Avaliação da Estabilidade e Robustez de Algoritmos para Recomendação de Serviços Web Semânticos Submetidos a Ataques de Injeção de Perfis
|
|
- Danilo Osório Laranjeira
- 8 Há anos
- Visualizações:
Transcrição
1 Resta de Sstemas de Informação da FSMA n. 13 (2014) pp Aalação da Establdade e Robustez de Algortmos para Recomendação de Serços Web Semântcos Submetdos a Ataques de Injeção de Perfs Pedro Henrque Grandn e Juan Manuel Adán-Coello Resumo Sstemas de recomendação baseados em fltragem colaborata são abertos por natureza, o que os torna ulneráes a ataques de njeção de perfs que procuram nserr aalações tendencosas na base de dados do sstema, possbltando que atacantes possam manpular as suas recomendações. Neste artgo aala-se a establdade e a robustez de algortmos de fltragem colaborata aplcados à recomendação de serços Web semântcos quando submetdos a ataques de njeção de perfs dos tpos aleatóro e segmento. Foram aalados quatro algortmos: (1) o IMEAN, que faz presões usando a méda das aalações recebdas pelo tem alo, (2) o UMEAN, que faz presões usando a méda das aalações fetas pelo usuáro alo; (3) algortmo baseado no método dos k znhos mas próxmos (k-nn) e (4) algortmo baseado no método de agrupamento k-médas. Os expermentos realzados mostraram que o algortmo UMEAN não é afetado pelos ataques e que o IMEAN é o mas ulneráel de todos. Entretanto, o UMEAN e o IMEAN têm pouco potencal de aplcação prátca dedo à baxa precsão de suas presões. Entre os algortmos com tolerânca ntermedára aos ataques, mas com bom desempenho predto, o k-nn apresentou-se mas robusto e estáel que o k-médas. Palaras-chae Ataque de njeção de perfs, algortmos de fltragem colaborata, serços Web semântcos. N I. INTRODUÇÃO AS arquteturas SOA (Serce Orented Archtecture), serços fracamente acoplados permtem a cração de processos de negócos flexíes e dnâmcos e aplcações áges que podem enoler dersas organzações e plataformas computaconas [1]. Entre os problemas centras à cração desses processos, fruto da composção de noos serços a partr dos exstentes, está a descoberta de serços que atendam aos requstos e nteresses dos usuáros, sejam eles pessoas ou agentes de software. Pedro Henrque Grandn (e-mal: pedro.hg@puccamp.edu.br) e Juan Manuel Adán-Coello (juan@puc-campnas.edu.br) estão nculados à Faculdade de Engenhara de Computação da Pontfíca Unersdade Católca de Campnas (PUC-Campnas). A descoberta de um serço é feta por algortmos de casamento (matchng) que buscam em um repostóro de descrções quas dos serços anuncados atendem aos requstos do potencal usuáro. As arquteturas de descoberta de serços, em geral baseadas nos padrões WSDL [2] e UDDI [3], apresentam uma séra de lmtações que dfcultam a localzação de serços releantes para os usuáros. Tas lmtações deem-se, em grande parte, ao uso de descrções nformas da funconaldade e capacdades dos serços, fetas em língua natural, em geral sem a utlzação de um ocabuláro que seja comum ao requstante e ao proedor do serço. Os Serços Web Semântcos são uma abordagem recente que procura superar essas lmtações combnando a tecnologa de serços Web com elementos da denomnada Web Semântca [4] [5]. As pesqusas na área de serços Web têm focado nos algortmos de casamento de serços, semântcos ou não. Entretanto, trabalhos recentes edencam que a questão mas desafadora quando se quer fornecer ao usuáro o serço desejado é a seleção do serço a partr de uma lsta de canddatos e não o processo de casamento em s. As prncpas abordagens para a seleção de serços ncluem a fltragem baseada em conteúdo, a fltragem colaborata, sstemas de reputação, sstemas P2P, sstemas de referêncas [6]. Entre eles, os métodos de fltragem colaborata, foco deste artgo, estão entre os mas releantes. A fltragem colaborata basea-se na suposção de que usuáros com perfs, ou nteresses, comuns normalmente procuram tens smlares. A déa fundamental é tomar como base para recomendar tens a um usuáro as opções de usuáros semelhantes quando escolheram tens relaconados [7]. O problema da recomendação pode ser reduzdo a estmar aalações para tens que não foram acessados por um usuáro e recomendar-lhe aqueles com as maores aalações estmadas. Embora sstemas de recomendação possam ser stos como parte de um sstema de busca, eles podem também ser usados de forma autônoma a fm de sugerr tens aos usuáros à 21
2 medda que estes se tornem dsponíes, sem a necessdade de consulta explíctas e constantes. A fltragem colaborata é largamente usada em sstemas dsponíes na Web para recomendar dersos tpos de tens, nclundo lros, múscas e flmes. O desenolmento de noos algortmos que aumentem a precsão e efcáca de sstemas de recomendação ou produzam modelos que explquem as razões por trás de uma recomendação é tema de crescente nteresse acadêmco e comercal. Exemplo deste nteresse fo o Netflx prze promodo pela Netflx, empresa de dstrbução onlne de flmes, que em 2006 anuncou prêmo de um mlhão de dólares a quem desenolesse um algortmo de recomendação de flmes que fosse 10% mas precso que o algortmo Cnematch, usado na ocasão pela empresa. O prêmo fo recebdo em 2009 pela equpe BellKor's Pragmatc Chaos, crada ao longo do concurso pela fusão de dferentes grupos competdores que reunram esforços para crar o ensemble de algortmos encedor [8]. Os sstemas de recomendação baseados em fltragem colaborata são abertos por natureza, já que as se baseam nas aalações de uma comundade de usuáros, o que os torna ulneráes a ataques de njeção de perfs. Esse tpo de ataque consste em nserr perfs tendencosos na base de dados do sstema permtndo que atacantes possam manpular as recomendações. O objeto desses ataques pode ser tanto promoer tens (push) quando ofuscá-los (nuke), tendo como alo um usuáro ou um grupo de usuáros [9]. Nesse contexto, analsar a robustez e a establdade de algortmos de recomendação passa a ser uma questão releante. Ao analsar a robustez, mede-se o desempenho do sstema antes e depos do ataque, para erfcar como o ataque afetou o sstema como um todo. Na análse da establdade deseja-se erfcar o deso dos alores prestos pelo sstema para os tens atacados. Em trabalhos anterores foram propostos algortmos para a recomendação de serços Web com marcação semântca [10][11]. As aalações realzadas, sem consderar a possbldade de ataques, mostraram que os algortmos têm bom desempenho se aalados sob a perspecta da precsão das recomendações fetas, especalmente em stuações em que a matrz usuáro-tem, que armazena as aalações fetas pela comundade de usuáros, é esparsa. Dante dsso, o objeto da pesqusa relatada neste artgo é analsar a establdade e robustez desses algortmos quando sujetos a ataques de njeção de perfs. As demas seções do artgo estão organzadas da segunte manera: na seção II são apresentados os algortmos de fltragem colaborata de serços Web semântcos cuja establdade e robustez se deseja estudar; na seção III serão melhor caracterzados os ataques de njeção de perfs objeto deste trabalho; na seção IV apresentam-se e dscutem-se o método de trabalho empregado para erfcar a robustez e establdade dos algortmos consderados e os expermentos conduzdos com esse propósto; na seção V apresentam-se alguns trabalhos correlatos; e, na seção VI, encerra-se o artgo retomando as prncpas conclusões e fazendo algumas consderações fnas. II. FILTRAGEM COLABORATIVA DE SERVIÇOS WEB SEMÂNTICOS A. Serços Web Semântcos Os algortmos tratados neste artgo sam à recomendação de serços Web marcados semantcamente segundo a ontologa de anotação de serços OWL-S, defnda a partr da lnguagem de descrção de ontologas OWL, padrão do W3C, baseada em lógca de prmera ordem [12]. A ontologa OWL- S consste de três partes prncpas: o perfl do serço, usado para anuncar e descobrr serços; o modelo do processo, que fornece uma descrção detalhada do funconamento do serço; e um aterramento (groundng), que fornece detalhes de como nteroperar com um serço atraés de mensagens. A maora dos sstemas de casamento de serços descrtos em OWL-S, empregados para comparar e buscar serços Web semântcos utlza apenas o perfl do serço. Este perfl especfca a semântca a assnatura do serço, sto é das entradas requerdas pelo serço e das saídas produzdas. O perfl também permte descreer as precondções a serem satsfetas para que o serço possa ser executado e descreer os resultados esperados da execução do serço. Estas nformações são geralmente conhecdas pela sgla IOPE (nputs, outputs, precondtons, effects). Com sso, podem-se utlzar métodos de racocíno lógco para determnar o grau de smlardade entre dos serços. Os algortmos usados neste trabalho para erfcar o grau de smlardade entre dos serços utlzam apenas a