SISTEMA NEURAL SEGMENTADO DE DETECÇÃO ONLINE DE ELÉTRONS UTILIZANDO PRÉ-PROCESSAMENTO ESTATÍSTICO
|
|
- Thais de Almada de Andrade
- 8 Há anos
- Visualizações:
Transcrição
1 SISTEMA NEURAL SEGMENTADO DE DETECÇÃO ONLINE DE ELÉTRONS UTILIZANDO PRÉ-PROCESSAMENTO ESTATÍSTICO Diego C. Teles, Fabio Batista, Edmar E. P. de Souza, Eduardo F. Simas Filho, P. C. M. A. Farias, José M. de Seixas Universidade Federal da Bahia Laboratório de Sistemas Digitais - PPGEE/UFBA Salvador, Bahia, Brasil Universidade Federal do Rio de Janeiro Laboratório de Processamento de Sinais - COPPE/UFRJ Rio de Janeiro, Rio de Janeiro, Brasil s: diegocarlosteles@gmail.com, engfabiobatista@gmail.com, edmar.egidio@cern.ch, eduardo.simas@ufba.br, paulo.farias@ufba.br, seixas@lps.ufrj.br Abstract ATLAS is one of the main particle detectors of the LHC (Large Hadron Collider), located at CERN (European Center for Nuclear Research). In ATLAS the energy measurement is performed by the calorimeter system, which is composed of seven layers and more than 100,000 sensors. The energy deposition profiles measured at the calorimeter are very important for particle identification. Considering specifically the detection of electromagnetic particles (electrons and photons) at LHC, the background noise (composed mainly of hadronic jets) is produced at rates that are several orders of magnitude higher than the physics of interest. The Neural Ringer is an electromagnetic particle discriminator operating at ATLAS online selection (trigger) system. It comprises a topological (ring-like) processing of the calorimeter cells and a neural network classifier. In order to properly make use of the calorimeter segmentation, it is proposed in this article a segmented classification scheme. The information from each calorimeter layer was processed separately and used to feed neural classifiers (a total of seven classifiers were trained, one for each layer). The outputs from each layer-level classifier were used to feed another neural network (in a second classification stage), which combines the segmented features in order to produce the final decision. Statistical signal processing techniques (such as principal component analysis and independent component analysis) were applied to reduce the redundancy among the input features and allow efficient signal compaction. The experimental results indicates that the proposed method is able to achieve higher discrimination efficiency when compared to the original setup. Keywords Online filtering, particle physics, Neural Networks, ICA, PCA. Resumo O ATLAS é um dos principais detectores de partículas do acelerador LHC (Large Hadron Collider), localizado no CERN (Centro Europeu para Pesquisa Nuclear). No ATLAS a medição da energia das partículas geradas nas colisões, é realizada pelo seu sistema de calorimetria, composto por sete camadas sobrepostas e com mais de sensores. O perfil de deposição de energia medido nos calorímetros é muito importante para a identificação das partículas incidentes. Considerando especificamente a detecção de partículas eletromagnéticas (elétrons e fótons) no LHC, o ruído de fundo (composto principalmente de jatos hadrônicos) é produzido em taxas que são muitas ordens de grandeza superiores às da física de interesse. O Neural Ringer é um discriminador de partículas eletromagnéticas que opera no sistema online de seleção de eventos (trigger) do ATLAS. Ele compreende um arranjo topológico (em forma de anéis) das células do calorímetro e um classificador baseado numa rede neural artificial. Com o objetivo de melhor explorar a segmentação da informação disponível nos calorímetros, é proposto nesse artigo uma arquitetura de classificação segmentada. A informação proveniente de cada camada do calorímetro é processada separadamente e utilizada para alimentar classificadores neurais (num total de sete, um para cada camada). As saídas de cada classificador segmentado são utilizadas para alimentar uma outra rede neural (formando um segundo estágio de classificação), que combina as características segmentadas para produzir a decisão final. Adicionalmente, técnicas de processamento estatístico de sinais (análise de componentes principais e análise de componentes independentes) foram utilizadas para reduzir a redundância entre as características de entrada, possibilitando uma eficiente compactação da informação. Resultados experimentais indicam que o método proposto é capaz de alcançar uma maior eficiência de discriminação se comparado à configuração original. Palavras-chave Filtragem online, física de partículas, Redes Neurais, ICA, PCA. 1 Introdução A busca pela compreensão dos fenômenos da natureza tem motivado a humanidade na criação de inúmeras teorias. Um dos temas que mais aguça a curiosidade do ser humano é a constituição fundamental da matéria. A Física de Altas Energias (High Energy Physics - HEP) lida com este problema e a validação dos modelos teóricos depende da comprovação experimental. Os experimentos de HEP usualmente envolvem o uso de aceleradores de partículas. O acelerador LHC (Large Hadron Collider) (Evans and Bryant, 2008), é o maior já construído, com 27 km de comprimento, e atingindo energia de até 14 TeV. O LHC conta com alguns detectores nos pontos de colisão, um dos principais é o ATLAS (A Toroidal LHC Aparatus) (Colaboration, 2008). O ATLAS foi projetado para ser um detector de uso geral, ou seja, possui capacidade de detectar diversos tipos de partículas. Para isso, o detector foi projetado no formato cilíndrico e conta com 2493
