DETECÇÃO AUTOMÁTICA DE OBJETOS ESTRANHOS NA REGIÃO DAS PERNAS EM IMAGENS DE SCANNER HUMANO UTILIZANDO TEXTURAS E CLASSIFICADORES

Tamanho: px
Começar a partir da página:

Download "DETECÇÃO AUTOMÁTICA DE OBJETOS ESTRANHOS NA REGIÃO DAS PERNAS EM IMAGENS DE SCANNER HUMANO UTILIZANDO TEXTURAS E CLASSIFICADORES"

Transcrição

1 DETECÇÃO AUTOMÁTICA DE OBJETOS ESTRANHOS NA REGIÃO DAS PERNAS EM IMAGENS DE SCANNER HUMANO UTILIZANDO TEXTURAS E CLASSIFICADORES THOMAZ. M. ALMEIDA 1, DANIEL F. COLAÇO, TARIQUE. S. CAVALCANTE, VICTOR H. F. ALENCAR 1, LUIZ. A. L. NETO 1, JOHN H. S. FELIX 3 1. Megatech Controls Indústra, Comérco e Servço Ltda R. Dr. Ernesto Montero, Sapranga - Fortaleza - CE, E-mals: Insttuto Oron de Cênca e Tecnologa - IOCT R. Dr. Ernesto Montero, Alagadço Novo - Fortaleza - CE, E-mals: 3. Unversdade da Integração Internaconal da Lusofona Afro-Braslera - UNILAB Campus dos Palmares, Rodova CE 060 km51 Acarape-CE, E-mals: Abstract In ths artcle we ntroduce a new method for automatc dentfcaton of suspcous obects n body scanner s mages n the leg s regons. The method s based on a combnaton of texture and a classfer, whch may be the KNN, K-means or the neural network. The methods are appled on 0 body scanner s mages, n the leg s regons of volunteers. The accuracy of the method s verfed by the ht rate presented n graphcal form and the presence of false postves. The results ndcate that the method that combnes textures wth provdes a ht of 0.91 and 0.08 false postves, the KNN classfer hts 0.89 and provdes 0.01 of falsepostve whle K-means obtaned a ht of 0,81 and 0.03 of false postves. Gven the results, t s concluded that the method that combnes texture and acheved the dentfcaton of suspcous obects more effectve than the other classfers used n ths work. Keywords body scanner mage, KNN, K-means,. Resumo Neste trabalho apresentamos um novo método de dentfcação automátca de obetos estranhos em magens de body scanner nas regões das pernas. O método é formado pela combnação de textura e um classfcador, que poder ser o KNN, K-médas ou a rede neural. Os métodos são aplcados em 0 magens de body scanner, nas regões das pernas, de voluntáros. A precsão do método é verfcada por meo da taxa de acerto apresentado em forma de gráfco e pela presença de falsos-postvos. Os resultados ndcam o método que combna texturas e com a obteve 0,91 de acerto e 0,08 de falsos-postvos, enquanto o classfcador KNN obteve 0,89 de acerto e 0,01 de falsos-postvos e o K-médas obteve 0,81 de acerto e 0,03 de falsos-postvos. Dante dos resultados apresentados, conclu-se que o método que combna textura e obteve a dentfcação de obetos estranhos mas efetva em relação aos demas classfcadores utlzados neste trabalho. Palavras-chave magens de body scanner, KNN, K-médas,. 1 Introdução Os Raos-x são utlzados em dversos equpamentos, que têm sdo aplcados na ndústra, medcna, segurança, dentre outra áreas. Na segurança os raos-x são aplcados para examnar as bagagens em aeroportos para se verfcar a presença de armas, bombas e substâncas líctas. Nas fronteras, as cargas também são examnadas de forma semelhante para evtar o trânsto legal de mercadoras (Ahmed et al., 011). Os equpamentos de raos-x possbltam a dentfcação de obetos e substâncas líctas levadas por pessoas, seam em bagagens, seam fxados no própro corpo ou até mesmo em seu nteror como no caso de drogas. Por outro lado, estes equpamentos requerem um especalsta trenado para o reconhecmento de tas obetos e substâncas líctas. A análse vsual do especalsta é suscetível a subetvdade e lmtações relaconadas a cada observador (Coxson, et al., 001; Felx et al., 008). Além dsso, há a fadga vsual ocasonada pela nspeção de váras magens. Os métodos computaconas têm contrbuído sgnfcatvamente para os avanços em dagnóstcos médcos, reconhecmento por snas bométrcos, magens de satéltes, dentre outros. A segurança é uma área que tem nvestdo prncpalmente no desenvolvmento de equpamentos, tas como: raos-x para cargas, body scanner (Scanner de pessoas), dentre outros.

2 Apesar dos nvestmentos na área de segurança, até o presente momento, não fo dentfcado na lteratura, trabalhos que menconem métodos/técncas de segmentação e/ou detecção de obetos e substâncas líctas em corpos humano utlzando magens de body scanner. Dante do exposto, o obetvo deste trabalho é apresentar um método de detecção automátca de obetos estranhos ao corpo em magens de body scanner (Scanner de pessoas). Para tal, são utlzadas meddas de texturas. Além dsso, são avalados o classfcador dos k-vznhos mas próxmos, o classfcador k-médas e a rede neural perceptron multcamadas..1 Aqusção de magens Materas e Métodos Neste trabalho são utlzadas 0 magens de Scanner de pessoas voluntáras em pé. Essas magens fazem parte de um banco de magens de raos-x do fabrcante do equpamento, utlzadas para fns de trenamento dos operadores. Cada uma dessas 0 magens apresenta algum tpo de obeto estranho ao corpo humano na regão dos membros nferores, tas como pstolas, facas, canetas, chaveros, dentre outros.. Textura A textura é uma mportante característca na percepção vsual de magens naturas, pos contém nformações mportantes. Ela é geralmente utlzada pelo ser humano para a nterpretação e análse de város tpos de magens, podendo ser analsada como relações espacas e arranos de elementos báscos de uma magem (Chrstodoulou et al., 003). Geralmente texturas são utlzadas para ndcar propredades ntrínsecas de superfíces ou regões, especalmente para aquelas que não possuem uma varação suave de ntensdade, sendo tão pequenas que não conseguem separar obetos na resolução observada (Sabno et al., 004). Na lteratura, são encontrados dversos sstemas de Vsão Artfcal que utlzam texturas para fornecer nformações mportantes na dentfcação de superfíces ou obetos em dferentes tpos de magens. Apesar da vasta usabldade e mportânca não exste uma abordagem formal para defnção de textura (Haralck et al., 1973). Logo, esta é representada por propredades ntutvas como rugosdade, granulação e regulardade dentre outras. Em Processamento Dgtal de Imagens (PDI), texturas podem ser defndas como um conunto de propredades de uma determnada regão da magem (Lvens, 1998). Os métodos para extrar textura são dversos, refletndo em dferentes concetos orgnados nas áreas de aplcação da mesma. Neste trabalho é abordada a extração das característcas de texturas por meo de estatístcas de segunda ordem, baseado na repetção de pares de pxels proposto por Haralck, Shanmugam e Dnsten (Haralck et al., 1973). As estatístcas de segunda ordem são calculadas a partr da função de probabldade da co-ocorrênca de dos pares de pxels na magem. Esta função de probabldade é também defnda como matrz de co-ocorrênca. A matrz de co-ocorrênca é defnda como: I( k, l) I( m, n) [ u( k, l), v( m, n)]; ( k, l);( m, n) M N d d ( d cos, d sn) v u d d, ) ( M dx)( N dy) em que e são, respectvamente, a ntensdade de dos pxels localzados em (k, l) e (m, n), separados por uma dstânca d na orentação de θ com a horzontal. Desta forma, é possível defnr a matrz S de dependênca espacal do nível de cnza (SGLDM - Spatal Gray Level Dependence Matrx) como: em que, S S S S S135 (1) d,0º) d,0º)' S0( d) d,45º) d,45º)' S45( d) d,90º) d,90º)' S90( d) d,135º) d,135º)' S135( d) De posse desta matrz, é possível calcular as texturas a segur (Haralck, 1979): (C) Homogenedade (H) Energa (En) C ( H 1 ( En Probabldade (MAX) Entropa (Ent) (Corr) Ent MAX max( ) Corr.log ( )... Autocorrelação (A) A.. (10) Covarânca (Cov) Cov ( )( ). (11) Proemnênca (P) () (3) (4) (5) (6) (7) (8) (9)

