PSO Algorithm Applied to Codebook Design for Channel-Optimized Vector Quantization
|
|
- João Ramalho Estrela
- 8 Há anos
- Visualizações:
Transcrição
1 PSO Algorithm Applied to Codebook Design for Channel-Optimized Vector Quantization H. A. S. Leitão, W. T. A. Lopes, Member, IEEE and F. Madeiro Abstract Vector quantization (VQ) has been used in signal compression systems. However, in the scenario of image transmission, VQ is very sensitive to channel errors. An approach to decrease such sensitivity is channel-optimized vector quantization (), which involves VQ codebook design taking into account the characteristics of the channel. In the present work, particle swarm optimization (PSO) is applied to codebook design for. Simulation results are presented for a variety of bit error rates of a binary symmetric channel (BSC) and reveal the effectiveness of the method in decreasing visual impairment by blocking artifacts in the reconstructed images, overperforming conventional codebook design in terms of peak signal to noise ratio of the reconstructed images for approximately 90% of exhaustive evaluations of image transmission over BSC. Keywords image vector quantization, channel-optimized vector quantization, particle swarm optimization, signal processing. I. INTRODUÇÃO C OM o avanço tecnológico dos sistemas computacionais, o uso de recursos de mídias digitais, tais como imagens, voz e vídeo, cresce e se populariza, tanto para contextos sociais quanto para contextos profissionais. Com isso, os requisitos de largura de banda para transmissão de sinais precisam ser reduzidos. Essa redução pode ser obtida por meio da codificação de sinais, particularmente codificação de fonte. Neste cenário, a quantização vetorial se apresenta como uma técnica amplamente utilizada. Estudos abordam seu uso em diversas aplicações como, por exemplo, na compressão de imagens [1-4], em projetos de alocação de antenas para telefonia celular [5], em processamento de imagens médicas [6] e em segurança da informação envolvendo imagens digitais (por exemplo, esteganografia e marca d água digital) [7-11]. A quantização vetorial de imagens envolve o mapeamento de blocos de pixels da imagem de entrada (imagem a ser quantizada) em um conjunto finito de possíveis blocos de pixels, os quais são denominados vetores-código (ou vetores de reconstrução, protótipos, vetores de referência, blocos de referência). Esse conjunto finito é denominado dicionário. O número de pixels de cada vetor é denominado dimensão e o número de vetores-código é denominado tamanho do dicionário. O projeto de dicionário é levado a efeito no sentido de minimizar a distorção introduzida na representação dos vetores de entrada pelos respectivos vetores-código. Uma abordagem usual para o projeto de dicionário consiste em utilizar um H. A. de S. Leitão, Universidade Federal de Pernambuco, Pernambuco, Brasil, herbert.leitao@ufpe.br W. T. A. Lopes, Universidade Federal de Campina Grande (UFCG), Paraíba, Brasil, waslon@ieee.org F. M. Bernardino Junior, Universidade de Pernambuco (UPE), Pernambuco, Brasil, madeiro@poli.br conjunto de treino, constituído por uma sequência representativa da fonte a ser quantizada. Exemplos de técnicas que usam conjunto de treino incluem o algoritmo LBG (Linde- Buzo-Gray) [12], versões aceleradas do algoritmo K-means [13,14], algoritmos de redes neurais [15,16], algoritmos fuzzy K-means [17,18] e algoritmos meméticos [19]. Nos algoritmos supramencionados, a atualização do dicionário é guiada pela passagem do conjunto de treino. Assim, classes diferentes de imagens requerem dicionários diferentes, visto que o alvo da compressão baseada em quantização vetorial é reduzir a distorção introduzida na quantização, ou seja, na substituição dos vetores de entrada pelos respectivos vetores-código. A quantização vetorial é sensível a erros de canal que podem ocorrer na transmissão. No caso particular da quantização vetorial com imagens, os ruídos de canal geram artefatos que comprometem visualmente a qualidade das imagens reconstruídas [20]. Uma abordagem utilizada para o problema é a quantização vetorial otimizada para canal (, channeloptimized vector quantization), técnica de quantização que busca minimizar os efeitos dos erros que acontecem no canal e que afetam a qualidade das imagens reconstruídas. A utiliza no projeto do dicionário informações da fonte e do próprio canal de transmissão [21]. A partir dessas informações, em se tratando de projeto de dicionário para, o alvo é obter um dicionário mais robusto aos erros de canal quando comparado a dicionário obtido de técnicas convencionais de projeto (considerando apenas informações da fonte). O projeto de dicionários para pode ser visto como um problema de otimização. Problemas de otimização são passíveis de aplicação de técnicas de computação bioinspirada. A computação bio-inspirada é uma área de estudo onde são desenvolvidos algoritmos baseados em processos naturais ou em comportamentos sociais [22], podendo ser aplicada em diversos contextos e em diversas situações, como em reconfiguração de redes elétricas [23] e reconhecimento facial [24]. Como exemplos de aplicações ao tem-se a otimização do projeto de dicionários a partir do uso de lógica nebulosa [25], de algoritmos genéticos [26] e do algoritmo do vagalume [27]. O presente artigo apresenta a aplicação da otimização por enxame de partículas (PSO, Particle Swarm Optimization), modelo de computação bio-inspirada apresentado por Eberhart e Kennedy em 1995 [28], ao projeto de dicionários para. Denominado de PSO-, este método busca reduzir a distorção média final dos dicionários projetados e, por consequência, melhorar a qualidade das imagens reconstruídas a partir da obtenção de dicionários mais robustos a erros de canal. O restante deste artigo encontra-se organizado da seguinte forma: a Seção II aborda a quantização vetorial otimizada para canal, a Seção III apresenta a meta-heurística de otimização por
2 enxame de partículas, a Seção IV descreve o funcionamento do PSO-, os resultados são apresentados na Seção V e as conclusões na Seção VI. II. A é um método de quantização vetorial utilizado na compressão de imagens para transmissão por canais com ruídos. A Fig. 1 apresenta um diagrama de blocos que ilustra um sistema de transmissão utilizando o processo de quantização vetorial. O codificador E( ) mapeia um vetor formado por um bloco de pixels da imagem fonte, R, em um índice = E(), {1, 2,, }. A operação do codificador está relacionada a um conjunto de particio-namento de R, ={,,, }, tal que E() =. O decodificador ( ), realiza o mapeamento do índice j, {1,2,,}, recebido após a transmissão, em um vetor-código (centroide) =(), R. O vetor-código faz parte de um dicionário ={,,, }. Figura 1. Sistema de transmissão utilizando o processo de quantização vetorial. Seja uma transmissão por canal binário simétrico com probabilidade de erro de bit. A probabilidade de o codificador transmitir o índice e o decodificador receber o índice é dada por ( ). Considerando que a medida de distorção (, ) associada ao mapeamento de um vetor X em um vetor Y é dada pela distância euclidiana quadrática (, ) =, (1) o projeto de dicionários para consiste em obter um dicionário formado por um conjunto de vetores que serão utilizados no processo de quantização vetorial. Esta etapa pode ser resumida da seguinte forma: (a) Particionamento os vetores do conjunto de treino são alocados nas regiões do conjunto de particionamento ={,,, } de acordo com =: ( ) ( ),. (b) Atualização do dicionário os novos vetores-código das regiões do conjunto de particionamento são calculados de acordo com (2) = ( ) ( ), (3) em que é o número de vetores de treino pertencentes à região. (c) Cálculo da distorção calcula-se a distorção média obtida por [] = 1 ( ), (4) em que denota o número da iteração. (d) Teste de convergência critério de parada