Redes Neuronais e Aprendizagem Automática 1
|
|
- Gabriella Gentil Ferretti
- 8 Há anos
- Visualizações:
Transcrição
1 Redes Neuronais e Aprendizagem Automática 2005/ a aula Fernando.Silva@ist.utl.pt Instituto Superior Técnico Redes Neuronais e Aprendizagem Automática 1
2 Sumário Árvores de decisão (continuação) Entropia. Selecção de atributos por critério de entropia. Redes Neuronais e Aprendizagem Automática 2
3 Interpretação de entropia A entropia mede a incerteza sobre uma determinada variável aleatória Caso determínistico H(X) = 0 Caso equiprovável: H(X) = log 2 (K) Entropia mede a informação fornecida por uma VA: Maior incerteza = mais informação = maior entropia Menor incerteza = menos informação = menor entropia Em teoria da informação, a entropia mede o número de bits necessário para codificar 1 de K possíveis acontecimentos Caso equiprovável: codificação binária convencional Caso determinístico: 0 bits Casos intermédios: cada acontecimento pode ser codificado com log 2 (P (x i )) bits. Número de bits necessário para codificar cada acontecimento reduz-se com o aumento da probabilidade de ocorrência (menos informativo). Número médio de bits: H(X) Redes Neuronais e Aprendizagem Automática 3
4 Entropia conjunta Entropia conjunta de X e Y H(X, Y ) = n i=1 m P (x i, y k ) log 2 (P (x i, y k )) k=1 X e Y independentes: P (x i, y k ) = P (x i )P (y k ) H(X, Y ) = H(X) + H(Y ) Entropia condicional de X dado Y = y j H(X Y = y j ) = n P (x i Y = y j ) log 2 (P (x i Y = y j )) i=1 Redes Neuronais e Aprendizagem Automática 4
5 Entropia condicional Entropia condicional m H(X Y ) = E[H(X Y = y j )] = H(X Y = y j )P (y j ) j=1 m n P (x i, y j ) log 2 (P (x i y j )) j=1 i=1 (1) H(X Y ) mede a incerteza de X admitindo que se conhece Y. X e Y independentes: H(X Y ) = H(X) Relação determinística: X = F (Y ) P (x i Y = y j ) = δ ik(j), H(X Y ) = 0 (2) m n H(X Y ) = P (y j ) P (x i y j ) log 2 (P (x i y j )) = 0 j=1 Relação determinística: Não há qualquer incerteza (informação) em X quando Y é conhecido. i=1 Redes Neuronais e Aprendizagem Automática 5
6 Entropia condicional e conjunta Entropia condicional H(X, Y ) = H(X Y ) + H(Y ) Informação conjunta de X, Y é igual à informação de X dada Y mais a informação de Y. Redes Neuronais e Aprendizagem Automática 6
7 Informação mútua Informação comum (partilhada) entre X e Y : I(X; Y ) = H(X) H(X Y ) = H(X) + H(Y ) H(X, Y ) Redes Neuronais e Aprendizagem Automática 7
8 Diagramas de Entropia H(X,Y) H(X) H(Y) H(X Y) Caso geral I(X;Y) H(Y X) Redes Neuronais e Aprendizagem Automática 8
9 Diagramas de Entropia 2 H(X,Y) H(X) H(Y) I(X;Y) H(X Y) H(Y X) Variáveis com interdependência determinística Redes Neuronais e Aprendizagem Automática 9
10 Diagramas de Entropia 3 H(X,Y) H(X) H(Y) H(X Y) H(Y X) I(X;Y) Variáveis independentes Redes Neuronais e Aprendizagem Automática 10
11 Telecomunicações Shannon, 1949 Telecomunicações: x(n) H(X) Canal y(n) H(Y) Entropia do emissor: H(X) (taxa de transmissão) Incerteza sobre X à chegada: H(X Y ) (taxa de erro) Informação mútua I(X; Y ) = H(X) H(X Y ) (capacidade do canal) r(n) Redes Neuronais e Aprendizagem Automática 11
12 Selecção de atributo em árvores de decisão Informação mútua entre a saída e o atributo Critério de selecção: atributo com informação mútua máxima com o valor desejado I(Y ; A) = H(Y ) H(Y A) H(Y A) = P (v k )H(Y A = v k ) Redes Neuronais e Aprendizagem Automática 12
13 Interpretação Interpretação Impureza: medida de incerteza ou entropia Entropia do conjunto inicial T H(Y ) = i P (y i ) log 2 P (y i ) Entropia em cada folha v k quando é seleccionado o atributo A: H(Y A = v k ) = i P (y i v k ) log 2 P (y i v k ) Entropia média nas folhas ao seleccionar o atributo A H(Y A) = k P (v k )H(Y A = v k ) Redes Neuronais e Aprendizagem Automática 13