3 Sombra (S).3 Classfcadores 3 P ( ). 4 S ( ). (1) (13) A classfcação é uma etapa fundamental no reconhecmento de padrões. É nesta etapa que os dados são submetdos a um sstema (classfcador), para que este os classfque de acordo com o conhecmento alcançado por experênca nas observações e análses de exemplos de trenamento num prévo processo de aprendzagem. Esta classfcação vsa atrbur a uma determnada regão da magem, baseado nos valores das meddas de textura dos pxels daquela regão, a qual classe ela tem maor probabldade de pertencer, dentre as três classes defndas: osso, músculo, obetos estranhos. O sucesso na etapa de classfcação depende de qual classfcador é utlzado na solução do problema em questão. Para tanto, são necessáros testes de classfcadores vsando o melhor resultado da classfcação de obetos estranhos. Os classfcadores testados são: KNN, K-médas e..3.1 Classfcador k-vznhos mas Próxmos O classfcador dos k-vznhos mas próxmos (KNN: k- nearest neghbor) é, sem dúvda, um dos mas smples e antgo método utlzado no reconhecmento e classfcação de padrões (Cover; Hart, 1967). Sea um conunto de dados D composto por N amostras, em que D = X1,X,X3,..Xn e y um novo elemento, que não pertence ao conunto D. Este método consste em atrbur a mesma classfcação para o elemento desconhecdo y à classe da maora dos k vznhos mas próxmos. A fm de classfcar o novo elemento y procuram-se as k amostras mas próxmas contdas no conunto D. A classe mas frequente é atrbuída à y. Este algortmo se basea em uma métrca de dstânca entre dos elementos, calculada no espaço de atrbutos, dada, por exemplo, pela dstânca eucldana: d( x, y).3. Classfcador k-médas n 1 ( x y) (14) A técnca de classfcação k-médas utlza o algortmo de agrupamento de dados por k-médas (k-means clusterng) para classfcar dados (MacQueen, 1967). Assm como o KNN, este método atrbu uma classe a um elemento desconhecdo baseado em uma métrca de dstânca. Esta técnca consste em partconar um conunto de dados D = X1,X,X3,..Xn em k grupos de elementos semelhantes. O centrode de cada grupo, ou partção, é calculado baseado em seus atrbutos, que, nesse caso, é dado pela méda dos valores de textura: c t x ( k ) 1 (15) nk em que k é o k-ésmo centrode do conunto de dados, x é o -ésmo valor dentre t atrbutos de texturas e n k é o número de elementos daquela partção do conunto de dados. Dado um novo elemento desconhecdo y, a classe a que esse elemento pertence é estmada medante um cálculo de dstânca (eucldana, por exemplo) entre esse novo elemento e os k centrodes do conunto de dados. A classe de y é atrbuída àquele centrode onde ocorreu a menor dstânca. Logo, o centrode deste grupo é atualzado com as novas nformações do novo elemento y (Duda et al., 001)..3.3 Rede Neural A (Multlayer Perceptron) é uma técnca baseada em Redes Neuras Artfcas (RNA) que surgu com o ntuto de superar algumas lmtações do perceptron smples. Esse tpo de classfcador é ndcado para modelagem caxa-preta de mapeamentos não-lneares a partr de trenamento supervsonado, tornando-se atratva para aplcações complexas (Mederos, 008). Este classfcador consste de uma camada de neurônos na entrada, camadas ntermedáras (ocultas) e uma camada de saída, conforme descrto na Fgura 1. Fgura 1. Representação típca de uma rede com uma camada oculta. O trenamento desse tpo de classfcador é realzado através do algortmo de retropropagação de erros (backpropagaton), cuo prncípo é calcular as saídas de todos os neurônos das camadas ocultas por meo de uma estmatva do efeto que estas camadas causam no erro dos neurônos da camada de saída (Rocha Neto, 006). Dessa forma, o erro na camada de saída do classfcador é retroalmentado para as camadas ocultas, possbltando o aperfeçoamento dos valores dos pesos entre as camadas..4 Etapas para Avalação dos Métodos O processo de dentfcação de obetos estranhos em magens de rao-x é dvddo em quatro etapas. A prmera etapa é a etapa de rotulação de regões. Esta etapa é de fundamental mportânca para o bom funconamento dos classfcadores, pos durante a rotulação város pxels são classfcados manualmente dentre as três classes possíves: Osso, Tecdo/Músculo e Outros (obetos estranhos ao corpo humano). Estes pxels e suas vznhanças são utlzados no cálculo da textura de regões da magem. Esses valores de texturas servem como exemplos para que o classfcador dference as classes Osso, Tecdo/Músculo e Outros entre s. Ao fnal desta etapa obtém-se um banco de rótulos contendo as coordenadas dos pxels rotulados e a classe a qual eles pertencem. Este processo é repetdo em cada uma das 0 magens utlzadas neste trabalho.

4 De posse do banco de rótulos é possível gerar o banco de dados com as texturas de cada regão rotulada em cada magem. Esta é a etapa de geração de bancos, onde são combnadas as 10 texturas entre s agrupando-as uma a uma e gerando um banco dferente para cada combnação: C C10; C10;3 C10;4 C10;5 C10;6 C10;7 C10;8 C10;9 10; 10 10;1 C (16) Ao fnal, totalzam-se 103 bancos de texturas dferentes. Cada lnha do banco representa uma amostra de regão que é composta por n texturas e, ao fnal, a classe daquela regão. Cada banco gerado é utlzado para trenar e testar cada classfcador na etapa segunte. Este processo destna-se a encontrar a combnação deal com as texturas que produzem maores taxas de acerto. A tercera etapa é a etapa de classfcação. Nesta etapa, cada um dos 103 bancos de texturas é dvddo em treno e teste: 70% das n amostras é reservada para treno e 30% para teste. Depos de dvddo, o banco é trenado e testado com cada um dos três classfcadores. Após cada teste as taxas de acerto são salvas para, ao fnal, serem ordenadas. São necessáros dos tpos de ordenação: ordenação decrescente da taxa de acerto geral e ordenação crescente da taxa de falso-postvo da classe Outros. A últma etapa destna-se a testar os classfcadores com as confgurações de texturas encontradas após a etapa de classfcação. Esta etapa se resume em segmentar os membros nferores nas magens de rao-x do corpo humano, aplcar a combnação de texturas deal e classfcar os pxels entre as três classes exstentes. Um dagrama contendo o fluxo das etapas é mostrado na Fgura. onde não há a presença de obetos estranhos, mas mesmo assm foram classfcadas como tal. A segunda parte de análse é mportante porque apesar de serem rotuladas três classes nesse trabalho, a classe Outros é a únca que traz resultados sgnfcatvos reas, não mportando se o classfcador confunde a classe Osso com a classe Tecdo/Músculo. Vsando a análse da taxa de acerto, é computado o acerto de cada técnca na etapa de classfcação, após o banco de texturas ser dvddo em treno e teste de manera aleatóra. Cada uma das 103 combnações de texturas produz uma taxa de acerto dferente. Estas taxas são mostradas na Fgura 3 para cada classfcador. Taxa de acerto global kmédas knn Combnação de textura Fgura 3. Taxas de acertos dos classfcadores: knn, kmédas e. A taxa de acerto é ordenada de manera decrescente. Desta forma, têm-se as cnco melhores confgurações de textura em termos de taxa de acerto global para cada classfcador, conforme é mostrado na Tabela 1. Tabela 1. Confgurações de texturas para cada classfcador Fgura. Fluxograma das etapas de classfcação e dentfcação de obetos estranhos, nas pernas, em magens de Scanner de pessoas. 3 Resultados e Dscussões Para avalar a efcáca dos classfcadores utlzados nesse trabalho, os resultados obtdos são dvddos em duas partes: quanto à maor taxa de acerto geral e quanto à menor taxa de falsos-postvos da classe Outros, que são regões da magem Classfcação KNN 1ª ª Proemnênca 3ª 4ª 5ª K-médas Covarânca Autocorrelação Autocorrelacao,Max ma Probabldade,Covarânca Maxma Covarânca Proemnênca