assnatura dos serços, sto a descrção das entradas e das saídas. Isto certamente permte que ocorram falsos postos em alguns casamentos, mas sso não se mostrou um problema releante. Os parâmetros de entrada e saída são assocados a concetos de ontologas de domíno, tas como Pessoa, Médco, Veículo, Veículo-Motorzado, e não como tpos báscos (nt, char, real) ou meras seqüêncas de caracteres. Com sso não se pode garantr que se esteja comparando serços que fazem cosas dferentes com entradas que representam o mesmo conceto, mas reduzem bastante essa possbldade. Naturalmente que o que se deseja é ter algortmos de casamento que não se lmtem à comparação das entradas e saídas. Isso, no entanto, não é uma preocupação desta pesqusa, e não dee alterar substancalmente os resultados erfcados expermentalmente. A OWL-S, assm como a OWL, é baseada na lógca de descrção. Sabe-se que as lógcas formas têm capacdades lmtadas de expressão. A lógca de descrção, por exemplo, não permte representar com precsão objetos estruturados nterconectados arbtraramente. De modo a contornar parcalmente essa capacdade lmtada de representação do OWL-S, neste trabalho utlzou-se o mecansmo híbrdo de casamento se serços Web semântcos mplementado no sstema OWLS-MX [13]. Esse mecansmo permte comparar dos serços Web semântcos e estabelecer quatro graus de 22
3 smlardade semântca usando racocíno lógco, e um alor de smlardade sntátca usando métodos de recuperação de nformação. B. Fltragem Colaborata Algortmos de fltragem colaborata podem ser usados para preer o alor que um determnado usuáro (usuáro alo) atrbura a um tem (tem alo) anda não aalado por esse usuáro. A presão é feta utlzando o hstórco de aalações fetas pela comundade de usuáros para os tens consderados. Podem ser usados algortmos muto smples como IMEAN, que estma os alores de aalações desconhecdas como sendo a méda dos alores das aalações fetas por todos os usuáros para o tem alo, ou o UMEAN, que estma a aalação de um tem alo a partr da méda de todos os tens aalados pelo usuáro alo. Esses algortmos são de fácl mplementação e baxo custo de execução, mas pouco precsos, serndo, em geral, apenas com termo de comparação para a aalação de algortmos mas elaborados, como os outros dos algortmos aalados neste trabalho: o prmero baseado no algortmo dos k znhos mas próxmos (k-nn) e o segundo no método de agrupamento k-médas (k-means). C. Presão de Aalações Usando o K-nn O algortmo k-nn é um algortmo baseado em memóra, e, como tal, preê a nota que um usuáro dara a um tem usando dretamente as aalações dos k usuáros mas semelhantes a esse usuáro. Na mplementação consderada, a smlardade entre dos usuáros u e, s é computada usando o coefcente de correlação de Pearson (CCP), estenddo para consderar serços smlares, conforme a equação (1). s = s u s S S t S ( f s ( f s f ) 2 u f )( f u, t t S f ) ( f, t f ) Na equação (1), S u é o conjunto de serços aalados por u e S é o conjunto de serços acessados por ; 2 f u e (1) f são os alores médos das aalações fetas pelos usuáros u e, respectamente; entre os serços aalados por, t é o serço que apresenta maor smlardade semântca ou sntátca com s (serço acessado e aalado por u), respetado um grau de smlardade mínmo. Quando ambos usuáros aalaram um mesmo serço, s e t representam o mesmo serço. Cabe obserar que o CCP não dá pesos dferentes a usuáros semelhantes que aalaram um conjunto reduzdo de tens de forma semelhante ou que aalaram um conjunto muto grande. Igualmente, a equação (1) não dferenca entre usuáros cuja smlardade se dee a aalações dos mesmos tens e às aalações de tens smlares. Estas são questões não foram tratadas neste trabalho, mas que são nteressantes o bastante para merecer atenção em pesqusas futuras. A Tabela I apresenta um exemplo de matrz usuáro-tem, para tens genércos, não necessaramente serços, sem mostrar nformação que permta erfcar a semelhança semântca ou sntátca entre os tens. Na tabela, as aalações aram de 1 a 5. Uma posção aza ndca que o usuáro correspondente àquela lnha não aalou o tem correspondente à coluna. A matrz regstra os alores das aalações fetas por ses usuáros para ses tens quasquer (lros, flmes, serços Web etc.). A coluna à dreta da matrz mostra a smlardade entre o usuáro 1 e os demas usuáros, utlzando a correlação de Pearson. Se for consderado apenas o usuáro mas próxmo ao usuáro 1 (k=1), um algortmo baseado no método k-nn preera que usuáro 1 atrbura ao tem alo (tem 6) um alor próxmo ao atrbuído a esse tem pelo usuáro 6 (o mas smlar ao usuáro 1). TABELA I EXEMPLO DE UMA MATRIZ USUÁRIO-ITEM Itens Smlardade com o usuáro Usuáros ? 1, , , , , ,94 Conhecendo a smlardade entre usuáros, pode-se estmar a aalação que um usuáro fara de um determnado serço alo se usuáros smlares terem aalado esse serço ou serços semelhantes. Para sso, defne-se a znhança V do usuáro u com respeto ao serço s como sendo formada pelos k usuáros mas smlares a u que acessaram o serço s ou serços smlares a s. Construída a znhança, a presão da aalação que o usuáro u fara de um serço s, f s, é feta usado a méda ponderada de todas as aalações do serço s, ou de serços smlares, fetas pelos usuáros em V, conforme a equação (2) f s = f u s V + s V ( f, t f ) Na equação (2), assm como na equação (1), t é o serço acessado por mas smlar ao serço s (acessado por u), respetado um patamar de smlardade mínma. Se V for azo, f s é estmado como sendo gual a f u ( a méda de todas as aalações fetas pelo usuáro u). Aplcando a equação (2) aos dados da Tabela I, e consderando k=1, o alor presto para a aalação que o usuáro 1 fara do tem 6 sera: f 1,6 = 13/4 + (0,94 * (2-15/5) )/ 0,94 = 2,25 D. Presão de Aalações com o Algortmo K-médas A lteratura aponta que algortmos de fltragem colaborata baseados em memóra, como o k-nn, costumam apresentar (2) 23
4 precsão eleada, mas baxa escalabldade, por fazerem as presões dretamente a partr dos dados dsponíes. Entretanto, sto demanda um tempo de processamento eleado a cada presão para dentfcar a znhança do usuáro alo para cada tem (serço) alo consderado. Com alternata, nos algortmos baseados em modelo, as presões não são fetas dretamente a partr das aalações dos usuáros mas próxmos ao usuáro alo, mas sm de um modelo construído preamente a partr dos dados dsponíes. Analsa-se neste artgo um algortmo de fltragem colaborata baseado em modelo construído a partr do método de agrupamento k-médas. O algortmo agrupa perfs de usuáros semelhantes em grupos e faz as presões usando os perfs dos grupos, representados pelos seus centródes. Neste contexto, o perfl de um usuáro é defndo pelas aalações que o usuáro realzou dos tens dsponíes (uma lnha da matrz usuáro-tem). Por exemplo, na matrz usuáro-tem da Tabela I, o perfl do usuáro 1 pode ser representado pela n- upla (5,2,3,3, Ø, Ø), onde Ø ndca que o tem correspondente não fo aalado. O funconamento do algortmo é o segunte: ncalmente k pontos (perfs de usuáros defndos pelas n-uplas que contêm as aalações atrbuídos pelos usuáros aos tens) são escolhdos como centródes de k grupos, onde k é um parâmetro preamente defndo. A segur, um passo de atrbução e um passo de atualzação são repetdos até a conergênca do algortmo. No passo de atrbução, cada ponto (perfl) é assocado ao grupo com o centróde mas próxmo. No passo de atualzação, os centródes dos grupos são atualzados para a méda dos pontos assocados ao grupo. O algortmo conerge quando os centródes tornam-se estáes, ou seja, não mudam na fase de atualzação. Na mplementação sob estudo, a equação (1) é usada para calcular a dstânca entre um usuáro e o centróde do grupo. Defndos os grupos, a equação (2) é então usada para preer a aalação que um usuáro fara de um tem, usando uma znhança consttuída pelos centródes dos grupos mas próxmos ao usuáro alo, em lugar das aalações (n-uplas) dos usuáros mas próxmos. Como o número de centródes de grupos contdo na znhança consderada é, geralmente, muto menor que o número de usuáros que formam uma znhança no algortmo baseado no k-nn, o algortmo baseado no k-médas tem um tempo de computação senselmente nferor, conforme comproado em expermentos não relatados neste artgo. III. ATAQUE DE INJEÇÃO DE PERFIS Em um ataque de njeção de perfs, o atacante nsere perfs tendencosos na matrz usuáro-tem do sstema de recomendação. A Tabela II mostra a matrz usuáro-tem da Tabela I na qual fo nserdo um perfl falso, o usuáro 7. Feta essa nserção, o usuáro mas próxmo ao usuáro 1 passa a ser o atacante, com grau de smlardade entre eles gual a 0,98. Nestas condções, se for usado um algortmo do tpo k-nn, com k=1, o alor da aalação estmada a ser atrbuída ao tem 6 pelo usuáro 1 sera gual a 4,85. Isso pode ser erfcado se consderarmos que, usando a equação (2), temos: f s = f 1,6 f u = ( )/4 = 13/4 ; méda de todas as aalações fetas pelo usuáro u=1 s = 0,98 ; grau de smlardade entre os usuáros u=1 e =7, conforme a tabela. f,t = 5 ; =7 e t = 6, pos o usuáro 7 acessou o serço 6 f = ( )/5= 17/5 ; méda das aalações fetas pelo usuáro =7 Logo, f1,6 = 13/4 + (0,98 * (5-17/5) )/ 0,98 = 4,85 Embora não seja prátca corrente usar uma znhança tão reduzda, o exemplo acma sa a enfatzar o mpacto negato que um ataque bem suceddo pode ter. TABELA II EXEMPLO DE UMA MATRIZ USUÁRIO-ITEM COM UM PERFIL DE ATAQUE (USUÁRIO 7) Itens Smlardade com o usuáro Usuáros ? 