14 Atributo óptimo T A H(Y) v 1 v 2 v3 v4... v Ns T 1 T 2 T 3 T 4... T Ns H(Y A=v ) 1 H(Y A=v ) 2 H(Y A=v ) 3 H(T A=v ) 4 H(Y A=v ) Ns H(Y A) = E[H(Y A=v )] k Ganho de informação (redução de entropia) por seleccionar A I(Y ; A) = H(Y ) H(Y A) Decisão: arg max A I(Y ; A) = arg min A H(Y A) Redes Neuronais e Aprendizagem Automática 14
15 Exemplo: seleccção de atributo A 1 A 2 A 3 Y A 0 1 X 2 A 1 2 X 1 C 1 3 X 1 B 1 4 X 2 B 1 5 X 2 H(Y ) = 2 5 log log = H(Y A 1 = A) = 1 2 log log = 1.0 H(Y A 1 = B) = 0 H(Y A 1 = C) = 0 H(Y A 1 ) = 2 5 H(Y A 1 = A) = H(Y A 2 ) = = H(Y A 3 ) = 0 I(Y ; A 1 ) = I(Y ; A 2 ) = I(Y ; A 3 ) = Redes Neuronais e Aprendizagem Automática 15
16 Exemplo 2: seleccção de atributo Selecção por ganho de informação: atributo A 2 A 1 A 2 Y A X 0 A X 0 A Y 0 A Y 0 A Y 0 A Y 0 B Z 1 B Z 1 B Z 1 B Z 1 B Z 1 B Z 1 B Z 1 B Z1 1 B Z1 1 B Z1 0 B Z1 1 B Z1 1 Selecção por número de erros: atributo A 1 ou A 2 ID3 favorece a selecção de atributos com maior ganho de informação (V. exemplo) De um modo geral, o critério de informação mútua usado pelo ID3 favorece árvores pequenas relativamente a grandes. O método greedy utilizado apenas permite derivar uma solução, que pode não ser globalmente óptima. É possível derivar um algoritmo de selecção da árvore mais curta, testando exaustivamente todas as árvores que produzem um conjunto consistente de hipóteses. O algoritmo ID3 é uma aproximação heurística deste algoritmo usando um método greedy (e, portanto, muito mais eficiente). Redes Neuronais e Aprendizagem Automática 16
Instituto Superior Técnico. 19 de Janeiro de 2001. Parte I
Exame de Compressão e Codificação de Dados Secção de Telecomunicacções DEEC, Instituto Superior Técnico 19 de Janeiro de 1 Parte I Esta parte do exame é constituida por 20 perguntas de resposta múltipla.
Leia maisProf. Aleksander S. Paterno
Prof. Aleksander S. Paterno Disciplina de Princípios de Comunicações I Teórica ELEMENTOS DE TEORIA DA INFORMAÇÃO AULA em slide 13 20/11/2009 Quarta-feira 15:20 a 17:00 [1] Resumo da aula 13 O que é teoria
Leia maisTópicos sobre Teoria da informação e codificação de fonte
Tópicos sobre Teoria da informação e codificação de fonte Processamento Digital de Sinal II Artur Ferreira e Paulo Marques ( Dezembro 2003 ) Tópicos a abordar 1. Teoria da informação Informação própria
Leia mais16.36: Engenharia de Sistemas de Comunicação Aula 14: Códigos cíclicos e detecção de erros
16.36: Engenharia de Sistemas de Comunicação Aula 14: Códigos cíclicos e detecção de erros Eytan Modiano Códigos Cíclicos Um código cíclico é um código de bloco linear onde c é uma palavra-chave, e também
Leia maisRedes Neuronais e Aprendizagem Automática 1
Redes Neuronais e Aprendizagem Automática 2005/2006 18 a aula Fernando.Silva@ist.utl.pt Instituto Superior Técnico Redes Neuronais e Aprendizagem Automática 1 Sumário Árvores de decisão (continuação) Redes
Leia maisClassificação - avaliação de resultados - 1. Mineração de Dados 2013
Classificação - avaliação de resultados - 1 Mineração de Dados 2013 Luís Rato (Capítulo 4 do livro Introduction to Data Mining ) Universidade de Évora, Mineração de dados / Data Mining 1 Desempenho Desempenho
Leia maisNOÇÕES DE PROBABILIDADE
NOÇÕES DE PROBABILIDADE Fenômeno Aleatório: situação ou acontecimento cujos resultados não podem ser determinados com certeza. Exemplos: 1. Resultado do lançamento de um dado;. Hábito de fumar de um estudante
Leia maisProbabilidade. Definições e Conceitos
Probabilidade Definições e Conceitos Definições Probabilidade Medida das incertezas relacionadas a um evento Chances de ocorrência de um evento Aplicação em: Avaliação de Desempenho de Sistemas Engenharia
Leia mais(b) Qual a probabilidade de ter sido transmitido um zero, sabendo que foi recebido um (1.0) zero?
