Algoritmos de acompanhamento musical para performances polifônicas

Tamanho: px
Começar a partir da página:

Download "Algoritmos de acompanhamento musical para performances polifônicas"

Transcrição

1 Algoritmos de acompanhamento musical para performances polifônicas Roberto Piassi Passos Bodo Instituto de Matemática e Estatística Universidade de São Paulo 24 de Setembro de 2013

2 O Artigo Real-Time Computer Accompaniment of Keyboard Performances International Computer Music Conference de 1985 Joshua J. Bloch e Roger B. Dannenberg Carnegie Mellon University rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

3 O Problema Acompanhamento musical: (IME-USP) Performances Polifônicas Setembro / 36

4 O Problema Acompanhamento musical: escutar a performance de um músico; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

5 O Problema Acompanhamento musical: escutar a performance de um músico; comparar os eventos da entrada com os eventos de uma partitura; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

6 O Problema Acompanhamento musical: escutar a performance de um músico; comparar os eventos da entrada com os eventos de uma partitura; inferir um andamento; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

7 O Problema Acompanhamento musical: escutar a performance de um músico; comparar os eventos da entrada com os eventos de uma partitura; inferir um andamento; tocar o acompanhamento apropriado. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

8 Histórico An On-Line Algorithm for Real-Time Accompaniment Roger B. Dannenberg ICMC 1984 The synthetic performer in the context of live performance Barry Vercoe ICMC 1984 (IME-USP) Performances Polifônicas Setembro / 36

9 Estrutura de um sistema de acompanhamento (IME-USP) Performances Polifônicas Setembro / 36

10 Casamento monofônico Características dos eventos: (IME-USP) Performances Polifônicas Setembro / 36

11 Casamento monofônico Características dos eventos: contêm informação sobre a altura musical somente; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

12 Casamento monofônico Características dos eventos: contêm informação sobre a altura musical somente; são trivialmente comparados; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

13 Casamento monofônico Características dos eventos: contêm informação sobre a altura musical somente; são trivialmente comparados; são totalmente ordenados. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

14 Algoritmo de casamento monofônico Queremos encontrar o melhor casamento* entre a entrada do músico e a partitura. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

15 Algoritmo de casamento monofônico Queremos encontrar o melhor casamento* entre a entrada do músico e a partitura. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

16 Algoritmo de casamento monofônico Queremos encontrar o melhor casamento* entre a entrada do músico e a partitura. *melhor casamento = maior subsequência comum. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

17 Algoritmo de casamento monofônico Adaptações do algoritmo de programação dinâmica que calcula maior subsequência comum: (IME-USP) Performances Polifônicas Setembro / 36

18 Algoritmo de casamento monofônico Adaptações do algoritmo de programação dinâmica que calcula maior subsequência comum: cada linha corresponde a um evento da partitura; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

19 Algoritmo de casamento monofônico Adaptações do algoritmo de programação dinâmica que calcula maior subsequência comum: cada linha corresponde a um evento da partitura; cada coluna corresponde a um evento da performance; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

20 Algoritmo de casamento monofônico Adaptações do algoritmo de programação dinâmica que calcula maior subsequência comum: cada linha corresponde a um evento da partitura; cada coluna corresponde a um evento da performance; a cada evento detectado uma nova coluna é calculada. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

21 Algoritmo de casamento monofônico Valor da i-ésima linha e j-ésima coluna: a maior pontuação de qualquer associação até o momento atual. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

22 Algoritmo de casamento monofônico Valor da i-ésima linha e j-ésima coluna: a maior pontuação de qualquer associação até o momento atual. Quais eventos foram associados para obter tal pontuação? rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

23 Algoritmo de casamento monofônico Valor da i-ésima linha e j-ésima coluna: a maior pontuação de qualquer associação até o momento atual. Quais eventos foram associados para obter tal pontuação? rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

24 Casamento polifônico Características dos eventos: (IME-USP) Performances Polifônicas Setembro / 36

25 Casamento polifônico Características dos eventos: contêm informação temporal (além da altura musical); (IME-USP) Performances Polifônicas Setembro / 36

26 Casamento polifônico Características dos eventos: contêm informação temporal (além da altura musical); são mais difíceis de comparar; (IME-USP) Performances Polifônicas Setembro / 36

27 Casamento polifônico Características dos eventos: contêm informação temporal (além da altura musical); são mais difíceis de comparar; são parcialmente ordenados. (IME-USP) Performances Polifônicas Setembro / 36

28 Casamento polifônico Partitura: sequência de conjuntos de símbolos não-ordenados. CEG GEC GCE CEG CGE EGC ECG (IME-USP) Performances Polifônicas Setembro / 36

29 Casamento polifônico Decisões de projeto de algoritmos: (IME-USP) Performances Polifônicas Setembro / 36

30 Casamento polifônico Decisões de projeto de algoritmos: 1 definir o significado de melhor associação entre performance e partitura; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

31 Casamento polifônico Decisões de projeto de algoritmos: 1 definir o significado de melhor associação entre performance e partitura; 2 decidir com confiança em qual ponto da partitura o músico está; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

32 Casamento polifônico Decisões de projeto de algoritmos: 1 definir o significado de melhor associação entre performance e partitura; 2 decidir com confiança em qual ponto da partitura o músico está; 3 agrupar as notas da performance em eventos compostos. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

33 Associação entre performance e partitura Definição de melhor associação? rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

34 Associação entre performance e partitura Definição de melhor associação? Aquela que maximiza uma função de pontuação. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

35 Associação entre performance e partitura Definição de melhor associação? Aquela que maximiza uma função de pontuação. Para que queremos encontrá-la? rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

36 Associação entre performance e partitura Definição de melhor associação? Aquela que maximiza uma função de pontuação. Para que queremos encontrá-la? Determinar o melhor prefixo da partitura para um dado prefixo da performance. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

37 Associação entre performance e partitura Definição de melhor associação? Aquela que maximiza uma função de pontuação. Para que queremos encontrá-la? Determinar o melhor prefixo da partitura para um dado prefixo da performance. Notação: rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

38 Associação entre performance e partitura Definição de melhor associação? Aquela que maximiza uma função de pontuação. Para que queremos encontrá-la? Determinar o melhor prefixo da partitura para um dado prefixo da performance. Notação: p[i] = i-ésimo evento da performance rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

39 Associação entre performance e partitura Definição de melhor associação? Aquela que maximiza uma função de pontuação. Para que queremos encontrá-la? Determinar o melhor prefixo da partitura para um dado prefixo da performance. Notação: p[i] = i-ésimo evento da performance p[1:i] = prefixo da performance de tamanho i rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

40 Associação entre performance e partitura Definição de melhor associação? Aquela que maximiza uma função de pontuação. Para que queremos encontrá-la? Determinar o melhor prefixo da partitura para um dado prefixo da performance. Notação: p[i] = i-ésimo evento da performance p[1:i] = prefixo da performance de tamanho i s[j] = j-ésimo evento da partitura rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

41 Associação entre performance e partitura Definição de melhor associação? Aquela que maximiza uma função de pontuação. Para que queremos encontrá-la? Determinar o melhor prefixo da partitura para um dado prefixo da performance. Notação: p[i] = i-ésimo evento da performance p[1:i] = prefixo da performance de tamanho i s[j] = j-ésimo evento da partitura s[1:j] = prefixo da partitura de tamanho j rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

42 Associação entre performance e partitura Vamos definir a função best-match-rating(p[1:i], s). rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

43 Associação entre performance e partitura Vamos definir a função best-match-rating(p[1:i], s). Cada símbolo p[i] é classificado como: rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

44 Associação entre performance e partitura Vamos definir a função best-match-rating(p[1:i], s). Cada símbolo p[i] é classificado como: certo; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

