Inteligência Artificial Redes Neurais Artificiais

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Inteligência Artificial Redes Neurais Artificiais"

Transcrição

1 Pós-Graduação em Engenharia Elétrica Inteligência Artificial Redes Neurais Artificiais João Marques Salomão Rodrigo Varejão Andreão

2 Arquitetura e composição das RNAs Uma rede neural artificial é composta por várias unidades de processamento (neurônios); Os neurônios, são conectados por canais de comunicação que estão associados a determinados pesos. As unidades fazem operações apenas sobre seus dados locais que são entradas recebidas pelas suas conexões. O comportamento inteligente de uma RNA vem das interações entre as unidades de processamento da rede. Livro: A Brief Introduction to Neural Networks David Kriesel

3 Características das RNAs As RNAs são modelos adaptativos treináveis, robustos e capazes de processarem informações espaço/temporais; Podem representar domínios complexos (não lineares); São capazes de generalização diante de informações incompletas e de fazerem armazenamento associativo de informações; Possuem grande paralelismo, o que lhes conferem rapidez de processamento.

4 Arquiteturas das RNAs A arquitetura de uma RNA define a forma como seus neurônios estão dispostos nas camadas (de entrada, oculta e de saída) em relação aos demais. As principais arquiteturas são: redes feedforward (alimentação a frente) com camada simples ou com camadas múltiplas; redes recorrentes; redes reticuladas.

5 Topologias e Treinamentos das RNAs A topologia da RNA, para uma dada arquitetura, define as diferentes formas de composições estruturais: Por exemplo, 10 neurônios em uma camada e 20 em outra ou, uma camada com ativação logística e, outra, com tangente hiperbólica; O treinamento (algoritmo de aprendizagem): é um conjunto de passos ordenados objetivando o ajuste dos pesos e dos limiares dos neurônios. Ele sintoniza a rede com respostas próximas dos valores desejados.

6 Funções das camadas em uma RNA As camadas são classificadas em três grupos: Camada de Entrada: recebe as informações ou dados de entrada: As amostras ou padrões, geralmente normalizados, são apresentados à rede. Camadas Intermediárias ou Ocultas: local onde é feita a maior parte do processamento sendo extraídas as características associadas ao processo ou sistema a ser inferido a partir das conexões ponderadas. Camada de Saída: onde o resultado final é calculado e apresentado. camada de entrada camada escondida camada de saída

7 Rede neural feedforward de camada simples O fluxo de informações e operações vai da entrada para a saída; O número de neurônios na camada de saída é igual ao de saídas; Neurônios de entrada não fazem processamento ficando isso a cargo da síada; São empregadas em classificação de padrões e filtragem linear; Os principais tipos são: Perceptron e Adaline, com treinamentos baseados na regra de Hebb e na regra Delta, respectivamente.

8 Rede neural feedforward de Múltiplas Camadas Tem uma ou mais camadas intermediárias ou escondidas: Empregadas em classificação de padrões, aproximação de funções, identificação de sistemas, otimização, robótica, controle de processos, e etc; Os principais tipos são o perceptron multicamadas - PMC (Multilayer Perceptron - MLP) e as redes de base radial (Radial Basis Function- RBF): utilizam como treinamento a regra delta generalizada e a regra delta/competitiva, respectivamente.

9 Redes neurais recorrentes ou realimentadas As saídas dos neurônios são realimentadas como sinais de entrada para outros neurônios. Ideais para processamento dinâmico (sistemas variantes no tempo), tais como, previsão de séries temporais, identificação de sistemas, controle de processos, e etc; Os principais tipos são a rede de Hopfield e o Perceptron multicamadas - PMC (Multilayer Perceptron - MLP): Uilizam como treinamento a minimização de funções de energia e a regra delta Generalizada (EX: Jordan e Elman), respectivamente.

10 Redes neurais com estrutura reticuladas Os neurônios são dispostos espacialmente visando extrair características através do ajuste dos pesos e limiares. Suas aplicações englobam problemas de agrupamento (clustering), reconhecimento de padrões, otimização de sistemas, grafos, e etc; O principal tipo é a rede de Kohone cujo treinamento se dá de forma competitiva.

11 Treinamento das redes neurais artificiais As RNA s aprendem através de um processo iterativo de ajustes dos seus pesos: O aprendizado ocorre quando a rede neural atinge uma solução generalizada para uma classe de problemas. O algoritmo de aprendizado é um conjunto de regras bem definidas para a solução de um problema de aprendizado. Os principais modelos de aprendizagem são: Supervisionado, não-supervisionado e com reforço. O conjunto de amostras é dividido em treinamento, validação e teste, (60 a 90% das amostras para o primeiro). Cada apresentação completa das amostras é uma época.