Grupo I 5.0 valores 1. Um sistema de comunicação binária transmite zeros e uns com probabilidade 0.5 em qualquer dos casos. Devido ao ruído existente no canal de comunicação há erros na recepção: transmitido
Leia mais4. Protocolos Teóricos e Protocolos de Controlo de Ligação Protocolos ARQ; Especificação de Protocolos; Eficiência ARQ.
4. Protocolos Teóricos e Protocolos de Controlo de Ligação Protocolos ARQ; Especificação de Protocolos; Eficiência ARQ. Redes de Comunicações/Computadores I Secção de Redes de Comunicação de Dados Protocolos
Leia maisCanais discretos sem memória e capacidade do canal
Canais discretos sem memória e capacidade do canal Luis Henrique Assumpção Lolis 17 de outubro de 2013 Luis Henrique Assumpção Lolis Canais discretos sem memória e capacidade do canal 1 Conteúdo 1 Canais
Leia maisCOMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder
Comentário Geral: Prova muito difícil, muito fora dos padrões das provas do TCE administração e Economia, praticamente só caiu teoria. Existem três questões (4, 45 e 47) que devem ser anuladas, por tratarem
Leia maisAlgoritmos Genéticos (GA s)
Algoritmos Genéticos (GA s) 1 Algoritmos Genéticos (GA s) Dado um processo ou método de codificar soluções de um problema na forma de cromossomas e dada uma função de desempenho que nos dá um valor de
Leia maisCodificação de Informação 2010/2011
Codificação de Informação 2010/2011 Sumário: Criptografia Introdução, terminologia, critérios de classificação Alguns métodos de cifra clássicos Noção de segredo perfeito (Shannon) Criptografia e Cripto
Leia maisSistemas de Apoio à Decisão Árvores de decisão V 1.2, V.Lobo, EN/ISEGI, 2010
V., V.Lobo, EN/ISEGI, O que é a árvore de decisão? Arvores de decisão Victor Lobo Algorítmo para tomar decisões (ou classificar) Modo de representar conhecimento Tem penas? Nós (testes, ou conceitos) Comprimento
Leia maisElementos de Teoria da Informação
Elementos de Teoria da Informação Mário A. T. Figueiredo Departamento de Engenharia Electrotécnica e de Computadores Instituto Superior Técnico 1049-001 Lisboa Portugal Versão 1.5 Novembro de 2007 2 Conteúdo
Leia maisAula 11 Esperança e variância de variáveis aleatórias discretas
Aula 11 Esperança e variância de variáveis aleatórias discretas Nesta aula você estudará os conceitos de média e variância de variáveis aleatórias discretas, que são, respectivamente, medidas de posição
Leia maisDistribuição Uniforme Discreta. Modelos de distribuições discretas. Distribuição de Bernoulli. Distribuição Uniforme Discreta
Distribuição Uniforme Discreta Modelos de distribuições discretas Notas de Aula da Profa. Verónica González-López e do Prof. Jesús Enrique García, digitadas por Beatriz Cuyabano. Acréscimos e modicações:
Leia maisTeoria de Filas. Prof. Gustavo Leitão. Campus Natal Central. Planejamento de Capacidade de Sistemas
Teoria de Filas Prof. Gustavo Leitão Campus Natal Central. Planejamento de Capacidade de Sistemas 5/27/2010 Objetivo da Aula 5/27/2010 5/27/2010 OBJETIVO Apresentar os conceitos de teoria de filas e suas
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 maisEntropia, Entropia Relativa
Entropia, Entropia Relativa e Informação Mútua Miguel Barão (mjsb@di.uevora.pt) Departamento de Informática Universidade de Évora 13 de Março de 2003 1 Introdução Suponhamos que uma fonte gera símbolos
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 12 Aprendizado de Máquina Agentes Vistos Anteriormente Agentes baseados em busca: Busca cega Busca heurística Busca local
Leia maisO Processo de KDD. Data Mining SUMÁRIO - AULA1. O processo de KDD. Interpretação e Avaliação. Seleção e Pré-processamento. Consolidação de dados