45 Associação entre performance e partitura Vamos definir a função best-match-rating(p[1:i], s). Cada símbolo p[i] é classificado como: certo; errado; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

46 Associação entre performance e partitura Vamos definir a função best-match-rating(p[1:i], s). Cada símbolo p[i] é classificado como: certo; errado; adicional; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

47 Associação entre performance e partitura Vamos definir a função best-match-rating(p[1:i], s). Cada símbolo p[i] é classificado como: certo; errado; adicional; faltando. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

48 Associação entre performance e partitura Vamos definir a função best-match-rating(p[1:i], s). Cada símbolo p[i] é classificado como: certo; errado; adicional; faltando. Classe de funções: rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

49 Associação entre performance e partitura Vamos definir a função best-match-rating(p[1:i], s). Cada símbolo p[i] é classificado como: certo; errado; adicional; faltando. Classe de funções: = tamanho do prefixo da partitura - c erradas #notas erradas - c adicionais #notas adicionais - c faltando #notas faltando rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

50 Em qual ponto da partitura o músico está Primeira abordagem: assumir que a função best-match-rating tende a crescer com a evolução da performance e tende a diminuir com a execução de erros. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

51 Em qual ponto da partitura o músico está Primeira abordagem: assumir que a função best-match-rating tende a crescer com a evolução da performance e tende a diminuir com a execução de erros. Quando reportamos um casamento? rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

52 Em qual ponto da partitura o músico está Primeira abordagem: assumir que a função best-match-rating tende a crescer com a evolução da performance e tende a diminuir com a execução de erros. Quando reportamos um casamento? Quando best-match-rating é maior do que qualquer outro valor prévio. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

53 Em qual ponto da partitura o músico está Primeira abordagem: assumir que a função best-match-rating tende a crescer com a evolução da performance e tende a diminuir com a execução de erros. Quando reportamos um casamento? Quando best-match-rating é maior do que qualquer outro valor prévio. Propriedade? rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

54 Em qual ponto da partitura o músico está Primeira abordagem: assumir que a função best-match-rating tende a crescer com a evolução da performance e tende a diminuir com a execução de erros. Quando reportamos um casamento? Quando best-match-rating é maior do que qualquer outro valor prévio. Propriedade? Mais cautelosa após uma série de erros. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

55 Em qual ponto da partitura o músico está Segunda abordagem: se assegurar que a última nota tocada na performance é consistente com o local mais provável da partitura. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

56 Em qual ponto da partitura o músico está Segunda abordagem: se assegurar que a última nota tocada na performance é consistente com o local mais provável da partitura. Quando reportamos um casamento? rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

57 Em qual ponto da partitura o músico está Segunda abordagem: se assegurar que a última nota tocada na performance é consistente com o local mais provável da partitura. Quando reportamos um casamento? Quando best-match-rating(p[1:i], s) é maior do que best-match-rating(p[1:i-1], s). rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

58 Em qual ponto da partitura o músico está Segunda abordagem: se assegurar que a última nota tocada na performance é consistente com o local mais provável da partitura. Quando reportamos um casamento? Quando best-match-rating(p[1:i], s) é maior do que best-match-rating(p[1:i-1], s). Propriedades? rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

59 Em qual ponto da partitura o músico está Segunda abordagem: se assegurar que a última nota tocada na performance é consistente com o local mais provável da partitura. Quando reportamos um casamento? Quando best-match-rating(p[1:i], s) é maior do que best-match-rating(p[1:i-1], s). Propriedades? Recupera confiança rapidamente após uma série de erros. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

60 Algoritmo estático de casamento Ideia básica: reduzir o problema do acompanhamento polifônico para o monofônico. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

61 Algoritmo estático de casamento Ideia básica: reduzir o problema do acompanhamento polifônico para o monofônico. Implicação: transformar a partitura e a performance em sequências totalmente ordenadas de eventos compostos. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

62 Algoritmo estático de casamento Ideia básica: reduzir o problema do acompanhamento polifônico para o monofônico. Implicação: transformar a partitura e a performance em sequências totalmente ordenadas de eventos compostos. Evento composto = conjunto de notas tocadas simultaneamente. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

63 Algoritmo estático de casamento Na partitura: aparentemente trivial. (IME-USP) Performances Polifônicas Setembro / 36

64 Algoritmo estático de casamento Na partitura: aparentemente trivial. Na performance: nem tanto. 1, 160, Note on c, 1, 60, 127 1, 172, Note on c, 1, 64, 127 1, 185, Note on c, 1, 67, 127 (IME-USP) Performances Polifônicas Setembro / 36

65 Algoritmo estático de casamento Valor máximo observado em notas de um mesmo acorde: 90ms (IME-USP) Performances Polifônicas Setembro / 36

66 Algoritmo estático de casamento Valor máximo observado em notas de um mesmo acorde: 90ms Limite superior de tempo entre notas consecutivas: 125ms (IME-USP) Performances Polifônicas Setembro / 36

67 Algoritmo estático de casamento Valor máximo observado em notas de um mesmo acorde: 90ms Limite superior de tempo entre notas consecutivas: 125ms Semicolcheia em 120bpm (IME-USP) Performances Polifônicas Setembro / 36

68 Algoritmo estático de casamento Valor máximo observado em notas de um mesmo acorde: 90ms Limite superior de tempo entre notas consecutivas: 125ms Semicolcheia em 120bpm 8 notas por segundo rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

69 Algoritmo estático de casamento Valor máximo observado em notas de um mesmo acorde: 90ms Limite superior de tempo entre notas consecutivas: 125ms Semicolcheia em 120bpm 8 notas por segundo 125ms rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

70 Algoritmo estático de casamento Valor máximo observado em notas de um mesmo acorde: 90ms Limite superior de tempo entre notas consecutivas: 125ms Semicolcheia em 120bpm 8 notas por segundo 125ms Valor arbitrariamente escolhido para o algoritmo: 100ms (epsilon) rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

71 Algoritmo estático de casamento Algoritmo Para cada nota recebida da performance: (IME-USP) Performances Polifônicas Setembro / 36

72 Algoritmo estático de casamento Algoritmo Para cada nota recebida da performance: se o intervalo de tempo em relação à nota anterior for menor do que epsilon, adicionamos no mesmo evento composto; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

73 Algoritmo estático de casamento Algoritmo Para cada nota recebida da performance: se o intervalo de tempo em relação à nota anterior for menor do que epsilon, adicionamos no mesmo evento composto; caso contrário, criamos um novo evento composto. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

74 Algoritmo estático de casamento O algoritmo não é livre de erros. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

75 Algoritmo estático de casamento O algoritmo não é livre de erros. Principal problema: rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

76 Algoritmo estático de casamento O algoritmo não é livre de erros. Principal problema: acorde em arpejo; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

77 Algoritmo estático de casamento O algoritmo não é livre de erros. Principal problema: acorde em arpejo; O intervalo entre notas é facilmente maior que epsilon. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

78 Algoritmo estático de casamento O algoritmo não é livre de erros. Principal problema: acorde em arpejo; O intervalo entre notas é facilmente maior que epsilon. Solução: teste epsilon-fraction. C }{{} MM E MMMMMM }{{} A# 1/4 3/4 rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

79 Algoritmo estático de casamento Quando comparar (isto é, calcular a função de pontuação entre) eventos compostos em construção da performance com os eventos da partitura? rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

80 Algoritmo estático de casamento Quando comparar (isto é, calcular a função de pontuação entre) eventos compostos em construção da performance com os eventos da partitura? Caso monofônico: rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

81 Algoritmo estático de casamento Quando comparar (isto é, calcular a função de pontuação entre) eventos compostos em construção da performance com os eventos da partitura? Caso monofônico: calculamos cada vez que um novo evento solo é processado. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

