Redes neurais auto-organizáveis para classificação de sinais eletrocardiográficos atriais
|
|
- Marcela Gesser Salvado
- 8 Há anos
- Visualizações:
Transcrição
1 JAN. FEV. MAR ANO XI, Nº INTEGRAÇÃO 51 Redes neurais auto-organizáveis para classificação de sinais eletrocardiográficos atriais EDUARDO DE AZEVEDO BOTTER* CAIRO LÚCIO NASCIMENTO JUNIOR** TAKASHI YONEYAMA*** Resumo O presente artigo enfoca a utilização de uma regra de aprendizado com a característica auto-adaptativa, que considera os neurônios competitivamente regra winner-takes-all, em que os pesos relativos às sinapses dos neurônios que mais respondem a um estímulo, ou a um padrão de entrada da rede de neurônios, são modificados na direção dos padrões mais comuns apresentados à rede. Tal técnica será utilizada para clusterizar os parâmetros extraídos da onda P, provenientes de um sinal eletrocardiográfico (ECG). Os sinais eletrocardiográficos utilizados no presente artigo foram extraídos de banco de dados do MIT. Palavras-chave redes neurais, classificação de sinais, Kohonen. Title Self-Organizing Neural Nets for the Classification of Electro-Cardiographic Atrium Signals Abstract This paper deals with the use of a self-adapting learning rule, which considers nerve cells from a competitive point of view the winner-takes-all rule, in which weights concerning neurons synapse answering the most either to a stimulus or an entrance pattern of the neuron net are modified in terms of more common patterns presented to the net. Such technique shall be used to clusterize patterns from wave P, which are produced by an electro-cardiographic signal. The electro-cardiographic signals we used in this article were taken from the MIT database. Keywords neuron nets, signal classification, Kohonen. 1. INTRODUÇÃO Um dos principais problemas encontrados na análise de sinais eletrocardiográficos é a dificul-dade de processar a onda P devido a sua pequena amplitude e relação sinal-ruído muitas vezes desfavorável. A utilização de redes neurais no tratamente de ondas P é encontrada sob diversos enfoques (KIM & HUH, 1999; SZILÁGYI, 1997; VASQUEZ et al., 1998), os quais têm apresentado resultados satisfatórios. Neste artigo, mencionamos a utilização da rede neural auto-organizada de Kohonen com o objetivo de classificar a onda P. Data de recebimento: 15/12/2003. Data de aceitação: 30/01/2004. * Professor da Faculdade de Tecnologia e Ciências Exatas USJT. prof.botter@usjt.br. ** Trabalha na D ivisão de Engenhar ia Eletrônica do IEE e no ITA, em São José dos Campos (SP). cairo@ita.cta.br. *** Trabalha na Div. de Engenhar ia Eletrônica do IEE e no ITA, em São José dos Campos (SP). takashi@ita.cta.br. Sabe-se que, em uma rede Kohonen, o neurônio com maior resposta a uma determinada entrada tem os pesos de suas sinapses atualizados de maneira que aumente ainda mais sua resposta diante daquele padrão de entrada, o que caracteriza o treinamento competitivo da rede. A dimensão da camada de saída de uma rede tipo Kohonen pode ser unidimensional ou n-dimensional geralmente bidimensional, até mesmo a utilizada no presente artigo. O sucesso com relação ao processo de aprendizado de uma rede neural depende criticamente da escolha dos principais parâmetros da rede, tais como: razão de aprendizagem, condições iniciais, tipo de vizinhança, entre outras. Tais parâmetros são usualmente determinados pelo processo de tentativa e erro. 2. A REDE AUTO-ORGANIZADA DE KOHONEN Em alguns modelos de rede neural (F AUSET, 1994; HAYKIN, 1994) as conexões entre os neurônios são
2 52 INTEGRAÇÃO BOTTER et al. Redes neurais auto-organizáveis essenciais, como no caso do Multilayer Perceptron, por exemplo. A posição de cada neurônio em sua estrutura, porém, já não tem muita influência devido ao fato de os neurônios serem organizados em camadas bem determinadas e de cada neurônio ser ligado a todos os outros da camada posterior. No entanto, no mapa auto-organizado a ordem dos neurônios é importante, visto que a localização espacial de um neurônio de saída no mapa topográfico corresponde a um domínio particular ou atributo do dado de entrada. A estrutura da rede de Kohonen corresponde a um reticulado n-dimensional, geralmente uni ou bidimensinal, de neurônios de saída, totalmente conectado às entradas, provido de uma topolo-gia que garanta a existência de vizinhos para um determinado neurônio. Esse reticulado, depois do treinamento, representa uma função discriminante dos sinais n- dimensionais de entrada. O modelo de Kohonen é mais genérico no sentido de permitir um mapeamento entre conjuntos de dimensões diferentes. As arquiteturas referentes ao modelo de Kohonen são ilustradas a seguir. Figura 2. Mapa auto-organiza do de Koho nen bidimensional. nhos do vencedor também atuali-zados. No início do treinamento, as vizinhanças de atualização são grandes; ao longo do treinamento, a redução do tamanho das vizinhanças favorece uma seletividade entre os padrões de entrada e a formação de regiões de maior atividade em torno do neurônio vencedor. Esse é o processo responsável pela formação de mapa que conserva a topologia. 