1, , , , , , ,98 A. Tpos de Ataque de Injeção de Perfs Ataques de njeção de perfs podem ser caracterzado por quatro conjuntos de tens: um conjunto untáro contendo o tem alo t ; um conjunto de tens seleconados com característcas determnadas pelo atacante, I S ; um conjunto de tens de preenchmento, I F, geralmente escolhdos de forma aleatóra, e um conjunto de tens não aalados, I Ø. Tpos de ataques de njeção de perfs são defndos pelos métodos usados para dentfcar os tens seleconados, a proporção de tens de preenchmento e pelo modo de determnar as aalações assocadas a cada um desses conjuntos de tens e ao tem alo. Neste artgo, serão realzados expermentos para procurar reproduzr dos dos mas representatos tpos de ataques de njeção de perfs: o ataque aleatóro (random attack) e o ataque a segmento (segment attack). No ataque aleatóro, I S é azo, os tens em I F são preenchdos aleatoramente segundo uma dstrbução normal em torno da aalação méda de todos os tens na base de dados, e t é preenchdo com o alor máxmo que pode ser atrbuído a uma aalação. O conhecmento requerdo para 24
5 montar um ataque aleatóro é muto reduzdo, já que a méda geral das aalações dos tens de um sstema de recomendação geralmente pode ser determnada emprcamente sem grande dfculdade por um obserador externo, e, em mutos casos, está dsponíel dretamente atraés do sstema. Entretanto, o custo de execução deste ataque pode ser eleando, pos é necessáro calcular aalações específcas (aleatóras) para cada tem dos perfs de ataque. No ataque a segmento (segment attack), os tens em I S defnem uma categora, ou segmento. Esses tens recebem aalações máxmas quando se deseja promoer um tem (push), ou mínmas quando se deseja obscurecê-lo (nuke). Se esses tens forem, por exemplo, serços de agens, os tens em I S corresponderam a serços dessa categora. Esse ataque é notaelmente efeto se o seu alo pertencer ao segmento consderado. Os alores em I F são preenchdos com a aalação mínma e t com a aalação máxma. A lteratura destaca que este é um ataque bastante efcaz que requer pouco conhecmento para ser engendrado [14]. IV. AVALIAÇÃO DA ESTABILIDADE E ROBUSTEZ DOS ALGORITMOS DE RECOMENDAÇÃO Conforme enuncado na seção ntrodutóra, o objeto da pesqusa relatada neste artgo é analsar a establdade e robustez de algortmos para a recomendação de serços Web com marcação semântca, quando sujetos a ataques de njeção de perfs. Para atngr esse objeto fo realzada uma pesqusa expermental que compreendeu os seguntes passos:. seleção de base de serços com marcação semântca;. cração de conjunto de dados para trenamento e teste dos algortmos, contendo perfs de usuáros caracterzados pelas aalações por eles fetas a uma seleção dos serços da base dentfcada na etapa anteror;.. seleção de usuáros e tens a serem ítmas do ataque; aplcação dos algortmos de recomendação, sem a presença de perfs de ataque, e medção do erro médo absoluto normalzado (NMAE) das presões fetas pelos algortmos;. njeção de perfs atacantes;.. noa aplcação dos algortmos de recomendação e determnação do NMAE e de outras métrcas que medem o sucesso dos ataques; análse dos resultados obtdos. Esses passos e seus resultados são apresentados e dscutdos com mas detalhes nesta seção. Incalmente, a subseção A, apresentará as métrcas utlzadas para medr o sucesso dos ataques. Em seguda, a subseção B, descreerá os expermentos conduzdos, e, a subseção C, apresentará e analsará os resultados obtdos nos expermentos. A. MÉTRICAS DE AVALIAÇÃO A efcáca de ataques de njeção de perfs sobre tens específcos pode ser aalada examnando o deso de presão nduzdo pelo ataque, a taxa de acerto do ataque e a nfluênca do ataque sobre o erro absoluto médo das presões realzadas. Dado um usuáro u e um tem, o deso de presão, u,, é calculado pela equação (3). Nessa equação, P (r u, ) é o alor presto para a aalação que o usuáro u fara do tem depos do ataque e P(r u, ) representa o alor presto antes do ataque. u, = P (r u, ) - P(r u, ) (3) Um deso de presão posto ndca que o ataque tee sucesso em fazer o tem melhor aalado. Todaa, um aumento eleado do deso de presão para um tem não garante que o tem será recomendado. É possíel que outros tens também sejam afetados pelo ataque ou que o tem fosse ncalmente aalado com um alor muto baxo, de modo que mesmo um deso eleado não o coloque na categora de recomendáel. Para aalar que tens atacados foram efetamente recomendados pode-se usar a taxa de acerto (Ht Rato- HR), que mede a efcáca do ataque sobre um tem. A taxa de acerto para o tem é calculada pela equação (4), onde H u, será gual a 1 se o tem aparecer na lsta dos N tens recomendados ao usuáro u (top-n recommendatons), em caso contráro seu alor será 0; U T é o conjunto de usuáros alo. H HR = U u U T T O efeto do ataque consderando todas as aalações prestas pode ser aalado pelo erro médo absoluto (Mean Absolute Error MAE) ou pelo erro médo absoluto normalzado (Normalzed Mean Absolute Error NMAE), métrcas geralmente usadas para aalar a precsão das presões fetas por algortmos de recomendação. O MAE é obtdo a partr da dferença entre os alores prestos e os alores reas das aalações, conforme mostrado na equação (5), onde r u, é a nota real atrbuída pelo usuáro u ao tem, r u, a nota presta pelo algortmo para esse tem e N o número de notas prestas pelo algortmo. MAE ru r, u =, N O MAE pode ser normalzado de modo a torná-lo ndependente da escala de aalações usada, dando orgem ao erro médo absoluto normalzado, ou NMAE (Normalzed Mean Absolute Error), calculado pela equação (6). NMAE = MAE r N (4) (5) (6) 25
6 presão consttuem a méda dos alores obtdos nessas repetções. B. CARACTERIZAÇÃO DOS EXPERIMENTOS Os expermentos realzados teram por objeto aalar o mpacto dos ataques de njeção de perfs dos tpos aleatóro e segmento sobre os algortmos de fltragem colaborata IMEAN, UMEAN, k-nn e k-médas apresentados na seção II. O desempenho desses algortmos sem a presença de ataques, em especal quando a matrz usuáro-tem é esparsa, é analsado em [11]. Uma das prncpas dfculdades para a aalação de algortmos para a recomendação de serços Web semântcos é necessdade de uma base públca de serços com marcação semântca. O mas próxmo que se tem dsso, e que se usou neste trabalho, é a coleção OWLS-TC 1, crada para aalar o desempenho de algortmos de casamento (matchmakng) de serços Web semântcos descrtos segundo a ontologa de anotação de serços OWL-S 1.1. Nos expermentos descrtos, fo utlzada a ersão 2.2 dessa base que reúne 1004 serços Web de áros domínos. Para realzar os expermentos foram crados 50 usuáros, 20 com o perfl de tursta e 30 com o perfl de estudante. Os tens a serem aalados totalzam 108 serços, nclundo serços relaconados aos assuntos carros, comda, lros, hotés, câmeras, publcações, surf e flmes. Cada usuáro aalou 18 serços que seram característcos do seu perfl. Um tursta, por exemplo, se nteressara mas em hotés que estudantes, e, portanto, há a possbldade de encontrar mas aalações de hotés no grupo dos turstas que no grupo dos estudantes. Na montagem dos ataques foram usados parâmetros semelhantes aos empregados em [14]. Desse modo, fo nserda na matrz usuáro-tem uma quantdade de perfs de ataque gual a 15% do total de usuáros, resultando na njeção de oto usuáros atacantes, todos com o objeto de promoer um tem (push), o objeto mas comum de ataques. Para alos, foram escolhdos aleatoramente cnco usuáros e quatro serços, que correspondem a aproxmadamente 5% do total de usuáros e 3% do total de tens. Nos perfs de ataque, os tens de preenchmento correspondem a 6% do total de serços (I F ). A escolha dos tens para preenchmento no ataque aleatóro é feta automatcamente, após especfcar a quantdade de perfs a serem crados. No ataque a segmento, fo defndo um segmento caracterzado por três tens (I S ). O segmento escolhdo para os ataques fo o de comda, pos se presume que tanto estudantes quanto turstas se nteressem por serços relaconados a esse assunto, de modo que essa escolha dee afetar a