82 Algoritmo estático de casamento Quando comparar (isto é, calcular a função de pontuação entre) eventos compostos em construção da performance com os eventos da partitura? Caso monofônico: calculamos cada vez que um novo evento solo é processado. Caso polifônico: rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

83 Algoritmo estático de casamento Quando comparar (isto é, calcular a função de pontuação entre) eventos compostos em construção da performance com os eventos da partitura? Caso monofônico: calculamos cada vez que um novo evento solo é processado. Caso polifônico: calculamos quando um novo evento solo é processado; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

84 Algoritmo estático de casamento Quando comparar (isto é, calcular a função de pontuação entre) eventos compostos em construção da performance com os eventos da partitura? Caso monofônico: calculamos cada vez que um novo evento solo é processado. Caso polifônico: calculamos quando um novo evento solo é processado; atualizamos quando agrupamos uma nova nota. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

85 Algoritmo estático de casamento Qual função de pontuação deve ser utilizada? (IME-USP) Performances Polifônicas Setembro / 36

86 Algoritmo estático de casamento Qual função de pontuação deve ser utilizada? cevt-match-rating (IME-USP) Performances Polifônicas Setembro / 36

87 Algoritmo estático de casamento Qual função de pontuação deve ser utilizada? cevt-match-rating = (#notas da performance presentes no evento composto da partitura - #notas da performance ausentes no evento composto da partitura) / #notas da performance rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

88 Algoritmo estático de casamento Quando reportamos um casamento entre eventos compostos? (IME-USP) Performances Polifônicas Setembro / 36

89 Algoritmo estático de casamento Quando reportamos um casamento entre eventos compostos? cevt-match (IME-USP) Performances Polifônicas Setembro / 36

90 Algoritmo estático de casamento Quando reportamos um casamento entre eventos compostos? { true, se cevt-match-rating > n cevt-match = false, c.c. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

91 Algoritmo estático de casamento Quando reportamos um casamento entre eventos compostos? { true, se cevt-match-rating > n cevt-match = false, c.c. n é um valor limite escolhido empiricamente. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

92 Algoritmo estático de casamento Quando reportamos um casamento entre eventos compostos? { true, se cevt-match-rating > n cevt-match = false, c.c. n é um valor limite escolhido empiricamente. n = 0.5 (1 nota errada em um acorde de 4 notas). rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

93 Algoritmo dinâmico de casamento (IME-USP) Performances Polifônicas Setembro / 36

94 Algoritmo dinâmico de casamento similar ao algoritmo monofônico de matching; (IME-USP) Performances Polifônicas Setembro / 36

95 Algoritmo dinâmico de casamento similar ao algoritmo monofônico de matching; sequência de símbolos vs. sequência de conjuntos de símbolos; (IME-USP) Performances Polifônicas Setembro / 36

96 Algoritmo dinâmico de casamento similar ao algoritmo monofônico de matching; sequência de símbolos vs. sequência de conjuntos de símbolos; maximizar uma função de pontuação. (IME-USP) Performances Polifônicas Setembro / 36

97 Algoritmo dinâmico de casamento similar ao algoritmo monofônico de matching; sequência de símbolos vs. sequência de conjuntos de símbolos; maximizar uma função de pontuação. (IME-USP) Performances Polifônicas Setembro / 36

98 Algoritmo dinâmico de casamento Em cada posição da matriz: matrix[r, c].value = valor da função de pontuação para a melhor associação até o instante matrix[r, c].used = conjunto de símbolos utilizados para obter essa pontuação rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

99 Algoritmo dinâmico de casamento (IME-USP) Performances Polifônicas Setembro / 36

100 Algoritmo dinâmico de casamento cada coluna é calculada quando uma nota é recebida; (IME-USP) Performances Polifônicas Setembro / 36

101 Algoritmo dinâmico de casamento cada coluna é calculada quando uma nota é recebida; matrix[r, c] é calculado a partir de matrix[r, c - 1]; matrix[r - 1, c]; matrix[r - 1, c - 1]; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

102 Algoritmo dinâmico de casamento cada coluna é calculada quando uma nota é recebida; matrix[r, c] é calculado a partir de matrix[r, c - 1]; matrix[r - 1, c]; matrix[r - 1, c - 1]; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

103 Algoritmo dinâmico de casamento (IME-USP) Performances Polifônicas Setembro / 36

104 Algoritmo dinâmico de casamento (IME-USP) Performances Polifônicas Setembro / 36

105 Algoritmo dinâmico de casamento { z.value = y.value 1 a atribuição: z.used = y.used rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

106 Algoritmo dinâmico de casamento { z.value = y.value 1 a atribuição: z.used = y.used b não casa com nada; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

107 Algoritmo dinâmico de casamento { z.value = y.value 1 a atribuição: z.used = y.used b não casa com nada; as notas antes de b são casadas assim como em y. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

108 Algoritmo dinâmico de casamento { z.value = y.value a atribuição: z.used = y.used {b} rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

109 Algoritmo dinâmico de casamento { z.value = y.value a atribuição: z.used = y.used {b} b pertence a B; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

110 Algoritmo dinâmico de casamento { z.value = y.value a atribuição: z.used = y.used {b} b pertence a B; b não pertence ao conjunto das notas já utilizadas; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

111 Algoritmo dinâmico de casamento { z.value = y.value a atribuição: z.used = y.used {b} b pertence a B; b não pertence ao conjunto das notas já utilizadas; as notas são casadas assim como em y. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

112 Algoritmo dinâmico de casamento { z.value = w.value + 1 #(A w.used) 3 a atribuição: z.used = {b} rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

113 Algoritmo dinâmico de casamento { z.value = w.value + 1 #(A w.used) 3 a atribuição: z.used = {b} b pertence a B; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

114 Algoritmo dinâmico de casamento { z.value = w.value + 1 #(A w.used) 3 a atribuição: z.used = {b} b pertence a B; as notas são casadas assim como em w. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

115 Algoritmo dinâmico de casamento { z.value = x.value #(A x.used) 4 a atribuição: z.used = rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

116 Algoritmo dinâmico de casamento { z.value = x.value #(A x.used) 4 a atribuição: z.used = b não casa com nada; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

117 Algoritmo dinâmico de casamento { z.value = x.value #(A x.used) 4 a atribuição: z.used = b não casa com nada; as notas são casadas assim como em x. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

118 Resultados experimentais (IME-USP) Performances Polifônicas Setembro / 36

119 Resultados experimentais foram implementados 2 sistemas modularizados: estático e dinâmico; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

120 Resultados experimentais foram implementados 2 sistemas modularizados: estático e dinâmico; não ficou claro qual dos dois é melhor; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

121 Resultados experimentais foram implementados 2 sistemas modularizados: estático e dinâmico; não ficou claro qual dos dois é melhor; ambos ficaram lentos para performances mais complexas; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

122 Resultados experimentais foram implementados 2 sistemas modularizados: estático e dinâmico; não ficou claro qual dos dois é melhor; ambos ficaram lentos para performances mais complexas; são adequados para performances ao vivo. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

123 Resultados experimentais (IME-USP) Performances Polifônicas Setembro / 36

124 Resultados experimentais Algoritmo estático: (IME-USP) Performances Polifônicas Setembro / 36

125 Resultados experimentais Algoritmo estático: mais suscetível a erros quando o andamento é muito diferente do original; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

126 Resultados experimentais Algoritmo estático: mais suscetível a erros quando o andamento é muito diferente do original; lida com trinados e ornamentos. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

127 Resultados experimentais Algoritmo estático: mais suscetível a erros quando o andamento é muito diferente do original; lida com trinados e ornamentos. Algoritmo dinâmico: rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

128 Resultados experimentais Algoritmo estático: mais suscetível a erros quando o andamento é muito diferente do original; lida com trinados e ornamentos. Algoritmo dinâmico: nem sempre modela o conceito de um bom casamento para um músico; rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