5 Covarânca Sombra A análse da quantdade de falsos-postvos leva em consderação prmeramente, a taxa de acerto da classe Outros, que está lustrada na Fgura 4, e a quantdade de falsos-postvos da mesma classe, lustrado na Fgura 5. Nesta análse excluem-se todas as combnações de texturas que geraram taxas de acerto nferores a 0,7. Dentre as que permaneceram, ordenam-se os arquvos de acordo com a maor taxa de acerto e o menor falso-postvo para, enfm, se obter as cnco melhores confgurações de textura (Ver Tabela ). Taxa de acerto da classe "Outros" kmédas knn Combnação de textura Fgura 4. Taxas de acertos obtdos pelos classfcadores: knn, kmédas e. Para a classe Outros. Falso-postvo da classe "Outros" kmédas knn Combnação de textura Fgura 5. Quantdades de falsos-postvos obtdos pelos classfcadores: knn, kmédas e. Para a classe Outros. Tabela. Cnco melhores confgurações de texturas para cada classfcador Classfcação 1ª KNN K-médas Probabldade ª Probabldade 3ª probabldade probabldade Probabldade 4ª probabldade 5ª Probabldade Unformdade Entropa Ao analsar os valores das cnco maores taxas de acerto global para os três classfcadores, apresentados na Tabela 3, percebe-se uma varação da ordem de, no máxmo, 1% entre as combnações de textura e de 4% entre os classfcadores. Isso mostra sgnfcável semelhança entre as técncas com o classfcador sobressando em relação aos demas. Tabela 3. Taxa de acerto global obtda por cada classfcador KNN K-médas 0,6748 0,6879 0,711 0,6748 0,6874 0,7106 0,6738 0,6866 0,7105 0,679 0,6863 0,709 0,679 0,6855 0,7091 A stuação em relação à segunda análse, da taxa de acerto da classe Outros e da quantdade de falso-postvo, de acordo com a Tabela 4, é semelhante à taxa de acerto global. Há pouca dferença entre as cnco melhores combnações de texturas. Analsando cada classfcador separadamente, percebe-se, novamente, o classfcador com as maores taxas de acerto em relação à classe Outros e o classfcador k-nn com as menores quantdades de falsos-postvos. Tabela 4. Taxa de acerto da classe Outros e da quantdade de falsospostvos (FP) obtdos por cada classfcador KNN K-médas Acertos FP Acertos FP Acertos FP 0,8974 0,011 0,8187 0,0384 0,9144 0,0885 0,878 0,0149 0,816 0,035 0,9115 0,0857 0,8763 0,0155 0,8135 0,0346 0,9115 0,0857 0,8709 0,015 0,8119 0,038 0,9110 0,085 0,86 0,06 0,8116 0,0377 0,9109 0,0850 Desta manera, as combnações de textura que geraram a maor taxa de acerto global, a maor taxa de acerto da classe Outros e a menor quantdade de falso-postvo são testadas nas magens durante a etapa de testes em dentfcação de obetos estranhos. Na Fg. 6a é apresentada uma magem orgnal com obetos estranhos na regão das pernas (ndcado por círculos vermelhos), enquanto na Fg. 6b é mostrado um exemplo de classfcação automátca de regões, sendo as regões verdes os obetos estranhos (classe Outros ) e as regões azus e vermelhas (classe Osso e Tecdo/Músculo ) pertencentes ao corpo humano. O método utlzado é a combnação de texturas com.

6 Como trabalho futuros se pretende mnmzar ou elmnar a presença de falsos-postvos, prncpalmente, nas bordas das pernas em uma etapa de pós-processamento. 5 Agradecmentos Os autores agradecem ao CNPq - Conselho Naconal de Desenvolvmento Centífco e Tecnológco pelo apoo fnancero. a) b) Fgura 6. Resultado de classfcação automátca de obetos estranhos nas pernas. Em a) magem orgnal e b) segmentação das classes: Outros (cor verde), Ossos (cor azul) e Tecdo/Músculo. Na Fg. 7a é apresentado outro exemplo de magem com obetos estranhos crculados em vermelho. As regões classfcadas automatcamente como regões estranhas ao corpo humano estão soladas e mostradas na Fg. 7b. É possível perceber a ncdênca de falsos-postvos em regões recorrentes como, por exemplo, nas bordas das pernas e na regão da rótula. a) b) Fgura 7. Resultado de classfcação automátca de obetos estranhos nas pernas. Em a) magem orgnal e em b) a classes Outros (cor verde). 4 Conclusão Neste trabalho é apresentado um novo método de dentfcação automátca de obetos estranhos em magens de Scanner de pessoas, nas regões das pernas. Este método é formado pela combnação de meddas de texturas e um classfcador. Foram testados os classfcadores KNN, K- médas e a. Os resultados obtdos com o método, que combna textura com a rede neural, foram mas efetvos em relação aos classfcadores KNN e K-médas testados. Uma restrção deste método é a presença de falsos-postvos nas bordas das pernas e na regão da rótula. 6 Referencas Ahmed, W.M.; Zhang, M. and Al-Kofah O. Hstorcal comparson of vehcles usng scanned x-ray mages. IEEE Workshop on WACV, pp.88,93, 5-7 Jan. 011 Coxson, H.O.; Rogers, R.M.; Whttall, K.P.; D yachkova, Y.; Paré, P.D.; Scurba, F. C. et al, A quantfcaton of the lung surface area n emphysema usng computed tomography. Amercan Journal of Respratory and Crtcal Care Medcne, vol. 159, no. 3, pp , Erratum n: Amercan Journal of Respratory and Crtcal Care Medcne, vol. 163, no. 6, pp , 001. Felx, J.H.S.; Cortez, P.C.; Rebouças-Flho, P.P.; Alexandra, A.R.; Costa, R.C.S. and Holanda, M.A. Identfcaton and Quantfcaton of Pulmonary Emphysema through Pseudocolors. Lecture Notes n Computer Scence, vol. 5317, pp , 008. Chrstodoulou, C. I. S. C. Mchaeldes, C. S. Pattchs, Multfeature texture analyss for the classfcaton of clouds n satellte magery, IEEE Transactons on Geoscence and Remote Sensng, vol. 41, no. 11, pp , 003. Sabno, D.M.U. et al. A texture approach to leukocyte recognton. Real-Tme Imagng, vol. 10, pp , 004. Haralck, R.M.; Shanmugam, K. and Dnsten, I. Textural features for mage classfcaton. IEEE Transactons on Systems, Man, and Cybernetcs, vol. 3, no. 6, pp , S. Lvens, Image Analyss for Materal Characterzaton. Tese (Doutorado)-Departamento de Físca, Unversdade of Antwerpa, Bélgca, Haralck, R.M. Statstcal and Structural Approaches to Texture. Proceedngs of IEEE, vol. 67, no. 5, pp , Cover, T.M. and Hart, P.E. Nearest neghbor pattern classfcaton, IEEE Transc. on Informaton Theory, vol.13, pp. 1 7, MacQueen, J.B. Proc. of the ffth Berkeley Symposum on Mathematcal Statstcs and Probablty, 1, pp Unversty of Calforna Press, Duda, R.O. Hart, P.E. and Stork, D.G. Pattern Classfcaton, New York: John Wley & Sons, 001, pp. xx + 654, ISBN: J. Classf. 4, (Sept. 007), Mederos, C.M.S. Uma Contrbução ao Problema de Seleção de Modelos Neuras Usando Prncípo de dos Erros. Tese (Doutorado), Unversdade Federal do Ceará, 008. Rocha Neto, A.R. SINPATCO Sstema Intelgente para Dagnóstco de Patologas da Coluna Vertebral. Dssertação (Mestrado), Unversdade Federal do Ceará, 006.