4. VIZINHANÇA Como comentado e ilustrado anteriormente, a dimensão da camada de saída de uma rede do tipo Koho nen pode ser unidimensional ou n- dimensional geralmente bidimensional. Com isso, a vizinhança referente a esta camada terá que levar em conta a dimensão da camada de saída (veja comentário a posteriori). 5. ALGORITMO Figura 1. Mapa auto-organizado d e Kohonen unidimensional. 3. APRENDIZADO Na rede Kohonen, o neurônio com maior resposta a uma determinada entrada tem os pesos de suas sinapses atualizados de maneira que aumente ainda mais sua resposta diante daquele padrão de entrada, o que caracteriza o treinamento competitivo da rede, sendo os pesos dos neurônios vizi- Podemos relacionar os seguintes passos do algoritmo de Kohonen: 1. Inicialização dos pesos sinápticos w j de maneira aleatória; 2. Aplicar o vetor de entrada x; 3. Encontrar o neurônio vencedor; 4. Atualizar os pesos conectados ao neurônio vencedor e os pesos de suas vizinhanças; 5. Reduzir o tamanho da vizinhança e do passo de aprendizagem;
3 JAN. FEV. MAR ANO XI, Nº INTEGRAÇÃO Voltar ao passo 2, até que uma condição de término seja satisfeita. 6. SELEÇÃO DOS PARÂMETROS DA REDE O sucesso com relação ao processo de aprendizado de uma rede neural depende criticamente da escolha dos principais parâmetros da rede, tais como razão de aprendizagem, condições iniciais, tipo de vizinhança, entre outras. Tais parâmetros são usualmente determinados pelo processo de tentativa e erro. A seguir faremos alguns comentários a respeito de algumas delas: razão de aprendizagem usada para atualizar os pesos sinápticos da rede no decorrer das iterações. Em particular, esse parâmetro pode assumir um valor constante, mas pode também decair gradualmente; nesse caso, adotase valor inicial acima de 0,1. A exata forma de decaimento deste parâmetro não é um ponto crítico: esta pode ser linear, exponencial, ou inversamente proporcional ao número de iterações. pesos sinápticos pesos referentes a conexões entrada-saída da rede. Geralmente inicializados com números aleatórios. região da vizinhança referente à região que abrangerá a atualização dos pesos dos neurônios vizinhos ao neurônio vencedor. Geralmente a região de vizinhança é quadrada, conforme ilustra a Figura 3, e esta pode ter várias formas: hexagonal, gaussiana. O raio de vizinhança tem seu valor grada-tivamente reduzido até um ou zero, na fase de convergência. 7. AGRUPAMENTO DAS ONDAS P Figura 3. Topologia da vizinhança da camada de saída bidimensional. 8. PARÂMETROS DA REDE pesos iniciais: randômicos entre zero e um. razão de aprendizagem inicial (η 0 ): 0,75. decaimento da razão de aprendizagem (η): exponencial segundo a relação a seguir: em que: iter: iteração atual; Niter: número total de iterações. [1] topologia da camada de saída: dimensão 10 por 10. raio inicial (dist 0 ): em função da dimensão da topologia da camada de saída Nesta parte do artigo, apresentaremos os resultados da utilização da rede auto-organizada de Kohonen, com o objetivo de clusterizar os parâmetros extraídos das ondas P, bem como a estrutura da rede utilizada, grade de vizinhança e as constantes pertinentes à fase de treinamento. decaimento do raio inicial (dist): [2]
4 54 INTEGRAÇÃO BOTTER et al. Redes neurais auto-organizáveis [3] gama; pesos da unidade de saída; amplitudes das duas ondas que compõem a onda P. número de iterações: RESULTADOS OBTIDOS Nesta parte, apresentaremos os resultados da utilização da rede auto-organizada de Kohonen, com o objetivo de clusterizar os parâmetros extraídos das ondas P. 9.1 FASE DE TREINAMENTO Inicialmente foram agrupados sinais morfologicamente semelhantes, gerando cinco classes distintas de sinais, cada uma posteriormente rotulada com a ajuda de um especialista: 0 referente à onda P positiva; 1 referente à onda P negativa; 2 referente à onda P entalhada; 3 referente à onda P difásica positiva-negativa; 4 referente à onda P difásica negativa-positiva. E os parâmetros a serem apresentados à rede neural relativos a cada um dos sinais foram composições dos seguintes dados: Figura 4. Classificação feita pela rede de Kohonen. 9.2 FASE DE TESTES As considerações e legendas são as mesmas da fase anterior (fase de treinamento), e, nesta fase, o conjunto de treinamento foi composto por padrões não apresentados ante-riormente à rede neural. valores de alfa, que representam a inclinação; valores de beta, que representam os instantes de pico; valores de gama, que representam a largura; valores relativos às amplitudes das duas ondas, visto que a onda P pode ser tratada como a soma de duas funções de base não simétricas (BOTTER, 2001); pesos referentes à composição da onda P mediante as duas ondas acima mencionadas. A ilustração a seguir (Figura 4) mostra o melhor resultado obtido com a utilização dos seguintes parâmetros: alfa; diferença entre os betas; Figura 5. Mapa classificatório de Kohonen.