do algoritmo. As etapas de particionamento, atualização do dicionário e cálculo da distorção, que ocorrem em uma iteração, são realizadas repetidamente até que o critério de parada definido no teste de convergência seja satisfeito. Precisamente, o algoritmo para ao final da t-ésima iteração se [] [] [], (5) em que é um parâmetro denominado de limiar de distorção. III. OTIMIZAÇÃO POR ENXAME DE PARTÍCULAS A otimização por enxame de partículas (PSO, particle swarm optimization) é um algoritmo de inteligência artificial desenvolvido por Eberhart e Kennedy [28], inspirado no comportamento social apresentado por bandos de pássaros em revoada. Na PSO, o termo partícula simboliza o pássaro e representa uma possível solução para o problema; o espaço de busca por possíveis soluções representa a área sobrevoada pelos pássaros; e a solução ótima representa o local do ninho ou da comida. Para avaliar o grau de aptidão das soluções obtidas, a PSO utiliza uma função denominada fitness. As partículas possuem dois operadores associados a elas: o vetor posição e o vetor velocidade. O vetor posição grava a posição da partícula no espaço de busca e o vetor velocidade direciona as mudanças de posição das partículas durante a execução do algoritmo. Além da informação desses dois operadores, cada partícula grava duas posições: a posição global best (gbest), que é a melhor posição conhecida pelo enxame, e a posição personal best (pbest), que é a melhor posição conhecida pela partícula. Essas posições funcionam como um histórico de melhores resultados a ser utilizado no processo decisório de reposicionamento, ou seja, a partícula deve procurar se movimentar na direção das melhores regiões visitadas por ela e pela partícula com melhor resultado momentâneo do enxame. A Fig. 2 mostra o fluxograma do algoritmo PSO. Na inicialização, são gerados aleatoriamente os vetores,,,, N, que representam as posições das partículas no espaço de busca. Em seguida a função fitness é utilizada para calcular a aptidão de cada partícula. Ao ter a informação do valor de aptidão de cada partícula, o algoritmo verifica qual informação vai ficar gravada nas posições pbest e gbest. Na primeira iteração, na posição pbest de cada partícula fica gravada justamente a sua posição inicial; nas demais iterações,
3 a posição pbest somente será atualizada se a aptidão da partícula na iteração for melhor. Por sua vez, a posição gbest na primeira iteração grava a posição da partícula que obteve melhor valor de aptidão; nas demais iterações, a posição gbest somente é atualizada quando alguma partícula obtém aptidão melhor. Após verificar as informações das posições pbest e gbest é avaliado o critério de parada, caso este não tenha sido alcançado o algoritmo continua atualizando o vetor velocidade de cada partícula. De acordo com a literatura [29,30], uma possível forma de atualização do vetor velocidade é [] = [] + [] [] [] + [] [] [], em que é o vetor velocidade da partícula i no momento da mudança de posição, t é a iteração, é o parâmetro cognitivo da partícula, é o parâmetro de aprendizado social e e são valores aleatórios compreendidos no intervalo de 0 a 1. Na Equação 6, os parâmetros cognitivo e de aprendizado social ponderam respectivamente o quanto a partícula irá aproveitar da sua distância em relação às informações memorizadas e, já e representam a ação instintiva de aproveitamento de determinada parcela de informação. Calcula-se então a nova posição para cada partícula. (6) partículas. (b) Em seguida a imagem de treino (ou uma concatenação de imagens) é particionada em M vetores, formando o conjunto de treino = {,,, }. (c) É realizado, para cada partícula, o mapeamento dos M vetores de treino nas N regiões do conjunto de particionamento P, conforme mostrado na Equação 2. (d) Calcula-se, para cada partícula, o vetor-código (centroide) de cada região do conjunto de particionamento P, conforme a Equação 3. (e) Calcula-se, para cada partícula, a distorção média [], apresentada na Equação 4, em que l representa a partícula e t representa o número da iteração do algoritmo. (f) Calcula-se a aptidão para cada partícula. A aptidão da partícula é o inverso da distorção média calculada em (e). Quanto menor for a distorção média (função de otimização) maior é a aptidão da partícula, [] = 1 []. (8) (g) Atualiza-se a informação que vai ficar gravada na posição pbest de cada partícula. (h) Atualiza-se a informação que vai ficar gravada na posição gbest. (i) Realiza-se o teste de convergência (Equação 5) na partícula que possui o melhor valor de aptidão até o momento, valor gravado na posição gbest. A condição de parada da etapa de projeto de dicionário para PSO- depende do limiar de distorção estabelecido. Caso o critério de parada não tenha sido alcançado, o PSO- continua na ação descrita na etapa (j). (j) Atualiza-se o vetor velocidade de cada vetor-código em cada partícula. A atualização do vetor velocidade acontece em duas etapas. Na primeira etapa, determinase o valor da velocidade para cada vetor-código, conforme mostrado na Equação 9, fazendo com que a partícula siga uma trajetória de convergência baseada nas características do projeto de dicionários da. [] = [] [], (9) =, (10) Figura 2. Fluxograma do algoritmo PSO. [] = [] + []. (7) Na sequência, inicia-se uma nova iteração do algoritmo PSO. IV. PSO- O algoritmo PSO aplicado ao projeto de dicionários para quantização vetorial otimizada para canal (PSO-) pode ser descrito da seguinte forma: (a) Inicialmente são gerados aleatoriamente dicionários iniciais de tamanho N e dimensão K. Cada dicionário inicial será representado no PSO- por uma das em que é o centroide j do conjunto de particionamento P, Equação 3, pertencente à partícula l. Na segunda etapa, a velocidade de cada vetor-código é atualizada pela equação [] = [] + [] [] [] + [] [] []. (11) (k) Atualiza-se o vetor posição de cada partícula na iteração t, adicionando-se o vetor velocidade ao valor atual, [] = [] + []. (12)
4 Com a atualização do posicionamento das partículas, o PSO- retorna à etapa (c) para iniciar uma nova iteração. V. RESULTADOS Esta seção apresenta os resultados obtidos pelos dicionários projetados utilizando as imagens apresentadas na Fig. 3, de pixels com 256 níveis de cinza. As imagens foram utilizadas como conjunto de treino na etapa de projeto de dicionários e como imagens de transmissão. Na etapa de projeto de dicionários para PSO- foram utilizados 50 dicionários iniciais aleatórios (dicionários compostos por vetores-código da imagem de treino escolhidos aleatoriamente), em que, para cada projeto de dicionário, o dicionário escolhido na primeira iteração, representando a partícula com melhor aptidão inicial, foi utilizado no projeto de dicionário para. Foram avaliados dicionários de tamanho = 32, 64, 128 e 256 vetores-código, com dimensão =16 (blocos de 4 4 pixels), e com limiar de distorção = 0,001, projetados para transmissão de imagens por canal binário simétrico com probabilidade de erro de bit () de 0,005; 0,010; 0,050 e 0,100. Os valores dos parâmetros aplicados ao PSO- na etapa de projeto de dicionários são mostrados na Tabela I. Os valores utilizados como parâmetro cognitivo da partícula ( ) e como parâmetro de aprendizado social ( ) foram obtidos a partir de uma análise prévia, em que foram observados valores para e que produzissem um ambiente mais competitivo entre as partículas, procurando obter um número maior de troca de partículas escolhidas ao longo do processo. Outro fator observado em relação à e foi a escolha de valores para esses parâmetros que gerassem dicionários mais robustos aos erros de canal. A avaliação de robustez dos dicionários está relacionada à avaliação da qualidade das imagens reconstruídas correspondentes, medida pela relação sinal-ruído de pico (PSNR, Peak Signal-to-Noise Ratio), = 10. log, (13) em que MSE (Mean Square Error) é o erro médio