ambos os grupos de usuáros. C. RESULTADOS E DISCUSSÕES Os expermentos cujos resultados são apresentados nesta seção foram repetdos 10 ezes, de modo que os alores apresentados para o NMAE, taxa de acerto e deso de Influênca dos ataques no NMAE A Tabela III apresenta o NMAE para os algortmos estudados antes e depos dos ataques dos tpos aleatóro e segmento. Conforme pode ser obserado na Tabela III, o UMEAN não é afetado pelos ataques, o que faz sentdo, já que a adção de perfs não nterfere com esse algortmo, pos a aalação presta para um tem é a méda das aalações fetas pelo usuáro alo, não sendo consderadas as aalações dos usuáros atacantes. Para o algortmo IMEAN, esperaa-se que os ataques tessem grande mpacto no NMAE e na taxa de acerto, já que suas presões são baseadas nas notas de toda a comundade de usuáros. A Tabela III e a Fg. 1 mostram que essa expectata se concretzou. Na Tabela III pode-se obserar que para o IMEAN o ataque aleatóro aumentou o NMAE em 45,9% (de 0,33064 para 0,48232) e o ataque a segmento em 44,7% (de 0,33064 para 0,47835). TABELA III NMAE DOS ALGORITMOS AVALIADOS Ataque Sem ataque aleatóro Ataque a segmento UMEAN 0, , ,33111 IMEAN 0, , ,47835 k-nn 0, , ,28415 k-médas 0, , ,30193 No caso dos algortmos k-nn e k-médas, os ataques resultaram em aumentos perceptíes no NMAE, embora muto menos expressos do que erfcado para o IMEAN. O ataque aleatóro aumentou o NMAE em 1,6% para o k-nn (de 0,27781 para 0,28239) e 2,4% para o k-médas (de 0,29305 para 0,30015); enquanto o ataque a segmento leou a aumentos de 2,3% para o k-nn (de 0,27781 para 0,28415) e 3,0% para o k- médas (de 0,29305 para 0,30193). Taxa de Acerto e Deso de Presão A Fg. 1 apresenta a taxa de acerto dos ataques para o algortmo IMEAN. O exo das abscssas do gráfco ndca quantos tens serão recomendados para o usuáro, os top-n (os N tens com as maores aalações prestas), e o exo das ordenadas representa o taxa de acerto. Quanto mas próxma de um for a taxa de acerto, maor o percentual de tens atacados que terá sdo recomendado aos usuáros alo. Uma taxa de acerto gual a um sgnfca que todos os tens alo do ataque foram recomendados
7 Fg. 1. Taxa de acerto ao usar o algortmo IMEAN Obsera-se na Fg. 1 que tanto o ataque aleatóro quanto o ataque a segmento apresentaram resultados semelhantes para o IMEAN. Isso acontece, pos esse algortmo usa as aalações de todos os usuáros para o tem alo, o que lea os dos tpos de ataques a efetos semelhantes. Para top-n de até 20 tens e superor a 70 os efetos dos ataques foram pouco perceptíes, porém para top-n entre 20 e 70 a taxa de acerto fo eleada, o que mplca em índces de sucesso eleados na nclusão dos tens atacados nas lstas de recomendação dos usuáros. Ambos ataques produzram em um deso de presão gual a 2,70966 (não apresentado nas fguras), bastante eleado se comparados com os alores obserados para os algortmos k- nn e k-médas, apresentados a segur. Para medr o deso de presão dos algortmos k-nn e k- médas, arou-se o alor de semelhança mínma entre os usuáros (k-nn) e entre um usuáro e o centróde de um grupo (k-médas) usada no momento de escolher os k znhos mas próxmos e, assm, aplcar a equação (2). Além dsso, dexouse fxo em dos o número de clusters utlzado durante a Fg. 3. Taxa de acerto do algortmo k-nn realzação dos testes com o k-médas (o alor de k fo escolhdo após uma sére prelmnar de expermentos de ajuste). A Fg. 2 apresenta os resultados obtdos. Pode-se obserar que os desos de presão para os algortmos k-nn e k-médas são senselmente menores que os erfcados para o UMEAN e IMEAN. Nota-se também que a partr de uma semelhança entre usuáros de 20% para o algortmo k-nn e de 70% para o k-médas, o deso de presão permanece com alor zero, o que sgnfca que, a partr desses alores, a semelhança exgda fo sufcente para que não fossem ncluídos os perfs de ataque no cálculo de presão das aalações dos tens. Na análse da taxa de acerto dos ataques quando se usa o k- nn e o k-médas foram usados alores de smlardade que resultaram em um deso de presão alto e que estessem próxmos ao alor em que o deso ca a zero. Os alores adotados foram de 5% para o algortmo k-nn e 50% para o algortmo k-médas. Nota-se na Fg. 3, que mostra a taxa de acerto para o k-nn, que os ataques aleatóro e a segmento teram algum sucesso Fg. 2. Deso de presão dos algortmos k-nn e k-médas em função da smlardade mínma entre usuáros Fg. 4. Taxa de acerto do algortmo k-médas 27
8 para os top 60 e 70, mas o ataque a segmento tee uma taxa de acerto eleada para os top 20 e 50. A Fg. 4 mostra que para o k-médas só se obsera uma taxa de acerto aprecáel nos top 50 e 60, noamente com destaque para o ataque a segmento. V. TRABALHOS RELACIONADOS O ataque aleatóro fo orgnalmente proposto por Lam and J. Redl [25]. O conhecmento requerdo para montar esse ataque é muto reduzdo, mas o custo de execução pode ser alto, já que é necessáro atrbur aalações a cada tem no perfl de ataque. Por outro lado, os autores mostraram, e nossos resultados conformaram, que o ataque não é muto efcaz. O ataque a segmento fo ntroduzdo por Mobasher et al. em [14]. Os autores mostraram, e os nossos expermentos confrmam, que é possíel executar ataques desse tpo bem suceddos contra sstemas de recomendação baseados em fltragem colaborata sem a necessdade de ter um conhecmento substancal sobre o sstema ou sobre os usuáros. Város trabalhos, nclundo [14][17][20][21], mostraram que ataques de njeção de perfs podem afetar sgnfcatamente a robustez de sstemas de recomendação. Isso tem leado áros autores à busca por algortmos de recomendação mas robustos e estáes utlzando dersos mecansmos, nclundo lmtadores da nfluênca dos atacantes [18], seqüêncas dnâmcas de aalações em lugar de conjuntos estátcos de perfs de aalações [22] e oferta de ncentos monetáros para que outros aaladores corrjam as dstorções do sstema, proocadas ou não por ataques [23]. Dersos autores propõem anda a utlzação de estratégas para a detecção de ataques, utlzando, entre outros, mecansmos de aprendzado não supersonado e semsupersonado [16][24] e modelos estatístcos [19]. Neste artgo o termo establdade está assocado a medr a dnâmca das presões do sstema quando sofre ataques externos. Ao medr a establdade, aala-se a mudança ocorrda nas presões do sstema para os tens atacados. Alguns autores, como Adomacus e Zhang [15], obseram um aspecto dferente da establdade, denomnada de consstênca nterna, que representa as conseqüêncas das nconsstêncas nternas dos algortmos do sstema de recomendação. Para esses autores, um algortmo de recomendação estáel oferece presões consstentes ao longo do tempo, assumndo que as noas aalações que se tornam dsponíes estão de acordo com as presões préas do sstema. VI. CONCLUSÃO Os expermentos realzados para aalar a establdade e robustez dos algortmos IMEAN, UMEAN, k-nn e k-médas para a recomendação de serços Web semântcos, quando submetdos a ataques de njeção de perfs, mostraram que o algortmo UMEAN não é afetado pelos ataques e que o IMEAN é o mas sensíel a esses ataques. Entretanto esses dos algortmos são usados apenas para fornecer lmtes nferores de desempenho para a análse dos demas algortmos, já que ambos apresentam baxa precsão, partcularmente quando a matrz usuáro-tem é esparsa, como mostrado em [10] e [11]. Para os demas algortmos, erfcou-se que o k-nn permte atngr um deso de presão próxmo a zero para taxas de semelhança entre usuáros consderaelmente reduzda (20%), enquanto que no k-médas sso só é possíel para alores mas eleados (70%). Por outro lado, nos expermentos apresentados para analsar a taxa de acerto, o k-médas apresenta melhores resultados em comparação com o k-nn, quando o k-nn usa um alor de semelhança entre usuáros muto nferor ao utlzado no k- médas. Com alores eleados de semelhança entre usuáros, o k-nn apresenta melhores resultados também neste questo. Apesar destes resultados, na escolha de qual algortmo dee ser empregado em uma aplcação concreta dee-se consderar também que, segundo a lteratura, o k-médas costuma ser mas escaláel que o k-nn. Com relação à efcáca dos ataques, os expermentos mostram que o ataque a segmento é mas efeto que o aleatóro. Os algortmos foram também aalados consderando a utlzação da smlardade semântca e sntátca entre serços Web quando do cálculo da semelhança entre usuáros utlzando a equação (1) e no momento de preer o alor de uma aalação com a equação (2). Os expermentos mostraram que sso não nfluencou de forma sgnfcata os resultados, o que é coerente com os resultados encontrados em [10], onde se erfcou que a utlzação da smlardade semântca entre serços afeta de forma releante a precsão dos algortmos apenas quando a matrz usuáro-tem é esparsa, o que não se erfca nos expermentos realzados, onde esta matrz era densa. Em trabalhos futuros deerão serão fetos expermentos para aalar o comportamento dos algortmos quando submetdos a ataques consderando conjuntos de dados de maores dmensões e matrzes usuáro-tem com dados esparsos. AGRADECIMENTOS Agradecemos aos resores anônmos e ao edtor da resta, Prof. Dr. Rcardo Lnden, pela cudadosa resão e alosas correções, recomendações e comentáros que muto contrbuíram para aumentar a clareza e precsão do artgo. REFERÊNCIAS [1] H. Chesbrough and J. Spohrer, A research manfesto for serces scence, Commun. ACM, ol. 49, no. 7, pp , [2] E. Chrstensen, F. Curbera, G. Meredth, and S. Weerawarana, Web Serces Descrpton Language (WSDL) 1.1, 2001, At w3. org/tr/2001/note-wsdl , [3] L. Clement, A. Hately, C. on Regen, and T. Rogers, UDDI Verson 3.0. OASIS, 19-Oct [4] S. A. McIlrath, T. C. Son, and H. Zeng, Semantc web serces, Intellgent Systems, IEEE, ol. 16, no. 2, pp , [5] T. Berners-Lee, J. Hendler, and O. Lassla, The semantc Web, Scentfc Amercan, ol. 284, no. 5, pp ,