O Método de Redes Neurais com Função de Ativação de Base Radial para Classificação em Data Mining

O 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 mais

NOTA II TABELAS E GRÁFICOS

NOTA 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 mais

Introdução e Organização de Dados Estatísticos

Introdução 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 mais

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação

Ministério 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 mais

Variabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado

Variabilidade 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 mais

2 Máquinas de Vetor Suporte 2.1. Introdução

2 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 mais

Controle de qualidade de produto cartográfico aplicado a imagem de alta resolução

Controle de qualidade de produto cartográfico aplicado a imagem de alta resolução Controle de qualdade de produto cartográfco aplcado a magem de alta resolução Nathála de Alcântara Rodrgues Alves¹ Mara Emanuella Frmno Barbosa¹ Sydney de Olvera Das¹ ¹ Insttuto Federal de Educação Cênca

Leia mais

Sistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar?

Sistemas 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 mais

Fast Multiresolution Image Querying

Fast 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 mais

Estimativa da Incerteza de Medição da Viscosidade Cinemática pelo Método Manual em Biodiesel

Estimativa 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 mais

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG

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 mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise 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 mais

Estimativa da fração da vegetação a partir de dados AVHRR/NOAA

Estimativa da fração da vegetação a partir de dados AVHRR/NOAA Estmatva da fração da vegetação a partr de dados AVHRR/NOAA Fabane Regna Cunha Dantas 1, Céla Campos Braga, Soetâna Santos de Olvera 1, Tacana Lma Araújo 1 1 Doutoranda em Meteorologa pela Unversdade Federal

Leia mais

Regressão e Correlação Linear

Regressão 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 mais

MAPEAMENTO DA VARIABILIDADE ESPACIAL

MAPEAMENTO 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 mais

SOM Hierárquico Aplicado à Compressão de Imagens

SOM Hierárquico Aplicado à Compressão de Imagens Proceedngs of the V Brazlan Conference on Neural Networks - V Congresso Braslero de Redes Neuras pp. 511 516, Aprl 2 5, 2001 - Ro de Janero - RJ - Brazl SOM Herárquco Aplcado à Compressão de Imagens José

Leia mais

Avaliação da Tendência de Precipitação Pluviométrica Anual no Estado de Sergipe. Evaluation of the Annual Rainfall Trend in the State of Sergipe

Avaliação da Tendência de Precipitação Pluviométrica Anual no Estado de Sergipe. Evaluation of the Annual Rainfall Trend in the State of Sergipe Avalação da Tendênca de Precptação Pluvométrca Anual no Estado de Sergpe Dandara de Olvera Félx, Inaá Francsco de Sousa 2, Pablo Jónata Santana da Slva Nascmento, Davd Noguera dos Santos 3 Graduandos em

Leia mais

UNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia

UNIVERSIDADE 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 mais

Geração de poses de faces utilizando Active Appearance Model Tupã Negreiros 1, Marcos R. P. Barretto 2, Jun Okamoto 3

Geração 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 mais

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA 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 mais

PREVISÃO DE PARTIDAS DE FUTEBOL USANDO MODELOS DINÂMICOS

PREVISÃO 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 mais

PREVISÃO DO ÍNDICE MERVAL: UMA APLICAÇÃO DE REDES NEURIAS POLINOMIAIS GMDH

PREVISÃO 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 mais

Nota Técnica Médias do ENEM 2009 por Escola

Nota 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 mais

Estatística stica Descritiva

Estatística stica Descritiva AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas

Leia mais

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)

5.1 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 mais

IMPLEMENTAÇÃO DE REDES NEURAIS ARTIFICIAIS UTILIZANDO A LINGUAGEM DE PROGRAMAÇÃO JAVA

IMPLEMENTAÇÃO DE REDES NEURAIS ARTIFICIAIS UTILIZANDO A LINGUAGEM DE PROGRAMAÇÃO JAVA IMPLEMENTAÇÃO DE REDES NEURAIS ARTIFICIAIS UTILIZANDO A LINGUAGEM DE PROGRAMAÇÃO JAVA José R. Campos 1, Anna D. P. Lotufo 1, Carlos R. Mnuss 1, Mara L. M. Lopes 1 1 UNESP, Ilha Soltera, Brasl, jrcampos8@gmal.com,

Leia mais

Software para Furação e Rebitagem de Fuselagem de Aeronaves

Software 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 mais

Influência dos Procedimentos de Ensaios e Tratamento de Dados em Análise Probabilística de Estrutura de Contenção

Influência 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 mais

MODELO DE FILA HIPERCUBO COM MÚLTIPLO DESPACHO E BACKUP PARCIAL PARA ANÁLISE DE SISTEMAS DE ATENDIMENTO MÉDICO EMERGENCIAIS EM RODOVIAS

MODELO DE FILA HIPERCUBO COM MÚLTIPLO DESPACHO E BACKUP PARCIAL PARA ANÁLISE DE SISTEMAS DE ATENDIMENTO MÉDICO EMERGENCIAIS EM RODOVIAS versão mpressa ISSN 00-7438 / versão onlne ISSN 678-542 MODELO DE FILA HIPERCUBO COM MÚLTIPLO DESPACHO E BACKUP PARCIAL PARA ANÁLISE DE SISTEMAS DE ATENDIMENTO MÉDICO EMERGENCIAIS EM RODOVIAS Ana Paula

Leia mais

MODELO DE FILA HIPERCUBO COM MÚLTIPLO DESPACHO E BACKUP PARCIAL PARA ANÁLISE DE SISTEMAS DE ATENDIMENTO MÉDICO EMERGENCIAIS EM RODOVIAS

MODELO DE FILA HIPERCUBO COM MÚLTIPLO DESPACHO E BACKUP PARCIAL PARA ANÁLISE DE SISTEMAS DE ATENDIMENTO MÉDICO EMERGENCIAIS EM RODOVIAS versão mpressa ISSN 0101-7438 / versão onlne ISSN 1678-5142 MODELO DE FILA HIPERCUBO COM MÚLTIPLO DESPACHO E BACKUP PARCIAL PARA ANÁLISE DE SISTEMAS DE ATENDIMENTO MÉDICO EMERGENCIAIS EM RODOVIAS Ana Paula

Leia mais

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)