129 Resultados experimentais Algoritmo estático: mais suscetível a erros quando o andamento é muito diferente do original; lida com trinados e ornamentos. Algoritmo dinâmico: nem sempre modela o conceito de um bom casamento para um músico; precisa de ajuda do InputProcessor para tratar trinados e ornamentos. rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

130 That s all folks! The End! =) rppbodo@ime.usp.br (IME-USP) Performances Polifônicas Setembro / 36

Técnicas de aprimoramento de um sistema de acompanhamento musical

Técnicas de aprimoramento de um sistema de acompanhamento musical Técnicas de aprimoramento de um sistema de acompanhamento musical Roberto Piassi Passos Bodo Instituto de Matemática e Estatística Universidade de São Paulo 12 de Novembro de 2013 Acompanhamento musical

Leia mais

Sistema de Acompanhamento Musical Automatizado

Sistema de Acompanhamento Musical Automatizado Sistema de Musical Automatizado Marcelo Queiroz Instituto de Matemática e Estatística Universidade de São Paulo 16 de Novembro de 2009 Sistema de Musical Automatizado Index Introdução 1 Introdução O Problema

Leia mais

Acompanhamento Computacional Parte II. Mariana Zaparolli Martins Computação Musical IME USP

Acompanhamento Computacional Parte II. Mariana Zaparolli Martins Computação Musical IME USP Acompanhamento Computacional Parte II Mariana Zaparolli Martins Computação Musical IME USP Roteiro Novas Técnicas para Aumentar a Qualidade do Acompanhamento Computacional Roger B. Dannenberg (Carnegie

Leia mais

Marina Andretta. 10 de outubro de Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis.

Marina Andretta. 10 de outubro de Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Solução básica viável inicial Marina Andretta ICMC-USP 10 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211

Leia mais

Interpolação polinomial: Diferenças divididas de Newton

Interpolação polinomial: Diferenças divididas de Newton Interpolação polinomial: Diferenças divididas de Newton Marina Andretta ICMC-USP 9 de maio de 2013 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta (ICMC-USP) sme0500

Leia mais

Algoritmos para resolução de problemas de minimização irrestrita

Algoritmos para resolução de problemas de minimização irrestrita Algoritmos para resolução de problemas de minimização irrestrita Marina Andretta ICMC-USP 10 de agosto de 2010 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 10 de agosto de 2010 1 / 16 Algoritmos

Leia mais

Método Simplex dual. Marina Andretta ICMC-USP. 24 de outubro de 2016

Método Simplex dual. Marina Andretta ICMC-USP. 24 de outubro de 2016 Método Simplex dual Marina Andretta ICMC-USP 24 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização

Leia mais

Resolução de sistemas de equações lineares: Método dos Gradientes Conjugados

Resolução de sistemas de equações lineares: Método dos Gradientes Conjugados Resolução de sistemas de equações lineares: Método dos Gradientes Conjugados Marina Andretta/Franklina Toledo ICMC-USP 24 de março de 2015 Baseado no livro Cálculo Numérico, de Neide B. Franco Marina Andretta/Franklina

Leia mais

Interpolação polinomial: Polinômio de Lagrange

Interpolação polinomial: Polinômio de Lagrange Interpolação polinomial: Polinômio de Lagrange Marina Andretta ICMC-USP 09 de maio de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta (ICMC-USP) sme0500 - cálculo

Leia mais

15/03/2018. Professor Ariel da Silva Dias Algoritmo e Contagem de Instruções. Prof. Ariel da Silva Dias -

15/03/2018. Professor Ariel da Silva Dias Algoritmo e Contagem de Instruções. Prof. Ariel da Silva Dias - Professor Ariel da Silva Dias Algoritmo e Contagem de Instruções 1 Um algoritmo pode ser visto como uma sequência de ações executáveis para a obtenção de uma solução para um determinado tipo de problema.

Leia mais

Método Simplex. Marina Andretta ICMC-USP. 19 de outubro de 2016

Método Simplex. Marina Andretta ICMC-USP. 19 de outubro de 2016 Método Simplex Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização linear

Leia mais

ANÁLISE DE ALGORITMOS: PARTE 1. Prof. André Backes. Como resolver um problema no computador? Precisamos descrevê-lo de uma forma clara e precisa

ANÁLISE DE ALGORITMOS: PARTE 1. Prof. André Backes. Como resolver um problema no computador? Precisamos descrevê-lo de uma forma clara e precisa ANÁLISE DE ALGORITMOS: PARTE 1 Prof. André Backes Algoritmos 2 Como resolver um problema no computador? Precisamos descrevê-lo de uma forma clara e precisa Precisamos escrever o seu algoritmo Um algoritmo

Leia mais

SME0801- Probabilidade II Distribuições conjuntas. Primeiras definições e propriedades

SME0801- Probabilidade II Distribuições conjuntas. Primeiras definições e propriedades SME0801- Probabilidade II Distribuições conjuntas. Primeiras definições e propriedades Pablo Martin Rodriguez SME ICMC USP Bacharelado em Estatística 20 Mar 2017 Vetores aleatórios Definição Sejam X 1,

Leia mais

Aulas 10 e 11 / 18 e 20 de abril

Aulas 10 e 11 / 18 e 20 de abril 1 Conjuntos Aulas 10 e 11 / 18 e 20 de abril Um conjunto é uma coleção de objetos. Estes objetos são chamados de elementos do conjunto. A única restrição é que em geral um mesmo elemento não pode contar

Leia mais

2 Processo de Agrupamentos

2 Processo de Agrupamentos 20 2 Processo de Agrupamentos A análise de agrupamentos pode ser definida como o processo de determinação de k grupos em um conjunto de dados. Para entender o que isso significa, observe-se a Figura. Y

Leia mais

Instituto de Matemática e Estatística, UFF Março de 2011

Instituto de Matemática e Estatística, UFF Março de 2011 ,,,,, Instituto de Matemática e Estatística, UFF Março de 2011 ,, Sumário,,. finitos,. conjunto: por lista, por propriedade.. Igualdade,. Propriedades básicas.. ,, Christos Papadimitriou, Autor dos livros

Leia mais

Escola de Música Orfeão de Leiria Conservatório de Artes PERCUSSÃO MATRIZES 1º AO 8º GRAU DEPARTAMENTO CURRICULAR DE SOPROS E PERCUSSÃO

Escola de Música Orfeão de Leiria Conservatório de Artes PERCUSSÃO MATRIZES 1º AO 8º GRAU DEPARTAMENTO CURRICULAR DE SOPROS E PERCUSSÃO Escola de Música Orfeão de Leiria Conservatório de Artes PERCUSSÃO MATRIZES 1º AO 8º GRAU DEPARTAMENTO CURRICULAR DE SOPROS E PERCUSSÃO Matriz da Prova de Passagem do 1º grau Duração da : cerca de 10 /

Leia mais

Teoria de dualidade. Marina Andretta ICMC-USP. 19 de outubro de 2016

Teoria de dualidade. Marina Andretta ICMC-USP. 19 de outubro de 2016 Teoria de dualidade Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização

Leia mais

ANÁLISE DE COMPLEXIDADE DOS ALGORITMOS

ANÁLISE DE COMPLEXIDADE DOS ALGORITMOS 1/18 ANÁLISE DE COMPLEXIDADE DOS ALGORITMOS Algoritmos 2/18 Algoritmos Algoritmo - sequência de instruções necessárias para a resolução de um problema bem formulado (passíveis de implementação em computador)

Leia mais

Técnicas determinísticas para acompanhamento musical automatizado. Roberto Piassi Passos Bodo

Técnicas determinísticas para acompanhamento musical automatizado. Roberto Piassi Passos Bodo Técnicas determinísticas para acompanhamento musical automatizado Roberto Piassi Passos Bodo Dissertação apresentada ao Instituto de Matemática e Estatística da Universidade de São Paulo para obtenção

Leia mais

Interpolação polinomial: Diferenças divididas de Newton

Interpolação polinomial: Diferenças divididas de Newton Interpolação polinomial: Diferenças divididas de Newton Marina Andretta ICMC-USP 16 de maio de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta (ICMC-USP) sme0500

Leia mais

PROGRAMAÇÃO A. Matrizes

PROGRAMAÇÃO A. Matrizes PROGRAMAÇÃO A Matrizes DEFINIÇÃO Em linguagem C, uma matriz é um vetor cujos itens são também vetores. Uma matriz pode ter qualquer número de dimensões, mas as matrizes bidimensionais são as mais usadas.