9 [6] R. M. Sreenath and M. P. Sngh, Agent-based serce selecton, Web Semantcs: Scence, Serces and Agents on the World Wde Web, ol. 1, no. 3, pp , [7] X. Su and T. M. Khoshgoftaar, A surey of collaborate flterng technques, Adances n Artfcal Intellgence, ol. 2009, pp. 1 19, [8] S. Lohr, The contest that shaped careers and nspred research papers, CHANCE, ol. 23, no. 1, pp , [9] J. J. Sandg, B. Mobasher, and R. Burke, A surey of collaborate recommendaton and the robust-ness of model-based algorthms, IEEE Data Engneerng Bulletn, ol. 31, no. 2, pp. 3 13, [10] J. M. Adán-Coello, Y. Yumng and C. M. Tobar, A Memory-based Collaborate Flterng Algorthm for Recommendng Semantc Web Serces. Resta IEEE Amérca Latna,. 11, p , [11] J. M. Adán-Coello, C. M. Tobar and Y. Yumng, Improng the Performance of Web Serce Recommenders Usng Semantc Smlarty. Submetdo. [12] D. Martn, M. Bursten, J. Hobbs, O. Lassla, D. McDermott, S. McIlrath, S. Narayanan, M. Paolucc, B. Parsa, T. Payne, and others, OWL-S: Semantc Markup for Web Serces, [13] M. Klusch, B. Fres, and K. Sycara, OWLS-MX: A hybrd Semantc Web serce matchmaker for OWL-S serces, Web Semantcs: Scence, Serces and Agents on the World Wde Web, ol. 7, no. 2, pp , Apr [14] B. Mobasher, R. Burke, R. Bhaumk, and C. Wllams, Toward trustworthy recommender systems: An analyss of attack models and algorthm robustness, ACM Transactons on Internet Technology (TOIT), ol. 7, no. 4, p. 23, [15] G. Adomacus and J. Zhang, Stablty of recommendaton algorthms, ACM Transactons on Informaton Systems (TOIS), ol. 30, no. 4, p. 23, [16] R. Bhaumk, B. Mobasher, and R. D. Burke, A clusterng approach to unsupersed attack detecton n collaborate recommender systems, n Proceedngs of the 7th IEEE nternatonal conference on data mnng, Las Vegas, NV, USA, 2011, pp [17] G. Shan and A. Gunawardana, Ealuatng recommendaton systems, Recommender Systems Handbook, pp , [18] P. Resnck and R. Sam, The nfluence lmter: proably manpulatonresstant recommender systems, n Proceedngs of the 2007 ACM conference on Recommender systems, 2007, pp [19] N. Hurley, Z. Cheng, and M. Zhang, Statstcal attack detecton, n Proceedngs of the thrd ACM conference on Recommender systems, 2009, pp [20] S. Ray and A. Mahant, Strateges for effecte shllng attacks aganst recommender systems, n Pracy, Securty, and Trust n KDD, Sprnger, 2009, pp [21] B. Van Roy and X. Yan, Manpulaton robustness of collaborate flterng, Management Scence, ol. 56, no. 11, pp , [22] B. Van Roy and X. Yan, Manpulaton-resstant collaborate flterng systems, n Proceedngs of the thrd ACM conference on Recommender systems, 2009, pp [23] R. Bhattacharjee and A. Goel, Algorthms and ncentes for robust rankng, n Proceedngs of the eghteenth annual ACM-SIAM symposum on Dscrete algorthms, 2007, pp [24] J. Cao, Z. W B. Mao, and Y. Zhang, Shllng attack detecton utlzng sem-supersed learnng method for collaborate recommender system, World Wde Web, ol. 16, no. 5 6, pp , [25] S. K. Lam and J. Redl, Shllng recommender systems for fun and proft, n Proceedngs of the 13th nternatonal conference on World Wde Web, 2004, pp
CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG
1 CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnlesteMG Dscplna: Introdução à Intelgênca Artfcal Professor: Luz Carlos Fgueredo GUIA DE LABORATÓRIO LF. 01 Assunto: Lógca Fuzzy Objetvo: Apresentar o
Leia maisTEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823
Leia maisIntrodução e Organização de Dados Estatísticos
II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar
Leia maisUTILIZAÇÃO DO MÉTODO DE TAGUCHI NA REDUÇÃO DOS CUSTOS DE PROJETOS. Uma equação simplificada para se determinar o lucro de uma empresa é:
UTILIZAÇÃO DO MÉTODO DE TAGUCHI A REDUÇÃO DOS CUSTOS DE PROJETOS Ademr José Petenate Departamento de Estatístca - Mestrado em Qualdade Unversdade Estadual de Campnas Brasl 1. Introdução Qualdade é hoje
Leia mais7. Resolução Numérica de Equações Diferenciais Ordinárias
7. Resolução Numérca de Equações Dferencas Ordnáras Fenômenos físcos em dversas áreas, tas como: mecânca dos fludos, fluo de calor, vbrações, crcutos elétrcos, reações químcas, dentre váras outras, podem
Leia maisSistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar?
Sumáro Sstemas Robótcos Navegação Introdução Onde estou? Para onde vou? Como vou lá chegar? Carlos Carreto Curso de Engenhara Informátca Ano lectvo 2003/2004 Escola Superor de Tecnologa e Gestão da Guarda
Leia maisUNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR
Matéra / Dscplna: Introdução à Informátca Sstema de Numeração Defnção Um sstema de numeração pode ser defndo como o conjunto dos dígtos utlzados para representar quantdades e as regras que defnem a forma
Leia mais1 Princípios da entropia e da energia
1 Prncípos da entropa e da energa Das dscussões anterores vmos como o conceto de entropa fo dervado do conceto de temperatura. E esta últma uma conseqüênca da le zero da termodnâmca. Dentro da nossa descrção
Leia maisNOTA II TABELAS E GRÁFICOS
Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.
Leia maisRegressão e Correlação Linear
Probabldade e Estatístca I Antono Roque Aula 5 Regressão e Correlação Lnear Até o momento, vmos técncas estatístcas em que se estuda uma varável de cada vez, estabelecendo-se sua dstrbução de freqüêncas,
Leia maisAtribuição Automática de Propagandas a Páginas da Web
Atrbução Automátca de Propagandas a Págnas da Web Aníso Mendes Lacerda Lara Crstna Rodrgues Coelho Resumo O problema da propaganda dreconada baseada em conteúdo (PDC) consttu-se em atrbur propagandas a
Leia mais2 Máquinas de Vetor Suporte 2.1. Introdução
Máqunas de Vetor Suporte.. Introdução Os fundamentos das Máqunas de Vetor Suporte (SVM) foram desenvolvdos por Vapnk e colaboradores [], [3], [4]. A formulação por ele apresentada se basea no prncípo de
Leia maisMetodologia IHFA - Índice de Hedge Funds ANBIMA
Metodologa IHFA - Índce de Hedge Funds ANBIMA Versão Abrl 2011 Metodologa IHFA Índce de Hedge Funds ANBIMA 1. O Que é o IHFA Índce de Hedge Funds ANBIMA? O IHFA é um índce representatvo da ndústra de hedge
Leia maisObjetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para
Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre
Leia maiswww.obconcursos.com.br/portal/v1/carreirafiscal
www.obconcursos.com.br/portal/v1/carrerafscal Moda Exercíco: Determne o valor modal em cada um dos conjuntos de dados a segur: X: { 3, 4,, 8, 8, 8, 9, 10, 11, 1, 13 } Mo 8 Y: { 10, 11, 11, 13, 13, 13,
Leia mais5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)
5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de
Leia maisCálculo do Conceito ENADE
Insttuto aconal de Estudos e Pesqusas Educaconas Aníso Texera IEP Mnstéro da Educação ME álculo do onceto EADE Para descrever o cálculo do onceto Enade, prmeramente é mportante defnr a undade de observação
Leia maisControlo Metrológico de Contadores de Gás
Controlo Metrológco de Contadores de Gás José Mendonça Das (jad@fct.unl.pt), Zulema Lopes Perera (zlp@fct.unl.pt) Departamento de Engenhara Mecânca e Industral, Faculdade de Cêncas e Tecnologa da Unversdade
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia maisRastreando Algoritmos
Rastreando lgortmos José ugusto aranauskas epartamento de Físca e Matemátca FFCLRP-USP Sala loco P Fone () - Uma vez desenvolvdo um algortmo, como saber se ele faz o que se supõe que faça? esta aula veremos
Leia maisLista de Exercícios de Recuperação do 2 Bimestre. Lista de exercícios de Recuperação de Matemática 3º E.M.