CAPÍTULO 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 mais

FUNÇÃO NO R PARA OBTENÇÃO DO DESENHO D-ÓTIMO EM MODELOS DE MISTURAS COM RESTRIÇÕES

FUNÇÃO NO R PARA OBTENÇÃO DO DESENHO D-ÓTIMO EM MODELOS DE MISTURAS COM RESTRIÇÕES FUNÇÃO NO R PARA OBTENÇÃO DO DESENHO D-ÓTIMO EM MODELOS DE MISTURAS COM RESTRIÇÕES Edmlson Rodrgues Pnto Leandro Alves Perera Faculdade de Matemátca Faculdade de Matemátca Unversdade Federal de Uberlânda

Leia mais

2 ANÁLISE ESPACIAL DE EVENTOS

2 ANÁLISE ESPACIAL DE EVENTOS ANÁLISE ESPACIAL DE EVENTOS Glberto Câmara Marla Sá Carvalho.1 INTRODUÇÃO Neste capítulo serão estudados os fenômenos expressos através de ocorrêncas dentfcadas como pontos localzados no espaço, denomnados

Leia mais

UTILIZAÇÃO 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 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 mais

Controlo Metrológico de Contadores de Gás

Controlo 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 mais

Detecção de Microcalcificações de Bordas Lisas e Agrupamentos em Formação, para Auxílio ao Diagnóstico Médico de Câncer de Mama

Detecção de Microcalcificações de Bordas Lisas e Agrupamentos em Formação, para Auxílio ao Diagnóstico Médico de Câncer de Mama Detecção de Mcrocalcfcações de Bordas Lsas e Agrupamentos em Formação, para Auxílo ao Dagnóstco Médco de Câncer de Mama Aledr Slvera Perera, Noran Marrangello,Crstane Sawada Yokota,Káta Harum Nkuma UNESP/IBILCE

Leia mais

O Uso do Software Matlab Aplicado à Previsão de Índices da Bolsa de Valores: Um Estudo de Caso no Curso de Engenharia de Produção

O Uso do Software Matlab Aplicado à Previsão de Índices da Bolsa de Valores: Um Estudo de Caso no Curso de Engenharia de Produção O Uso do Software Matlab Aplcado à Prevsão de Índces da Bolsa de Valores: Um Estudo de Caso no Curso de Engenhara de Produção VICENTE, S. A. S. Unversdade Presbterana Mackenze Rua da Consolação, 930 prédo

Leia mais

Como aposentadorias e pensões afetam a educação e o trabalho de jovens do domicílio 1

Como aposentadorias e pensões afetam a educação e o trabalho de jovens do domicílio 1 Como aposentadoras e pensões afetam a educação e o trabalo de jovens do domcílo 1 Rodolfo Hoffmann 2 Resumo A questão central é saber como o valor da parcela do rendmento domclar formada por aposentadoras

Leia mais

UMA 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) 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 mais

PARÂMETRO DE EXATIDÃO PARA APROXIMACÃO DE FUNCÕES UTILIZANDO MULTILAYER PERCEPTRONS NOS DOMÍNIOS REAL, COMPLEXO E DE CLIFFORD

PARÂMETRO DE EXATIDÃO PARA APROXIMACÃO DE FUNCÕES UTILIZANDO MULTILAYER PERCEPTRONS NOS DOMÍNIOS REAL, COMPLEXO E DE CLIFFORD PARÂMETRO DE EXATIDÃO PARA APROXIMACÃO DE FUNCÕES UTILIZANDO MULTILAYER PERCEPTRONS NOS DOMÍNIOS REAL, COMPLEXO E DE CLIFFORD Thalles S. Torch, Mlton R. Romero e Evandro M. Martns 3 Depto. de Eng. Elétrca,

Leia mais

! Superlntenrlencia Reg.onaJ do Ma:toGro$So. Qualificação e Reinserção Profissional dos Resgatados do Trabalho Escravo elou em AÇÃO INTEGRADA

! Superlntenrlencia Reg.onaJ do Ma:toGro$So. Qualificação e Reinserção Profissional dos Resgatados do Trabalho Escravo elou em AÇÃO INTEGRADA ",, 1," ;,,," 1, C?5lMnstérO Públco do "':'1"') Trabalho PRT 23,! Superlntenrlenca RegonaJ do Ma:toGro$So!! (', ' \_ \ '1 j t t' 1 PROJETO: Qualfcação e Renserção Profssonal dos Resgatados do Trabalho

Leia mais

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para

Objetivos 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 mais

IV - Descrição e Apresentação dos Dados. Prof. Herondino

IV - Descrição e Apresentação dos Dados. Prof. Herondino IV - Descrção e Apresentação dos Dados Prof. Herondno Dados A palavra "dados" é um termo relatvo, tratamento de dados comumente ocorre por etapas, e os "dados processados" a partr de uma etapa podem ser

Leia mais

CONGRESSO DE INICIAÇÃO CIENTÍFICA E PÓS-GRADUAÇÃO - I CICPG SUL BRASIL Florianópolis 2010

CONGRESSO DE INICIAÇÃO CIENTÍFICA E PÓS-GRADUAÇÃO - I CICPG SUL BRASIL Florianópolis 2010 Floranópols 200 ANÁLISE COMPARATIVA DA INFLUÊNCIA DA NEBULOSIDADE E UMIDADE RELATIVA SOBRE A IRRADIAÇÃO SOLAR EM SUPERFÍCIE Eduardo Wede Luz * ; Nelson Jorge Schuch ; Fernando Ramos Martns 2 ; Marco Cecon

Leia mais

ANÁLISE DE CONFIABILIDADE DO MODELO SCS-CN EM DIFERENTES ESCALAS ESPACIAIS NO SEMIÁRIDO

ANÁLISE DE CONFIABILIDADE DO MODELO SCS-CN EM DIFERENTES ESCALAS ESPACIAIS NO SEMIÁRIDO ANÁLISE DE CONFIABILIDADE DO MODELO SCS-CN EM DIFERENTES ESCALAS ESPACIAIS NO SEMIÁRIDO J. W. B. Lopes 1 ; E. A. R. Pnhero 2 ; J. R. de Araújo Neto 3 ; J. C. N. dos Santos 4 RESUMO: Esse estudo fo conduzdo

Leia mais

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO - IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO - IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão.0 XXX.YY 22 a 25 Novembro de 2009 Recfe - PE GRUPO - IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP SISTEMA

Leia mais

Professor Mauricio Lutz CORRELAÇÃO

Professor 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 mais

LOCALIZAÇÃO ESPACIAL DA MÃO DO USUÁRIO UTILIZANDO WII REMOTE. Ricardo Silva Tavares 1 ; Roberto Scalco 2

LOCALIZAÇÃO ESPACIAL DA MÃO DO USUÁRIO UTILIZANDO WII REMOTE. Ricardo Silva Tavares 1 ; Roberto Scalco 2 LOCALIZAÇÃO ESPACIAL DA MÃO DO USUÁRIO UTILIZANDO WII REMOTE Rcardo Slva Tavares 1 ; Roberto Scalco 1 Aluno de Incação Centífca da Escola de Engenhara Mauá (EEM/CEUN-IMT); Professor da Escola de Engenhara

Leia mais

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ GOVERNO DO ESTADO DO CEARÁ SECRETARIA DO PLANEJAMENTO E GESTÃO - SEPLAG INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE NOTA TÉCNICA Nº 29 PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS

Leia mais

UTILIZAÇÃO DE REDES NEURAIS ARTIFICIAIS E REGRESSÃO LINEAR MÚLTIPLA PARA A PREVISÃO DO TEMPO DE DURAÇÃO DE AUDIÊNCIAS TRABALHISTAS

UTILIZAÇÃO DE REDES NEURAIS ARTIFICIAIS E REGRESSÃO LINEAR MÚLTIPLA PARA A PREVISÃO DO TEMPO DE DURAÇÃO DE AUDIÊNCIAS TRABALHISTAS UTILIZAÇÃO DE REDES NEURAIS ARTIFICIAIS E REGRESSÃO LINEAR MÚLTILA ARA A REVISÃO DO TEMO DE DURAÇÃO DE AUDIÊNCIAS TRABALHISTAS Alessandra Memar avanell Unversdade Federal do araná UFR rograma de ós-graduação

