado, obteve-se uma visualização gráfica hierárquica dos dados capaz de fornecer uma visão geral da gravidade e abrangência do fenômeno.