Leia mais

Provadores de Teoremas baseados em contagem

Provadores de Teoremas baseados em contagem Provadores de Teoremas baseados em contagem Eduardo Menezes de Morais lenin@linux.ime.usp.br Orientador: Marcelo Finger Instituto de Matemática e Estatística - USP 16 de novembro de 2008 Eduardo Menezes

Leia mais

Sistema de Reconhecimento de Logotipos

Sistema de Reconhecimento de Logotipos Sistema de Reconhecimento de Logotipos Fellipe Duarte, Saulo T. Oliveira {duartefellipe,sto}@cos.ufrj.br Relatório Técnico, Introdução ao Processamento de Imagens Programa de Engenharia de Sistemas e Computação

Leia mais

MC102 Aula 26. Instituto de Computação Unicamp. 17 de Novembro de 2016

MC102 Aula 26. Instituto de Computação Unicamp. 17 de Novembro de 2016 MC102 Aula 26 Recursão Instituto de Computação Unicamp 17 de Novembro de 2016 Roteiro 1 Recursão Indução 2 Recursão 3 Fatorial 4 O que acontece na memória 5 Recursão Iteração 6 Soma em um Vetor 7 Números

Leia mais

MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL

MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL Pedro Henrique Bragioni Las Casas Pedro.lascasas@dcc.ufmg.br Apresentação baseada nos slides originais de Jussara Almeida e Virgílio Almeida

Leia mais

Princípio da Multiplicação Gerando todas as palavras de um alfabeto. > Princípios de Contagem e Enumeração Computacional 0/18

Princípio da Multiplicação Gerando todas as palavras de um alfabeto. > Princípios de Contagem e Enumeração Computacional 0/18 Conteúdo 1 Princípios de Contagem e Enumeração Computacional Princípio da Multiplicação Gerando todas as palavras de um alfabeto Permutações > Princípios de Contagem e Enumeração Computacional 0/18 Objetivos

Leia mais

Aula 8: Complemento a Um e Complemento a Dois

Aula 8: Complemento a Um e Complemento a Dois Aula 8: Complemento a Um e Complemento a Dois Diego Passos Universidade Federal Fluminense Fundamentos de Arquiteturas de Computadores Diego Passos (UFF) Complemento a Um e Complemento a Dois FAC 1 / 40

Leia mais

Tópicos em LP. Fabio Mascarenhas

Tópicos em LP. Fabio Mascarenhas Tópicos em LP Fabio Mascarenhas 2018.1 http://www.dcc.ufrj.br/~fabiom/comp2 Sequências Para o sistema de tipos de SmallLua ficar interessante, vamos acrescentar um tipo estruturado: sequências Um tipo

Leia mais

Instruções, dados e expressões

Instruções, dados e expressões Instruções, dados e expressões Marina Andretta ICMC-USP 1 de março de 2016 Marina Andretta (ICMC-USP) sme0230-ipc 1 de março de 2016 1 / 50 Dados Um computador manipula informações presentes em sua memória.

Leia mais

ALGORITMO DE EUCLIDES

ALGORITMO DE EUCLIDES Sumário ALGORITMO DE EUCLIDES Luciana Santos da Silva Martino lulismartino.wordpress.com lulismartino@gmail.com PROFMAT - Colégio Pedro II 25 de agosto de 2017 Sumário 1 Máximo Divisor Comum 2 Algoritmo

Leia mais

Estatística Descritiva. Objetivos de Aprendizagem. 6.1 Sumário de Dados. Cap. 6 - Estatística Descritiva 1. UFMG-ICEx-EST. Média da amostra: Exemplo:

Estatística Descritiva. Objetivos de Aprendizagem. 6.1 Sumário de Dados. Cap. 6 - Estatística Descritiva 1. UFMG-ICEx-EST. Média da amostra: Exemplo: 6 ESQUEMA DO CAPÍTULO Estatística Descritiva 6.1 IMPORTÂNCIA DO SUMÁRIO E APRESENTAÇÃO DE DADOS 6.2 DIAGRAMA DE RAMO E FOLHAS 6.3 DISTRIBUIÇÕES DE FREQUÊNCIA E HISTOGRAMAS 6.4 DIAGRAMA DE CAIXA 6.5 GRÁFICOS

Leia mais

Transformada de Fourier: fundamentos matemáticos, implementação e aplicações musicais

Transformada de Fourier: fundamentos matemáticos, implementação e aplicações musicais Transformada de Fourier: fundamentos matemáticos, implementação e aplicações musicais MAC 0337 Computação Musical Jorge H. Neyra-Araoz IME USP 22/11/2007 Resumo Série de Fourier para funções periódicas

Leia mais

Sistemas de Tempo-Real

Sistemas de Tempo-Real Aula 5 Escalonamento usando prioridades fixas Escalonamento on-line com prioridades fixas O critério Rate-Monotonic limite de utilização de CPU Os critérios Deadline-Monotonic e prioridades fixas arbitrárias

Leia mais

Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica. MOQ-13 Probabilidade e Estatística

Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica. MOQ-13 Probabilidade e Estatística Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-13 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br 16/11/2011 Testes de

Leia mais

MB-210 Probabilidade e Estatística

MB-210 Probabilidade e Estatística Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MB-210 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br 2o. semestre/2013 Testes

Leia mais

VESTIBULAR MÚSICA

VESTIBULAR MÚSICA 0 UNIVERSIDADE FEDERAL DE CAMPINA GRANDE PRÓ - REITORIA DE ENSINO COMISSÃO DE PROCESSOS VESTIBULARES UNIDADE ACADEMICA DE ARTE E MÍDIA VESTIBULAR 2014.2 TESTE DE HABILIDADE ESPECÍFICA MÚSICA CONQUISTE

Leia mais

COMPARAÇÃO DE SISTEMAS USANDO DADOS DE AMOSTRAS. Capítulo 13 do livro: The Art of Computer Systems Performance Analysis

COMPARAÇÃO DE SISTEMAS USANDO DADOS DE AMOSTRAS. Capítulo 13 do livro: The Art of Computer Systems Performance Analysis COMPARAÇÃO DE SISTEMAS USANDO DADOS DE AMOSTRAS Capítulo 13 do livro: The Art of Computer Systems Performance Analysis Uma Amostra é apenas um Exemplo As palavras inglesas sample (amostra) e example (exemplo)

Leia mais

Projeto de Escalonamento Alocação de médicos

Projeto de Escalonamento Alocação de médicos Projeto de Escalonamento Alocação de médicos Atol Fortin de Oliveira 15 de dezembro de 2009 1 Sumário 1 Introdução 3 2 O Problema 4 2.1 Especicação do problema................... 4 2.2 Resumo das variáveis

Leia mais

Exame Final Nacional de Física e Química A Prova ª Fase Ensino Secundário º Ano de Escolaridade. Critérios de Classificação.