Leia mais

7.4 Precificação dos Serviços de Transmissão em Ambiente Desregulamentado

7.4 Precificação dos Serviços de Transmissão em Ambiente Desregulamentado 64 Capítulo 7: Introdução ao Estudo de Mercados de Energa Elétrca 7.4 Precfcação dos Servços de Transmssão em Ambente Desregulamentado A re-estruturação da ndústra de energa elétrca que ocorreu nos últmos

Leia mais

ANALISADOR DE EVENTOS EM TEMPO QUASE-REAL

ANALISADOR DE EVENTOS EM TEMPO QUASE-REAL XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 GPC.01 22 a 25 Novembro de 2009 Recfe - PE GRUPO -V GRUPO DE ESTUDO DE PROTEÇÃO, MEDIÇÃO, CONTROLE E AUTOMAÇÃO EM SISTEMAS

Leia mais

Universidade Federal do Rio Grande do Norte Centro de Tecnologia Programa de Pós-Graduação em Engenharia Elétrica e de Computação

Universidade Federal do Rio Grande do Norte Centro de Tecnologia Programa de Pós-Graduação em Engenharia Elétrica e de Computação Unversdade Federal do Ro Grande do Norte Centro de Tecnologa Programa de Pós-Graduação em Engenhara Elétrca e de Computação IDENTIFICAÇÃO NÃO LINEAR USANDO UMA REDE FUZZY WAVELET NEURAL NETWORK MODIFICADA

Leia mais

RAE-eletrônica ISSN: 1676-5648 rae@fgv.br. Escola de Administração de Empresas de São Paulo. Brasil

RAE-eletrônica ISSN: 1676-5648 rae@fgv.br. Escola de Administração de Empresas de São Paulo. Brasil RAE-eletrônca ISSN: 676-5648 rae@fgv.br Escola de Admnstração de Empresas de São Paulo Brasl Gumarães, Ináco Andrusk; Chaves Neto, Anselmo RECONHECIMENTO DE PADRÕES: METODOLOGIAS ESTATÍSTICAS EM CRÉDITO

Leia mais

BALANÇO HÍDRICO: UMA FERRAMENTA PARA GESTÃO INDUSTRIAL E OTIMIZAÇÃO AMBIENTAL.

BALANÇO HÍDRICO: UMA FERRAMENTA PARA GESTÃO INDUSTRIAL E OTIMIZAÇÃO AMBIENTAL. BALANÇO HÍDRICO: UMA FERRAMENTA PARA GESTÃO INDUSTRIAL E OTIMIZAÇÃO AMBIENTAL. Leonardo Slva de Souza (1) Mestrando em Engenhara Químca(UFBA). Pesqusador da Rede Teclm. Bárbara Vrgína Damasceno Braga (1)

Leia mais

3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas

3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas PROGRAMA DE PÓS-GRADUAÇÃO EM EGEHARIA DE TRASPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMETO DE EGEHARIA CIVIL ECV DISCIPLIA: TGT41006 FUDAMETOS DE ESTATÍSTICA 3ª AULA: ESTATÍSTICA DESCRITIVA Meddas umércas

Leia mais

UM NOVO ALGORITMO GENÉTICO PARA A OTIMIZAÇÃO DE CARTEIRAS DE INVESTIMENTO COM RESTRIÇÕES DE CARDINALIDADE

UM NOVO ALGORITMO GENÉTICO PARA A OTIMIZAÇÃO DE CARTEIRAS DE INVESTIMENTO COM RESTRIÇÕES DE CARDINALIDADE Unversdade Estadual de Campnas Insttuto de Matemátca, Estatístca e Computação Centífca Departamento de Matemátca Aplcada DISSERTAÇÃO DE MESTRADO UM NOVO ALGORITMO GENÉTICO PARA A OTIMIZAÇÃO DE CARTEIRAS

Leia mais

CAPÍTULO 1 Exercícios Propostos

CAPÍTULO 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 mais

AVALIAÇÃO DE CLASSIFICADORES BASEADOS EM APRENDIZADO DE MÁQUINA PARA A CLASSIFICAÇÃO DO USO E COBERTURA DA TERRA NO BIOMA CAATINGA

AVALIAÇÃO DE CLASSIFICADORES BASEADOS EM APRENDIZADO DE MÁQUINA PARA A CLASSIFICAÇÃO DO USO E COBERTURA DA TERRA NO BIOMA CAATINGA AVALIAÇÃO DE CLASSIFICADORES BASEADOS EM APREDIZADO DE MÁQUIA PARA A CLASSIFICAÇÃO DO USO E COBERTURA DA TERRA O BIOMA CAATIGA Evaluaton of Classfers Based on Machnes Learnng to Land Use and Cover Classfcaton

Leia mais

Software. Guia do professor. Como comprar sua moto. Secretaria de Educação a Distância. Ministério da Ciência e Tecnologia. Ministério da Educação

Software. Guia do professor. Como comprar sua moto. Secretaria de Educação a Distância. Ministério da Ciência e Tecnologia. Ministério da Educação números e funções Gua do professor Software Como comprar sua moto Objetvos da undade 1. Aplcar o conceto de juros compostos; 2. Introduzr o conceto de empréstmo sob juros; 3. Mostrar aplcações de progressão

Leia mais

SCATTER SEARCH APLICADO AO PROBLEMA DE OTIMIZAÇÃO DA ALOCAÇÃO DE SONDAS DE PRODUÇÃO EM POÇOS DE PETRÓLEO

SCATTER 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 mais

XX 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 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 mais

Probabilidade nas Ciências da Saúde

Probabilidade nas Ciências da Saúde UNIVERSIDDE ESTDUL DE GOIÁS Undade Unverstára de Cêncas Exatas e Tecnológcas Curso de Lcencatura em Matemátca robabldade nas Cêncas da Saúde Rafaela Fernandes da Slva Santos NÁOLIS 014 Rafaela Fernandes

Leia mais

FERRAMENTA DE AUXÍLIO AO DIAGNÓSTICO MÉDICO DURANTE A GRAVIDEZ

FERRAMENTA DE AUXÍLIO AO DIAGNÓSTICO MÉDICO DURANTE A GRAVIDEZ FERRAMENTA DE AUXÍLIO AO DIAGNÓSTICO MÉDICO DURANTE A GRAVIDEZ M. G. F. Costa, C. F. F. Costa Flho, M. C. Das, A. C. S.Fretas. Unversdade do Amazonas Laboratóro de Processamento Dgtal de Imagens Av. Gal.