quadrático entre os pixels da imagem original e os pixels da imagem reconstruída, e é o valor máximo que um pixel pode possuir na imagem. Em se tratando de imagens 8 bpp (bits por pixel), = 255. (b) Boat. (a) Lena. Figura 3. Imagens utilizadas no estudo. (c) Clock. No estudo, denota-se por o valor médio de relação sinal-ruído de pico das imagens reconstruídas por dicionário, considerando 50 transmissões. Denota-se por o valor médio de relação sinal-ruído de pico final para cada N e ν. A Tabela II apresenta os valores de obtidos para as três imagens. Pode-se observar que 89,58% dos valores de obtidos pelo PSO- foram maiores que os valores de da, subindo para 100% nos casos de canal binário simétrico com as menores faixas de probabilidade de erro de bit (0,005; 0,010 e 0,050). O melhor ganho em decibéis do PSO- em relação à para cada imagem foi: 0,47 db para a imagem Lena, ocorrido nos dicionários projetados com =64 e = 0,005; 0,44 db para a imagem Boat, ocorrido nos dicionários projetados com = 256 e = 0,005; e 0,28 db para a imagem Clock, ocorrido nos dicionários projetados com =64 e = 0,010. TABELA I. PARÂMETROS DO PSO-. Imagens Lena e Boat = 0,5 e =0,7 Imagem Clock = 0,5 e =0,7 para =32 e =64 = 0,5 e =0,9 para =128 e =256
5 TABELA II. VALORES DE. ν Imagem Método N ,14 25,86 26,33 26,35 25,49 26,33 26,63 26,70 23,88 24,49 25,06 25,05 0,005 Boat PSO- 24,08 24,83 25,37 25,49 24,82 25,35 25,50 25,63 25,04 25,54 25,60 25,76 24,50 24,78 24,71 24,86 24,77 24,95 24,91 25,15 23,32 23,65 23,69 24,12 0,010 Boat PSO- 23,59 23,88 23,90 24,24 23,93 23,91 24,30 24,80 24,07 24,19 24,46 24,94 20,65 20,91 21,04 20,74 20,76 21,11 21,23 21,01 20,08 20,49 20,62 20,16 0,050 Boat PSO- 20,22 20,71 20,82 20,24 20,14 20,14 19,89 19,87 20,38 20,29 20,08 20,03 19,02 19,08 18,73 18,88 19,26 18,95 18,95 18,94 18,71 18,72 18,05 18,50 0,100 Boat PSO- 18,86 18,62 18,18 18,41 18,14 18,20 18,24 18,14 18,10 18,24 18,25 18,09 A Fig. 4 apresenta a distorção média a cada iteração ( [] ) para a e para o PSO-. Os números mostrados junto à distorção média do PSO- representam a partícula que obteve o melhor resultado na iteração (salienta-se que esta partícula, por ser a de maior aptidão, corresponde ao dicionário escolhido na iteração). Pode-se observar que na etapa de projeto de dicionários para PSO- foram realizadas 47 iterações, obtendo distorção média final = 9, Nessas 47 iterações houve cinco trocas de partículas ao longo do processo, apresentando quatro partículas diferentes. No projeto de dicionários para foram realizadas 30 Figura 4. Projeto de dicionário para e para PSO-. iterações, obtendo distorção média final = 9, A das imagens reconstruídas pelo PSO- foi de 24,83 db, já as imagens reconstruídas pela obtiveram de 24,41 db, o que representa, em média, uma melhoria de 0,42 db em termos de das imagens reconstruídas pelo PSO-. Nas Fig. 5, 6 e 7 são apresentadas as imagens Lena, Boat e Clock, reconstruídas após transmissão por canal binário simétrico com = 0,010, utilizando dicionários projetados para e para PSO- de tamanho = 256 vetorescódigo. As imagens foram reconstruídas com os mesmos bits incorretos na sequência de bits transmitida pelo canal binário simétrico. Com isso é possível avaliar a robustez dos dicionários, observando os efeitos causados pelos erros de canal em blocos de pixels pertencentes à mesma posição das imagens. Foram escolhidos pares de dicionários (/PSO- ) que apresentaram valores de próximos aos valores apresentados na Tabela II. (a). Figura 5. Imagens Lena reconstruídas. (b) PSO-. Os resultados de PSNR dessas imagens foram: = 25,23 db para a imagem Lena reconstruída pela, = 26,34 db para a imagem Lena reconstruída pelo PSO-, = 24,12 db para a imagem Boat reconstruída pela, = 24,73 db para a imagem Boat reconstruída pelo PSO-, = 24,50 db para a imagem Clock reconstruída pela e = 25,30 db para a imagem Clock reconstruída pelo PSO-. No zoom efetuado em regiões das imagens é possível observar o efeito dos bloqueamentos espúrios ocasionado pelos erros de canal, onde se percebe que a imagem reconstruída pelo PSO- sofre menos alteração por conta deste tipo de erro. Em simulações realizadas com imagens distintas, a diferentes taxas de codificação e considerando valores distintos de probabilidade de erro de bit do canal binário simétrico,
6 É importante mencionar que a abordagem PSO- requer a utilização de um conjunto de dicionários a serem guiados pela passagem do conjunto de treino. De fato, cada partícula na técnica particle swarm optimization corresponde a um dicionário modificado ao final de cada passagem do conjunto de treino. A abordagem, por sua vez, utiliza apenas um dicionário guiado pela passagem do conjunto de treino. Assim, se um projeto PSO- envolve o uso de partículas, a complexidade computacional correspondente é cerca de vezes maior que complexidade computacional da abordagem convencional. (a). Figura 6. Imagens Boat reconstruídas. (b) PSO-. VI. CONCLUSÕES Este artigo apresentou a aplicação do algoritmo de otimização por enxame de partículas ao projeto de dicionários para quantização vetorial otimizada para canal. O método, chamado de PSO-, utilizou a otimização por enxame de partículas para projetar dicionários com menor distorção média final e mais robustos aos erros de canal. Os resultados obtidos no estudo mostram redução na distorção média final em 90,73% dos dicionários projetados para PSO-, em comparação com os resultados obtidos pela convencional. O algoritmo PSO- também conseguiu melhorar o valor médio de relação sinal-ruído de pico final em 89,58% dos conjuntos de transmissão no estudo, mostrando-se eficiente na obtenção de dicionários mais robustos aos erros de canal. Como trabalhos futuros podem ser citados a avaliação de outros tipos de canal e os efeitos da codificação de canal, a avaliação do impacto causado pelo aumento no número de partículas utilizadas no projeto de dicionários para PSO-, e a investigação de outros algoritmos bio-inspirados aplicados ao projeto de dicionários para. AGRADECIMENTOS Os autores agradecem o apoio financeiro do CNPq e da CAPES. REFERÊNCIAS (a). Figura 7. Imagens Clock reconstruídas. (b) PSO-. observou-se que a qualidade visual das imagens reconstruídas com dicionários PSO- mostrou-se, em geral, levemente superior à qualidade visual das imagens reconstruídas com dicionários. Inspeções visuais das imagens reconstruídas também revelaram que uma percepção subjetiva de leve diferença de qualidade deve-se ao fato de que, em geral, os artefatos associados aos dicionários PSO- parecem ser visualmente menos incômodos que os associados aos dicionários. [1] D. Tsolakis, G. Tsekouras e J. Tsimikas, Fuzzy vector quantization for image compression based on competitive agglomeration and a novel codeword migration strategy, Engineering Applications of Artificial Intelligence, pp , vol 25, [2] E. Akhtarkavan e M. F. M. Salleh, Multiple descriptions coinciding lattice vector quantizer for wavelet image coding, IEEE Transactions on Image Processing, vol. 21, pp , [3] D. Tsolakis, G. Tsekouras, A. Niros e A. Rigos, On the systematic development of fast fuzzy vector quantization for grayscale image compression, Neural Networks, vol. 36, pp , [4] N. M. M. Rodrigues, E. A. B. Silva, M. B. Carvalho, S. M. M. Faria e V. M. M. Silva, On dictionary adaptation for recurrent pattern image coding, IEEE Transactions on Image Processing, vol. 17, pp , [5] Y. Qian, Antenna location design for distributed antenna systems with selective transmission, International Conference on Wireless Communication & Signal Processing, pp. 1-5, Nov [6] S. M. Hosseine e A. Naghsh-Nilchi, Medical ultrasound image compression using contextual vector quantization, Computers in Biology and Medicine, vol. 42, pp , [7] J. Shen e J. Ren, A robust associative watermarking technique based on vector quantization, Digital Signal Processing, vol. 20, pp , 2010.