Exame Final Nacional de Física e Química A Prova ª Fase Ensino Secundário º Ano de Escolaridade. Critérios de Classificação. Exame Final Nacional de Física e Química A Prova 75 2.ª Fase Ensino Secundário 208.º Ano de Escolaridade Decreto-Lei n.º 39/202, de 5 de julho Critérios de Classificação 0 Páginas Prova 75/2.ª F. CC Página

Leia mais

14 Estimador assintótico

14 Estimador assintótico Teoria de Controle (sinopse) 4 J. A. M. Felippe de Souza Neste capítulo continuaremos no estudo de que foi iniciado no capítulo anterior. Estimadores de Estado, A exemplo dos capítulos anteriores será

Leia mais

Estatística Descritiva

Estatística Descritiva Estatística Descritiva ESQUEMA DO CAPÍTULO 6.1 IMPORTÂNCIA DO SUMÁRIO E APRESENTAÇÃO DE DADOS 6.2 DIAGRAMA DE RAMO E FOLHAS 6.3 DISTRIBUIÇÕES DE FREQUÊNCIA E HISTOGRAMAS 6.4 DIAGRAMA DE CAIXA 6.5 GRÁFICOS

Leia mais

INICIAÇÃO À MÚSICA E AO VIOLÃO

INICIAÇÃO À MÚSICA E AO VIOLÃO INICIAÇÃO À MÚSICA E AO VIOLÃO MARIO SALES SANTOS APLICAÇÃO DE ESCALAS PARA IMPROVISO São Paulo 2013 SUMARIO O QUE É IMPROVISO... 02 MODELOS DE ESCALAS... 02 ENCERRAMENTO... 05 O QUE É IMPROVISO? Improvisar

Leia mais

Pré-Cálculo. Humberto José Bortolossi. Aula 6 29 de março de Departamento de Matemática Aplicada Universidade Federal Fluminense

Pré-Cálculo. Humberto José Bortolossi. Aula 6 29 de março de Departamento de Matemática Aplicada Universidade Federal Fluminense Pré-Cálculo Humberto José Bortolossi Departamento de Matemática Aplicada Universidade Federal Fluminense Aula 6 29 de março de 2010 Aula 6 Pré-Cálculo 1 Implicações e teoria dos conjuntos f (x) =g(x) u(x)

Leia mais

CI811 Tópicos em Algoritmos

CI811 Tópicos em Algoritmos CI811 Tópicos em Algoritmos Problemas 15 de junho de 2016 Aqui segue uma lista com alguns problemas computacionais para serem trabalhados pelos alunos da disciplina de Tópicos em Algoritmos (CI811) do

Leia mais

Estatística e Modelos Probabilísticos - COE241

Estatística e Modelos Probabilísticos - COE241 Estatística e Modelos Probabilísticos - COE241 Aula passada Intervalo de confiança Método de Replicações Independentes Aula de hoje Para que serve a inferência estatística? Método dos Momentos Maximum

Leia mais

Árvore Binária de Busca Ótima

Árvore Binária de Busca Ótima MAC 5710 - Estruturas de Dados - 2008 Referência bibliográfica Os slides sobre este assunto são parcialmente baseados nas seções sobre árvore binária de busca ótima do capítulo 4 do livro N. Wirth. Algorithms

Leia mais

Figuras Musicais Principais figuras musicais

Figuras Musicais Principais figuras musicais Figuras Musicais Figuras musicais (ou figuras rítmicas) são símbolos utilizados para representar os tempos de uma música. Agora que já aprendemos a representação das notas na partitura, chegou a hora de

Leia mais

Alinhamento de Sequências e Genômica Comparativa

Alinhamento de Sequências e Genômica Comparativa Encontro França-Brasil de Bioinformática Universidade Estadual de Santa Cruz (UESC) Ilhéus-BA - Brasil Alinhamento de Sequências e Genômica Comparativa Maria Emília M. T. Walter Departamento de Ciência

Leia mais

VESTIBULAR MÚSICA

VESTIBULAR MÚSICA 0 UNIVERSIDADE FEDERAL DE CAMPINA GRANDE PRÓ - REITORIA DE ENSINO COMISSÃO DE PROCESSOS VESTIBULARES UNIDADE ACADEMICA DE ARTE E MÍDIA VESTIBULAR 2015.2 TESTE DE HABILIDADE ESPECÍFICA MÚSICA CONQUISTE

Leia mais

MATRIZES - PARTE Mais exemplos Multiplicação de duas matrizes AULA 26

MATRIZES - PARTE Mais exemplos Multiplicação de duas matrizes AULA 26 AULA 26 MATRIZES - PARTE 2 26. Mais exemplos Nesta aula, veremos mais dois algoritmos envolvendo matrizes. O primeiro deles calcula a matriz resultante da multiplicação de duas matrizes e utiliza três

Leia mais

Exemplo 13 figuras de tempo e suas relações básicas.

Exemplo 13 figuras de tempo e suas relações básicas. 3. FIGURAS DE TEMPO, PAUSAS Figuras de tempo: são usadas para representar as durações das notas. Assim como a representação das notas dentro da pauta, a representação das durações das notas são relativas,

Leia mais

Resolução de problemas com apenas restrições lineares de igualdade

Resolução de problemas com apenas restrições lineares de igualdade Resolução de problemas com apenas restrições lineares de igualdade Marina Andretta ICMC-USP 14 de outubro de 2014 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 14 de outubro de 2014 1 / 22

Leia mais

Análise e Projeto de Algoritmos

Análise e Projeto de Algoritmos Análise e Projeto de Algoritmos Mestrado em Ciência da Computação Prof. Dr. Aparecido Nilceu Marana Faculdade de Ciências I think the design of efficient algorithms is somehow the core of computer science.

Leia mais

IME, UFF 7 de novembro de 2013

IME, UFF 7 de novembro de 2013 em Lógica IME, UFF 7 de novembro de 2013 em Sumário Intermezzo sobre problemas. Intermezzo sobre algoritmos.. em : Val, Sat, Conseq, Equiv, Consist. Redução de problemas. em Um problema computacional é

Leia mais

CIC 111 Análise e Projeto de Algoritmos II

CIC 111 Análise e Projeto de Algoritmos II CIC 111 Análise e Projeto de Algoritmos II Prof. Roberto Affonso da Costa Junior Universidade Federal de Itajubá AULA 18 Tree queries Finding ancestors Subtrees and paths Lowest common ancestor Offline

Leia mais

MouseCam: aplicação de controle do mouse via câmera

MouseCam: aplicação de controle do mouse via câmera MouseCam: aplicação de controle do mouse via câmera Introdução ao Processamento de Imagens COS756 PESC/COPPE/UFRJ 2013 1 Renan Garrot garrot@cos.ufrj.br 1. Introdução O processo de tracking por vídeo consiste

Leia mais

aula DISTRIBUIÇÃO NORMAL - PARTE I META OBJETIVOS PRÉ-REQUISITOS Apresentar o conteúdo de distribuição normal

aula DISTRIBUIÇÃO NORMAL - PARTE I META OBJETIVOS PRÉ-REQUISITOS Apresentar o conteúdo de distribuição normal DISTRIBUIÇÃO NORMAL - PARTE I 4 aula META Apresentar o conteúdo de distribuição normal OBJETIVOS Ao final desta aula, o aluno deverá: determinar a média e a variância para uma função contínua; padronizar

Leia mais

Os números inteiros. Álgebra (Curso de CC) Ano lectivo 2005/ / 51

Os números inteiros. Álgebra (Curso de CC) Ano lectivo 2005/ / 51 Os números inteiros Abordaremos algumas propriedades dos números inteiros, sendo de destacar o Algoritmo da Divisão e o Teorema Fundamental da Aritmética. Falaremos de algumas aplicações como sejam a detecção