5 JAN. FEV. MAR ANO XI, Nº INTEGRAÇÃO COMENTÁRIOS E CONCLUSÕES 10.1 DURANTE A FASE DE TREINAMENTO Com relação aos parâmetros que alimentaram a rede neural tipo Kohonen, quando consideraram-se os parâmetros alfa, diferença entre os betas e gama, notou-se que ocorreram alguns casos de um mesmo neurônio da camada de saída vir a responder a mais de um tipo de sinal, e isto pode ser justificado da seguinte forma, dependendo do caso: quando os sinais que geraram a intersecção representarem a onda P positiva e a negativa, pode ocorrer em alguns casos a semelhança morfológica entre esses dois tipos de sinais, visto que a única diferença entre ambos é a amplitude negativa do segundo caso. quando os casos classificados como análogos representarem uma onda P entalhada e uma onda P difásica, podemos explicar este fato devido a que a única diferença entre os dois tipos de sinais é a amplitude da segunda onda que compõe o sinal original ter sinal contrário ao da primeira. Uma vez que as amplitudes dos sinais que compõem o sinal original não foram consideradas, e isto acarretou tal fato. quando os segmentos interpretados como semelhantes forem uma onda P difásica positiva-negativa e uma onda P difásica negativa-positiva, podemos justificar este fato como devido a que a única divergência entre esses dois tipos de sinais está na ordem em que a parcela positiva do sinal ocorre, ou seja, a parte positiva do sinal preceder a negativa, ou a parte negativa anteceder a positiva, não sendo possível esta percepção pelos parâmetros considerados. Quando se consideraram, além dos parâmetros alfa, diferença entre os betas e gama, os pesos da camada de saída da rede e/ou as amplitudes da duas ondas que compõem o sinal, notou-se que alguns casos de um mesmo neurônio da camada de saída vir a responder a mais de um tipo de sinal foram eliminados, principalmente quando consideramos a soma das duas amplitudes. Com relação à dimensão da grade que compõe a camada de saída da rede neural do tipo Kohonen, o que se observou com relação a esse tópico é que, com o aumento da dimensão da grade que compõe a camada de saída, dá-se a ausência do problema citado acima, ou seja, de um mesmo neurônio responder a mais de um tipo de sinal DURANTE A FASE DE TESTE Notou-se na fase de teste que a incidência de um mesmo neurônio responder a mais de um tipo de sinal, bem como de um neurônio que não respondeu a nenhum tipo de sinal na fase de treinamento vir a responder nesta fase, está presente acentuadamente quando se consideraram como parâmetros para entrada da rede os valores de alfa, diferença entre os betas e gama, em que continuaram a ocorrer os casos anteriormente citados CONCLUSÕES Como conclusão deste trabalho temos que, conforme discutido e ilustrado anteriormente, os sinais referentes às ondas P, segmentos estes retirados dos sinais eletrocardiográficos, não são bem caracterizados quando o objetivo é uma clusterização, quando se utilizam somente os parâmetros extraídos pela rede neural, que são alfa, diferença entre os betas e gama, parâmetros estes suficientes para uma aproximação (reconstrução) destes. Os resultados melhoraram significativamente quando acrescentamos, aos conjuntos de entrada da rede de Kohonen, outras informações pertinentes aos respectivos sinais que poderiam levar a um melhor resultado, que foram as amplitudes ou a soma das amplitudes das ondas que compuseram o sinal particular, ocasionando uma taxa de acerto de 99,41%, porcentagem esta esperada mesmo aumentando o número de padrões relativos a novos pacientes e mesmo quanto às ondas difásicas. Referências bibliográficas BOTTER, E. de A. Pré-diagnósticos de sinais eletrocardiográficos utilizando redes neurais artificiais. Tese de doutorado. São José dos Campos: ITA, 2001.
6 56 INTEGRAÇÃO BOTTER et al. Redes neurais auto-organizáveis CABRAL, E. F & Grupo Comunicação Homem-Máquina. Redes neurais artificiais Um curso técnico e prático para engenheiros e cientistas. Edição dos Autores, 1999, 1ª e d. DUBIN, D. Interpretação rápida do ECG: Um curso programado. Trad. de I. C. Silveira. Rio de Janeiro: Publicações Científicas, 1976, 3ª e d. FAUSET, L. Fundamentals of neural networks Architectures, algorithms and applications. Prentice-Hall, GUYTON, A. C. Tratado de fisiologia médica. Rio de Janeiro: Guanabar a Koogan, 1991, pp , 8ª ed. HAYKIN, S. Neural networks A comprehensive foundation. Nova York: IEEE Computer Society Press, 1994, 1ª ed. KIM, J. & HUH, W. A pacemaker sensing algorithm for low amplitude P-w ave detection. IEEE TENCON, MICHAELIS, M.; PERZ, S.; BLACK, C. & SOMMER, G. Detection and classification of P-waves using Gabor wavelets. IEEE, MIT-BIH Database Distributor, Beth Israel Hospital, Biomedical Engineering, Division KB-26. Boston (MA). ROMER O, R. L. Electrocardiografía. Lopes Libreros, SZILÁGYI, S. M. Comparison of neural-network-based adaptive filtering and wavelet transform for R, T e P waves detection. São José dos Campos: ITA, VÁSQUEZ, C.; HERNÁNDEZ, A. I.; CARRAULT, G.; MORA, F. A & PASSARIELLO, G. Feasibility of neural network based QRS-T cancellation schemes for P-wave detection. IEEE, 1998.
PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.
1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando
Leia maisAula 2 RNA Arquiteturas e Treinamento
2COP229 Aula 2 RNA Arquiteturas e Treinamento 2COP229 Sumário 1- Arquiteturas de Redes Neurais Artificiais; 2- Processos de Treinamento; 2COP229 1- Arquiteturas de Redes Neurais Artificiais -Arquitetura:
Leia maisMLP (Multi Layer Perceptron)
MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem
Leia maisRedes Neurais. Mapas Auto-Organizáveis. 1. O Mapa Auto-Organizável (SOM) Prof. Paulo Martins Engel. Formação auto-organizada de mapas sensoriais
. O Mapa Auto-Organizável (SOM) Redes Neurais Mapas Auto-Organizáveis Sistema auto-organizável inspirado no córtex cerebral. Nos mapas tonotópicos do córtex, p. ex., neurônios vizinhos respondem a freqüências
Leia maisRelatório da Aula Prática sobre Redes Neurais Artificiais
Relatório da Aula Prática sobre Redes Neurais Artificiais Instituto de Informática UFRGS Carlos Eduardo Ramisch Cartão: 134657 INF01017 Redes Neurais e Sistemas Fuzzy Porto Alegre, 16 de outubro de 2006.