SUMÁRIO - AULA1 O Processo de KDD O processo de KDD Interpretação e Avaliação Consolidação de dados Seleção e Pré-processamento Warehouse Data Mining Dados Preparados p(x)=0.02 Padrões & Modelos Conhecimento
Leia maisPE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado,
Capítulo 4 - Variáveis aleatórias e distribuições contínuas 4.1 Variáveis aleatórias contínuas. Função densidade de probabilidade 4.2 Valor esperado, variância e algumas das suas propriedades. Moda e quantis
Leia maisProcessos Estocásticos
Processos Estocásticos Segunda Lista de Exercícios 01 de julho de 2013 1 Uma indústria fabrica peças, das quais 1 5 são defeituosas. Dois compradores, A e B, classificam os lotes de peças adquiridos em
Leia maisLista de Exercícios - Distribuição Normal
Lista de Exercícios - Distribuição Normal Monitor: Giovani e Prof. Jomar 01. Em indivíduos sadios, o consumo renal de oxigênio tem distribuição Normal de média 12 cm³/min e desvio padrão 1,5 cm³/min. Determinar
Leia maisAlgoritmos Indutores de Árvores de
Algoritmos Indutores de Árvores de Decisão Fabrício J. Barth Sistemas Inteligentes Análise e Desenvolvimento de Sistemas Faculdades de Tecnologia Bandeirantes Abril de 2013 Problema: Diagnóstico para uso
Leia maisProbabilidade, entropia, surpresa, e quantidade de informação 1
Probabilidade, entropia, surpresa, e quantidade de informação 10 de setembro de 2013 Probabilidade, entropia, surpresa, e quantidade de informação 1 Conteúdo 1 Revisão de Probabilidade Teorema de Bayes
Leia maisAvaliação de Desempenho
Avaliação de Desempenho Aulas passadas Modelagem de sistemas via cadeias de Markov Aula de hoje Introdução à simulação Gerando números pseudo-aleatórios 1 O Ciclo de Modelagem Sistema real Criação do Modelo
Leia maisAvaliação de Processos Produtivos - APP
Avaliação de Processos Produtivos - APP Aula 13 Os direitos desta obra foram cedidos à Universidade Nove de Julho Este material é parte integrante da disciplina oferecida pela UNINOVE. O acesso às atividades,
Leia mais5º Experimento: Somador Binário de números com sinal
Capítulo 1 5º Experimento: Somador Binário de números com sinal 1.1 Objetivos Usar uma porta XOR de duas entradas para realizar a função unária de negação. Usar um somador binário para somar números sem
Leia maisKDD. Fases limpeza etc. Datamining OBJETIVOS PRIMÁRIOS. Conceitos o que é?
KDD Conceitos o que é? Fases limpeza etc Datamining OBJETIVOS PRIMÁRIOS TAREFAS PRIMÁRIAS Classificação Regressão Clusterização OBJETIVOS PRIMÁRIOS NA PRÁTICA SÃO DESCRIÇÃO E PREDIÇÃO Descrição Wizrule
Leia maisSatisfação de Restrições. Capítulo 5 (disponível online)
Satisfação de Restrições Capítulo 5 (disponível online) Sumário Problemas de Satisfação de Restrições (CSPs) Procura com Retrocesso para CSPs Procura Local para CSPs Estrutura dos CSPs Problemas de Satisfação
Leia maisMomentos de uma variável aleatória
Momentos de uma variável aleatória O cálculo de E[X] (valor médio de X) e E[X 2 ] (que intervém na variância), pode ser generalizado pensando em E[X k ] com k IN. Definição: Dada uma v.a. X, chama-se momento
Leia maisConstruir um modelo de dados é: - Identificar, Analisar e Registar a política da organização acerca dos dados
4. Modelo Entidade Associação 4.1. Introdução Modelo de Dados. Visão dos dados em vez de visão das aplicações. Eliminação de redundâncias. Partilha de dados pelas aplicações Construir um modelo de dados
Leia maisAlgoritmos e Estrutura de Dados. Aula 13 Estrutura de Dados: Árvores de Pesquisa Binária Prof. Tiago A. E. Ferreira
Algoritmos e Estrutura de Dados Aula 13 Estrutura de Dados: Árvores de Pesquisa Binária Prof. Tiago A. E. Ferreira Introdução Uma árvore de pesquisa binária são estruturas de dados que admitem operações
Leia maisSUMÁRIO LISTA DE FIGURAS... 15 LISTA DE TABELAS...17 LISTA DE SÍMBOLOS... 19. 1.1 - Introdução...21 1.2 - Revisão Bibliográfica...