Leia mais

Análise e Complexidade de Algoritmos

Análise e Complexidade de Algoritmos Análise e Complexidade de Algoritmos Professor Ariel da Silva Dias Introdução Apresentação Professor Professor Ariel Dias Apresentação Disciplina O que veremos? www.arieldias.com BlackBoard Apresentação

Leia mais

5ª Lista de Exercícios de Programação I

5ª Lista de Exercícios de Programação I 5ª Lista de Exercícios de Programação I Instrução As questões devem ser implementadas em C. Questões que envolvam leitura de matrizes, a construção dessas matrizes pode ser realizada através da geração

Leia mais

Escrita correta de resultados em notação

Escrita correta de resultados em notação Notas de Aula Laboratório de Física 1 e A Escrita correta de resultados em notação científica e confecção de gráficos 1 Prof. Alexandre A. C Cotta 1 Departamento de Física, Universidade Federal de Lavras,

Leia mais

Reduce: reduz o que está imediatamente à esquerda do foco usando uma produção

Reduce: reduz o que está imediatamente à esquerda do foco usando uma produção Shift e reduce Shift: move o foco uma posição à direita A B C x y z A B C x y z é uma ação shift Reduce: reduz o que está imediatamente à esquerda do foco usando uma produção Se A x y é uma produção, então

Leia mais

7 Conclusões e desenvolvimentos futuros

7 Conclusões e desenvolvimentos futuros 7 Conclusões e desenvolvimentos futuros 7.1 Conclusões Este trabalho apresentou novas soluções para a determinação da posição de terminais de comunicações móveis com base em medidas de ToA. Nos métodos

Leia mais

Complemento a Um e Complemento a Dois

Complemento a Um e Complemento a Dois Complemento a Um e Complemento a Dois Cristina Boeres (baseado no material de Fernanda Passos) Instituto de Computação (UFF) Fundamentos de Arquiteturas de Computadores Cristina Boeres (IC/UFF) Complemento

Leia mais

Lista 1. 8 de abril de Algorithms: Capítulo 0, exercícios 1 e 2. Tardos: Todos exercícios do cap 2 do livro texto, exceto 7 e 8 letra b.

Lista 1. 8 de abril de Algorithms: Capítulo 0, exercícios 1 e 2. Tardos: Todos exercícios do cap 2 do livro texto, exceto 7 e 8 letra b. Lista 1 8 de abril de 2013 1 Exercícios Básicos 1.1 Na bibliografia Algorithms: Capítulo 0, exercícios 1 e 2. Tardos: Todos exercícios do cap 2 do livro texto, exceto 7 e 8 letra b. 1.2 Outros 1. Projete

Leia mais

Estudo heurístico de performance de estratégias de investimento simples baseadas na média móvel e desvio padrão no mercado ForEx

Estudo heurístico de performance de estratégias de investimento simples baseadas na média móvel e desvio padrão no mercado ForEx Estudo heurístico de performance de estratégias de investimento simples baseadas na média móvel e desvio padrão no mercado ForEx Lucas Roberto da Silva Centro de Automação, Gestão e Pesquisa em finanças

Leia mais

VETORES Motivação AULA 19

VETORES Motivação AULA 19 AULA 19 VETORES 19.1 Motivação Considere o problema de calcular a média aritmética das notas de 5 alunos de uma disciplina e determinar e escrever o número de alunos que obtiveram nota superior à média

Leia mais

Testes de Hipótese para uma única Amostra - parte I

Testes de Hipótese para uma única Amostra - parte I Testes de Hipótese para uma única Amostra - parte I 26 de Junho de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Estruturar problemas de engenharia como testes de hipótese. Entender os

Leia mais

Regras para evitar ciclagem

Regras para evitar ciclagem Regras para evitar ciclagem Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 -

Leia mais

1. Múltiplos e divisores

1. Múltiplos e divisores Escola Básica de Santa Marinha Matemática 2009/2010 7º Ano Síntese dos conteúdos Números e operações 1 Múltiplos e divisores Múltiplo de um número é todo o número que se obtém multiplicando o número dado

Leia mais

UNIVERSIDADE FEDERAL DO RIO DE JANEIRO DEPARTAMENTO DE CIÊNCIAS DA COMPUTAÇÃO. 4 a Lista de Exercícios Gabarito de algumas questões.

UNIVERSIDADE FEDERAL DO RIO DE JANEIRO DEPARTAMENTO DE CIÊNCIAS DA COMPUTAÇÃO. 4 a Lista de Exercícios Gabarito de algumas questões. UNIVERSIDADE FEDERAL DO RIO DE JANEIRO DEPARTAMENTO DE CIÊNCIAS DA COMPUTAÇÃO MATEMÁTICA COMBINATÓRIA 4 a Lista de Exercícios Gabarito de algumas questões. Este gabarito foi feito direto no computador

Leia mais

Resolução de sistemas de equações lineares: Método de eliminação de Gauss - estratégias de pivotamento

Resolução de sistemas de equações lineares: Método de eliminação de Gauss - estratégias de pivotamento Resolução de sistemas de equações lineares: Método de eliminação de Gauss - estratégias de pivotamento Marina Andretta ICMC-USP 28 de março de 2012 Baseado no livro Análise Numérica, de R. L. Burden e

Leia mais

UNIVERSIDADE FEDERAL DE SERGIPE

UNIVERSIDADE FEDERAL DE SERGIPE UNIVERSIDADE FEDERAL DE SERGIPE PRÓ-REITORIA DE GRADUAÇÃO COORDENAÇÃO DE CONCURSO VESTIBULAR VESTIBULAR 2017 MÚSICA INSTRUÇÕES - Ao receber este caderno de prova verifique se contém 30 questões. Caso contrário,

Leia mais

UNIVERSIDADE FEDERAL DE SERGIPE

UNIVERSIDADE FEDERAL DE SERGIPE UNIVERSIDADE FEDERAL DE SERGIPE PRÓ-REITORIA DE GRADUAÇÃO COORDENAÇÃO DE CONCURSO VESTIBULAR VESTIBULAR 2016 MÚSICA INSTRUÇÕES - Ao receber este caderno de prova verifique se contém 30 questões. Caso contrário,

Leia mais

4 Método Proposto CR AD PA NDVI Descrição geral do modelo

4 Método Proposto CR AD PA NDVI Descrição geral do modelo 34 4 Método Proposto 4.1. Descrição geral do modelo Neste trabalho, cada classe (cobertura vegetal) possui um HMM específico. Os estágios fenológicos correspondem a estados e os símbolos observáveis a

Leia mais

Aula 10: Introdução a Vetores e Matrizes

Aula 10: Introdução a Vetores e Matrizes Aula 10: Introdução a Vetores e Matrizes Fernanda Passos Universidade Federal Fluminense Programação de Computadores IV Fernanda Passos (UFF) Vetores e Matrizes Programação de Computadores IV 1 / 50 Agenda

Leia mais

Tente responder às seguintes perguntas. As respostas vão te ajudar a encontrar a solução do problema.

Tente responder às seguintes perguntas. As respostas vão te ajudar a encontrar a solução do problema. ALGUMAS IDÉIAS PARA RESOLVER A LISTA 9 - MCC1-2009/2 Profa. Sandra de Amo Exercicio 1 Problema:Encontrar uma relação de recorrência para o número de cadeias de bits (sequências de 0 e 1) de tamanho n que

Leia mais

Unidade III ESTATÍSTICA. Prof. Fernando Rodrigues

Unidade III ESTATÍSTICA. Prof. Fernando Rodrigues Unidade III ESTATÍSTICA Prof. Fernando Rodrigues Medidas de dispersão Estudamos na unidade anterior as medidas de tendência central, que fornecem importantes informações sobre uma sequência numérica. Entretanto,

Leia mais

Capítulo 8: O problema da parada. Decidibilidade e computabilidade. José Lucas Rangel Introdução.