2 os seguintes subdetectores: detector de traços; calorímetro (medidor de energia altamente segmentado); e a câmara de múons (ver Figura 1). 2 Seleção Online de Eventos baseada em Calorimetria Calorímetros são projetados para medir os perfis de deposição de energia das partículas incidentes à medida que elas interagem com o material do detector (Koletsou, 2011). O calorímetro do Atlas é dividido em 7 camadas, 4 eletromagnéticas (PS, E1, E2, E3), e 3 hadrônicas (H0, H1, H2), cada uma com características distintas, na Figura 2 é possível ter uma visão geral da distribuição das camadas no calorímetro (Hernandez, 2013). Figura 1: Detector ATLAS e seus sub-detectores. Os perfis de deposição de energia medidos nos calorímetros são muito importantes para a detecção das assinaturas de interesse. A adequada identificação de partículas eletromagnéticas (elétrons e fótons) é fundamental para o desempenho geral do detector, pois elas estão envolvidas em diversos decaimentos de interesse. O LHC realiza a colisão de feixes de prótons, e neste caso, a geração de partículas conhecidas como jatos hadrônicos é muito intensa. Os jatos podem apresentar o perfil de deposição de energia semelhante ao de elétrons, dificultando a identificação destas partículas. Devido a alta taxa de eventos (que pode gerar até 60 TB de informação por segundo) o detector ATLAS utiliza um sistema de detecção online (trigger) que compreende três estágios sequenciais para adequada seleção das informações de interesse. O Neural Ringer é um discriminador de partículas eletromagnéticas que opera no segundo nível de trigger do ATLAS e combina o processamento topológico das informações medidas (a partir da formação de anéis concêntricos de sensores ao redor do ponto de colisão) com um classificador Neural MLP (Multi-layer perceptron). Este trabalho apresenta uma proposta de modificação no sistema de classificação utilizado no Neural Ringer a partir da utilização de classificadores específicos para cada camada do calorímetro. O objetivo é extrair características de cada segmento do detector e, assim, melhorar o desempenho do sistema de classificação. Adicionalmente, serão utilizadas técnicas de préprocessamento estatístico (análise de componentes independentes e análise de componentes principais) cujo objetivo é aumentar a eficiência dos classificadores, removendo o ruído de medição e a redundância de informação. Resultados obtidos com uma base de dados simulada são utilizados para mostrar a eficiência do método proposto. Figura 2: Distribuição das camadas no calorímetro do detector ATLAS (corte transversal). O sistema de seleção online (trigger) do detector ATLAS foi projetado para operar com severas restrições de tempo de processamento, pois a taxa de eventos considerados como ruído de fundo (não relevantes para o experimento) é muitas ordens de grandeza superior à dos eventos relevantes. O trigger do ATLAS conta com 3 níveis sequênciais (conforme descrito na Figura 3). O primeiro nível (L1- Level One), conta com o menor tempo de latência (da ordem de 2,5µs), e a maior taxa de filtragem. O processamento é feito em hardware de alta velocidade (utilizando FP- GAs). O L1 é responsável por informar ao segundo nível (L2 - Level Two), a localização de regiões do detector com grandes possibilidades de terem ocorrido eventos de interesse, regiões estas chamadas de RoI (Regions of Interest). Contando com o tempo maior de processamento (da ordem de 40ms), e implementado em software, o L2 processa as informações contidas nas RoIs informadas pelo L1. O terceiro nível (chamado EF - Event Filter), com o maior tempo de processamento ( 4s) utiliza toda a informação do evento para tomar a decisão final de aceitação ou rejeição da assinatura em análise 2494
3 Figura 3: Esquema do trigger online do ATLAS em três níveis de processamento sequenciais. 2.1 O discriminador Neural Ringer O Neural Ringer é um algoritmo de classificação projetado para a detecção de partículas eletromagnéticas (elétrons ou fótons) no L2 do ATLAS (dos Anjos et al., 2006). A sua proposta é fazer uma extração de características através de um arranjo topológico dos sinais medidos no calorímetro, com a construção de anéis concêntricos a partir do perfil de deposição de energia. Posteriormente, as informações dos anéis são processadas por uma rede neural artificial para a realização do teste de hipóteses, definindo assim a natureza da partícula. O teste de hipóteses é realizado por uma rede neural supervisionada na arquitetura Perceptron de Múltiplas Camadas (MLP - Multi-Layer Perceptron). O processo de anelamento consiste, primeiramente, na seleção das RoIs ao redor da célula mais energética de cada camada. Esta célula é então considerada como sendo o primeiro anel. As células ao redor do primeiro anel definem o segundo anel e assim sucessivamente (até cobrir toda a janela da RoI). A energia amostrada pelas células pertencentes a um dado anel é somada, produzindo o sinal de energia em anéis. Os vários sinais em anéis de cada camada são concatenados em um único vetor com 100 anéis, a Figura 4 mostra a formação de anéis de algumas camadas. É importante frisar que devido à diferença de granularidade entre as camadas, um numero diferente de anéis é gerado para cada camada. A Tabela 1 ilustra essa diferença. Tabela 1. Número de anéis por camada. Camadas PS E1 E2 E3 H0 H1 H2 Anéis Antes da utilização nos sistemas de classifica- Figura 4: Exemplos da construção e concatenação dos anéis. ção, os sinais em anéis precisam ser normalizados. A normalização utilizada neste trabalho foi a divisão da energia de cada anel (E a i) pela energia total do evento: 100 E Ni = E ai / E ai (1) i=1 Essa normalização reduz a influência da energia de cada evento, mantendo assim a proporção de energia contida em cada anel. 3 Classificadores Segmentados Cada camada do calorímetro apresenta características próprias como os tipos de sensores utilizados e a granularidade das células. Conforme descrito, o Neural Ringer utiliza sem distinção as características de todas as camadas. Como as camadas são sobrepostas, e o evento que se desenvolve muitas vezes interage com diversas camadas, pode ocorrer redundância nas informações coletadas. A análise utilizando classificadores neurais segmentados (Torres et al., 2010) tem o objetivo de verificar quais camadas possuem características mais importantes ao processo de classificação, ou seja, é possível fazer combinações de algumas camadas, as mais relevantes, e ainda assim conseguir resultados próximos aos dos classificadores que utilizam todas as camadas de forma concatenada. Com o uso de menor quantidade de informação, contribui-se para reduzir o tempo de processamento, o que é um requisito importante para a aplicação. As saídas de cada rede neural especialista (aqui chamadas de ELNN - Expert Layer Neural Networks) são utilizadas como entradas para uma 2495