Leia maisFigura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001
47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações
Leia maisComplemento II Noções Introdutória em Redes Neurais
Complemento II Noções Introdutória em Redes Neurais Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA
UNIVERSIDADE FEDERAL DE SANTA CATARINA CIÊNCIAS DA COMPUTAÇÃO MÁQUINAS DE COMITÊ APLICADAS À FILTRAGEM DE SPAM Monografia submetida à UNIVERSIDADE FEDERAL DE SANTA CATARINA para a obtenção do grau de BACHAREL
Leia maisAnálise e visualização de dados utilizando redes neurais artificiais auto-organizáveis
Análise e visualização de dados utilizando redes neurais artificiais auto-organizáveis Adriano Lima de Sá Faculdade de Computação Universidade Federal de Uberlândia 20 de junho de 2014 Adriano L. Sá (UFU)
Leia maisModelos Pioneiros de Aprendizado
Modelos Pioneiros de Aprendizado Conteúdo 1. Hebb... 2 2. Perceptron... 5 2.1. Perceptron Simples para Classificaçãod e Padrões... 6 2.2. Exemplo de Aplicação e Motivação Geométrica... 9 2.3. Perceptron
Leia maisMatlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida
27 de maio de 2014 O que é a Neural Networw Toolbox? A Neural Network Toolbox fornece funções e aplicativos para a modelagem de sistemas não-lineares complexos que não são facilmente modelados com uma
Leia maisDo neurônio biológico ao neurônio das redes neurais artificiais
Do neurônio biológico ao neurônio das redes neurais artificiais O objetivo desta aula é procurar justificar o modelo de neurônio usado pelas redes neurais artificiais em termos das propriedades essenciais
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem
Leia maisUNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS
UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS Curso: Informática Disciplina: Redes Neurais Prof. Fernando Osório E-mail: osorio@exatas.unisinos.br EXEMPLO DE QUESTÕES DE PROVAS ANTIGAS 1. Supondo que
Leia maisProjeto de Redes Neurais e MATLAB
Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação
Leia maisAnálise Univariada de Sinais Mioelétricos
Análise Univariada de Sinais Mioelétricos Orientador: Maria Claudia Ferrari de Castro Departamento: Engenharia Elétrica Candidato: Luiz Victor Esteves N FEI: 11209220-0 Início: Setembro/10 Provável conclusão:
Leia maisReconhecimento de Padrões Utilizando Filtros Casados
Detecção e estimação de sinais Reconhecimento de Padrões Utilizando Filtros Casados Aline da Rocha Gesualdi Mello, José Manuel de Seixas, Márcio Portes de Albuquerque, Eugênio Suares Caner, Marcelo Portes
Leia maisMINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br
MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para
Leia maisRedes Neurais Artificiais na Engenharia Nuclear 2 Aula-1 Ano: 2005
Redes Neurais Artificiais na Engenharia Nuclear 1 - Apresentação do Professor: dados, lista de E-mail s, etc. - Apresentação da Turma: Estatística sobre origem dos alunos para adaptação do curso - Apresentação
Leia maisRedes Neurais. A IA clássica segue o paradigma da computação simbólica
Abordagens não simbólicas A IA clássica segue o paradigma da computação simbólica Redes Neurais As redes neurais deram origem a chamada IA conexionista, pertencendo também a grande área da Inteligência
Leia maisInteligência Artificial. Redes Neurais Artificiais
Curso de Especialização em Sistemas Inteligentes Aplicados à Automação Inteligência Artificial Redes Neurais Artificiais Aulas Práticas no Matlab João Marques Salomão Rodrigo Varejão Andreão Matlab Objetivos:
Leia maisUm Detector de Complexos QRS Evolutivo para o Eletrocardiograma
Um Detector de Complexos QRS Evolutivo para o Eletrocardiograma Bruno Melo 1, Roberta Lopes 1, Luis Coradine 1 1 Universidade Federal de Alagoas, Instituto de Computação, Programa de Pós-Graduação em Modelagem
Leia maisRelatório Iniciação Científica
Relatório Iniciação Científica Ambientes Para Ensaios Computacionais no Ensino de Neurocomputação e Reconhecimento de Padrões Bolsa: Programa Ensinar com Pesquisa-Pró-Reitoria de Graduação Departamento:
Leia maisPROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS
Anais do XXXIV COBENGE. Passo Fundo: Ed. Universidade de Passo Fundo, Setembro de 2006. ISBN 85-7515-371-4 PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Rejane de Barros Araújo rdebarros_2000@yahoo.com.br
Leia maisRedes Neurais Artificiais: Funções de Base Radial
Treinamento COELCE CEFET UFC MÓDULO II 2008.1 Redes Neurais Artificiais: Funções de Base Radial Prof. Dr. Guilherme de Alencar Barreto Depto. Engenharia de Teleinformática (DETI/UFC) URL: www.deti.ufc.br/~guilherme
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ UFPR Bacharelado em Ciência da Computação
SOFT DISCIPLINA: Engenharia de Software AULA NÚMERO: 10 DATA: / / PROFESSOR: Andrey APRESENTAÇÃO O objetivo desta aula é apresentar e discutir os conceitos de coesão e acoplamento. DESENVOLVIMENTO Projetar
Leia maisDESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE
DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE Mariane Alves Gomes da Silva Eliana Zandonade 1. INTRODUÇÃO Um aspecto fundamental de um levantamento
Leia maisMODELAGEM DO CUSTO MARGINAL DA ENERGIA ELÉTRICA EM FUNÇÃO DO NÍVEL DE ARMAZENAMENTO NOS RESERVATÓRIOS
SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GOP - 17 16 a 21 Outubro de 2005 Curitiba - Paraná GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP MODELAGEM DO
Leia maisMaterial Teórico - Módulo de Divisibilidade. MDC e MMC - Parte 1. Sexto Ano. Prof. Angelo Papa Neto
Material Teórico - Módulo de Divisibilidade MDC e MMC - Parte 1 Sexto Ano Prof. Angelo Papa Neto 1 Máximo divisor comum Nesta aula, definiremos e estudaremos métodos para calcular o máximo divisor comum
Leia maisRede de Elementos Caóticos Acoplados Globalmente
Rede de Elementos Caóticos Acoplados Globalmente Rosagela Follmann 1, Elbert E. N. Macau 2 1 Programa de Pós-graduação em Computação Aplicada - CAP Instituto Nacional de Pesquisas Espaciais - INPE 2 Laboratório
Leia maisMétodos de mapeamento para fenômenos qualitativos e quantitativos
IT 508 - Cartografia Temática Representação cartográfica: Métodos de mapeamento para fenômenos qualitativos e quantitativos Profa.. Juliana Moulin Segundo os métodos padronizados, conforme o uso das variáveis
Leia maisRedes Neurais. Profa. Flavia Cristina Bernardini
Redes Neurais Profa. Flavia Cristina Bernardini Introdução Cérebro & Computador Modelos Cognitivos Diferentes Cérebro Computador Seqüência de Comandos Reconhecimento de Padrão Lento Rápido Rápido Lento
Leia maisAPLICAÇÕES DA DERIVADA
Notas de Aula: Aplicações das Derivadas APLICAÇÕES DA DERIVADA Vimos, na seção anterior, que a derivada de uma função pode ser interpretada como o coeficiente angular da reta tangente ao seu gráfico. Nesta,
Leia maisVinicius Fausto Chaves Aluno do curso de Engenharia de Controle e Automação do Instituto Federal de Educação, Ciência e Tecnologia de São Paulo
APERFEIÇOAMENTO DE UM MODELO NEURAL PARA IDENTIFICAÇÃO DE REGIMES DE ESCOAMENTO Vinicius Fausto Chaves Aluno do curso de Engenharia de Controle e Automação do Instituto Federal de Educação, Ciência e Tecnologia
Leia maisIntrodução a computação móvel. Middlewares para Rede de Sensores sem Fio. Uma avaliação na ótica de Adaptação ao Contexto
Introdução a computação móvel Monografia: Middlewares para Rede de Sensores sem Fio Uma avaliação na ótica de Adaptação ao Contexto Adriano Branco Agenda Objetivo do trabalho O que é uma WSN Middlewares
Leia maisPrevisão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais
Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Redes Neurais Artificiais Prof. Wilian Soares João Vitor Squillace Teixeira Ciência da Computação Universidade
Leia mais6. Geometria, Primitivas e Transformações 3D
6. Geometria, Primitivas e Transformações 3D Até agora estudamos e implementamos um conjunto de ferramentas básicas que nos permitem modelar, ou representar objetos bi-dimensionais em um sistema também
Leia maisRoteiro. Arquitetura. Tipos de Arquitetura. Questionário. Centralizado Descentralizado Hibrido
Arquitetura Roteiro Arquitetura Tipos de Arquitetura Centralizado Descentralizado Hibrido Questionário 2 Arquitetura Figura 1: Planta baixa de uma casa 3 Arquitetura Engenharia de Software A arquitetura
Leia maisQFD: Quality Function Deployment QFD: CASA DA QUALIDADE - PASSO A PASSO
QFD: CASA DA QUALIDADE - PASSO A PASSO 1 - INTRODUÇÃO Segundo Akao (1990), QFD é a conversão dos requisitos do consumidor em características de qualidade do produto e o desenvolvimento da qualidade de
Leia maisRelatório de uma Aplicação de Redes Neurais
UNIVERSIDADE ESTADUAL DE MONTES CLAROS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS DEPARTAMENTO DE CIÊNCIAS DA COMPUTACAÇÃO ESPECIALIZAÇÃO EM ENGENHARIA DE SISTEMAS DISCIPLINA: REDES NEURAIS PROFESSOR: MARCOS
Leia maisTÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA
TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA CATEGORIA: CONCLUÍDO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA: ENGENHARIAS
Leia maisPalavras chave: defeitos de solda, pulso eco, redes neurais artificiais, transformada de wavelet
DETECÇÃO DE DEFEITOS EM JUNTAS SOLDADAS UTILIZANDO UM CLASSIFICADOR NEURAL ALIMENTADO POR SINAIS ULTRASSÔNICOS PRÉ- PROCESSADOS PELA TRANSFORMADA DE WAVELET Francisco G. de Paula¹, Maria Cléa S. de Albuquerque
Leia maisRedes Neurais Construtivas. Germano Crispim Vasconcelos Centro de Informática - UFPE
Redes Neurais Construtivas Germano Crispim Vasconcelos Centro de Informática - UFPE Motivações Redes Feedforward têm sido bastante utilizadas em aplicações de Reconhecimento de Padrões Problemas apresentados
Leia maisTÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Estudos Comparativos Recentes - Behavior Scoring Roteiro Objetivo Critérios de Avaliação
Leia maisINTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática. (1) Data Mining Conceitos apresentados por
INTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática (1) Data Mining Conceitos apresentados por 1 2 (2) ANÁLISE DE AGRUPAMENTOS Conceitos apresentados por. 3 LEMBRE-SE que PROBLEMA em IA Uma busca
Leia maisPERSPECTIVAS DO PROJETO DE ENSINO FÁBRICA DE SOFTWARE *
PERSPECTIVAS DO PROJETO DE ENSINO FÁBRICA DE SOFTWARE * Hudson Henrique de Souza LOPES 1 ; Wellington Garcia PEREIRA 2 ; Getúlio Antero de DEUS JÚNIOR 3. 1 Bolsista do PET EEEC/UFG hudsonhsl@hotmail.com.