12 Treinamento Supervisionado Consiste em fornecer o conjunto de exemplos (tabela de dados) de entrada-resposta desejada. Com esse conjunto, o treinamento é feito usando a regra de aprendizagem por correção de erro. Os pesos e os limiares são continuamente ajustados até atingir o objetivo de acordo com o algoritmo de aprendizagem. ambiente Vetor de estado do ambiente professor Resposta desejada Sistema de aprendizagem Resposta real - + Sinal de erro

13 Treinamento Não Supervisionado Neste caso não há exemplos rotulados (saída desejada) da função a ser aprendida pela rede; Ela identifica subconjuntos (clusters) que possuam similaridades em função de parâmetros livres da rede que devem ser otimizados; O projetista pode ainda estipular o número de subconjuntos (clusters) desejados; Na aprendizagem não supervisionada pode-se utilizar a regra de aprendizagem competitiva. ambiente Vetor de estado do ambiente Sistema de aprendizagem

14 Treinamento com reforço Pode ser visto como um caso particular de aprendizagem supervisionada. A principal diferença é a medida de desempenho usada em cada um deles. No aprendizado por reforço a única informação fornecida à rede é se uma determinada saída está correta ou não. A idéia básica foi obtida a partir de uma experiência com um animal: quanto maior a satisfação, maiores as chances dele aprender. reforço/ penalidade crítico RNA resposta

15 Apresentação dos dados de treinamento das RNAs Aprendizagem usando lotes de padrões, off-line ou batch: Os ajustes nos pesos e limiares são feitos após a apresentação de todo o conjunto de treinamento. A cada época de treinamento faz-se os ajustes dos pesos e limiares. Todas as amostras de treinamento estão disponíveis antes do seu início. Aprendizagem on-line (padrão por padrão) : Os ajustes dos pesos e limiares são feitos após a apresentação de cada amostra de treinamento. Usado em casos onde o comportamento do sistema varia de forma muito rápida. Após o ajuste a amostra pode ser descartada. A rede só fornece respostas mais precisas após a apresentação de um número elevado de amostras.

16 FIM

Introdução à Redes Neurais. Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana

Introdução à Redes Neurais. Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana Introdução à Redes Neurais Artificiais Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana 2 Introdução Redes Neurais Artificiais (RNAs)

Leia mais

UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica

UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica REDES NEURAIS ARTIFICIAIS INTRODUÇÃO Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 REDES NEURAIS ARTIFICIAIS - RNAs Inspiradas no cérebro humano São modelos computacionais inspirados nos mecanismos

Leia mais

UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica

UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica REDES NEURAIS ARTIFICIAIS AULA 03 Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 INTRODUÇÃO Aprendizagem é um processo pelo qual os parâmetros livres de uma rede neural são adaptados através de um processo

Leia mais

Rede RBF (Radial Basis Function)

Rede RBF (Radial Basis Function) Rede RBF (Radial Basis Function) André Tavares da Silva andre.silva@udesc.br Roteiro Introdução à rede neural artificial RBF Teorema de Cover da separabilidade de padrões RBF x MLP RBF Função de ativação

Leia mais

3 Redes Neurais Artificiais

3 Redes Neurais Artificiais 3 Redes Neurais Artificiais 3.1. Introdução A capacidade de implementar computacionalmente versões simplificadas de neurônios biológicos deu origem a uma subespecialidade da inteligência artificial, conhecida

Leia mais

Redes Neurais Artificiais

Redes Neurais Artificiais Universidade Federal do Espírito Santo CCA UFES Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Redes Neurais Artificiais Inteligência Artificial

Leia mais

Redes Neurais Artificiais. Capítulos 1 e 2

Redes Neurais Artificiais. Capítulos 1 e 2 Redes Neurais Artificiais Introdução Capítulos 1 e 2 Redes Neurais Artificiais (RNA) São modelos computacionais inspirados nos mecanismos de aprendizagem do cérebro humano. São modelos computacionais que

Leia mais

Aula 2 RNA Arquiteturas e Treinamento

Aula 2 RNA Arquiteturas e Treinamento 2COP229 Aula 2 RNA Arquiteturas e Treinamento 2COP229 Sumário 1- Arquiteturas de Redes Neurais Artificiais; 2- Processos de Treinamento; 2COP229 1- Arquiteturas de Redes Neurais Artificiais -Arquitetura:

Leia mais

Redes Neurais Artificiais

Redes Neurais Artificiais Universidade Federal do Espírito Santo CCENS UFES Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCENS UFES Departamento de Computação Redes Neurais Artificiais Redes Neurais Artificiais

Leia mais

UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica

UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica REDES DE FUNÇÃO DE BASE RADIAL - RBF Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 Funções de Base Global Funções de Base Global são usadas pelas redes BP. Estas funções são definidas como funções

Leia mais

Classificação Linear. André Tavares da Silva.