4 ordenados de forma decrescente pela variância das projeções. Para tornar a variância independente da norma de v i, faz se: Figura 5: Representação de classificadores neurais segmentados. segunda rede neural (Rede Neural Combinadora) para realização do teste de hipóteses propriamente dito (decisão), conforme mostrado na Figura 5. 4 Pré-Processamento Estatístico No trabalho (Simas Filho et al., 2007), foi sugerido a aplicação de técnicas de pré-processamento aos sinais em anéis antes do classificador neural. As técnicas utilizadas foram adotadas visando obter a extração de características relevantes e a redução da dimensão dos sinais. As técnicas utilizadas para redução da dimensão foram: PCA (Principal Component Analysis)(Jolliffe, 2008) e PCD (Principal Component of Discrimination). Para a extração de características foi utilizada a ICA (Independent Component Analysis)(Hyvärinen et al., 2001). A utilização em conjunto das técnicas possibilitou um aumento na eficiência de classificação bem como uma redução no tempo de processamento. Neste trabalho, foram utilizadas as técnicas ICA e PCA como uma etapa de préprocessamento para os classificadores segmentados. 4.1 Análise de Componentes Principais A PCA (Análise de Componentes Principais) é uma transformação linear que projeta um sinal multidimensional em componentes não correlacionados e ordenados pela variância (Jolliffe, 2008). Considerando-se um vetor x = [x 1,..., x n ] T aleatório com n elementos e assumindo-se que ele tenha média nula: E{x} = 0 (2) onde E{.} é o operador esperança. Se x x E{x}. A projeção z i de x na direção de v i é definida por: z i = v T i x = N v ki x k (3) k=1 Na transformação por PCA, os componentes extraídos z i (i = 1,..., N) devem ser ortogonais e v i v i v i (4) Fazendo-se com que v i = 1, torna-se a variância função apenas da direção das projeções. Como E{x} = 0, então E{z i } = 0, logo a variância da projeção z i é calculada por E{zi 2}. O primeiro vetor da base v 1 de componentes principais pode ser encontrado pela maximização: J P CA i (v 1 ) = E{z 2 i } = E{(v T 1 x) 2 } = v T 1 C x v 1 (5) onde C x é a matriz de covariância de x. A maximização da equação anterior pode ser encontrada a partir da determinação dos autovetores e 1, e 2,..., e n da matriz C x. O ordenamento dos autovetores é, tal que, os autovalores que associados satisfazem d 1 > d 2 >... > d N, assim v i = e i, tornando a decomposição por autovalores da matriz C x equivalente a PCA de x. Em aplicações de compactação, a parcela contendo a menor variância é descartada, mantendo assim os componentes com maior nível de energia. 4.2 Análise de Componentes Independentes A ICA é uma técnica utilizada em processamento de sinais multidimensionais na busca por uma transformação linear na qual os componentes na saída são mutuamente independentes (Hyvärinen et al., 2001). A ICA vem sendo aplicada na solução de diversos problemas na área de processamento de sinais, principalmente em extração de características (Simas Filho et al., 2007). Na ICA, considera-se que um sinal multidimensional x(t) = [x 1 (t),..., x N (t)] T observado (ou medido) é gerado a partir da combinação linear das fontes independentes s(t) = [s 1 (t),..., s N (t)] T : x = As, (6) onde A é a matriz de mistura. O objetivo final da ICA é encontrar uma aproximação y das fontes independentes s, utilizando apenas os sinais observados x. y = Wx, (7) sendo W a matriz de separação. Se W = A 1, y = s e o problema foi completamente solucionado (Hyvärinen et al., 2001). 5 Metodologia e Parâmetros de avaliação da eficiência dos classificadores Os dados utilizados foram produzidos por simulações de Monte Carlo, pela colaboração do ATLAS, utilizando os simuladores Pythia (que produz as 2496
5 colisões) e Geant (que realiza a interação das partículas com o detector. Nos dados utilizados o sinal de interesse são elétrons gerados no decaimento do bóson Z em 2 elétrons e o ruído de fundo para a identificação são jatos hadrônicos. Foram utilizados dois conjuntos distintos de dados simulados do L2. A separação foi realizada de acordo com o valor da energia transversa dos eventos. O conjunto e10 é composto por assinaturas que possuem energia transversa maior que 7GeV e o conjunto e22 é formado por sinais que possuem energia transversa maior que 20GeV. Cada um deles representa uma configuração de operação real do detector. As assinaturas e10 representam um corte de primeiro nível menos restritivo, que pode ser utilizado sempre que há a necessidade de uma maior aceitação de eventos de interesse. O conjunto e22 é representativo de um corte de primeiro nível mais forte, no qual um menor número de assinaturas é aceito para análise posterior. No processo de treinamento da rede neural foi utilizada a metade do conjunto de dados (treino) e outra metade foi utilizada para as etapas de teste e validação das redes. O algoritmo de treinamento utilizado foi o RPROP (resilient backpropagation) (Riedmiller and Braun, 1993). Apesar do algoritmo RPROP ser uma técnica muito difundida, é possível que o algoritmo sofra com a incidência de mínimos locais, devido ao uso da função de otimização do tipo gradiente descendente. Para minimizar este problema, o processo de treinamento das redes neurais foi repetido 10 vezes e a melhor rede neural foi escolhida, levando em consideração a avaliação dos melhores índice SP encontrados. O índice SP (Soma Produto) é um parâmetro de avaliação de eficiência de classificadores definido por: alarme (PF) à medida que se varia o patamar de decisão. A eficiência de um classificador, a partir da curva ROC, é calculada baseando-se a área sob a curva. Quanto maior essa área, mais eficiente é o classificador. Na estrutura da rede neural, foram utilizados dez neurônios na camada oculta, em cada classificador especialista treinado. Na rede combinadora, foram realizados testes, verificando a eficiência por número de neurônios ocultos utilizados. A configuração ótima para o conjunto de dados e10 ocorreu na utilização de 10 neurônios, também na rede combinadora, conforme mostra a Figura 6. Já no conjunto e22, os melhores resultados em eficiência foram encontrados utilizando nove neurônios na camada oculta da rede combinadora (ver Figura 7). Figura 6: Max SP(%) por número de neurônios na camada oculta da Rede Combinadora - Conjunto e10. SP = ( 1 2 ) (Ef e + Ef j ) Ef e Ef j, (8) O SP foi utilizado neste trabalho como parâmetro para escolher o patamar de decisão ótimo para um dado classificador. Variando-se o patamar de decisão em toda sua faixa de excursão calculam-se os valores do SP correspondentes. O SP máximo indica um patamar que apresenta alta eficiência para as duas classes. A função de custo utilizada foi a MSE (mean squared error) e as saídas alvo (target) da rede foram definidas da seguinte forma: para elétrons= 1, jatos = 1. Para a avaliação da eficiência dos classificadores foram utilizados os parâmetros índice SP (Soma Produto) (dos Anjos, 2006) e curva ROC (Receiver Operating Characteristic) (Trees, 2001). A curva ROC apresenta a relação entre a probabilidade de detecção (PD) e a probabilidade de falso Figura 7: Max SP(%) por número de neurônios na camada oculta da Rede Combinadora - Conjunto e