Leia maisDATA WAREHOUSE. Introdução
DATA WAREHOUSE Introdução O grande crescimento do ambiente de negócios, médias e grandes empresas armazenam também um alto volume de informações, onde que juntamente com a tecnologia da informação, a correta
Leia maisAprendizagem automática Mapas auto-organizativos (SOMs)
Aprendizagem automática Mapas auto-organizativos (SOMs) 1 Redes neuronais de Kohonen self-organizing maps (SOMS) Visão algébrica dum conjunto de informação (valores, sinais, magnitudes,...) vs. Visão topológica
Leia maisO que caracteriza um som?
O que caracteriza um som? As características de uma onda sonora são conectadas com os conceitos físicos originários da observação de Fenômenos Periódicos, tal como o Movimento Circular Uniforme (MCU) e
Leia maisManual do Aluno. O Moodle é um sistema que gerencia ambientes educacionais de aprendizagem que podem ser denominados como:
Manual do Aluno É com muita satisfação que apresentamos o Reunir Unopar. Ambiente Virtual de Aprendizagem Colaborativa que tem por objetivo principal ser um espaço colaborativo de construção do conhecimento
Leia maisAnálise de Tendências de Mercado por Redes Neurais Artificiais
Análise de Tendências de Mercado por Redes Neurais Artificiais Carlos E. Thomaz 1 e Marley M.B.R. Vellasco 2 1 Departamento de Engenharia Elétrica (IAAA), FEI, São Paulo, Brasil 2 Departamento de Engenharia
Leia mais1 Propagação de Onda Livre ao Longo de um Guia de Ondas Estreito.
1 I-projeto do campus Programa Sobre Mecânica dos Fluidos Módulos Sobre Ondas em Fluidos T. R. Akylas & C. C. Mei CAPÍTULO SEIS ONDAS DISPERSIVAS FORÇADAS AO LONGO DE UM CANAL ESTREITO As ondas de gravidade
Leia maisNome: Login: CA: Cidade: UF CARTÃO RESPOSTA QUESTÃO RESPOSTA QUESTÃO RESPOSTA
ANÁLISE E DESENVOLVIMENTO DE SISTEMAS TURMA 2008 3º PERÍODO - 5º MÓDULO AVALIAÇÃO A4 DATA 23/04/2009 ENGENHARIA DE SOFTWARE Dados de identificação do Acadêmico: Nome: Login: CA: Cidade: UF CARTÃO RESPOSTA
Leia maisORANGE TREES IMAGE SEGMENTATION WITH SELF-ORGANIZED MAPS ABSTRACT
SEGMENTAÇÃO DE IMAGENS DE LARANJEIRAS COM MAPAS AUTO-ORGANIZÁVEIS FELIPE ALVES CAVANI 1 MÁRIO LUIZ TRONCO 2 RAFAEL VIEIRA DE SOUSA 3 ARTHUR JOSÉ VIEIRA PORTO 4 RESUMO A complexidade presente nas imagens
Leia maisIN0997 - Redes Neurais
IN0997 - Redes Neurais Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática - CIn Departamento de Sistemas da Computação aluizioa@cin.ufpe.br Conteúdo Objetivos Ementa
Leia maisTÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR O TEMPO DA MINERAÇÃO DE DADOS: Uma análise de Tipos de Coberturas Florestais
UNIVERSIDADE ESTADUAL DE PONTA GROSSA PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO APLICADA CRISTIAN COSMOSKI RANGEL DE ABREU TÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR
Leia mais)LJXUD8PGRVSDUHV'SDUDFRQYROXomRTXHWHPRPHVPRHIHLWRGR NHUQHOGD)LJXUD
)LOWURJDXVVLDQR O filtro Gaussiano pode ser usado como um filtro SDVVDEDL[D. Usando a função Gaussiana para obter valores de uma máscara a ser definida digitalmente. O Filtro de Gaussiano em 1-D tem a
Leia maisÁlgebra. SeM MiSTéRio
Álgebra SeM MiSTéRio Série SeM MiSTéRio Alemão Sem Mistério Álgebra Sem Mistério Cálculo Sem Mistério Conversação em Alemão Sem Mistério Conversação em Espanhol Sem Mistério Conversação em Francês Sem
Leia maisPESQUISA SOBRE O PERFIL DE ALUNOS NA UTILIZAÇÃO DE UM SITE DOCENTE DO ENSINO SUPERIOR
PESQUISA SOBRE O PERFIL DE ALUNOS NA UTILIZAÇÃO DE UM SITE DOCENTE DO ENSINO SUPERIOR Wesley Humberto da Silva (Fundação Araucária), André Luis Andrade Menolli (Orientador) e-mail: wesleyhumberto11@mail.com
Leia maisESTUDO EXPLORATÓRIO SOBRE A ESCOLARIZAÇÃO DE FILHOS DE PROFESSORES DE ESCOLA PÚBLICA Rosimeire Reis Silva (FEUSP)
ESTUDO EXPLORATÓRIO SOBRE A ESCOLARIZAÇÃO DE FILHOS DE PROFESSORES DE ESCOLA PÚBLICA Rosimeire Reis Silva (FEUSP) Pretendemos apresentar aqui os dados de um estudo exploratório, que é a primeira fase de
Leia maisFACULDADE DE TECNOLOGIA RUBENS LARA Análise e Desenvolvimento de Sistemas
FACULDADE DE TECNOLOGIA RUBENS LARA Análise e Desenvolvimento de Sistemas Trabalho de Conclusão de Curso Regulamento (2013/01) Professor Responsável: Ms. Gerson Prando Santos, 17 de março de 2013. Versão
Leia maisUNIVERSIDADE FEDERAL DA BAHIA INSTITUTO DE MATEMÁTICA 5 0 Encontro da RPM TRANSFORMAÇÕES NO PLANO
UNIVERSIDADE FEDERAL DA BAHIA INSTITUTO DE MATEMÁTICA 5 0 Encontro da RPM TRANSFORMAÇÕES NO PLANO Jorge Costa do Nascimento Introdução Na produção desse texto utilizamos como fonte de pesquisa material
Leia maisLogística e a Gestão da Cadeia de Suprimentos. "Uma arma verdadeiramente competitiva"
Logística e a Gestão da Cadeia de Suprimentos "Uma arma verdadeiramente competitiva" Pequeno Histórico No período do pós-guerra até a década de 70, num mercado em franca expansão, as empresas se voltaram
Leia maisSISTEMAS DE APRENDIZADO PARA A IDENTIFICAÇÃO DO NÚMERO DE CAROÇOS DO FRUTO PEQUI LEARNING SYSTEMS FOR IDENTIFICATION OF PEQUI FRUIT SEEDS NUMBER
SISTEMAS DE APRENDIZADO PARA A IDENTIFICAÇÃO DO NÚMERO DE CAROÇOS DO FRUTO PEQUI Fernando Luiz de Oliveira 1 Thereza Patrícia. P. Padilha 1 Conceição A. Previero 2 Leandro Maciel Almeida 1 RESUMO O processo
Leia maisStatus. Barra de Título. Barra de Menu. Barra de. Ferramentas Padrão. Caixa de nomes. Barra de. Ferramentas de Formatação. Indicadores de Coluna
O que é uma planilha eletrônica? É um aplicativo que oferece recursos para manipular dados organizados em tabelas. A partir deles pode-se gerar gráficos facilitando a análise e interpretação dos dados
Leia maisEE210 Sistemas de Comunicação II 2ª Avaliação (PV2) 22/04/2015 15h30min Profs. Dayan A. Guimarães e Rausley A. A. de Souza. Aluno(a): Matrícula.