Leia mais

UMA ANÁLISE DE PROPRIEDADES RADIATIVAS DE NUVENS CIRROS NO NORDESTE USANDO IMAGENS MULTIESPECTRAIS DE METEOSAT-5

UMA ANÁLISE DE PROPRIEDADES RADIATIVAS DE NUVENS CIRROS NO NORDESTE USANDO IMAGENS MULTIESPECTRAIS DE METEOSAT-5 UMA ANÁLISE DE PROPRIEDADES RADIATIVAS DE NUVENS CIRROS NO NORDESTE USANDO IMAGENS MULTIESPECTRAIS DE METEOSAT-5 Roberto Carlos Gomes Perera - rcarlos@cptec.npe.br ( 1 ) Juan Carlos Ceballos - juanc@cptec.npe.br

Leia mais

MODELAGEM 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 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 mais

3.1. Conceitos de força e massa

3.1. Conceitos de força e massa CAPÍTULO 3 Les de Newton 3.1. Concetos de força e massa Uma força representa a acção de um corpo sobre outro,.e. a nteracção físca entre dos corpos. Como grandeza vectoral que é, só fca caracterzada pelo

Leia mais

REGRESSÃO LOGÍSTICA. Seja Y uma variável aleatória dummy definida como:

REGRESSÃO 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 mais

PLANILHAS EXCEL/VBA PARA PROBLEMAS ENVOLVENDO EQUILÍBRIO LÍQUIDO-VAPOR EM SISTEMAS BINÁRIOS

PLANILHAS EXCEL/VBA PARA PROBLEMAS ENVOLVENDO EQUILÍBRIO LÍQUIDO-VAPOR EM SISTEMAS BINÁRIOS PLANILHAS EXCEL/VBA PARA PROBLEMAS ENVOLVENDO EQUILÍBRIO LÍQUIDO-VAPOR EM SISTEMAS BINÁRIOS L. G. Olvera, J. K. S. Negreros, S. P. Nascmento, J. A. Cavalcante, N. A. Costa Unversdade Federal da Paraíba,

Leia mais

Introdução à Análise de Dados nas medidas de grandezas físicas

Introdução 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 mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES

CURSO 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 mais

Redes Neurais Artificiais Aplicadas no Monitoramento da Condição de Ferramentas de Corte Utilizando Algoritmo de Extração das Características SFS

Redes Neurais Artificiais Aplicadas no Monitoramento da Condição de Ferramentas de Corte Utilizando Algoritmo de Extração das Características SFS Proceedngs of the IV Brazlan Conference on Neural Networs - IV Congresso Braslero de Redes Neuras pp. 292-297, July 20-22, 999 - ITA, São José dos Campos - SP - Brazl Redes Neuras Artfcas Aplcadas no Montoramento

Leia mais

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00)

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00) Bussab&Morettn Estatístca Básca Capítulo 4 Problema. (b) Grau de Instrução Procedênca º grau º grau Superor Total Interor 3 (,83) 7 (,94) (,) (,33) Captal 4 (,) (,39) (,) (,3) Outra (,39) (,7) (,) 3 (,3)

Leia mais

SUCESU 2005 Tecnologias Inteligência Artificial O estado da arte em métodos para reconhecimento de padrões: Support Vector Machine

SUCESU 2005 Tecnologias Inteligência Artificial O estado da arte em métodos para reconhecimento de padrões: Support Vector Machine SUCESU 005 ecnologas Intelgênca Artfcal O estado da arte em métodos para reconhecmento de padrões: Support Vector Machne Bernardo enna Resende de Carvalho bpenna@gmal.com Resumo A área de reconhecmento

Leia mais

PROJECTO DO LAYOUT DE INSTALAÇÕES INDUSTRIAIS

PROJECTO DO LAYOUT DE INSTALAÇÕES INDUSTRIAIS 2 PROJECTO DO LAYOUT DE INSTALAÇÕES INDUSTRIAIS Determnar a sequênca de operações de fabrco, quas e quantos recursos estão dsponíves para cada tpo de operação, como fluem os materas e as pessoas, qual

Leia mais

1 a Lei de Kirchhoff ou Lei dos Nós: Num nó, a soma das intensidades de correntes que chegam é igual à soma das intensidades de correntes que saem.

1 a Lei de Kirchhoff ou Lei dos Nós: Num nó, a soma das intensidades de correntes que chegam é igual à soma das intensidades de correntes que saem. Les de Krchhoff Até aqu você aprendeu técncas para resolver crcutos não muto complexos. Bascamente todos os métodos foram baseados na 1 a Le de Ohm. Agora você va aprender as Les de Krchhoff. As Les de

Leia mais

Análise Econômica da Aplicação de Motores de Alto Rendimento

Análise 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 mais

INTRODUÇÃO AO CÁLCULO DE ERROS NAS MEDIDAS DE GRANDEZAS FÍSICAS

INTRODUÇÃO 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 mais

POLARIMETRIA ÓPTICA E MODELAGEM DE POLARES OBSERVADAS NO OPD/LNA NO PERÍODO DE 2010-2012

POLARIMETRIA ÓPTICA E MODELAGEM DE POLARES OBSERVADAS NO OPD/LNA NO PERÍODO DE 2010-2012 5 POLARIMETRIA ÓPTICA E MODELAGEM DE POLARES OBSERVADAS NO OPD/LNA NO PERÍODO DE 00-0 OPTICAL POLARIMETRY AND MODELING OF POLARS OBSERVED IN OPD/LNA IN THE PERIOD 00-0 Karleyne M. G. Slva Cláuda V. Rodrgues

Leia mais

Cálculo do Conceito ENADE

Cálculo 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 mais

2. MATERIAIS E MÉTODOS

2. MATERIAIS E MÉTODOS AVALIAÇÃO DE DESEMPENHO DOS MODELOS DO IPCC-AR4 NO NORDESTE SETENTRIONAL DO BRASIL QUANTO À VARIABILIDADE PLURIANUAL DA PRECIPITAÇÃO NO SÉCULO XX RESUMO--- Os modelos globas do Intergovernmental Panel

Leia mais

Filtro de Conteúdo para Sistemas SMS Baseado em Classificador Bayesiano e Agrupamento por Palavras

Filtro de Conteúdo para Sistemas SMS Baseado em Classificador Bayesiano e Agrupamento por Palavras XV Workshop de Gerênca e Operação de Redes e Servços 131 Fltro de Conteúdo para Sstemas SMS Baseado em Classfcador Bayesano e Agrupamento por Drceu Belém 1, Fátma Duarte-Fgueredo 1 1 Pontfíca Unversdade

Leia mais

SISTEMA HÍBRIDO NEURO-FUZZY PARA ANÁLISE DE SEGURANÇA EM TEMPO REAL DE SISTEMAS DE POTÊNCIA

SISTEMA HÍBRIDO NEURO-FUZZY PARA ANÁLISE DE SEGURANÇA EM TEMPO REAL DE SISTEMAS DE POTÊNCIA SISTEMA HÍBRIDO NEURO-FUZZY PARA ANÁLISE DE SEGURANÇA EM TEMPO REAL DE SISTEMAS DE POTÊNCIA EDUARDO DE A. SODRÉ, DEPT Dvsão de Estudos do Sstema de Transmssão, CHESF Rua Delmro Gouvea, 333 Bon, Cep: 50761

Leia mais

7. Resolução Numérica de Equações Diferenciais Ordinárias

7. 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 mais

ROGÉRIO ALVES SANTANA. AVALIAÇÃO DE TÉCNICAS GEOESTATÍSTICAS NO INVENTÁRIO DE POVOAMENTOS DE Tectona grandis L.f.