7 [8] C. Chang, C. Lin e Y. Hsieh, Data hiding for vector quantization images using mixed-base notation and dissimilar patterns without loss of fidelity, Information Sciences, vol. 201, pp , [9] J. Lee, Y. Chiou e J. Guo, Lossless data hiding for VQ indices based on neighboring correlation, Information Sciences, vol. 221, pp , [10] W. Wang, C. Huang, C. Liu, P. Su e S. Wang, Data embedding for vector quantization image processing on the basis of adjoining state- codebook mapping, Information Sciences, vol. 246, pp , [11] W. Wang, C. Huang e S. Wang, VQ applications in steganographic data hiding upon multimedia images, IEEE Systems Journal, vol. 5, pp , [12] Y. Linde, A. Buzo e R. Gray. An algorithm for vector quantizer design. IEEE Transactions on Communications, vol. 28, PP , [13] D. Lee, S. Baek e K. Sung. Modified K-means algorithm for vector quantizer design. IEEE Signal Processing Letters, vol. 4, n 1, pp. 2-4, [14] K. K. Paliwal e V. Ramasubramanian. Comments on Modified K-means algorithm for vector quantizer design. IEEE Transactions on Image Processing, vol. 9, n 11, pp , [15] F. Madeiro, R. M. Vilar, J. M. Fechine e B. G. Aguiar Neto. A selforganizing algorithm for vector quantizer design applied to signal processing. International Journal of Neural Systems, pp , vol. 9, n 3, [16] A. K. Krishnamurthy, S. C. Ahalt, D. E. Melton e P. Chen. Neural networks for vector quantization of speech and images. IEEE Journal on Selected Areas in Communications, vol. 8, n 8, pp , [17] N. B. Karayiannis e P. I. Pai, Fuzzy vector quantization algorithms and their application in image compression. IEEE Transactions on Image Processing, vol. 4, n 9, pp , [18] F. Madeiro, R. R. A. Galvão, F. A. B. S. Silveira e D. C. Cunha. Uma alternativa de aceleração do algoritmo fuzzy K-Means aplicado à quantização vetorial. TEMA. Tendências em Matemática Aplicada e Computacional, vol. 13, pp , [19] C. R. B. Azevedo, R. A. Azevedo, E. L. Bispo Junior, T. A. E. Ferreira, W. T. A. Lopes e F. Madeiro. Um algoritmo memético para a otimização de quantizadores vetoriais. Learning and Nonlinear Models, vol. 5, n 1, pp. 1-15, [20] W. T. A. Lopes, F. Madeiro, J. F. Galdino, B. G. Aguiar Neto e M. S. Alencar, Diversidade em modulação aplicada a canais de comunicações móveis: efeito dos erros de estimação de canal na transmissão de imagens, Revista da Sociedade Brasileira de Telecomunicações, vol. 19, p.p , [21] N. Favardin e V. Vaishampayan, On the performance and complexity of channel-optimized vector quantizers, IEEE Transactions on Information Theory, vol. 37, pp , Jan [22] X. S. Yang, Nature-Inspired Metaheuristic Algorithms. United Kingdom: Luniver Press, [23] F. Scenna, D. Anaut, L. Passoni e G. Meschino, Reconfiguration of electrical networks by an ant colony optimization algorithm, IEEE Latin America Transactions, vol. 11, pp , Feb [24] L. X. Medeiros, G. A. Carrijo, E. L. Flôres and A. C. P. Veiga, Genetic algorithms applied in face recognition, IEEE Latin America Transactions, vol. 10, pp , Dec [25] W. Hwang, F. Lin e C. Lin, Fuzzy channel-optimized vector quantization, IEEE Communication Letters, vol. 4, pp , [26] W. Hwang, C. Ou e C. Yeh, Genetic channel-optimized vector quantizer design for burst error channels, 11 th European Symposium on Artificial Neural Networks, pp , [27] H. A. S. Leitão, F. Madeiro e W. T. A. Lopes, Algoritmo do vagalume aplicado ao projeto de dicionários do, Congresso Brasileiro de Inteligência Computacional, Set [28] J. Kennedy e R. C. Eberhart, Particle swarm optimization, Proceedings of the IEEE International Conference on Neural Networks, vol. 4, pp , [29] N. Jin e Y. Rahmat-Samii, Advances in particle swarm optimization for antenna designs: real-number, binary, single-objective and multiobjective implementations, IEEE Transactions on Antennas and Propagation, vol. 55, pp , [30] R. Eberhart e Y. Shi, Particle swarm optimization: developments, applications and resources, Proceedings of the Congress on Evolutionary Computation, vol. 1, pp , Herbert Albérico de Sá Leitão nasceu em Recife, Pernambuco, em Recebeu o diploma de Engenheiro Eletricista em 2003 pela Universidade Federal de Pernambuco e o título de Mestre em Engenharia de Sistemas em 2014 pela Universidade de Pernambuco. Atualmente é professor do Departamento de Engenharia Elétrica da Universidade Federal de Pernambuco, Brasil. Seus principais interesses de pesquisa incluem processamento de sinais, sistemas de comunicação e inteligência computacional. Waslon Terllizzie Araújo Lopes nasceu em Petrolina, Pernambuco, em 29 de dezembro de Recebeu o diploma de Engenheiro Eletricista e o título de Mestre em Engenharia Elétrica pela Universidade Federal da Paraíba em 1998 e 1999, respectivamente. Recebeu o título de Doutor em Engenharia Elétrica pela Universidade Federal de Campina Grande em junho de Foi professor e chefe do Núcleo de Telecomunicações do Curso de Engenharia Elétrica da Faculdade ÁREA1, Salvador, BA, no período de agosto de 2003 a dezembro de Atualmente, Waslon Terllizzie é professor Adjunto 3 do Depar-tamento de Engenharia Elétrica da Universidade Federal de Campina Grande. É coordenador executivo do Instituto de Estudos Avançados em Comunicações (Iecom) e tutor do Grupo PET-Engenharia Elétrica e suas atividades de pesquisa concentram-se em quantização vetorial robusta, sistemas de comunicações sem fio, comunicações móveis, teoria das comunicações e processamento digital de imagens e sinais de voz, áreas em que tem mais de uma centena de trabalhos publicados em congressos, revistas e livros, nacionais e internacionais. Francisco Madeiro nasceu em Fortaleza, Ceará, Brasil, em Recebeu o título de Doutor em Engenharia Elétrica pela Universidade Federal da Paraíba, Brasil, em Atualmente é professor da Universidade de Pernambuco, Brasil. Seus principais interesses de pesquisa incluem processamento de sinais, sistemas de comunicação e inteligência computacional. Foi ganhador do prêmio Destaque em Ensino da Escola Politécnica de Pernambuco (POLI), em 2008, e dos prêmios de Destaque em Pesquisa e Destaque em Ensino da POLI, em Tem atuado em projetos de pesquisa e desenvolvimento (P&D) em transmissão digital e processamento de imagem. Desde 2011, é bolsista de Produtividade em Desenvolvimento Tecnológico e Extensão Inovadora (DT) do Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq).