Lsta de Exercícos de Recuperação do Bmestre Instruções geras: Resolver os exercícos à caneta e em folha de papel almaço ou monobloco (folha de fcháro). Copar os enuncados das questões. Entregar a lsta
Leia maisAlgoritmo de Otimização para o Problema de Roteamento de Veículos no Transporte Conjunto de Cargas e de Passageiros
Programa de Pós-Graduação em Engenhara Elétrca Centro de Pesqusa e Desenolmento em Engenhara Elétrca Escola de Engenhara da Unersdade Federal de Mnas Geras Algortmo de Otmzação para o Problema de Roteamento
Leia maisAnálise Econômica da Aplicação de Motores de Alto Rendimento
Análse Econômca da Aplcação de Motores de Alto Rendmento 1. Introdução Nesta apostla são abordados os prncpas aspectos relaconados com a análse econômca da aplcação de motores de alto rendmento. Incalmente
Leia maisO migrante de retorno na Região Norte do Brasil: Uma aplicação de Regressão Logística Multinomial
O mgrante de retorno na Regão Norte do Brasl: Uma aplcação de Regressão Logístca Multnomal 1. Introdução Olavo da Gama Santos 1 Marnalva Cardoso Macel 2 Obede Rodrgues Cardoso 3 Por mgrante de retorno,
Leia maisEstimativa da Incerteza de Medição da Viscosidade Cinemática pelo Método Manual em Biodiesel
Estmatva da Incerteza de Medção da Vscosdade Cnemátca pelo Método Manual em Bodesel Roberta Quntno Frnhan Chmn 1, Gesamanda Pedrn Brandão 2, Eustáquo Vncus Rbero de Castro 3 1 LabPetro-DQUI-UFES, Vtóra-ES,
Leia maisSempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos.
Insttuto de Físca de São Carlos Laboratóro de Eletrcdade e Magnetsmo: Transferênca de Potênca em Crcutos de Transferênca de Potênca em Crcutos de Nesse prátca, estudaremos a potênca dsspada numa resstênca
Leia maisSinais Luminosos 2- CONCEITOS BÁSICOS PARA DIMENSIONAMENTO DE SINAIS LUMINOSOS.
Snas Lumnosos 1-Os prmeros snas lumnosos Os snas lumnosos em cruzamentos surgem pela prmera vez em Londres (Westmnster), no ano de 1868, com um comando manual e com os semáforos a funconarem a gás. Só
Leia maisMAPEAMENTO DA VARIABILIDADE ESPACIAL
IT 90 Prncípos em Agrcultura de Precsão IT Departamento de Engenhara ÁREA DE MECANIZAÇÃO AGRÍCOLA MAPEAMENTO DA VARIABILIDADE ESPACIAL Carlos Alberto Alves Varella Para o mapeamento da varabldade espacal
Leia maisCURSO ON-LINE PROFESSOR: VÍTOR MENEZES
O Danel Slvera pedu para eu resolver mas questões do concurso da CEF. Vou usar como base a numeração do caderno foxtrot Vamos lá: 9) Se, ao descontar uma promssóra com valor de face de R$ 5.000,00, seu
Leia maisREGRESSÃO LOGÍSTICA. Seja Y uma variável aleatória dummy definida como:
REGRESSÃO LOGÍSTCA. ntrodução Defnmos varáves categórcas como aquelas varáves que podem ser mensurados usando apenas um número lmtado de valores ou categoras. Esta defnção dstngue varáves categórcas de
Leia maisFast Multiresolution Image Querying
Fast Multresoluton Image Queryng Baseado no artgo proposto por: Charles E. Jacobs Adan Fnkelsten Davd H. Salesn Propõe um método para busca em um banco de dados de magem utlzando uma magem de consulta
Leia maisRESOLUÇÃO Nº 32/2014/CONEPE. O CONSELHO DO ENSINO, DA PESQUISA E DA EXTENSÃO da Universidade Federal de Sergipe, no uso de suas atribuições legais,
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE SERGIPE CONSELHO DO ENSINO, DA PESQUISA E DA EXTENSÃO RESOLUÇÃO Nº 32/2014/CONEPE Aprova as Normas Geras do Processo Seletvo para
Leia maisRESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS
Defnções RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS Problemas de Valor Incal PVI) Métodos de passo smples Método de Euler Métodos de sére de Talor Métodos de Runge-Kutta Equações de ordem superor Métodos
Leia maisCAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)
PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra
Leia maisNota Técnica Médias do ENEM 2009 por Escola
Nota Técnca Médas do ENEM 2009 por Escola Crado em 1998, o Exame Naconal do Ensno Médo (ENEM) tem o objetvo de avalar o desempenho do estudante ao fm da escolardade básca. O Exame destna-se aos alunos
Leia maisDistribuição de Massa Molar
Químca de Polímeros Prof a. Dr a. Carla Dalmoln carla.dalmoln@udesc.br Dstrbução de Massa Molar Materas Polmércos Polímero = 1 macromolécula com undades químcas repetdas ou Materal composto por númeras
Leia maisEscolha do Consumidor sob condições de Risco e de Incerteza
9/04/06 Escolha do Consumdor sob condções de Rsco e de Incerteza (Capítulo 7 Snyder/Ncholson e Capítulo Varan) Turma do Prof. Déco Kadota Dstnção entre Rsco e Incerteza Na lteratura econômca, a prmera
Leia maisFísica. Setor B. Índice-controle de Estudo. Prof.: Aula 23 (pág. 86) AD TM TC. Aula 24 (pág. 87) AD TM TC. Aula 25 (pág.
Físca Setor Prof.: Índce-controle de studo ula 23 (pág. 86) D TM TC ula 24 (pág. 87) D TM TC ula 25 (pág. 88) D TM TC ula 26 (pág. 89) D TM TC ula 27 (pág. 91) D TM TC ula 28 (pág. 91) D TM TC evsanglo
Leia maisO Método de Redes Neurais com Função de Ativação de Base Radial para Classificação em Data Mining
O Método de Redes Neuras com Função de Atvação de Base Radal para Classfcação em Data Mnng Ana Paula Scott 1, Mersandra Côrtes de Matos 2, Prscyla Walesa T. A. Smões 2 1 Acadêmco do Curso de Cênca da Computação
Leia maisApostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna
Apostla de Estatístca Curso de Matemátca Volume II 008 Probabldades, Dstrbução Bnomal, Dstrbução Normal. Prof. Dr. Celso Eduardo Tuna 1 Capítulo 8 - Probabldade 8.1 Conceto Intutvamente pode-se defnr probabldade
Leia maisModelos estatísticos para previsão de partidas de futebol
Modelos estatístcos para prevsão de partdas de futebol Dan Gamerman Insttuto de Matemátca, UFRJ dan@m.ufrj.br X Semana da Matemátca e II Semana da Estatístca da UFOP Ouro Preto, MG 03/11/2010 Algumas perguntas
Leia maisUNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia
CCSA - Centro de Cêncas Socas e Aplcadas Curso de Economa ECONOMIA REGIONAL E URBANA Prof. ladmr Fernandes Macel LISTA DE ESTUDO. Explque a lógca da teora da base econômca. A déa que sustenta a teora da
Leia maisDas ideias ao sucesso
www.pwc.pt Das deas ao sucesso PwC Startup Portugal 1 mllon fund project Busness Plan FY 2014/2015 Crou recentemente uma empresa com forte capacdade de crescmento? Tem espírto empreendedor com deas novadoras?
Leia maisExercícios de Física. Prof. Panosso. Fontes de campo magnético
1) A fgura mostra um prego de ferro envolto por um fo fno de cobre esmaltado, enrolado mutas vezes ao seu redor. O conjunto pode ser consderado um eletroímã quando as extremdades do fo são conectadas aos
Leia maisCovariância e Correlação Linear
TLF 00/ Cap. X Covarânca e correlação lnear Capítulo X Covarânca e Correlação Lnear 0.. Valor médo da grandeza (,) 0 0.. Covarânca na propagação de erros 03 0.3. Coecente de correlação lnear 05 Departamento
Leia maisSuporte Básico para Sistemas de Tempo Real
Suporte Básco para Sstemas de Tempo Real Escalonamento e Comuncação Sldes elaborados por George Lma, com atualzações realzadas por Ramundo Macêdo Suporte Básco para Sstemas de Tempo-Real Escalonamento
Leia maisControle Estatístico de Qualidade. Capítulo 8 (montgomery)
Controle Estatístco de Qualdade Capítulo 8 (montgomery) Gráfco CUSUM e da Méda Móvel Exponencalmente Ponderada Introdução Cartas de Controle Shewhart Usa apenas a nformação contda no últmo ponto plotado
Leia maisHoje não tem vitamina, o liquidificador quebrou!
A U A UL LA Hoje não tem vtamna, o lqudfcador quebrou! Essa fo a notíca dramátca dada por Crstana no café da manhã, lgeramente amenzada pela promessa de uma breve solução. - Seu pa dsse que arruma à note!