ROGÉRIO ALVES SANTANA. AVALIAÇÃO DE TÉCNICAS GEOESTATÍSTICAS NO INVENTÁRIO DE POVOAMENTOS DE Tectona grandis L.f. ROGÉRIO ALVES SANTANA AVALIAÇÃO DE TÉCNICAS GEOESTATÍSTICAS NO INVENTÁRIO DE POVOAMENTOS DE Tectona grands L.f. Dssertação apresentada à Unversdade Federal de Vçosa, como parte das exgêncas do Programa

Leia mais

ESTUDO COMPARATIVO DE ALGORITMOS PARA RECONHECIMENTO FACIAL

ESTUDO COMPARATIVO DE ALGORITMOS PARA RECONHECIMENTO FACIAL EUDO COMPARAIVO DE AGORIMO PARA RECONHECIMENO FACIA Astract Crstane Knuta, crstane_knuta@yahoo.com.r Denns Molna, dennsmolna00@yahoo.com.r Erc Govan Dorneles, ercgovan@g.com.r Fao meão Grecch, faogrecch@g.com.r

Leia mais

EXTRAÇÃO AUTOMÁTICA DE CONTORNOS DE TELHADOS USANDO DADOS DE VARREDURA A LASER E CAMPOS RANDÔMICOS DE MARKOV

EXTRAÇÃO AUTOMÁTICA DE CONTORNOS DE TELHADOS USANDO DADOS DE VARREDURA A LASER E CAMPOS RANDÔMICOS DE MARKOV EXTRAÇÃO AUTOMÁTICA DE CONTORNOS DE TELHADOS USANDO DADOS DE VARREDURA A LASER E CAMPOS RANDÔMICOS DE MARKOV Automatc Extracton of Buldng Roof Contours by Laser Scannng Data and Markov Random Feld Ednéa

Leia mais

IX CONGRESSO BRASILEIRO DE ENGENHARIA E CIÊNCIAS TÉRMICAS. 9th BRAZILIAN CONGRESS OF THERMAL ENGINEERING AND SCIENCES

IX CONGRESSO BRASILEIRO DE ENGENHARIA E CIÊNCIAS TÉRMICAS. 9th BRAZILIAN CONGRESS OF THERMAL ENGINEERING AND SCIENCES IX CONGRESSO BRASILEIRO DE ENGENHARIA E CIÊNCIAS TÉRMICAS 9th BRAZILIAN CONGRESS OF THERMAL ENGINEERING AND SCIENCES Paper CIT02-0026 METODOLOGIA PARA CORRELAÇÃO DE DADOS CINÉTICOS ENTRE AS TÉCNICAS DE

Leia mais

Modelo de distribuição de recursos para o transporte escolar rural a partir dos princípios da igualdade e da equidade

Modelo de distribuição de recursos para o transporte escolar rural a partir dos princípios da igualdade e da equidade Modelo de dstrbução de recursos para o transporte escolar rural a partr dos prncípos da gualdade e da equdade Alan Rcardo da Slva 1 ; Yaeko Yamashta 2 Resumo: O transporte escolar rural consttu um mportante

Leia mais

PRODUTIVIDADE DO CAFÉ EM MINAS GERAIS: UMA ANÁLISE ESPACIAL

PRODUTIVIDADE DO CAFÉ EM MINAS GERAIS: UMA ANÁLISE ESPACIAL PRODUTIVIDADE DO CAFÉ EM MINAS GERAIS: UMA ANÁLISE ESPACIAL EDUARDO SIMÕES DE ALMEIDA; GISLENE DE OLIVEIRA PACHECO; ANA PAULA BENTO PATROCÍNIO; SIMONE MOURA DIAS; FEA/UFJF JUIZ DE FORA - MG - BRASIL edu_smoes@hotmal.com

Leia mais

UM MODELO DE ALOCAÇÃO DINÂMICA DE CAMINHÕES VISANDO AO ATENDIMENTO DE METAS DE PRODUÇÃO E QUALIDADE

UM MODELO DE ALOCAÇÃO DINÂMICA DE CAMINHÕES VISANDO AO ATENDIMENTO DE METAS DE PRODUÇÃO E QUALIDADE UM MODELO DE ALOCAÇÃO DINÂMICA DE CAMINHÕES VISANDO AO ATENDIMENTO DE METAS DE PRODUÇÃO E QUALIDADE RESUMO Felppe Perera da Costa, PPGEM/UFOP, Mestrando. felppe@mneral.em.ufop.br Marcone Jamlson Fretas

Leia mais

1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL; 2.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.

1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL; 2.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL. A FUNÇÃO DE PRODUÇÃO E SUPERMERCADOS NO BRASIL ALEX AIRES CUNHA (1) ; CLEYZER ADRIAN CUNHA (). 1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL;.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.

Leia mais

Redes Neuronais (Introdução, perceptrões, e MLP)

Redes Neuronais (Introdução, perceptrões, e MLP) Redes neuronas (Perceptrões e MLP) Redes Neuronas (Introdução, perceptrões, e MLP) Vctor Lobo Orgens de AI e Redes Neuronas Programação Imperata Explcta-se o algortmo Conjunto de nstruções S INÍCIO? N?

Leia mais

Camila Spinassé INTRODUÇÃO À MATEMÁTICA FINANCEIRA PARA ALUNOS NA EDUCAÇÃO DE JOVENS E ADULTOS

Camila Spinassé INTRODUÇÃO À MATEMÁTICA FINANCEIRA PARA ALUNOS NA EDUCAÇÃO DE JOVENS E ADULTOS Camla Spnassé INTRODUÇÃO À MATEMÁTICA FINANCEIRA PARA ALUNOS NA EDUCAÇÃO DE JOVENS E ADULTOS Vtóra Agosto de 2013 Camla Spnassé INTRODUÇÃO À MATEMÁTICA FINANCEIRA PARA ALUNOS NA EDUCAÇÃO DE JOVENS E ADULTOS

Leia mais

Carlos Vogt, Flávia Gouveia, Ana Paula Morales, Flávio Daher e Fábio Pisaruk *

Carlos Vogt, Flávia Gouveia, Ana Paula Morales, Flávio Daher e Fábio Pisaruk * Scentfc Automatc Press Observer (SAPO): sstema automátco de geração de ndcadores de Cultura Centífca e de montoramento de temas centífcos na mída Carlos Vogt, Fláva Gouvea, Ana Paula Morales, Flávo Daher

Leia mais

UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ADMINISTRAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO ESPECIALIZAÇÃO EM MERCADO DE CAPITAIS

UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ADMINISTRAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO ESPECIALIZAÇÃO EM MERCADO DE CAPITAIS UNIVESIDADE FEDEAL DO IO GANDE DO SUL ESCOLA DE ADMINISTAÇÃO OGAMA DE ÓS-GADUAÇÃO EM ADMINISTAÇÃO ESECIALIZAÇÃO EM MECADO DE CAITAIS MODENA TEOIA DE CATEIAS: DESENVOLVIMENTO E ANÁLISE DE UM MODELO DE SELEÇÃO

Leia mais

Problemas Associados a Cones de Segunda Ordem

Problemas Associados a Cones de Segunda Ordem Problemas Assocados a Cones de Segunda Ordem Dense S. Trevsol, Mara A. D. Ehrhardt, Insttuto de Matemátca, Estatístca e Computação Centífca, IMECC, UNICAMP, 1383-859, Campnas, SP E-mal: ra8477@me.uncamp.br,

Leia mais

ESTRUTURA DA Sacoglottis guianensis BENTH. NA UNIVERSIDADE FEDERAL DO AMAPÁ

ESTRUTURA DA Sacoglottis guianensis BENTH. NA UNIVERSIDADE FEDERAL DO AMAPÁ ESTRUTURA DA Sacoglotts guanenss BENTH. NA UNIVERSIDADE FEDERAL DO AMAPÁ Estgarrba, F. (1) ; Aparíco, W. C. S. (1) ; Perere, L. C. B. (1) ; Galvão, F. G. (1) ; Gama, R. C. (1) ; Lobato, C. M. (1) fabyestgarrba@gmal.com

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ESTATÍSTICA CE 071 ANÁLISE DE REGRESSÃO LINEAR. Cesar Augusto Taconeli

UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ESTATÍSTICA CE 071 ANÁLISE DE REGRESSÃO LINEAR. Cesar Augusto Taconeli UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ESTATÍSTICA CE 7 ANÁLISE DE REGRESSÃO LINEAR Cesar Augusto Taconel Curtba-PR . INTRODUÇÃO Taconel, C.A. Análse de Regressão Lnear Ao se tratar da relação

Leia mais

Visualização Científica no Contexto de Métodos Meshfree: Aprimoramento de Algoritmos Clássicos

Visualização 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 mais