Algoritmo do Vagalume Aplicado ao Projeto de Dicionários do COVQ
Algoritmo do Vagalume Aplicado ao Projeto de Dicionários do COVQ Herbert A. de Sá Leitão Programa de Pós-Graduação em Engenharia de Sistemas POLI, UPE Recife, PE, 50720-001 Email: halberico@pe.senai.br
Leia maisInserção de Marca D Água em Imagens Digitais com particionamento do dicionário utilizando o algoritmo Harmony Search
Inserção de Marca D Água em Imagens Digitais com particionamento do dicionário utilizando o algoritmo Harmony Search L. K. S. Gomes, J. G. Araújo, F. Madeiro, E. A. O. Lima Universidade de Pernambuco Recife,
Leia maisMétodo Dialético de Otimização usando o Princípio da Máxima Entropia
Learning and Nonlinear Models Revista da Sociedade Brasileira de Redes Neurais (SBRN) Vol 7 No. 2 pp. 54-64 2009 Método Dialético de Otimização usando o Princípio da Máxima Entropia Wellington Pinheiro
Leia maisFERRAMENTA PARA O ENSINO DE QUANTIZAÇÃO VETORIAL EM CURSOS DE ENGENHARIA ELÉTRICA
FERRAMENTA PARA O ENSINO DE QUANTIZAÇÃO VETORIAL EM CURSOS DE ENGENHARIA ELÉTRICA Jair Galvão jair.galvao@upe.br Escola Politécnica de Pernambuco POLI/UPE Rua Benfica, 455, Madalena CEP: 50720-001 Recife
Leia maisIntrodução às Redes Neurais Artificiais
Introdução às Redes Neurais Artificiais Treinamento via Algoritmos Genéticos Prof. João Marcos Meirelles da Silva http://www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola
Leia maisCodificação de Canal
Laboratório de Processamento de Sinais Laboratório de Sistemas Embarcados Universidade Federal do Pará 26 de janeiro de 2012 Sumário 1 Introdução a 2 Códigos de Blocos Lineares 3 Códigos Cíclicos Introdução
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 mais1 Problemas de transmissão
1 Problemas de transmissão O sinal recebido pelo receptor pode diferir do sinal transmitido. No caso analógico há degradação da qualidade do sinal. No caso digital ocorrem erros de bit. Essas diferenças
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Visão Computacional Não existe um consenso entre os autores sobre o correto escopo do processamento de imagens, a
Leia mais7.Conclusão e Trabalhos Futuros
7.Conclusão e Trabalhos Futuros 158 7.Conclusão e Trabalhos Futuros 7.1 Conclusões Finais Neste trabalho, foram apresentados novos métodos para aceleração, otimização e gerenciamento do processo de renderização
Leia maisVetor Quantização e Aglomeramento (Clustering)
(Clustering) Introdução Aglomeramento de K-partes Desafios do Aglomeramento Aglomeramento Hierárquico Aglomeramento divisivo (top-down) Aglomeramento inclusivo (bottom-up) Aplicações para o reconhecimento
Leia maisA Otimização Nuvem de Partículas (particle swarm)
A Otimização Nuvem de Partículas (particle swarm) Estéfane G. M. de Lacerda Departamento de Engenharia da Computação e Automação UFRN 20/06/2007 Índice Introdução Algoritmo Nuvem de Partículas Interpretação
Leia maisInteligência Computacional Aplicada a Engenharia de Software
Inteligência Computacional Aplicada a Engenharia de Software Estudo de caso III Prof. Ricardo de Sousa Britto rbritto@ufpi.edu.br Introdução Em alguns ambientes industriais, pode ser necessário priorizar
Leia maisInserção de Marca D água Digital em Imagens Digitais Utilizando Quantização Vetorial com Particionamento do Dicionário por PSO
Inserção de Marca D água Digital em Imagens Digitais Utilizando Quantização Vetorial com Particionamento do Dicionário por PSO Marcos Canejo, Jair Galvão e Francisco Madeiro Universidade de Pernambuco
Leia maisInteligência de Enxame: PSO
! A otimização por enxame de partículas: «É baseada em uma estratégia inspirada no voo dos pássaros e movimento de cardumes de peixes; «Permite a otimização global de um função objetivo A função objetivo
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 maisImplementações e Comparação de Multiplicadores de Alta Velocidade para Dispositivos Reconfiguráveis
Implementações e Comparação de Multiplicadores de Alta Velocidade para Dispositivos Reconfiguráveis Tiago dos Santos Patrocinio, Ivan Saraiva Silva Departamento de Computação Universidade Federal do Piauí
Leia maisCAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves
CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C01 Simulated Annealing (20/11/07). C02 Busca Tabu (22/11/07). C03 Colônia
Leia maisCOMPLEXIDADE COMPUTACIONAL DE UM ALGORITMO COMPETITIVO APLICADO AO PROJETO DE QUANTIZADORES VETORIAIS
COMPLEXIDADE COMPUTACIONAL DE UM ALGORITMO COMPETITIVO APLICADO AO PROJETO DE QUANTIZADORES VETORIAIS Francisco Madeiro Departamento de Estatística e Informática Universidade Católica de Pernambuco Recife,
Leia maisPROJETO DE REDES www.projetoderedes.com.br
PROJETO DE REDES www.projetoderedes.com.br Curso de Tecnologia em Redes de Computadores Disciplina: Redes I Fundamentos - 1º Período Professor: José Maurício S. Pinheiro AULA 2: Transmissão de Dados 1.