SUMÁRIO Pág. LISTA DE FIGURAS... 15 LISTA DE TABELAS...17 LISTA DE SÍMBOLOS... 19 CAPÍTULO 1 - INTRODUÇÃO... 21 1.1 - Introdução...21 1.2 - Revisão Bibliográfica...25 CAPÍTULO 2 - MODELAGEM ESTOCÁSTICA
Leia maisTeoria da Informação
Charles Casimiro Cavalcante charles@gtel.ufc.br Grupo de Pesquisa em Telecomunicações Sem Fio GTEL Programa de Pós-Graduação em Engenharia de Teleinformática Universidade Federal do Ceará UFC http://www.gtel.ufc.br/
Leia maisConteúdo. SCC5909 Fundamentos de Multimídia. Ementa do Curso. 1. Apresentação da Disciplina. Ementa do Curso. Ementa do Curso
SCC5909 Fundamentos de Multimídia Aula 1 Conteúdo Apresentação da disciplina Conceitos e definições em multimídia Princípios de compressão Prof.: Dr. Rudinei Goularte (rudinei@icmc.usp.br) Instituto de
Leia maisProtocolo Ethernet e Dispositivos de Interconexão de LANs
Protocolo Ethernet e Dispositivos de Interconexão de LANs Prof. Rafael Guimarães Redes de Alta Velocidade Tópico 4 - Aula 1 Tópico 4 - Aula 1 Rafael Guimarães 1 / 31 Sumário Sumário 1 Motivação 2 Objetivos
Leia maisMLP (Multi Layer Perceptron)
MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -
Leia maisMODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS DISCRETAS
MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS DISCRETAS Definições Variáveis Aleatórias Uma variável aleatória representa um valor numérico possível de um evento incerto. Variáveis aleatórias
Leia maisTE111 Comunicação Digital
TE111 Comunicação Digital Introdução à Teoria de Informação e Codificação de Fonte 15 de outubro de 2018 Introdução à Teoria de Informação Em 1948, Claude Shannon publicou o trabalho A Mathematical Theory
Leia maisDescoberta de Conhecimento em Bases de Dados. Classificação
Universidade Técnica de Lisboa INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Informática e Sistemas de Informação Aplicados em Economia Descoberta de Conhecimento em Bases de Dados. Classificação Descoberta
Leia maisSistemas de Filas: Aula 1. Amedeo R. Odoni 10 de outubro de 2001
Sistemas de Filas: Aula 1 Amedeo R. Odoni 10 de outubro de 2001 Tópicos em Teoria das Filas 9. Introdução a sistemas de filas; lei de Little, M/M/1 10. Filas Markovianas (processo de renovação) 11. Fila
Leia maisBC-0504 Natureza da Informação
BC-0504 Natureza da Informação Aulas 2 Entropia na termodinâmica e na teoria da informação Equipe de professores de Natureza da Informação Parte 4 Os pilares da teoria da informação Os estudos de criptografia
Leia maisProbabilidade. Distribuição Binomial
Probabilidade Distribuição Binomial Distribuição Binomial (Experimentos de Bernoulli) Considere as seguintes experimentos/situações práticas: Conformidade de itens saindo da linha de produção Tiros na
Leia maisAutómatos Finitos Determinísticos
Ficha 2 Autómatos Finitos Determinísticos 2.1 Introdução Se olharmos, de forma simplificada, para um computador encontramos três componentes principais: a) A unidade de processamento central b) As unidades
Leia maisEscola Superior de Tecnologia e Gestão Instituto Politécnico de Bragança Março de 2006
Redes de Computadores Escola Superior de Tecnologia e Gestão Instituto Politécnico de Bragança Março de 2006 Sinal no domínio do tempo Redes de Computadores 2 1 Sinal sinusoidal no tempo S(t) = A sin (2πft
Leia maisFabio Bento fbento@ifes.edu.br
Fabio Bento fbento@ifes.edu.br Eletrônica Digital Sistemas de Numeração e Códigos 1. Conversões de Binário para Decimal 2. Conversões de Decimal para Binário 3. Sistema de Numeração Hexadecimal 4. Código
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 maisBCC204 - Teoria dos Grafos
BCC204 - Teoria dos Grafos Marco Antonio M. Carvalho (baseado nas notas de aula do prof. Haroldo Gambini Santos) Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal
Leia maisRegra do Evento Raro p/ Inferência Estatística:
Probabilidade 3-1 Aspectos Gerais 3-2 Fundamentos 3-3 Regra da Adição 3-4 Regra da Multiplicação: 3-5 Probabilidades por Meio de Simulações 3-6 Contagem 1 3-1 Aspectos Gerais Objetivos firmar um conhecimento
Leia maisCircuitos Digitais. Conteúdo. Sistema de Numeração e Códigos :: Conversões de Binário para Decimal SISTEMA DE NUMERAÇÃO E CÓDIGOS
Ciência da Computação Sistemas de Numeração e Conversões Prof. Sergio Ribeiro Material adaptado das aulas do Prof. José Maria da UFPI Conteúdo Conversões de binário para decimal. Conversões de decimal
Leia maisTransmissão de Dados
T 1 Transmissão de Dados FEUP/DEEC/RCD 2002/03 MPR/JAR T 2 Terminologia e Conceitos Meios de transmissão A transmissão de sinais, sob a forma de ondas electromagnéticas, é suportada em meios de transmissão
Leia maisProjeto de Redes Neurais e MATLAB
Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação
Leia 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 maisRedes de Computadores 3ª Colecção Exercícios diversos 16 de Dezembro de 2005 Spanning Tree, Protocolo IP, Encaminhamento em redes IP e Cam.