6 6 Resultados O pré-processamento estatístico através da aplicação em conjunto das análises de componentes principais (PCA) e de componentes independentes (ICA) foi aplicado em cada camada do sistema de calorimetria, separadamente. Os classificadores segmentados foram treinados variandose o número de componentes apresentados na entrada. Neste caso, foram encontrados níveis de compactação ótimos (através da avaliação do máximo índice SP), que reduziram a dimensão dos dados extraídos nas camadas do calorímetro. As Tabelas 2 e 3 mostram os resultados obtidos para os conjuntos e10 e e22, respectivamente. Percebese que, em alguns casos é possível reduzir a informação armazenada por camada em mais de 70 % (para a camada E1). Tabela 2. Número de componentes retidos por camada, após aplicação do pré-processamento por ICA/PCA - Conjunto e10. Camadas PS E1 E2 E3 H0 H1 H2 Componentes Redução (%) 37,5 71,9 37,5 0,0 0,0 50,0 25,0 Tabela 3. Número de componentes retidos por camada, após aplicação do pré-processamento por ICA/PCA - Conjunto e22. Camadas PS E1 E2 E3 H0 H1 H2 Componentes Redução (%) 37,5 78,1 37,5 25,0 0,0 0,0 25,0 da eficiência no classificador proposto. É interessante observar que, para as assinaturas e10, considerando uma detecção de 97,5 %, a aceitação de ruído de fundo (falso alarme) foi reduzida quase pela metade. Figura 9: Curva ROC do classificador projetado ELNN e o Neural Ringer - Conjunto e10. Figura 8: Descrição do projeto do classificador segmentado com Pré-Processamento. Após os classificadores segmentados, foi adicionada a rede combinadora (formando a arquitetura da ELNN mostrada na Figura 8). O último estágio de classificação foi alimentado com as informações obtidas dos classificadores especialistas em cada camada. A partir deste sistema de classificação de múltiplos níveis, foi atingido um aumento na eficiência de detecção, conforme é possível observar a patir da comparação das Curvas ROC dos classificadores ELNN e Neural Ringer tanto para o conjunto e10 como para o e22, conforme pode-se observar nas Figuras 9 e 10, respectivamente. A Tabela 4, mostra os máximos SP encontrados para os discriminadores projetados, nas análises dos conjuntos e10 e e22, verificando o aumento Figura 10: Curva ROC do classificador projetado ELNN e o Neural Ringer - Conjunto e22. Tabela 4. Comparação dos métodos aplicados no conjunto de dados e10 e e22. Discriminadores Max SP(%) PD(%) PF(%) E10-Ringer / E10+ELNN / E22-Ringer / E22+ELNN / Em discriminadores de partículas, é importante também observar o comportamento do classificador proposto em função da energia total do evento, devido a possibilidades de ocorrência de novas propriedades físicas, em determinadas faixas de energia transversa. Conforme mostrado na Figura 11, observa-se também o aumento na eficiência de detecção, em 2498
7 função da energia dos sinais estudados, utilizando o classificador ELNN em comparação com o Neural Ringer. O discriminante proposto se destaca em relação ao aumento da probabilidade de detecção de elétrons, principalmente para baixas energias, na faixa de 10 a 25 GeV, onde o perfil de elétrons costuma ser mais semelhante ao de jatos hadrônicos, indicando que o classificador proposto é mais robusto a este aspecto que o Neural Ringer. pelos dados simulados e por discussões e sugestões sobre este trabalho. Referências Colaboration, A. (2008). Atlas experiment at cern large hadron collider, Journal of Instrumentation 3(S08003): dos Anjos, A. R. (2006). Sistema de filtragem online aplicada a um ambiente com alta taxa de eventos. dos Anjos, A., Torres, R. and Seixas, J. M. (2006). Neural triggering system operating on high resolution calorimetry information, Nuc. Inst. and Methods in Physics Research A 559(1): Evans, L. and Bryant, P. (2008). Lhc machine, Journal of Instrumentation 3(S08001): Hernandez, Y. (2013). The atlas tile calorimeter performance at lhc, Nuc. Inst. and Methods In Physics Research. Figura 11: Curva de eficiência de detecção (%) por energia total - Conjunto e10. 7 Conclusões A eficiência na detecção dos eventos de interesse é um aspecto fundamental para detectores de partículas. Neste trabalho, foi proposta a utilização de uma nova arquitetura de classificação para o problema da seleção online de eventos no detector ATLAS. Foram utilizados classificadores especialistas nas informações de cada camada do detector. Para combinar as informações obtidas de modo segmentado, foi utilizado um outro classificador neural. A análise dos resultados obtidos indica que a arquitetura proposta contribui para um aumento na eficiência de detecção de partículas eletromagnéticas (elétrons e fótons). Foi observado, ainda, que a adição de uma etapa de pré-processamento estatístico, utilizando as análises de componentes independentes (ICA) e de componentes principais (PCA) contribuiu para uma redução da informação necessária para o problema, o que é um aspecto importante na aplicação, que apresenta severas restrições quanto ao tempo de resposta dos algoritmos de classificação. Hyvärinen, A., Karhunen, J. and Oja, E. (2001). Independent Component Analysis. Jolliffe, I. (2008). Principal Component Analysis, Springer. Koletsou, I. (2011). The atlas liquid argon calorimeter at the lhc, Nuc. Inst. and Methods in Physics Research 628: Riedmiller, M. and Braun, H. (1993). A direct adaptive method for faster backpropagation learning, the rprop algorithm, Proc. of Int. Conf. on Neural Networks (1): Simas Filho, E. F., Caloba, L. P. and Seixas, J. M. (2007). Independent component analysis applied for online filtering on a high events rate and segmented information environment, Proceedings of the VIII Brazilian Conference on Neural Networks - CBRN. Torres, R. C., Simas Filho, E. F., Lima, D. E. F. and Seixas, J. M. (2010). Signal processing, In-Tech, India, pp Trees, H. L. V. (2001). Detection, Estimation, and Modulation Theory, Vol. 1. Agradecimentos Os autores agradecem ao apoio financeiro do CNPq, FAPESB, RENAFAE e Vale S/A. Agradecemos também à colaboração do detector ATLAS 2499
Eduardo F. Simas F., José Manoel de Seixas, Luiz Pereira Calôba Laboratório de Processamento de Sinais, COPPE/Poli-UFRJ Rio de Janeiro-RJ, 21945-970.