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 mais29/08/2011. Radiologia Digital. Princípios Físicos da Imagem Digital. Unidade de Aprendizagem Radiológica. Professor Paulo Christakis
Radiologia Digital Unidade de Aprendizagem Radiológica Princípios Físicos da Imagem Digital Professor Paulo Christakis 1 Em sistemas digitais de imagens médicas, as mudanças não se apresentam somente no
Leia mais1 INTRODUÇÃO Internet Engineering Task Force (IETF) Mobile IP
1 INTRODUÇÃO Devido ao crescimento da Internet, tanto do ponto de vista do número de usuários como o de serviços oferecidos, e o rápido progresso da tecnologia de comunicação sem fio (wireless), tem se
Leia maisProcesso de Controle das Reposições da loja
Processo de Controle das Reposições da loja Getway 2015 Processo de Reposição de Mercadorias Manual Processo de Reposição de Mercadorias. O processo de reposição de mercadorias para o Profit foi definido
Leia maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas CMP1132 Processo e qualidade de software II Prof. Me. Elias Ferreira Sala: 402 E Quarta-Feira:
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 mais1 Transmissão digital em banda base
1 Transmissão digital em banda base A transmissão digital oferece algumas vantagens no que diz respeito ao tratamento do sinal, bem como oferecimento de serviços: Sinal pode ser verificado para avaliar
Leia maisUM ALGORITMO MEMÉTICO PARA A OTIMIZAÇÃO DE QUANTIZADORES VETORIAIS
UM ALGORITMO MEMÉTICO PARA A OTIMIZAÇÃO DE QUANTIZADORES VETORIAIS Carlos R. B. Azevedo, Renan A. Azevedo, Esdras L. Bispo Júnior Departamento de Estatística e Informática Universidade Católica de Pernambuco
Leia maisFatores de Impacto para alguns Periódicos Base JCR-2003 /ISI 1
Fatores de Impacto para alguns Periódicos Base JCR-2003 /ISI 1 O Journal Citation Reports (JCR) publica anualmente o índice conhecido por fator de impacto de um periódico para medir a freqüência com que
Leia maisAceleração do Algoritmo Fuzzy K-means: Avaliação em Quantização Vetorial de Imagens.
Aceleração do Algoritmo Fuzzy K-means: Avaliação em Quantização Vetorial de Imagens. Rodrigo R. Galvão**, Felipe A. B. S. Ferreira *, F. Madeiro** e Daniel C. Cunha** *Instituto de Estudos Avançados de
Leia maisCorelDRAW 11 1. UM PROGRAMA DE DESIGN
CorelDRAW 11 1. UM PROGRAMA DE DESIGN Com o Corel você vai trabalhar com um dos aplicativos mais usados no campo do design e da auto-edição, já que permite operar com dois tipos de gráficos (vetoriais
Leia maisSinal analógico x sinal digital. Sinal analógico. Exemplos de variações nas grandezas básicas. Grandezas básicas em sinais periódicos
Plano Redes de Computadores Transmissão de Informações nálise de Sinais ula 04 Introdução Dados, sinais e transmissão Sinal analógico x sinal digital Sinais analógicos Grandezas básicas Domínio tempo x
Leia maisAlgoritmos Genéticos
UNIVERSIDADE PRESBITERIANA MACKENZIE Laboratório de Computação Natural LCoN I ESCOLA DE COMPUTAÇÃO NATURAL Algoritmos Genéticos Rafael Xavier e Willyan Abilhoa Outubro/2012 www.computacaonatural.com.br
Leia maisDECODIFICADOR DE DISPLAY DE 7 SEGMENTOS COM LATCH
UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ENGENHARIA ELÉTRICA DECODIFICADOR DE DISPLAY DE 7 SEGMENTOS COM LATCH Projeto para a matéria TE130 Projeto de Circuitos Integrados Digitais, ministrada pelo
Leia maisUniversidade Federal de Goiás Escola de Engenharia Elétrica e de Computação Laboratório de Máquinas Especiais
Aspectos Relacionados ao Acionamento e Controle de Velocidade de um Motor Linear a Relutância Variável. MARIANO, Rodrigo Leandro; SANTOS, Euler Bueno. Universidade Federal de Goiás Escola de Engenharia
Leia maisMINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br
MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para
Leia maisUNIVERSIDADE F EDERAL DE P ERNAMBUCO ANÁLISE DE UM MÉTODO PARA DETECÇÃO DE PEDESTRES EM IMAGENS PROPOSTA DE TRABALHO DE GRADUAÇÃO
UNIVERSIDADE F EDERAL DE P ERNAMBUCO GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO CENTRO DE INFORMÁTICA 2010.2 ANÁLISE DE UM MÉTODO PARA DETECÇÃO DE PEDESTRES EM IMAGENS PROPOSTA DE TRABALHO DE GRADUAÇÃO Aluno!
Leia maisI Seminário da Pós-graduação em Engenharia Elétrica
DESENVOLVIMENTO DE FERRAMENTAS COMPUTACIONAIS PARA ESTUDOS EM LINHAS SUBTERRÂNEAS DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA Danilo Sinkiti Gastaldello Aluno do Programa de Pós-Graduação em Engenharia Elétrica
Leia maisGerenciamento de Projeto: Planejando os Recursos. Prof. Msc Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br
Gerenciamento de Projeto: Planejando os Recursos Prof. Msc Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Sumário Planejar as Aquisições Desenvolver o Plano de Recursos Humanos Planejar as Aquisições É o
Leia maisOtimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha
Otimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha Amarildo de Vicente Colegiado do Curso de Matemática Centro de Ciências Exatas e Tecnológicas da Universidade Estadual do Oeste
Leia maisVerificação de Impressões Digitais usando Algoritmos Genéticos
1. Introdução Verificação de Impressões Digitais usando Algoritmos Genéticos Matheus Giovanni Pires, Fernando Vieira Duarte, Adilson Gonzaga Escola de Engenharia de São Carlos Universidade de São Paulo
Leia maisErrata. Livro: Transmissão Digital - Princípios e Aplicações Edição:1ª Código: 4391 Autores: Dayan Adionel Guimarães & Rausley Adriano Amaral de Souza
Errata Livro: Transmissão Digital - Princípios e Aplicações Edição:1ª Código: 4391 Autores: Dayan Adionel Guimarães & Rausley Adriano Amaral de Souza Página 3 Primeiro parágrafo Excluir o seguinte texto
Leia maisAprendizagem Competitiva com Consciência Aplicada ao Projeto de Dicionários para
Aprendizagem Competitiva com Consciência Aplicada ao Projeto de Dicionários para Quantização Vetorial de Voz 1 F. Madeiro, W. T. A. Lopes, M. S. Alencar e B. G. Aguiar Neto Resumo Este trabalho apresenta
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 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 maisFUNDAÇÃO DE APOIO AO ENSINO TÉCNICO DO ESTADO DO RIO DE JANEIRO FAETERJ Petrópolis Área de Extensão PLANO DE CURSO
FUNDAÇÃO DE APOIO AO ENINO TÉCNICO DO ETADO DO RIO DE JANEIRO PLANO DE CURO 1. Identificação Curso de Extensão: INTRODUÇÃO AO ITEMA INTELIGENTE Professor Regente: José Carlos Tavares da ilva Carga Horária:
Leia maisMÓDULO 4 Meios físicos de transmissão
MÓDULO 4 Meios físicos de transmissão Os meios físicos de transmissão são compostos pelos cabos coaxiais, par trançado, fibra óptica, transmissão a rádio, transmissão via satélite e são divididos em duas
Leia maisTecnologia de faixa para falha
Tecnologia de faixa para falha Por Tom Bell e John Nankivell Índice 1. Introdução 1 2. Equipamento de teste / processo de teste de PIM existente 2 3. Nova análise de RTF / limitações técnicas 3 4. Fluxograma
Leia maisSistemas Operacionais e Introdução à Programação. Vetores e matrizes
Sistemas Operacionais e Introdução à Programação Vetores e matrizes 1 Matrizes Cada elemento de uma matriz é referenciado indicando-se sua posição dentro da matriz. Na Matemática, matrizes são arranjos
Leia maisIntrodução à Transmissão Digital. Funções básicas de processamento de sinal num sistema de comunicações digitais.