EE1 Sistemas de Comunicação II ª Avaliação (PV) /4/15 15h3min Profs. Dayan A. Guimarães e Rausley A. A. de Souza Nota : Nota P: Aluno(a): Matrícula. Prova sem consulta, com duração de 1h5min. A interpretação
Leia maisAplicações Práticas com Redes Neurais Artificiais em Java
com em Java Luiz D Amore e Mauro Schneider JustJava 2009 17 de Setembro de 2009 Palestrantes Luiz Angelo D Amore luiz.damore@metodista.br Mauro Ulisses Schneider mauro.schneider@metodista.br http://blog.mauros.org
Leia maisGestão do Conhecimento e Dasenvolvimento de Software
Gestão do Conhecimento e Dasenvolvimento de Software Gabriel Gavasso 1 Anderson R. Yanzer Cabral 2 Resumo: Gerenciar o conhecimento nas organizações tem se tornado um grande desafio, visto a grande importância
Leia maisCAPÍTULO 3 - TIPOS DE DADOS E IDENTIFICADORES
CAPÍTULO 3 - TIPOS DE DADOS E IDENTIFICADORES 3.1 - IDENTIFICADORES Os objetos que usamos no nosso algoritmo são uma representação simbólica de um valor de dado. Assim, quando executamos a seguinte instrução:
Leia mais3 Metodologia de Previsão de Padrões de Falha
3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar
Leia maisCONSTRUINDO UMA PONTE TRELIÇADA DE PALITOS DE PICOLÉ
CONSTRUINDO UMA PONTE TRELIÇADA DE PALITOS DE PICOLÉ Objetivo do projeto. Neste projeto, você irá construir um modelo de ponte treliçada que já estará previamente projetada. Quando terminada a etapa construção,
Leia maisSUMÁRIO. Introdução... 3
SUMÁRIO Introdução..................................... 3 1 Consultas por Similaridade e Espaços métricos............. 5 1.1 Consultas por abrangência e consultas aos k-vizinhos mais próximos... 5 1.2
Leia maisPROJETO DE PESQUISA MODALIDADE INICIAÇÃO CIENTÍFICA (BOLSA PIC/FACIT/FAPEMIG)
PROJETO DE PESQUISA MODALIDADE INICIAÇÃO CIENTÍFICA (BOLSA PIC/FACIT/FAPEMIG) MONTES CLAROS FEVEREIRO/2014 COORDENAÇÃO DE PESQUISA PROGRAMA DE INICIAÇÃO CIENTÍFICA DISPOSITIVOS MÓVEIS INTELIGENTES ORIENTADOR:
Leia maisAnálise matemática para avaliação de desempenho em ambientes Peer-to-Peer
Análise matemática para avaliação de desempenho em ambientes Peer-to-Peer Érico Santos Rocha 1, Janaina Lemos 1, Daniel Bertoglio 1, Rafael Ávila 1, Luis Paulo Luna de Oliveira 1 1 PIPCA - Programa de
Leia maisFormação e Capacitação de Agentes de Inclusão Digital
Olá telecentrist@s e amig@s! Esta é a terceira pesquisa elaborada pelo ONID. Ela tem como objetivo captar demandas de formação e capacitação de agentes de inclusão digital (monitores, funcionários e trabalhadores
Leia maisEstudos Iniciais do Sistema didático para análise de sinais no domínio da frequência DSA-PC: tipos de janelas temporais.
Estudos Iniciais do Sistema didático para análise de sinais no domínio da frequência DSA-PC: tipos de janelas temporais. Patricia Alves Machado Telecomunicações, Instituto Federal de Santa Catarina machadopatriciaa@gmail.com
Leia maisANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD
ANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD RESUMO Thereza P. P. Padilha Fabiano Fagundes Conceição Previero Laboratório de Solos
Leia maisUM CURSO BÁSICO DE CIRCUITOS ELÉTRICOS COM UM ENFOQUE DE ENGENHARIA DE SISTEMAS
UM CURSO BÁSICO DE CIRCUITOS ELÉTRICOS COM UM ENFOQUE DE ENGENHARIA DE SISTEMAS Karl Heinz Kienitz kienitz@ieee.org Instituto Tecnológico de Aeronáutica, Divisão de Engenharia Eletrônica. Praça Marechal
Leia mais17/10/2012. dados? Processo. Doutorado em Engenharia de Produção Michel J. Anzanello. Doutorado EP - 2. Doutorado EP - 3.