I Bridging Transparente Spanning Tree 1) Considere a rede local, da figura. Admitindo que as bridges são transparentes e correm o algoritmo Spanning Tree (IEEE 802.1d) HOST Y HOST Z HOST X Bridge Prioridade
Leia maisRedes Complexas Aula 2
Redes Complexas Aula 2 Aula passada Logística, regras Introdução e motivação Aula de hoje Redes sociais Descobrimento Características Redes Sociais Vértices: pessoas ou grupo de pessoas Arestas: algum
Leia maisPlano de Ensino Sistemas de Comunicação III - UNIPAMPA 1 PLANO DE ENSINO
Plano de Ensino Sistemas de Comunicação III - UNIPAMPA 1 MINISTÉRIO DA EDUCAÇÃO FUNDAÇÃO UNIVERSIDADE FEDERAL DO PAMPA PRÓ-REITORIA DE GRADUAÇÃO 1 Dados de Identificação PLANO DE ENSINO Campus: Alegrete
Leia maisRedes de Computadores 1ª Colecção Exercícios diversos 2 de Novembro de 2006 Arquitecturas de comunicação, controlo de acesso ao meio
I Introdução e modelos de Referência (OSI e TCPIP) ) Considere um sistema de comunicação, cuja arquitectura é baseada num modelo hierárquico e constituído por 4 camadas numeradas de a 4 (da inferior para
Leia maisFAÇA FÁCIL: DRIVER IGS PARA COMUNICAÇÃO DE PROTOCOLOS PROPRIETÁRIOS INTRODUÇÃO
FAÇA FÁCIL: DRIVER IGS PARA COMUNICAÇÃO DE PROTOCOLOS PROPRIETÁRIOS INTRODUÇÃO O Driver IGS possui um módulo de configuração que possibilita a comunicação com protocolos proprietários. Trata-se do Driver
Leia maisIA: Problemas de Satisfação de Restrições. Prof. Msc. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br
IA: Problemas de Satisfação de Restrições Prof. Msc. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Introdução Um PSR é definido por um conjunto de variáveis X 1, X 2,..., X n, e por um conjunto de restrições,
Leia maisTeoria das filas. Clientes. Fila
Teoria das filas 1 - Elementos de uma fila: População Clientes Fila Servidores 1 3 Atendimento Características de uma fila:.1 Clientes e tamanho da população População infinita > Chegadas independentes
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 maisESTRUTURAS DE DADOS II
ESTRUTURAS DE DADOS II Msc. Daniele Carvalho Oliveira Doutoranda em Ciência da Computação - UFU Mestre em Ciência da Computação UFU Bacharel em Ciência da Computação - UFJF Conteúdo Programático 1. Introdução
Leia maisEspaço Amostral ( ): conjunto de todos os
PROBABILIDADE Espaço Amostral (): conjunto de todos os resultados possíveis de um experimento aleatório. Exemplos: 1. Lançamento de um dado. = {1,, 3, 4,, 6}. Doador de sangue (tipo sangüíneo). = {A, B,
Leia maisRedes de computadores N Laboratório 01. Luiza Eitelvein 181375
Redes de computadores N Laboratório 01 Luiza Eitelvein 181375 Exercícios 1) a) Teorema de Shannon : MCs = B log₂(1+s/n) 40 db = 10 log(s/n) 4 = log(s/n) S/N = 10⁴ MCs = 3100 log₂(1+10000) = 3100 ( (log
Leia maisRCO2. Introdução à camada física
RCO2 Introdução à camada física 1 Transmissão de uma stream de bits por um meio de transmissão 2 Atribuições da camada física: Transmissão de sequências de bits pelo meio físico Modulação (transmissão
Leia maisMASSACHUSETTS INSTITUTE OF TECHNOLOGY SLOAN SCHOOL OF MANAGEMENT. Fatores Tecnológicos, Estratégicos e Organizacionais
MASSACHUSETTS INSTITUTE OF TECHNOLOGY SLOAN SCHOOL OF MANAGEMENT 15.565 Integração de Sistemas de Informação: Fatores Tecnológicos, Estratégicos e Organizacionais 15.578 Sistemas de Informação Global:
Leia maisEE210 Sistemas de Comunicação II 2ª Avaliação (PV2) 22/04/2015 15h30min Profs. Dayan A. Guimarães e Rausley A. A. de Souza. Aluno(a): Matrícula.