Introdução à Transmissão Digital Funções básicas de processamento de sinal num sistema de comunicações digitais. lntrodução à transmissão digital Diferença entre Comunicações Digitais e Analógicas Comunicações
Leia maisAUTOR: DAVID DE MIRANDA RODRIGUES CONTATO: davidmr@ifce.edu.br CURSO FIC DE PROGRAMADOR WEB VERSÃO: 1.0
AUTOR: DAVID DE MIRANDA RODRIGUES CONTATO: davidmr@ifce.edu.br CURSO FIC DE PROGRAMADOR WEB VERSÃO: 1.0 SUMÁRIO 1 Conceitos Básicos... 3 1.1 O que é Software?... 3 1.2 Situações Críticas no desenvolvimento
Leia maisAGRUPAMENTO DE ESCOLAS DE PORTELA E MOSCAVIDE. Informação - Prova de Equivalência à Frequência da disciplina de Aplicações Informáticas B
Prova 303 2015 Informação - Prova de Equivalência à Frequência da disciplina de Aplicações Informáticas B 12º Ano de Escolaridade Despacho normativo n.º 6-A/2015 1. Introdução O presente documento visa
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 mais1 Modulação digital para comunicações móveis
1 Modulação digital para comunicações móveis Tabela 1: Algumas modulações empregadas em telefonia celular Sistema Forma de Largura da Critério de Razão celular modulação portadora qualidade sinal-ruído
Leia maisThales Trigo. Formatos de arquivos digitais
Esse artigo sobre Formatos de Arquivos Digitais é parte da Tese de Doutoramento do autor apresentada para a obtenção do titulo de Doutor em Engenharia Elétrica pela Escola Politécnica da USP. Thales Trigo
Leia maisRECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP
RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP Caio Augusto de Queiroz Souza caioaugusto@msn.com Éric Fleming Bonilha eric@digifort.com.br Gilson Torres Dias gilson@maempec.com.br Luciano
Leia maisI Seminário dos Grupos de Pesquisa da UNISC Ficha de Inscrição do Grupo de Pesquisa. Nome do Grupo: GPSEM Grupo de Projeto de Sistemas Embarcados e
I Seminário dos Grupos de Pesquisa da UNISC Ficha de Inscrição do Grupo de Pesquisa Nome do Grupo: GPSEM Grupo de Projeto de Sistemas Embarcados e Microeletrônica Área: Sistemas de Computação Nome do Líder:
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 maisDO ANALÓGICO AO DIGITAL: CONCEITOS E
DO ANALÓGICO AO DIGITAL: CONCEITOS E TÉCNICAS BÁSICASB Fernando Pereira Instituto Superior TécnicoT Digitalização Processo onde se expressa informação analógica de forma digital. A informação analógica
Leia maisTestes de Usabilidade
Testes de Usabilidade Instituto Federal de Educação, Ciência e Tecnologia do Triângulo Mineiro Setembro de 2012 Prof. Edwar Saliba Júnior 1 Reflexão Ao fazer referência à questão da qualidade da relação
Leia maisRegulamento do projeto "50 Telhados"
Regulamento do projeto "50 Telhados" Iniciativa Fevereiro de 2014 Sumário 1. Contextualização... 3 2. Missão do projeto 50 Telhados... 3 3. Objetivo... 3 3.1. Pequenas cidades... 3 4. Benefícios para empresas/clientes/cidades
Leia maisProjeto e Análise de Algoritmos Projeto de Algoritmos Introdução. Prof. Humberto Brandão humberto@dcc.ufmg.br
Projeto e Análise de Algoritmos Projeto de Algoritmos Introdução Prof. Humberto Brandão humberto@dcc.ufmg.br aula disponível no site: http://www.bcc.unifal-mg.edu.br/~humberto/ Universidade Federal de
Leia maisAlgoritmos: Lógica para desenvolvimento de programação de computadores. Autor: José Augusto Manzano. Capítulo 1 Abordagem Contextual
Algoritmos: Lógica para desenvolvimento de programação de computadores Autor: José Augusto Manzano Capítulo 1 Abordagem Contextual 1.1. Definições Básicas Raciocínio lógico depende de vários fatores para
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 maisREFORÇO DE PROGRAMAÇÃO ESTRUTURADA EM LINGUAGEM C PARA GRADUAÇÃO EM ENGENHARIA ELÉTRICA
REFORÇO DE PROGRAMAÇÃO ESTRUTURADA EM LINGUAGEM C PARA GRADUAÇÃO EM ENGENHARIA ELÉTRICA Andréa Willa Rodrigues Villarim (Voluntário) Marcelo Pereira Rufino (Bolsista) Larissa Aguiar (Bolsista) Nady Rocha
Leia maisMRP II. Planejamento e Controle da Produção 3 professor Muris Lage Junior
MRP II Introdução A lógica de cálculo das necessidades é conhecida há muito tempo Porém só pode ser utilizada na prática em situações mais complexas a partir dos anos 60 A partir de meados da década de
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 maisInteligência Computacional [2COP229]
Inteligência Computacional [2COP229] Mestrado em Ciência da Computação Sylvio Barbon Jr barbon@uel.br (2/24) Tema Aula 1 Introdução ao Reconhecimento de Padrões 1 Introdução 2 Componentes clássicos da
Leia maisControle de Múltiplos Pivôs Centrais com um único Conjunto Motor-Bomba
Controle de Múltiplos Pivôs Centrais com um único Conjunto Motor-Bomba Thiago de Lima MUNIZ, Bernardo Pinheiro de ALVARENGA, José Wilson de Lima NERYS, Antônio Marcos de Melo MEDEIROS Escola de Engenharia
Leia maisComputadores de Programação (MAB353)
Computadores de Programação (MAB353) Aula 19: Visão geral sobre otimização de programas 06 de julho de 2010 1 2 3 Características esperadas dos programas O primeiro objetivo ao escrever programas de computador
Leia maisTecnologia em Gestão Pública Desenvolvimento de Projetos - Aula 9 Prof. Rafael Roesler
Tecnologia em Gestão Pública Desenvolvimento de Projetos - Aula 9 Prof. Rafael Roesler Introdução Objetivos da Gestão dos Custos Processos da Gerência de Custos Planejamento dos recursos Estimativa dos
Leia maisSISTEMAS DE COMUNICAÇÃO ÓPTICA : INICIAR A PROPOSTA DA DISSERTAÇÃO DE MESTRADO EM DISCIPLINA OPTATIVA, DURANTE PERÍODO DE AQUISIÇÃO DE CRÉDITOS.