Capítulo 8: O problema da parada. Decidibilidade e computabilidade. José Lucas Rangel Introdução. Capítulo 8: O problema da parada. Decidibilidade e computabilidade. José Lucas Rangel 8.1 - Introdução. Como observado no capítulo anterior, podemos substituir a definição informal de procedimento pela

Leia mais

MÚSICA. Transcreva o trecho musical I, por completo e sem rasura, para o pentagrama correspondente na folha de respostas, no espaço

MÚSICA. Transcreva o trecho musical I, por completo e sem rasura, para o pentagrama correspondente na folha de respostas, no espaço INSTRUÇÕES 1 Este caderno é constituído de treze questões. 2 Caso o caderno de prova esteja incompleto ou tenha qualquer defeito, solicite ao fiscal de sala mais próximo que tome as providências cabíveis.

Leia mais

Definição 1.1 : Uma árvore é um grafo simples conexo e sem ciclos.

Definição 1.1 : Uma árvore é um grafo simples conexo e sem ciclos. 1 Árvores Definição 1.1 : Uma árvore é um grafo simples conexo e sem ciclos. Um grafo simples sem ciclos mas não conexo (em que cada componente conexa é portanto uma árvore) chama-se uma floresta. Numa

Leia mais

ESTRUTURAS DE REPETIÇÃO - PARTE 3

ESTRUTURAS DE REPETIÇÃO - PARTE 3 AULA 17 ESTRUTURAS DE REPETIÇÃO - PARTE 3 17.1 O cálculo da média aritmética Considere o seguinte problema: dados um número inteiro positivo, n, e uma seqüência, x 1, x 2,..., x n, com n números reais,

Leia mais

O básico da Guitarra - Aula 21 J. Junior. Hoje teremos a revisão sobre partitura e também sobre Escala Maior. Então é isso!!!!! Um Abraço. J.

O básico da Guitarra - Aula 21 J. Junior. Hoje teremos a revisão sobre partitura e também sobre Escala Maior. Então é isso!!!!! Um Abraço. J. O básico da Guitarra - Aula 21 Hoje teremos a revisão sobre partitura e também sobre Escala Maior. Então é isso!!!!! Um Abraço O básico da Guitarra - Aula 8 REVISÃO Notação Musical - Partitura A partitura

Leia mais

Problemas NP-completos

Problemas NP-completos Problemas NP-completos Marina Andretta ICMC-USP 15 de setembro de 2015 Marina Andretta (ICMC-USP) sme0216 e 5826 15 de setembro de 2015 1 / 26 Sat é NP-completo Já vimos que o primeiro problema que se

Leia mais

1 semestre de 2014 Gabarito Lista de exercícios 3 - Estatística Descritiva III C A S A

1 semestre de 2014 Gabarito Lista de exercícios 3 - Estatística Descritiva III C A S A Exercício 1. (1,0 ponto). A tabela a seguir mostra o aproveitamento conjunto em Física e Matemática para os alunos do ensino médio de uma escola. Notas Notas Notas Física/Matemática Altas Regulares Baixas

Leia mais

Análise de algoritmos

Análise de algoritmos Análise de algoritmos SCE-181 Introdução à Ciência da Computação II Alneu Lopes Thiago A. S. Pardo 1 Algoritmo Noção geral: conjunto de instruções que devem ser seguidas para solucionar um determinado

Leia mais

Monitor: Diego Augusto Silva (P8 Eng. Elétrica) Atendimento: 2as. de 19:45h às 21:30h

Monitor: Diego Augusto Silva (P8 Eng. Elétrica)   Atendimento: 2as. de 19:45h às 21:30h Monitor: Diego Augusto Silva (8 Eng. Elétrica) Email: Atendimento: as. de 9:5h às :30h A Nota arcial de Aproveitamento (NA) será obtida da seguinte forma: NA = 0.6 NT + 0. N A nota prática será dada por:

Leia mais

Algoritmos Numéricos II. Lucia Catabriga 1

Algoritmos Numéricos II. Lucia Catabriga 1 Algoritmos Numéricos II Autovalores e Autovetores Métodos de Transformação Lucia Catabriga 1 1 DI/UFES - Brazil Junho 2014 Introdução Introdução Os métodos de transformação tem por objetivo modificar a

Leia mais

Oi, Ficou curioso? Então conheça nosso universo.

Oi, Ficou curioso? Então conheça nosso universo. Oi, Somos do curso de Matemática da Universidade Franciscana, e esse ebook é um produto exclusivo criado pra você. Nele, você pode ter um gostinho de como é uma das primeiras aulas do seu futuro curso.

Leia mais

Algoritmos 3/17/ Algoritmos como área de estudo e investigação

Algoritmos 3/17/ Algoritmos como área de estudo e investigação Algoritmos e Complexidade Ana Teresa Freitas INESC-ID/IST ID/IST 3/17/2005 1 O que é um algoritmo? Algoritmos: Sequência de instruções necessárias para a resolução de um problema bem formulado [passíveis

Leia mais

Marina Andretta. 02 de agosto de 2010

Marina Andretta. 02 de agosto de 2010 Introdução Marina Andretta ICMC-USP 02 de agosto de 2010 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 02 de agosto de 2010 1 / 19 Otimização Otimizar significa encontrar a melhor maneira

Leia mais

Compiladores - Análise Ascendente

Compiladores - Análise Ascendente Compiladores - Análise Ascendente Fabio Mascarenhas - 2013.1 http://www.dcc.ufrj.br/~fabiom/comp Análise Descendente vs. Ascendente As técnicas de análise que vimos até agora (recursiva com retrocesso,

Leia mais

4 Métodos Existentes. 4.1 Algoritmo Genético

4 Métodos Existentes. 4.1 Algoritmo Genético 61 4 Métodos Existentes A hibridização de diferentes métodos é em geral utilizada para resolver problemas de escalonamento, por fornecer empiricamente maior eficiência na busca de soluções. Ela pode ser

Leia mais

Compiladores - Análise Ascendente

Compiladores - Análise Ascendente Compiladores - Análise Ascendente Fabio Mascarenhas - 2013.2 http://www.dcc.ufrj.br/~fabiom/comp Análise Descendente vs. Ascendente As técnicas de análise que vimos até agora (recursiva com retrocesso,

Leia mais

Exercícios: Vetores e Matrizes

Exercícios: Vetores e Matrizes Universidade Federal de Uberlândia - UFU Faculdade de Computação - FACOM Lista de exercícios de programação em linguagem C Exercícios: Vetores e Matrizes 1 Vetores 1. Faça um programa que possua um vetor

Leia mais

Semântica Operacional

Semântica Operacional Semântica Conceitos Semântica é o estudo do significado. Incide sobre a relação entre significantes, tais como palavras, frases, sinais e símbolos, e o que eles representam, a sua denotação. Semântica

Leia mais

CIC 111 Análise e Projeto de Algoritmos II

CIC 111 Análise e Projeto de Algoritmos II CIC 111 Análise e Projeto de Algoritmos II Prof. Roberto Affonso da Costa Junior Universidade Federal de Itajubá AULA 27 Square root algorithms Combining algorithms Integer partitions Mo s algorithm Square

Leia mais

Tópicos Especiais em Inteligência Artificial COS746. Vítor Santos Costa COPPE/Sistemas Universidade Federal do Rio de Janeiro

Tópicos Especiais em Inteligência Artificial COS746. Vítor Santos Costa COPPE/Sistemas Universidade Federal do Rio de Janeiro Tópicos Especiais em Inteligência Artificial COS746 Vítor Santos Costa COPPE/Sistemas Universidade Federal do Rio de Janeiro Agradecimento Copiado dos slides de Mark Craven para BMI/CS 576, UW-Madison

Leia mais