Leia maisLaminectomia e liberação
TÉCNICA CIRÚRGICA Lamnectoma e lberação 1 Abordagem crúrgca do dsco A abordagem do espaço ntervertebral é executada após a dentfcação do nível relatvo ao ntensfcador de magem. A técnca crúrgca usada para
Leia maisSoftware para Furação e Rebitagem de Fuselagem de Aeronaves
Anas do 14 O Encontro de Incação Centífca e Pós-Graduação do ITA XIV ENCITA / 2008 Insttuto Tecnológco de Aeronáutca São José dos Campos SP Brasl Outubro 20 a 23 2008. Software para Furação e Rebtagem
Leia maisSistemas de Filas: Aula 5. Amedeo R. Odoni 22 de outubro de 2001
Sstemas de Flas: Aula 5 Amedeo R. Odon 22 de outubro de 2001 Teste 1: 29 de outubro Com consulta, 85 mnutos (níco 10:30) Tópcos abordados: capítulo 4, tens 4.1 a 4.7; tem 4.9 (uma olhada rápda no tem 4.9.4)
Leia maisXX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA NOVO MODELO PARA O CÁLCULO DE CARREGAMENTO DINÂMICO DE TRANSFORMADORES
XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 22 a 25 Novembro de 2009 Recfe - PE GRUPO XIII GRUPO DE ESTUDO DE TRANSFORMADORES, REATORES, MATERIAIS E TECNOLOGIAS
Leia maisELEMENTOS DE CIRCUITOS
MINISTÉRIO D EDUCÇÃO SECRETRI DE EDUCÇÃO PROFISSIONL E TECNOLÓGIC INSTITUTO FEDERL DE EDUCÇÃO, CIÊNCI E TECNOLOGI DE SNT CTRIN CMPUS DE SÃO JOSÉ - ÁRE DE TELECOMUNICÇÕES CURSO TÉCNICO EM TELECOMUNICÇÕES
Leia maisVisualização Científica no Contexto de Métodos Meshfree: Aprimoramento de Algoritmos Clássicos
Vsualzação Centífca no Contexto de Métodos Meshfree: Aprmoramento de Algortmos Clásscos Gleber N. Marques 1, André F. Perera 1,, Dárley D. de Almeda 1, e Gsele F. Franco 1 1 Laboratóro de Modelagem, Smulação
Leia maisEquipas Educativas Para uma nova organização da escola. João Formosinho Joaquim Machado
Equpas Educatvas Para uma nova organzação da escola João Formosnho Joaqum Machado TRANSFORMAÇÕES NA ESCOLA BÁSICA TRANSFORMAÇÕES NA ESCOLA BÁSICA A expansão escolar e a mplementação das polítcas de nclusão
Leia maisPARTE 1. 1. Apresente as equações que descrevem o comportamento do preço de venda dos imóveis.
EXERCICIOS AVALIATIVOS Dscplna: ECONOMETRIA Data lmte para entrega: da da 3ª prova Valor: 7 pontos INSTRUÇÕES: O trabalho é ndvdual. A dscussão das questões pode ser feta em grupo, mas cada aluno deve
Leia maisMinistério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação
Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados
Leia maisEstimativa dos fluxos turbulentos de calor sensível, calor latente e CO 2, sobre cana-de-açúcar, pelo método do coespectro.
Estmatva dos fluxos turbulentos de calor sensível, calor latente e CO 2, sobre cana-de-açúcar, pelo método do coespectro. O. L. L. Moraes 1, H. R. da Rocha 2, M. A. Faus da Slva Das 2, O Cabral 3 1 Departamento
Leia maisVariabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado
Varabldade Espacal do Teor de Água de um Argssolo sob Planto Convenconal de Fejão Irrgado Elder Sânzo Aguar Cerquera 1 Nerlson Terra Santos 2 Cásso Pnho dos Res 3 1 Introdução O uso da água na rrgação
Leia maisGeração de poses de faces utilizando Active Appearance Model Tupã Negreiros 1, Marcos R. P. Barretto 2, Jun Okamoto 3
Geração de poses de faces utlzando Actve Appearance Model Tupã Negreros 1, Marcos R. P. Barretto 2, Jun Okamoto 3 1, 2, 3 Escola Poltécnca da Unversdade de São Paulo (POLI/USP) Caxa Postal 61548 CEP 05508-900
Leia maisUniversidade Salvador UNIFACS Cursos de Engenharia Cálculo IV Profa: Ilka Rebouças Freire. Integrais Múltiplas
Unversdade Salvador UNIFACS Cursos de Engenhara Cálculo IV Profa: Ilka ebouças Frere Integras Múltplas Texto 3: A Integral Dupla em Coordenadas Polares Coordenadas Polares Introduzremos agora um novo sstema
Leia maisEnergia de deformação na flexão
- UNIVERSIDADE FEDERAL FLUMINENSE ESCOLA DE ENGENHARIA INDUSTRIAL METALÚRGICA DE VOLTA REDONDA PROFESSORA: SALETE SOUZA DE OLIVEIRA BUFFONI DISCIPLINA: RESISTÊNCIA DOS MATERIAIS Energa de deformação na
Leia mais01. Em porcentagem das emissões totais de gases do efeito estufa, o Brasil é o quarto maior poluidor, conforme a tabela abaixo:
PROCESSO SELETIVO 7 RESOLUÇÃO MATEMÁTICA Rosane Soares Morera Vana, Luz Cláudo Perera, Lucy Tem Takahash, Olímpo Hrosh Myagak QUESTÕES OBJETIVAS Em porcentagem das emssões totas de gases do efeto estufa,
Leia maisSCATTER SEARCH APLICADO AO PROBLEMA DE OTIMIZAÇÃO DA ALOCAÇÃO DE SONDAS DE PRODUÇÃO EM POÇOS DE PETRÓLEO
! "#$ " %'&)(*&)+,.- /10.2*&4365879&4/1:.+58;.2*=?5.@A2*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)2*EOHJ&)(IHJ/)G.- D - ;./);.& SCATTER SEARCH APLICADO AO PROBLEMA DE OTIMIZAÇÃO
Leia maisCAPÍTULO 1 Exercícios Propostos
CAPÍTULO 1 Exercícos Propostos Atenção: Na resolução dos exercícos consderar, salvo menção em contráro, ano comercal de das. 1. Qual é a taxa anual de juros smples obtda em uma aplcação de $1.0 que produz,
Leia maisMotores síncronos. São motores com velocidade de rotação fixa velocidade de sincronismo.
Motores síncronos Prncípo de funconamento ão motores com velocdade de rotação fxa velocdade de sncronsmo. O seu prncípo de funconamento está esquematzado na fgura 1.1 um motor com 2 pólos. Uma corrente
Leia maisMAE5778 - Teoria da Resposta ao Item
MAE5778 - Teora da Resposta ao Item Fernando Henrque Ferraz Perera da Rosa Robson Lunard 1 de feverero de 2005 Lsta 2 1. Na Tabela 1 estão apresentados os parâmetros de 6 tens, na escala (0,1). a b c 1
Leia maisAs tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações.
1. TABELA DE DISTRIBUIÇÃO DE FREQÜÊNCIA As tabelas resumem as normações obtdas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de normações. As tabelas sem perda de normação
Leia maisTermodinâmica e Termoquímica
Termodnâmca e Termoquímca Introdução A cênca que trata da energa e suas transformações é conhecda como termodnâmca. A termodnâmca fo a mola mestra para a revolução ndustral, portanto o estudo e compreensão
Leia maisIntrodução à Análise de Dados nas medidas de grandezas físicas
Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.
Leia maisCAPITULO 02 LEIS EXPERIMENTAIS E CIRCUITOS SIMPLES. Prof. SILVIO LOBO RODRIGUES
CAPITULO 0 LEIS EXPEIMENTAIS E CICUITOS SIMPLES Prof SILVIO LOBO ODIGUES INTODUÇÃO PONTIFÍCIA UNIVESIDADE CATÓLICA DO IO GANDE DO SUL Destnase o segundo capítulo ao estudo das les de Krchnoff e suas aplcações
Leia maisInfluência dos Procedimentos de Ensaios e Tratamento de Dados em Análise Probabilística de Estrutura de Contenção
Influênca dos Procedmentos de Ensaos e Tratamento de Dados em Análse Probablístca de Estrutura de Contenção Mara Fatma Mranda UENF, Campos dos Goytacazes, RJ, Brasl. Paulo César de Almeda Maa UENF, Campos
Leia maisMODELAGEM MATEMÁTICA DO PROCESSO DE EVAPORAÇÃO MULTI-EFEITO NA INDÚSTRIA DE PAPEL E CELULOSE
MODELAGEM MATEMÁTICA DO PROCESSO DE EVAPORAÇÃO MULTI-EFEITO NA INDÚSTRIA DE PAPEL E CELULOSE R. L. S. CANEVESI 1, C. L. DIEL 2, K. A. SANTOS 1, C. E. BORBA 1, F. PALÚ 1, E. A. DA SILVA 1 1 Unversdade Estadual
Leia maisPREVISÃO DE PARTIDAS DE FUTEBOL USANDO MODELOS DINÂMICOS
PREVISÃO DE PRTIDS DE FUTEBOL USNDO MODELOS DINÂMICOS Oswaldo Gomes de Souza Junor Insttuto de Matemátca Unversdade Federal do Ro de Janero junor@dme.ufrj.br Dan Gamerman Insttuto de Matemátca Unversdade
Leia maisPROPOSIÇÃO, VALIDAÇÃO E ANÁLISE DOS MODELOS QUE CORRELACIONAM ESTRUTURA QUÍMICA E ATIVIDADE BIOLÓGICA
658 Gaudo & Zandonade Qum. Nova Qum. Nova, Vol. 4, No. 5, 658-671, 001. Dvulgação PROPOSIÇÃO, VALIDAÇÃO E ANÁLISE DOS MODELOS QUE CORRELACIONAM ESTRUTURA QUÍMICA E ATIVIDADE BIOLÓGICA Anderson Coser Gaudo
Leia maisI. Introdução. inatividade. 1 Dividiremos a categoria dos jovens em dois segmentos: os jovens que estão em busca do primeiro emprego, e os jovens que
DESEMPREGO DE JOVENS NO BRASIL I. Introdução O desemprego é vsto por mutos como um grave problema socal que vem afetando tanto economas desenvolvdas como em desenvolvmento. Podemos dzer que os índces de
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisRevisão dos Métodos para o Aumento da Confiabilidade em Sistemas Elétricos de Distribuição
CIDEL Argentna 2014 Internatonal Congress on Electrcty Dstrbuton Ttle Revsão dos Métodos para o Aumento da Confabldade em Sstemas Elétrcos de Dstrbução Regstraton Nº: (Abstract) Authors of the paper Name
Leia maisREGULAMENTO GERAL (Modalidades 1, 2, 3 e 4)
REGULAMENTO GERAL (Modaldades 1, 2, 3 e 4) 1. PARTICIPAÇÃO 1.1 Podem concorrer ao 11º Prêmo FIEB de Desempenho Socoambental da Indústra Baana empresas do setor ndustral nas categoras MICRO E PEQUENO, MÉDIO
Leia maisAula 7: Circuitos. Curso de Física Geral III F-328 1º semestre, 2014
Aula 7: Crcutos Curso de Físca Geral III F-38 º semestre, 04 Ponto essencal Para resolver um crcuto de corrente contínua, é precso entender se as cargas estão ganhando ou perdendo energa potencal elétrca
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia maisPalavras-chave: jovens no mercado de trabalho; modelo de seleção amostral; região Sul do Brasil.