ANÁLISE DE COMPONENTES INDEPENDENTES PARA FILTRAGEM ONLINE NUM AMBIENTE DE ALTA TAXA DE EVENTOS E INFORMAÇÃO SEGMENTADA Eduardo F. Simas F., José Manoel de Seixas, Luiz Pereira Calôba Laboratório de Processamento
Leia maisxavier@lps.ufrj.br, Andre.Dos.Anjos@cern.ch, seixas@lps.ufrj.br
DISCRIMINADORES NEURAIS DE PARTÍCULAS PARA UM DETECTOR SUBMETIDO A UMA ALTA TAXA DE EVENTOS Thiago Ciodaro Xavier, André dos Anjos Rabello, Jose Manoel de Seixas Laboratório de Processamento de Sinais
Leia maisFILTRAGEM ONLINE DE EVENTOS RAROS E/OU EXÓTICOS BASEADA EM DADOS DE CALORIMETRIA DE ALTA ENERGIA EM UM DETECTOR FINAMENTE SEGMENTADO
FILTRAGEM ONLINE DE EVENTOS RAROS E/OU EXÓTICOS BASEADA EM DADOS DE CALORIMETRIA DE ALTA ENERGIA EM UM DETECTOR FINAMENTE SEGMENTADO Danilo Lima de Souza Tese de Doutorado apresentada ao Programa de Pós-graduação
Leia maisLaboratório de Processamento de Sinais (LPS), Escola Politécnica/COPPE, UFRJ 1. E-mails: {xavier,seixas}@lps.ufrj.br 2. Universidade de Wisconsin.
DISCRIMINAÇÃO NEURAL DE PARTÍCULAS PARA UM DETECTOR SUBMETIDO A UMA ALTA TAXA DE EVENTOS Thiago Ciodaro Xavier1, José Manoel de Seixas1, André Rabello dos Anjos2 1 Laboratório de Processamento de Sinais
Leia maisESTUDOS SOBRE A IMPLEMENTAÇÃO ONLINE DE UMA TÉCNICA DE ESTIMAÇÃO DE ENERGIA NO CALORÍMETRO HADRÔNICO DO ATLAS
UNIVERSIDADE FEDERAL DE JUIZ DE FORA ESTUDOS SOBRE A IMPLEMENTAÇÃO ONLINE DE UMA TÉCNICA DE ESTIMAÇÃO DE ENERGIA NO CALORÍMETRO HADRÔNICO DO ATLAS EM CENÁRIOS DE ALTA LUMINOSIDADE ALUNO: MARCOS VINÍCIUS
Leia maisO Experimento CMS Parte 2/2
O Experimento CMS Parte 2/2 Thiago Tomei 29/03/2007 7/5/2007 Thiago Tomei 1 Sumário Parte 1: O Experimento CMS Large Hadron Collider LHC Compact Muon Solenoid CMS Estrutura de Hardware do CMS: Detector
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 maisOtimização do Sistema Neural de Seleção Online de Eventos num Detector de Partículas através do Processamento Estatístico de Sinais
Otimização do Sistema Neural de Seleção Online de Eventos num Detector de Partículas através do Processamento Estatístico de Sinais Edmar E. P. Souza, Eduardo F. Simas Filho, P. C. M. A. Farias Laboratório
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 mais3 Classificação. 3.1. Resumo do algoritmo proposto
3 Classificação Este capítulo apresenta primeiramente o algoritmo proposto para a classificação de áudio codificado em MPEG-1 Layer 2 em detalhes. Em seguida, são analisadas as inovações apresentadas.
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 mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
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 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 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 maisRedes Neurais Aplicadas na Separação de Partículas em Calorímetros Cintilantes
Proceedings of the IV Brazilian Conference on Neural Networks - IV Congresso Brasileiro de Redes Neurais pp. 257-262, July 2-22, 1999 - ITA, São José dos Campos - SP - Brazil Redes Neurais Aplicadas na
Leia maisMultiplexador. Permitem que vários equipamentos compartilhem um único canal de comunicação
Multiplexadores Permitem que vários equipamentos compartilhem um único canal de comunicação Transmissor 1 Receptor 1 Transmissor 2 Multiplexador Multiplexador Receptor 2 Transmissor 3 Receptor 3 Economia
Leia maisPALAVRAS-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 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 maisAnálise de componentes independentes aplicada à avaliação de imagens radiográficas de sementes
Análise de componentes independentes aplicada à avaliação de imagens radiográficas de sementes Isabel Cristina Costa Leite 1 2 3 Thelma Sáfadi 2 Maria Laene Moreira de Carvalho 4 1 Introdução A análise
Leia maisUM CLASSIFICADOR NEURONAL COMPACTO E EFICIENTE COM CAPACIDADE DE IDENTIFICAR CONTAMINAÇÃO EM DADOS EXPERIMENTAIS
UM CLASSIFICADOR NEURONAL COMPACTO E EFICIENTE COM CAPACIDADE DE IDENTIFICAR CONTAMINAÇÃO EM DADOS EXPERIMENTAIS Denis Oliveira Damazio damazio@lps.ufrj.br A. C. Soares cecilia@lps.ufrj.br José ManoeldeSeixas
Leia mais5 SIMULAÇÃO DE UM SISTEMA WDM DE DOIS CANAIS COM O SOFTWARE VPI
68 5 SIMULAÇÃO DE UM SISTEMA WDM DE DOIS CANAIS COM O SOFTWARE VPI O software VPI foi originalmente introduzido em 1998 e era conhecido como PDA (Photonic Design Automation). O VPI atualmente agrega os
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 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 maisAumento da Capacidade de Armazenamento do SPRACE
Julho 2010 Aumento da Capacidade de Armazenamento do SPRACE São Paulo Regional Analysis Center Sergio Ferraz Novaes Sumário I. IDENTIFICAÇÃO DA PROPOSTA... 3 II. QUALIFICAÇÃO DO PROBLEMA... 3 III. OBJETIVOS
Leia maisMODIFICAÇÃO DO TESTE DE NORMALIDADE DE SHAPIRO-WILK MULTIVARIADO DO SOFTWARE ESTATÍSTICO R
MODIFICAÇÃO DO TESTE DE NORMALIDADE DE SHAPIRO-WILK MULTIVARIADO DO SOFTWARE ESTATÍSTICO R Roberta Bessa Veloso 1, Daniel Furtado Ferreira 2, Eric Batista Ferreira 3 INTRODUÇÃO A inferência estatística
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 maisum experimento dedicado a estudar a composição de partículas primárias de raios cósmicos e interações hadrônicas de altas energias.