EE1 Sistemas de Comunicação II ª Avaliação (PV) /4/15 15h3min Profs. Dayan A. Guimarães e Rausley A. A. de Souza Nota : Nota P: Aluno(a): Matrícula. Prova sem consulta, com duração de 1h5min. A interpretação
Leia maisEngenharia de Software II
Engenharia de Software II Aula 8 http://www.ic.uff.br/~bianca/engsoft2/ Aula 8-17/05/2006 1 Ementa Processos de desenvolvimento de software Estratégias e técnicas de teste de software (Caps. 13 e 14 do
Leia maisRAID. Propõe o aumento da confiabilidade e desempenho do armazenamento em disco. RAID (Redundant Array of Independent Disks )
RAID O que é um RAID? RAID RAID (Redundant Array of Independent Disks ) Matriz Redundante de Discos Independentes Propõe o aumento da confiabilidade e desempenho do armazenamento em disco. RAID Surgiu
Leia mais3. REDES DE CAMADA ÚNICA
3. REDES DE CAMADA ÚNICA Perceptron Forma mais simples de RN Utilizado para classificação de padrões (linearmente separáveis) Consiste em um único neurônio, com pesos sinápticos ajustáveis e bias 3.1 Funções
Leia maisPlano Temático. 1. Introdução
Curso: Licenciatura en Informática Disciplina: Comunicação de Dados Código: Tipo: Nuclear Créditos: 6 = 130 horas (64 de contacto + 66 de estudo) Ano/ Semestre: 2º Ano / 3º Semestre Plano Temático 1. Introdução
Leia maisOtimização por Descida de Gradiente
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Otimização por Descida de Gradiente Redes Neurais Artificiais Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisModelos de Probabilidade e Inferência Estatística
Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Avaliações de Testes Diagnósticos 03/14 1 / 17 Uma aplicação
Leia maisMercados de Emparelhamento
Mercados de Emparelhamento Redes Sociais e Econômicas Prof. André Vignatti Aula Passada 1. Definições: grafos bipartidos e emparelhamentos perfeitos 2. Mercados com opções binárias (aceita ou não) Extensão
Leia maisTCP/IP O guia definitivo para cálculos
ENTENDENDO O CÁLCULO DE SUB-REDES IP por Eduardo Parise Para que seja possível a comunicação entre máquinas em uma mesma rede é necessário que cada uma possua um endereço IP exclusivo naquela rede. Um
Leia maisTeoria das Comunicações Prof. André Noll Barreto. Prova 3 2015/1 (02/07/2015)
Teoria das Comunicações Prova 3 2015/1 (02/07/2015) Aluno: Matrícula: Instruções A prova consiste de três questões discursivas A prova pode ser feita a lápis ou caneta Não é permitida consulta a notas
Leia maisComunicações Digitais Manual do Aluno Capítulo 7 Workboard PCM e Análise de Link
Comunicações Digitais Manual do Aluno Capítulo 7 Workboard PCM e Análise de Link Laboratório de Telecomunicações - Aula Prática 4 Sub-turma: 3 Nomes dos alunos: Tarefa 17 Ruído em um Link Digital Objetivo:
Leia maisUNIDADE I Aula 6 Taxas de Transmissão Máxima em um Canal: Teorema de Nyquist e Teorema de Shannon. Fonte: Rodrigo Semente
UNIDADE I Aula 6 Taxas de Transmissão Máxima em um Canal: Teorema de Nyquist e Teorema de Shannon Fonte: Rodrigo Semente Sabemos que, quanto maior a banda passante de um meio físico, maior o número de
Leia maisEngenharia de Software II
Engenharia de Software II Aula 16 http://www.ic.uff.br/~bianca/engsoft2/ Aula 16-14/05/2006 1 1. O que é uma atividade guarda-chuva? Dê dois exemplos. São atividades aplicáveis durante todo o processo
Leia maisRegressão Logística. Daniel Araújo Melo - dam2@cin.ufpe.br. Graduação
Regressão Logística Daniel Araújo Melo - dam2@cin.ufpe.br Graduação 1 Introdução Objetivo Encontrar o melhor modelo para descrever a relação entre variável de saída (variável dependente) e variáveis independentes
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.