SISTEMAS DE COMUNICAÇÃO ÓPTICA : INICIAR A PROPOSTA DA DISSERTAÇÃO DE MESTRADO EM DISCIPLINA OPTATIVA, DURANTE PERÍODO DE AQUISIÇÃO DE CRÉDITOS. Sandra Maria Dotto Stump sstump@mackenzie.com.br Maria Aparecida
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 maisTransmissão de Imagens e Sinais de Voz Quantizados Vetorialmente em Canais com Desvanecimento. Waslon Terllizzie Araújo Lopes
Transmissão de Imagens e Sinais de Voz Quantizados Vetorialmente em Canais com Desvanecimento Waslon Terllizzie Araújo Lopes Dissertação de Mestrado submetida à Coordenação dos Cursos de Pós-Graduação
Leia maisUma Versão Intervalar do Método de Segmentação de Imagens Utilizando o K-means
TEMA Tend. Mat. Apl. Comput., 6, No. 2 (2005), 315-324. c Uma Publicação da Sociedade Brasileira de Matemática Aplicada e Computacional. Uma Versão Intervalar do Método de Segmentação de Imagens Utilizando
Leia maisComplemento IV Introdução aos Algoritmos Genéticos
Complemento IV Introdução aos Algoritmos Genéticos Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações e
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 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 maisAnálise em aparelhos de telefonia celular
Universidade Federal do Espírito Santo CCA UFES Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Análise em aparelhos de telefonia celular Computação
Leia maisRegulamento do projeto "50 Telhados"
Regulamento do projeto "50 Telhados" Iniciativa Novembro de 2013 Sumário 1. Contextualização... 3 2. Missão do projeto 50 Telhados... 3 3. Objetivo... 3 4. Benefícios para empresas/clientes/cidades participantes...
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 maisUNIVERSIDADE FEDERAL DE PERNAMBUCO
UNIVERSIDADE FEDERAL DE PERNAMBUCO Mestrado em Ciência da Computação CENTRO DE INFORMÁTICA Análise comparativa entre os diferentes tipos De protocolos para transmissão de dados Grupo: Professora: Disciplina:
Leia maisTRATAMENTO E ANÁLISE DE SINAIS DE BAIXA FREQUÊNCIA PARA EMULAÇÃO DE CANAL RÁDIO
TRATAMENTO E ANÁLISE DE SINAIS DE BAIXA FREQUÊNCIA PARA EMULAÇÃO DE CANAL RÁDIO Davi Schmutzler Valim Faculdade de Engenharia Elétrica CEATEC davi_valim@puccampinas.edu.br Resumo: O trabalho trata de fazer
Leia mais1. NÍVEL CONVENCIONAL DE MÁQUINA
1. NÍVEL CONVENCIONAL DE MÁQUINA Relembrando a nossa matéria de Arquitetura de Computadores, a arquitetura de Computadores se divide em vários níveis como já estudamos anteriormente. Ou seja: o Nível 0
Leia mais4 Estudos de Casos Problema Direto
35 4 Estudos de Casos Problema Direto Este capítulo mostra o resultado de simulações feitas a partir do modelo desenvolvido para veículos deformáveis descrito na tese de mestrado de DE CARVALHO, F. A.,
Leia maisPESQUISA SOBRE O PERFIL DE ALUNOS NA UTILIZAÇÃO DE UM SITE DOCENTE DO ENSINO SUPERIOR
PESQUISA SOBRE O PERFIL DE ALUNOS NA UTILIZAÇÃO DE UM SITE DOCENTE DO ENSINO SUPERIOR Wesley Humberto da Silva (Fundação Araucária), André Luis Andrade Menolli (Orientador) e-mail: wesleyhumberto11@mail.com
Leia maisALGORITMOS GENÉTICOS
ALGORITMOS GENÉTICOS INTRODUÇÃO São métodos adaptativos que podem ser usados para resolver problemas de busca e otimização. Na natureza a combinação de boas características provenientes de diferentes indivíduos
Leia mais4 Avaliação Experimental
4 Avaliação Experimental Este capítulo apresenta uma avaliação experimental dos métodos e técnicas aplicados neste trabalho. Base para esta avaliação foi o protótipo descrito no capítulo anterior. Dentre
Leia maisCAPÍTULO 6 CIRCUITOS SEQUENCIAIS IV: PROJETO DE REDES SEQUENCIAIS
92 CAPÍTULO 6 CIRCUITOS SEQUENCIAIS IV: PROJETO DE REDES SEQUENCIAIS Sumário 6.. Introdução... 94 6... Máquina de Estados de Moore... 94 6..2. Máquina de Estados de Mealy... 95 6.2. Projeto de Redes Sequenciais...
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 maisAvaliação de técnicas de seleção de quadros-chave na recuperação de informação por conteúdo visual
Avaliação de técnicas de seleção de quadros-chave na recuperação de informação por conteúdo visual Shênia Salvador de Pinho, Kleber J. F. Souza Instituto de Ciências Exatas e Informática PUC Minas Guanhães,
Leia maisORGANIZAÇÃO DE COMPUTADORES MÓDULO 8
ORGANIZAÇÃO DE COMPUTADORES MÓDULO 8 Índice 1. A Organização do Computador - Continuação...3 1.1. Processadores - II... 3 1.1.1. Princípios de projeto para computadores modernos... 3 1.1.2. Paralelismo...
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 mais2- Conceitos Básicos de Telecomunicações
Introdução às Telecomunicações 2- Conceitos Básicos de Telecomunicações Elementos de um Sistemas de Telecomunicações Capítulo 2 - Conceitos Básicos de Telecomunicações 2 1 A Fonte Equipamento que origina
Leia maisManual Geral do OASIS
Manual Geral do OASIS SISTEMA DE GESTÃO DE DEMANDA, PROJETO E SERVIÇO DE TECNOLOGIA DA INFORMAÇÃO OASIS Introdução Esse manual tem como objetivo auxiliar aos usuários nos procedimentos de execução do sistema
Leia maisAnálise qualitativa do processo de workflow da ouvidoria do IFMG campus Bambuí: um estudo de caso
Análise qualitativa do processo de workflow da ouvidoria do IFMG campus Bambuí: um estudo de caso Estefânia Paula da SILVA¹; Lígia Maria SOARES PASSOS² ¹ Aluna do curso de Engenharia de Produção do IFMG
Leia maisNathalie Portugal Vargas
Nathalie Portugal Vargas 1 Introdução Trabalhos Relacionados Recuperação da Informação com redes ART1 Mineração de Dados com Redes SOM RNA na extração da Informação Filtragem de Informação com Redes Hopfield
Leia 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 maisFeature-Driven Development
FDD Feature-Driven Development Descrição dos Processos Requisitos Concepção e Planejamento Mais forma que conteúdo Desenvolver um Modelo Abrangente Construir a Lista de Features Planejar por
Leia mais