Definição de Data Mining (DM) Mineração de Dados (Data Mining) Doutorado em Engenharia de Produção Michel J. Anzanello Processo de explorar grandes quantidades de dados à procura de padrões consistentes
Leia maisSimulador de Redes Neurais Multiplataforma
Simulador de Redes Neurais Multiplataforma Lucas Hermann Negri 1, Claudio Cesar de Sá 2, Ademir Nied 1 1 Departamento de Engenharia Elétrica Universidade do Estado de Santa Catarina (UDESC) Joinville SC
Leia maisNota Técnica 113/2007 SRD/SRE/ANEEL Metodologia para Projeção de Investimentos para o Cálculo do Fator X Contribuição da Audiência Publica 052/2007
Nota Técnica 113/2007 SRD/SRE/ANEEL Metodologia para Projeção de Investimentos para o Cálculo do Fator X Contribuição da Audiência Publica 052/2007 1 1. Estrutura do Trabalho : De forma que se pudesse
Leia maisImplantação. Prof. Eduardo H. S. Oliveira
Visão Geral A implantação de um sistema integrado de gestão envolve uma grande quantidade de tarefas que são realizadas em períodos que variam de alguns meses a alguns anos, e dependem de diversos fatores,
Leia maisEngenharia de Software
Universidade São Judas Tadeu Profª Dra. Ana Paula Gonçalves Serra Engenharia de O Processo Uma Visão Genérica Capítulo 2 (até item 2.2. inclusive) Engenharia de - Roger Pressman 6ª edição McGrawHill Capítulo
Leia mais2 Método sísmico na exploração de petróleo
16 2 Método sísmico na exploração de petróleo O método sísmico, ou sísmica de exploração de hidrocarbonetos visa modelar as condições de formação e acumulação de hidrocarbonetos na região de estudo. O
Leia maisIW10. Rev.: 02. Especificações Técnicas
IW10 Rev.: 02 Especificações Técnicas Sumário 1. INTRODUÇÃO... 1 2. COMPOSIÇÃO DO IW10... 2 2.1 Placa Principal... 2 2.2 Módulos de Sensores... 5 3. APLICAÇÕES... 6 3.1 Monitoramento Local... 7 3.2 Monitoramento
Leia maisCOMO ELABORAR UM ARTIGO CIENTÍFICO
1 Modelo de Artigo de periódico baseado na NBR 6022, 2003. Título do artigo, centralizado. COMO ELABORAR UM ARTIGO CIENTÍFICO Andersown Becher Paes de Barros * Ideraldo Bonafé ** RESUMO Este trabalho apresenta
Leia maisREFLEXÃO DA LUZ: ESPELHOS 412EE TEORIA
1 TEORIA 1 DEFININDO ESPELHOS PLANOS Podemos definir espelhos planos como toda superfície plana e polida, portanto, regular, capaz de refletir a luz nela incidente (Figura 1). Figura 1: Reflexão regular
Leia maisNathalie Portugal Vargas
Nathalie Portugal Vargas 1 Introdução Trabalhos Relacionados Recuperação da Informação com redes ART1 Mineração de Dados com Redes SOM RNA na extração da Informação Filtragem de Informação com Redes Hopfield
Leia maisSISTEMA COMPUTACIONAL PARA ANÁLISES DE DADOS EM AGRICULTURA DE PRECISÃO
UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO INSTITUTO DE TECNOLOGIA DEPARTAMENTO DE ENGENHARIA PROJETO SISTEMA COMPUTACIONAL PARA ANÁLISES DE DADOS EM AGRICULTURA DE PRECISÃO ALUNO RICARDO CARDOSO TERZELLA
Leia maisCodificação neural. Natureza da Informação UFABC. Prof. João Henrique Kleinschmidt Material elaborado pelos professores de NI
Codificação neural Natureza da Informação UFABC Prof. João Henrique Kleinschmidt Material elaborado pelos professores de NI 1 Princípios gerais do Sistema Nervoso Neurônio: unidade funcional do SNC Introdução
Leia maisSoftware de segurança em redes para monitoração de pacotes em uma conexão TCP/IP
Software de segurança em redes para monitoração de pacotes em uma conexão TCP/IP Paulo Fernando da Silva psilva@senior.com.br Sérgio Stringari stringari@furbbr Resumo. Este artigo apresenta a especificação
Leia maisINF1771 - INTELIGÊNCIA ARTIFICIAL TRABALHO 2 LÓGICA
INF1771 - INTELIGÊNCIA ARTIFICIAL TRABALHO 2 LÓGICA Descrição: Após reunir a equipe de programadores para participar do 1 Concurso Mundial de Desenvolvimento de Softwares, Barbie e seus amigos iniciaram
Leia maisO degrau de potencial. Caso II: energia maior que o degrau
O degrau de potencial. Caso II: energia maior que o degrau U L 9 Meta da aula plicar o formalismo quântico ao caso de uma partícula quântica que incide sobre o degrau de potencial, definido na ula 8. Vamos
Leia maisPós-Graduação em Engenharia Elétrica Inteligência Artificial
Pós-Graduação em Engenharia Elétrica Inteligência Artificial João Marques Salomão Rodrigo Varejão Andreão Inteligência Artificial Definição (Fonte: AAAI ): "the scientific understanding of the mechanisms
Leia maisEstratégias de informação ao usuário na implantação de BRT.
Estratégias de informação ao usuário na implantação de BRT. José Eduardo Penna Amorim Pereira Logann Soluções em Tecnologia da Automação e Informação Ltda. Av. Nossa Senhora do Carmo, 45 6º andar - Belo
Leia mais