Leia maisPLANIFICAÇÃO ANUAL. MACS Matemática Aplicada às Ciências Sociais. Curso de Línguas e Humanidades 2º ANO (11º ANO)
PLANIFICAÇÃO ANUAL MACS Matemática Aplicada às Ciências Sociais Curso de Línguas e Humanidades º ANO (º ANO) Ano Lectivo 0/05 Planificação º Ano - MACS º Período Número de Aulas Previstas 0 Apresentação
Leia maisCompressão e Codificação de Dados. Primeiro Exame e Segundo Teste
Compressão e Codificação de Dados. Primeiro Exame e Segundo Teste Mestrado em Engenharia Electrotécnica e de Computadores, IST 7 de Janeiro de 2012 Nome: Número: NOTAS: Exame (3 horas): tudo. Segundo teste
Leia maisTelecomunicações o sistema nervoso da sociedade moderna
Ágora Ciência e Sociedade Lisboa, 15 de Maio de 2015 Telecomunicações o sistema nervoso da sociedade moderna Carlos Salema 2014, it - instituto de telecomunicações. Todos os direitos reservados. Índice
Leia maisExtração de Árvores de Decisão com a Ferramenta de Data Mining Weka
Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka 1 Introdução A mineração de dados (data mining) pode ser definida como o processo automático de descoberta de conhecimento em bases de
Leia maisAula 04. Código BCD, Códigos Alfa-numéricos e Sistemas de Detecção de Erros
Aula 04 Código BCD, Códigos Alfa-numéricos e Sistemas de Detecção de Erros Prof. Otávio Gomes otavio.gomes@ifmg.edu.br sites.google.com/a/ifmg.edu.br/otavio-gomes/ 1 Bytes A maioria dos microcomputadores
Leia maisSegurança Internet. Fernando Albuquerque. fernando@cic.unb.br www.cic.unb.br/docentes/fernando (061) 273-3589
Segurança Internet Fernando Albuquerque fernando@cic.unb.br www.cic.unb.br/docentes/fernando (061) 273-3589 Tópicos Introdução Autenticação Controle da configuração Registro dos acessos Firewalls Backups
Leia maisL.J. Amoreira UBI. Dezembro 2010
Definição de informação L.J. Amoreira UBI Dezembro 2010 Entropia (ou incerteza [ou ignorância]) A incerteza associada a uma variável aleatória X que pode tomar os valores x 1, x 2,..., x n com probabilidades
Leia maisTEORIA DO RISCO. LUIZ SANTOS / MAICKEL BATISTA economia.prof.luiz@hotmail.com maickel_ewerson@hotmail.com
TEORIA DO RISCO LUIZ SANTOS / MAICKEL BATISTA economia.prof.luiz@hotmail.com maickel_ewerson@hotmail.com 1 TARIFAÇÃO (FERREIRA, 2002) Diversos conceitos e metodologias envolvidos no cálculo do preço pago
Leia maisConversão Digital Analógico e Analógico Digital. Disciplina: Eletrônica Básica Prof. Manoel Eusebio de Lima
Conversão Digital Analógico e Analógico Digital Disciplina: Eletrônica Básica Prof. Manoel Eusebio de Lima Agenda Grandezas Digitais e Analógicas Por que converter? Diagrama básico para conversão Conversores
Leia maisTópicos Especiais em Redes: Introdução a Teoria dos Jogos com Aplicações a Redes de Computadores
Tópicos Especiais em Redes: Introdução a Teoria dos Jogos com Aplicações a Redes de Computadores Aula passada: Discussão sobre situações de conflito Exemplos de jogos Jogo em aula Aula de hoje: Introdução
Leia maisGeração de código. Ivan Ricarte INTRODUÇÃO À COMPILAÇÃO
Geração de código Ivan Ricarte 2008 Sumário Geração de código intermediário Código de três endereços Notação pós-fixa Otimização de código Heurísticas de otimização Geração de código em linguagem simbólica
Leia maisUFSM-CTISM. Comunicação de Dados Capacidade de canal Aula-12
UFSM-CTISM Comunicação de Dados Capacidade de canal Aula-12 Professor: Andrei Piccinini Legg Santa Maria, 2012 O pode ser definido como todo e qualquer tipo de interfência externa que exercida sobre um
Leia maisMAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 19 de Agosto, 2013 Probabilidade: uma Introdução / Aula 3 1 Probabilidade Discreta: Exemplos
Leia mais