1 A INSERÇÃO E O RENDIMENTO DOS JOVENS NO MERCADO DE TRABALHO: UMA ANÁLISE PARA A REGIÃO SUL DO BRASIL Prscla Gomes de Castro 1 Felpe de Fgueredo Slva 2 João Eustáquo de Lma 3 Área temátca: 3 -Demografa
Leia maisUMA REDE NEURAL ARTIFICIAL HÍBRIDA: MULTI-LAYER PERCEPTRON (MLP) E INTERAC- TIVE ACTIVATION AND COMPETITION (IAC)
UMA REDE NEURAL ARTIFICIAL HÍBRIDA: MULTI-LAYER PERCEPTRON (MLP) E INTERAC- TIVE ACTIVATION AND COMPETITION (IAC) ANDRÉA T. R. BARBOSA, GLORIA M. CURILEM SALDÍAS, FERNANDO M. DE AZEVEDO Hosptal São Vcente
Leia maisPalavras-chaves detector infravermelho, transmissão atmosférica, atenuação. I. INTRODUÇÃO
Atenuação atmosférca da Radação Infravermelha: Influênca de elevados níves hgrométrcos no desempenho operaconal de mísses ar-ar. André Gustavo de Souza Curtyba, Rcardo A. Tavares Santos, Fabo Durante P.
Leia maisProf. Antônio Carlos Fontes dos Santos. Aula 1: Divisores de tensão e Resistência interna de uma fonte de tensão
IF-UFRJ Elementos de Eletrônca Analógca Prof. Antôno Carlos Fontes dos Santos FIW362 Mestrado Profssonal em Ensno de Físca Aula 1: Dvsores de tensão e Resstênca nterna de uma fonte de tensão Este materal
Leia maisÍNDICE NOTA INTRODUTÓRIA
OGC00 05-0-06 ÍDICE. Introdução. Âmbto e defnções 3. Avalação da ncerteza de medção de estmatvas das grandezas de entrada 4. Cálculo da ncerteza-padrão da estmatva da grandeza 5 de saída 5. Incerteza de
Leia maisALGORITMO E PROGRAMAÇÃO
ALGORITMO E PROGRAMAÇÃO 1 ALGORITMO É a descrção de um conjunto de ações que, obedecdas, resultam numa sucessão fnta de passos, atngndo um objetvo. 1.1 AÇÃO É um acontecmento que a partr de um estado ncal,
Leia maisProfessor Mauricio Lutz CORRELAÇÃO
Professor Maurco Lutz 1 CORRELAÇÃO Em mutas stuações, torna-se nteressante e útl estabelecer uma relação entre duas ou mas varáves. A matemátca estabelece város tpos de relações entre varáves, por eemplo,
Leia maisNesse circuito, os dados indicam que a diferença de potencial entre os pontos X e Y, em volts, é a) 3,3 c) 10 e) 18 b) 6,0 d) 12.
Aprmorando os Conhecmentos de Eletrcdade Lsta 7 Assocação de esstores Prof.: Célo Normando. (UNIFO-97) O resstor, que tem a curva característca representada no gráfco abao, é componente do crcuto representado
Leia maisAssociação de resistores em série
Assocação de resstores em sére Fg.... Na Fg.. está representada uma assocação de resstores. Chamemos de I, B, C e D. as correntes que, num mesmo nstante, passam, respectvamente pelos pontos A, B, C e D.
Leia maisINTRODUÇÃO AO CÁLCULO DE ERROS NAS MEDIDAS DE GRANDEZAS FÍSICAS
Físca Laboratoral Ano Lectvo 003/04 ITRODUÇÃO AO CÁLCULO DE ERROS AS MEDIDAS DE GRADEAS FÍSICAS. Introdução.... Erros de observação: erros sstemátcos e erros fortutos ou acdentas... 3. Precsão e rgor...3
Leia maisSOFTWARE PARA CÁLCULO DO ÍNDICE DE SEVERIDADE DE SECA DE PALMER
SOFTWARE PARA CÁLCULO DO ÍNDICE DE SEVERIDADE DE SECA DE PALMER Rodrgo Cézar Lmera 1, Pedro Vera de Azevedo 2, Wagner de Aragão Bezerra 3, Josefa Morgana Vturno de Almeda 3 RESUMO: A modelagem consttu-se
Leia maisALGORITMOS GENÉTICOS COMO FERRAMENTA AUXILIAR NA TOMADA DE DECISÃO EM ATIVIDADES DE GESTÃO AGROINDUSTRIAL
ALGORITMOS GENÉTICOS COMO FERRAMENTA AUXILIAR NA TOMADA DE DECISÃO EM ATIVIDADES DE GESTÃO AGROINDUSTRIAL Danlo Augusto Hereda VIEIRA 1 Celso Correa de SOUZA 2 José Francsco dos REIS NETO 3 Resumo. As
Leia maisAlocação de Bancos de Capacitores em Sistema de Distribuição de Energia Elétrica Utilizando Algoritmos Genéticos
RAFAEL TERPLAK BEÊ Alocação de Bancos de Capactores em Sstema de Dstrbução de Energa Elétrca Utlzando Algortmos Genétcos Dssertação apresentada como requsto parcal para a obtenção do grau de Mestre, no
Leia maisDISTRIBUIÇÃO DA AÇÃO DO VENTO NOS ELEMENTOS DE CONTRAVENTAMENTO CONSIDERANDO O PAVIMENTO COMO DIAFRAGMA RÍGIDO: ANÁLISE SIMPLIFICADA E MATRICIAL
DISTRIBUIÇÃO DA AÇÃO DO VENTO NOS ELEMENTOS DE CONTRAVENTAMENTO CONSIDERANDO O PAVIMENTO COMO DIAFRAGMA RÍGIDO: ANÁLISE SIMPLIFICADA E MATRICIAL Dstrbuton of the wnd acton n the bracng elements consderng
Leia maisPARALLEL ITERATED LOCAL SEARCH APLICADO AO PLANEJAMENTO OPERACIONAL DE LAVRA
PARALLEL ITERATED LOCAL SEARCH APLICADO AO PLANEJAMENTO OPERACIONAL DE LAVRA Sabr Rbas, Igor Machado Coelho Marcone Jamlson Fretas Souza, Davd Menott Unversdade Federal de Ouro Preto Departamento de Cênca
Leia maisPREVISÃO DO ÍNDICE MERVAL: UMA APLICAÇÃO DE REDES NEURIAS POLINOMIAIS GMDH
PREVISÃO DO ÍNDICE MERVAL: UMA APLICAÇÃO DE REDES NEURIAS POLINOMIAIS GMDH CAPORAL, Bbana 1 ; CAVALHEIRO, Everton ; CORRÊA, José Carlos 3 ; CUNHA, Carlos 4 Palavras-chave: Econometra; Séres temporas; Co-ntegração;
Leia maisCORRELAÇÃO DO EQUILÍBRIO DE FASES DO SISTEMA MULTICOMPONENTE ÉSTERES ETÍLICOS DO ÓLEO DE MURUMURU/DIÓXIDO DE CARBONO COM A EQUAÇÃO SRK
CORRELAÇÃO DO EQUILÍBRIO DE FASES DO SISTEMA MULTICOMPONENTE ÉSTERES ETÍLICOS DO ÓLEO DE MURUMURU/DIÓXIDO DE CARBONO COM A EQUAÇÃO SRK Welsson de Araújo SILVA PRODERNA/ITEC/UFPA waslva89@hotmal.com Fernando
Leia maisFísica. Física Módulo 1 Vetores, escalares e movimento em 2-D
Físca Módulo 1 Vetores, escalares e movmento em 2-D Vetores, Escalares... O que são? Para que servem? Por que aprender? Escalar Defnção: Escalar Grandea sem dreção assocada. Eemplos: Massa de uma bola,
Leia maisAvaliação da Recuperação em Sistemas de RBC Estrutural e Textual: Uma Aplicação no Domínio de Help Desk
Avalação da Recuperação em Sstemas de RBC Estrutural e Textual: Uma Aplcação no Domíno de Help Desk Fábo Pessôa de Sá, Marta Costa Rosatell, Eduardo Raul Hruschka Programa de Mestrado em Informátca Unversdade
Leia mais