Uma análise sobre diferentes parametrizações da atmosfera em simulações de chuveiros atmosféricos extensos de raios cósmicos Stefano Castro TOGNINI; Ricardo Avelino GOMES Instituto de Física Universidade
Leia maisCapítulo 3. Avaliação de Desempenho. 3.1 Definição de Desempenho
20 Capítulo 3 Avaliação de Desempenho Este capítulo aborda como medir, informar e documentar aspectos relativos ao desempenho de um computador. Além disso, descreve os principais fatores que influenciam
Leia maisO AMPLIFICADOR LOCK-IN
O AMPLIFICADOR LOCK-IN AUTORES: MARCELO PORTES DE ALBUQUERQUE LEONARDO CORREIA RESENDE JORGE LUÍS GONZALEZ RAFAEL ASTUTO AROUCHE NUNES MAURÍCIO BOCHNER FEVEREIRO 2008 SUMÁRIO RESUMO... 3 1. INTRODUÇÃO...
Leia maisSISTEMA NEURAL PARA SELEÇÃO ONLINE DE EVENTOS COM PRÉ-PROCESSAMENTO ATRAVÉS DA DWT
SISTEMA NEURAL PARA SELEÇÃO ONLINE DE EVENTOS COM PRÉ-PROCESSAMENTO ATRAVÉS DA DWT Edmar E. P. de Souza, Eduardo F. S. Filho, P. C. M. A. Farias, José M. Seixas Universidade Federal da Bahia Laboratório
Leia maisCálculo de volume de objetos utilizando câmeras RGB-D
Cálculo de volume de objetos utilizando câmeras RGB-D Servílio Souza de ASSIS 1,3,4 ; Izadora Aparecida RAMOS 1,3,4 ; Bruno Alberto Soares OLIVEIRA 1,3 ; Marlon MARCON 2,3 1 Estudante de Engenharia de
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 maisMódulo 4. Construindo uma solução OLAP
Módulo 4. Construindo uma solução OLAP Objetivos Diferenciar as diversas formas de armazenamento Compreender o que é e como definir a porcentagem de agregação Conhecer a possibilidade da utilização de
Leia maisSEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS
SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS André Zuconelli 1 ; Manassés Ribeiro 2 1. Aluno do Curso Técnico em Informática, turma 2010, Instituto Federal Catarinense, Câmpus Videira, andre_zuconelli@hotmail.com
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 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 mais4 Segmentação. 4.1. Algoritmo proposto
4 Segmentação Este capítulo apresenta primeiramente o algoritmo proposto para a segmentação do áudio em detalhes. Em seguida, são analisadas as inovações apresentadas. É importante mencionar que as mudanças
Leia maisSERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA
SERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA Muitas organizações terceirizam o transporte das chamadas em seus call-centers, dependendo inteiramente
Leia maisADM041 / EPR806 Sistemas de Informação
ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Orientados por modelos: Criação de diferentes
Leia maisO tornado de projeto é admitido, para fins quantitativos, com as seguintes características [15]:
4 Tornado de Projeto O tornado de projeto é admitido, para fins quantitativos, com as seguintes características [15]: Tornado do tipo F3-médio; Velocidade máxima de 233km/h = 64,72m/s; Velocidade translacional
Leia maisDisciplina: Introdução à Informática Profª Érica Barcelos
Disciplina: Introdução à Informática Profª Érica Barcelos CAPÍTULO 4 1. ARQUITETURA DO COMPUTADOR- HARDWARE Todos os componentes físicos constituídos de circuitos eletrônicos interligados são chamados
Leia mais2. Função Produção/Operação/Valor Adicionado
2. Função Produção/Operação/Valor Adicionado Conteúdo 1. Função Produção 3. Administração da Produção 1 Bibliografia Recomenda Livro Texto: Introdução à Administração Eunice Lacava Kwasnicka - Editora
Leia mais5 Extraindo listas de produtos em sites de comércio eletrônico
5 Extraindo listas de produtos em sites de comércio eletrônico Existem diversos trabalhos direcionadas à detecção de listas e tabelas na literatura como (Liu et. al., 2003, Tengli et. al., 2004, Krüpl
Leia maisUniversidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados
Universidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados Prof. Celso Kaestner Poker Hand Data Set Aluno: Joyce Schaidt Versão:
Leia maisPÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014
PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA 09/abril de 2014 Considerações Estatísticas para Planejamento e Publicação 1 Circularidade do Método
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 maisEstudo do grande colisor de hádrons
Estudo do grande colisor de hádrons Felipe BERNARDO MARTINS 1 ; Mayler MARTINS 2 1 Estudante do Curso Técnico em Manutenção Automotiva. Instituto Federal Minas Gerais (IFMG) campus Bambuí. Rod. Bambuí/Medeiros
Leia maisCorrelação Canônica. Outubro / 1998. Versão preliminar. Fabio Vessoni. fabio@mv2.com.br (011) 30642254. MV2 Sistemas de Informação
Correlação Canônica Outubro / 998 Versão preliminar Fabio Vessoni fabio@mv.com.br (0) 306454 MV Sistemas de Informação Introdução Existem várias formas de analisar dois conjuntos de dados. Um dos modelos
Leia maisERP Enterprise Resource Planning
ERP Enterprise Resource Planning Sistemas Integrados de Gestão Evolução dos SI s CRM OPERACIONAL TÁTICO OPERACIONAL ESTRATÉGICO TÁTICO ESTRATÉGICO OPERACIONAL TÁTICO ESTRATÉGICO SIT SIG SAE SAD ES EIS
Leia maisRevista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP
Reconhecimento de face utilizando banco de imagens monocromáticas e coloridas através dos métodos da análise do componente principal (PCA) e da Rede Neural Artificial (RNA) [Recognition to face using the
Leia maisQuadro de consulta (solicitação do mestre)
Introdução ao protocolo MODBUS padrão RTU O Protocolo MODBUS foi criado no final dos anos 70 para comunicação entre controladores da MODICON. Por ser um dos primeiros protocolos com especificação aberta
Leia mais4 Arquitetura básica de um analisador de elementos de redes
4 Arquitetura básica de um analisador de elementos de redes Neste capítulo é apresentado o desenvolvimento de um dispositivo analisador de redes e de elementos de redes, utilizando tecnologia FPGA. Conforme
Leia maisSistema Banco de Preços Manual do Usuário OBSERVATÓRIO
Sistema Banco de Preços Manual do Usuário OBSERVATÓRIO da Despesa Pública 1 Sumário O Banco de Preços... 3 Acessando o Banco de Preços... 4 Funções do Banco de Preços... 5 Gerar Preço de Referência...
Leia maisUNICENTRO-CEDETEG Departamento de Física. Projeto de Ensino. Ensino de Física: O futuro da energia - A antimatéria
UNICENTRO-CEDETEG Departamento de Física Projeto de Ensino Ensino de Física: O futuro da energia - A antimatéria Petiano: Mahmud Hussein El Farou Tutor: Eduardo Vicentini Guarapuava 2011 1. Introdução
Leia maisORGANIZAÇÃO DE COMPUTADORES MÓDULO 10
ORGANIZAÇÃO DE COMPUTADORES MÓDULO 10 Índice 1. A Organização do Computador - Continuação...3 1.1. Memória Primária - II... 3 1.1.1. Memória cache... 3 1.2. Memória Secundária... 3 1.2.1. Hierarquias de
Leia mais5 Resultados. 1 Os resultados apresentados foram obtidos com 1 rodada do simulador.
5 Resultados A dificuldade em modelar analiticamente o comportamento de sistemas celulares hierarquizados faz com que grande parte dos estudos de desempenho destes sistemas seja baseada em simulações.
Leia maisSistemas de Detecção de Intrusão SDI
PEP Auditoria e Segurança de Redes de Computadores Sistemas de Detecção de Intrusão SDI Jacson Rodrigues Correia da Silva Sistemas de Detecção de Intrusão Monitor de informações que atravessam o firewall
Leia mais5 A Utilização da Técnica do Espaço Nulo e dos Atributos Baseados na Escolha de Coeficientes de Autocorrelações
5 A Utilização da Técnica do Espaço Nulo e dos Atributos Baseados na Escolha de Coeficientes de Autocorrelações Este capítulo apresenta uma nova proposta que consiste em empregar os atributos baseados
Leia maisProtocolo em Rampa Manual de Referência Rápida
Protocolo em Rampa Manual de Referência Rápida 1 O que é o Protocolo em Rampa O protocolo em rampa é um protocolo para testes de esforço que não possui estágios. Nele o incremento da carga se dá de maneira
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Revisão de Probabilidade e Estatística Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Conceitos Básicos Estamos
Leia maisVisualização Científica. Pedro de Botelho Marcos Março/2008. Núcleo de Computação Científica Tópicos Avançados em Computação II
Pedro de Botelho Marcos Março/2008 1 Sumário Introdução Ciclo de Visualização Dados 3D Dados Vetoriais Referências 2 Introdução O que? Representação visual de dados. Para? Facilitar a análise de grandes
Leia mais3.4 O Princípio da Equipartição de Energia e a Capacidade Calorífica Molar
3.4 O Princípio da Equipartição de Energia e a Capacidade Calorífica Molar Vimos que as previsões sobre as capacidades caloríficas molares baseadas na teoria cinética estão de acordo com o comportamento
Leia maisExperimento do DZero (CMS?) Pedro Mercadante (UNESP)
Guia para Análises Experimento do DZero (CMS?) Pedro Mercadante (UNESP) Sumário Dados Sinal Simulação por MC Definição dos objetos Físicos Background Simulação por MC Estimativa a partir dos dados Comparação
Leia maisSistema de Numeração e Conversão entre Sistemas. Prof. Rômulo Calado Pantaleão Camara. Carga Horária: 60h
Sistema de Numeração e Conversão entre Sistemas. Prof. Rômulo Calado Pantaleão Camara Carga Horária: 60h Representação de grandeza com sinal O bit mais significativo representa o sinal: 0 (indica um número
Leia maisSISTEMA DIGITAL PARA REDUÇÃO DO EMPILHAMENTO EM MEDIÇÕES DE ENERGIA NUM DETECTOR DE PARTÍCULAS
SISTEMA DIGITAL PARA REDUÇÃO DO EMPILHAMENTO EM MEDIÇÕES DE ENERGIA NUM DETECTOR DE PARTÍCULAS MARCELO M. CAVALCANTI, EDUARDO F. SIMAS FILHO, PAULO C. M. A. FARIAS Laboratório de Sistemas Digitais, Departamento
Leia maisAvaliando o que foi Aprendido
Avaliando o que foi Aprendido Treinamento, teste, validação Predição da performance: Limites de confiança Holdout, cross-validation, bootstrap Comparando algoritmos: o teste-t Predecindo probabilidades:função
Leia mais3 Estratégia para o enriquecimento de informações
34 3 Estratégia para o enriquecimento de informações Podemos resumir o processo de enriquecimento de informações em duas grandes etapas, a saber, busca e incorporação de dados, como ilustrado na Figura
Leia maisCurva ROC. George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE
Curva ROC George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE Introdução ROC (Receiver Operating Characteristics) Curva ROC é uma técnica para a visualização e a seleção de classificadores baseado
Leia maisAnálise de Redes Sociais
Análise de Redes Sociais Isabela Dantas de Melo 1 Leonardo Augusto Lima Ferreira da Silva 2 Rodrigo Augusto Vasconcelos Sarmento 3 Victor Souza Fernandes 4 Resumo Este trabalho apresenta análises de redes
Leia maisIvan Guilhon Mitoso Rocha. As grandezas fundamentais que serão adotadas por nós daqui em frente:
Rumo ao ITA Física Análise Dimensional Ivan Guilhon Mitoso Rocha A análise dimensional é um assunto básico que estuda as grandezas físicas em geral, com respeito a suas unidades de medida. Como as grandezas
Leia maisConsiderações Finais. Capítulo 8. 8.1- Principais conclusões
Considerações Finais Capítulo 8 Capítulo 8 Considerações Finais 8.1- Principais conclusões Durante esta tese foram analisados diversos aspectos relativos à implementação, análise e optimização de sistema
Leia maisRESUMO 2 - FÍSICA III
RESUMO 2 - FÍSICA III CAMPO ELÉTRICO Assim como a Terra tem um campo gravitacional, uma carga Q também tem um campo que pode influenciar as cargas de prova q nele colocadas. E usando esta analogia, podemos
Leia maisINSPEÇÃO BASEADA EM RISCO SEGUNDO API 581 APLICAÇÃO DO API-RBI SOFTWARE
INSPEÇÃO BASEADA EM RISCO SEGUNDO API 581 APLICAÇÃO DO API-RBI SOFTWARE Carlos Bruno Eckstein PETROBRAS/CENPES/PDEAB/Engenharia Básica de Equipamentos Edneu Jatkoski PETROBRAS/REPLAN/MI/Inspeção de Equipamentos
Leia mais2 Diagrama de Caso de Uso
Unified Modeling Language (UML) Universidade Federal do Maranhão UFMA Pós Graduação de Engenharia de Eletricidade Grupo de Computação Assunto: Diagrama de Caso de Uso (Use Case) Autoria:Aristófanes Corrêa
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 mais3 Um Framework Orientado a Aspectos para Monitoramento e Análise de Processos de Negócio
32 3 Um Framework Orientado a Aspectos para Monitoramento e Análise de Processos de Negócio Este capítulo apresenta o framework orientado a aspectos para monitoramento e análise de processos de negócio
Leia mais5 Resultados. 5.1. Avaliação Baseada na Taxa de Igual Erro
5 Resultados Neste capitulo discutem-se os resultados obtidos no desenvolvimento desta pesquisa segundo a metodologia descrita no capitulo anterior. A avaliação de acurácia para tarefas de verificação
Leia maisAdmistração de Redes de Computadores (ARC)
Admistração de Redes de Computadores (ARC) Instituto Federal de Educação, Ciência e Tecnologia de Santa Catarina - Campus São José Prof. Glauco Cardozo glauco.cardozo@ifsc.edu.br RAID é a sigla para Redundant
Leia maisBCC202 - Estrutura de Dados I
BCC202 - Estrutura de Dados I Aula 04: Análise de Algoritmos (Parte 1) Reinaldo Fortes Universidade Federal de Ouro Preto, UFOP Departamento de Ciência da Computação, DECOM Website: www.decom.ufop.br/reifortes
Leia maisHistogramas. 12 de Fevereiro de 2015
Apêndice B Histogramas Uma situação comum no laboratório e na vida real é a de se ter uma grande quantidade de dados e deles termos que extrair uma série de informações. Encontramos essa situação em pesquisas
Leia maisUniversidade Federal de Pernambuco
Universidade Federal de Pernambuco Graduação em Engenharia da Computação Centro de Informática 2D Feature Distance Estimation for Indoor Environments using 2D laser range data Proposta de Trabalho de Graduação
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 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 maisPESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR. Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 *
PESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR 1 Graduando Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 * 2 Pesquisador - Orientador 3 Curso de Matemática, Unidade Universitária
Leia maisComparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais
Comparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais Wesley B. Dourado, Renata N. Imada, Programa de Pós-Graduação em Matemática Aplicada e Computacional, FCT, UNESP,
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 maisEspecificação técnica de Videodetecção ECD/DAI
Especificação técnica de Videodetecção ECD/DAI 1. Esta Especificação destina se a orientar as linhas gerais para o fornecimento de equipamentos. Devido às especificidades de cada central e de cada aplicação,
Leia maisÁrvores Binárias de Busca
Árvores Binárias de Busca Uma Árvore Binária de Busca T (ABB) ou Árvore Binária de Pesquisa é tal que ou T = 0 e a árvore é dita vazia ou seu nó contém uma chave e: 1. Todas as chaves da sub-árvore esquerda
Leia maisLEI DE OHM. Professor João Luiz Cesarino Ferreira. Conceitos fundamentais
LEI DE OHM Conceitos fundamentais Ao adquirir energia cinética suficiente, um elétron se transforma em um elétron livre e se desloca até colidir com um átomo. Com a colisão, ele perde parte ou toda energia
Leia mais2 Avaliação de desempenho de uma rede de telecomunicações
2 Avaliação de desempenho de uma rede de telecomunicações Ao longo do presente capítulo são introduzidos os principais elementos qualitativos e quantitativos capazes de permitir a avaliação do desempenho
Leia maisFunções de Posicionamento para Controle de Eixos
Funções de Posicionamento para Controle de Eixos Resumo Atualmente muitos Controladores Programáveis (CPs) classificados como de pequeno porte possuem, integrados em um único invólucro, uma densidade significativa
Leia maisSistemas Computacionais II Professor Frederico Sauer
Sistemas Computacionais II Professor Frederico Sauer Livro-texto: Introdução à Organização de Computadores 4ª edição Mário A. Monteiro Livros Técnicos e Científicos Editora. Atenção: Este material não
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 maisPROCESSO DE DESENVOLVIMENTO DE SOFTWARE. Modelos de Processo de Desenvolvimento de Software
PROCESSO DE DESENVOLVIMENTO DE SOFTWARE Introdução Modelos de Processo de Desenvolvimento de Software Os modelos de processos de desenvolvimento de software surgiram pela necessidade de dar resposta às
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia maisSimulação Computacional de Sistemas, ou simplesmente Simulação
Simulação Computacional de Sistemas, ou simplesmente Simulação Utilização de métodos matemáticos & estatísticos em programas computacionais visando imitar o comportamento de algum processo do mundo real.
Leia maisFiltros de sinais. Conhecendo os filtros de sinais.
Filtros de sinais Nas aulas anteriores estudamos alguns conceitos importantes sobre a produção e propagação das ondas eletromagnéticas, além de analisarmos a constituição de um sistema básico de comunicações.
Leia mais