Classificação Linear. André Tavares da Silva. Classificação Linear André Tavares da Silva andre.silva@udesc.br Roteiro Introduzir os o conceito de classificação linear. LDA (Linear Discriminant Analysis) Funções Discriminantes Lineares Perceptron

Leia mais

4 Redes Neurais Artificiais

4 Redes Neurais Artificiais 4 Redes Neurais Artificiais Inteligência computacional pode ser definida como um conjunto de modelos, algoritmos, técnicas, ferramentas e aplicações em sistemas computadorizados que emulem características

Leia mais

Fundamentos de Inteligência Artificial [5COP099]

Fundamentos de Inteligência Artificial [5COP099] Fundamentos de Inteligência Artificial [5COP099] Dr. Sylvio Barbon Junior Departamento de Computação - UEL Disciplina Anual Assunto Aula 16 Redes Neurais Artificiais (MLP) 2 de 24 (MLP) Sumário Introdução

Leia mais

PREVISÃO DE DEMANDA DE ENERGIA ELÉTRICA NO BRASIL UTILIZANDO REDES NEURAIS DE ELMAN

PREVISÃO DE DEMANDA DE ENERGIA ELÉTRICA NO BRASIL UTILIZANDO REDES NEURAIS DE ELMAN SPOLM 2007 ISSN 1806-3632 Rio de Janeiro, Brasil, 8 e 9 de novembro de 2007 PREVISÃO DE DEMANDA DE ENERGIA ELÉTRICA NO BRASIL UTILIZANDO REDES NEURAIS DE ELMAN Fernanda Fidelis Paschoalino Universidade

Leia mais

Classificação de Padrões. Abordagem prática com Redes Neurais Artificiais

Classificação de Padrões. Abordagem prática com Redes Neurais Artificiais Classificação de Padrões Abordagem prática com Redes Neurais Artificiais Agenda Parte I - Introdução ao aprendizado de máquina Parte II - Teoria RNA Parte III - Prática RNA Parte IV - Lições aprendidas

Leia mais

Redes Neurais Artificiais (RNA) Definições. Prof. Juan Moisés Mauricio Villanueva

Redes Neurais Artificiais (RNA) Definições. Prof. Juan Moisés Mauricio Villanueva Redes Neurais Artificiais (RNA) Definições Prof. Juan Moisés Mauricio Villanueva jmauricio@cear.ufpb.br 1 Conteúdo 1. 2. 3. 4. 5. 6. Introdução Modelos básicos e regras de aprendizagem Rede neural de retro

Leia mais

Redes Neurais Artificiais. Professor: Juan Moises Villanueva

Redes Neurais Artificiais. Professor: Juan Moises Villanueva Redes Neurais Artificiais Mestrando: Lucas Nicolau Email: lucasfnicolau@gmail.com Professor: Juan Moises Villanueva Sumário 1. Sistemas Inteligentes 2. Introdução as Redes Neurais Artificias Neurônio Biológico

Leia mais

TÓPICOS EM INTELIGÊNCIA ARTIFICIAL Redes Neurais Artificiais

TÓPICOS EM INTELIGÊNCIA ARTIFICIAL Redes Neurais Artificiais TÓPICOS EM INTELIGÊNCIA ARTIFICIAL Redes Neurais Artificiais ricardo.kerschbaumer@ifc.edu.br http://professor.luzerna.ifc.edu.br/ricardo-kerschbaumer/ Introdução O Cérebro humano Mais fascinante processador

Leia mais

Regra de Oja. Para taxa de aprendizagem pequena, Oja aproximou. pesos para criar uma forma útil da aprendizagem

Regra de Oja. Para taxa de aprendizagem pequena, Oja aproximou. pesos para criar uma forma útil da aprendizagem Regra de Oja A regra de Hebb necessita da normalização dos pesos para criar uma forma útil da aprendizagem i i i i i i n x n y n w n x n y n w n w 2 1 JDSS-LAC/INPE Para taxa de aprendizagem pequena, Oja

Leia mais

Redes Neurais: MLP. Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação

Redes Neurais: MLP. Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais: MLP DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos Redes diretas de múltiplas

Leia mais

Algoritmos de Aprendizado. CONTEÚDO Introdução Motivação, Objetivo, Definição, Características Básicas e Histórico. Regra de HEBB.

Algoritmos de Aprendizado. CONTEÚDO Introdução Motivação, Objetivo, Definição, Características Básicas e Histórico. Regra de HEBB. CONTEÚDO Introdução Motivação, Objetivo, Definição, Características Básicas e Histórico Conceitos Básicos Neurônio Artificial, Modos de Interconexão Processamento Neural Recall e Learning Regras de Aprendizado

Leia mais

Rede Perceptron. Capítulo 3

Rede Perceptron. Capítulo 3 Rede Perceptron Capítulo 3 Rede Perceptron É a forma mais simples de configuração de uma RNA (idealizada por Rosenblatt, 1958) Constituída de apenas uma camada, tendo-se ainda somente um neurônio nesta

Leia mais

serotonina (humor) dopamina (Parkinson) serotonina (humor) dopamina (Parkinson) Prozac inibe a recaptação da serotonina

serotonina (humor) dopamina (Parkinson) serotonina (humor) dopamina (Parkinson) Prozac inibe a recaptação da serotonina Redes Neurais O modelo biológico O cérebro humano possui cerca 100 bilhões de neurônios O neurônio é composto por um corpo celular chamado soma, ramificações chamadas dendritos (que recebem as entradas)

Leia mais

HP UFCG Analytics Abril-Maio Um curso sobre Reconhecimento de Padrões e Redes Neurais. Por Herman Martins Gomes.

HP UFCG Analytics Abril-Maio Um curso sobre Reconhecimento de Padrões e Redes Neurais. Por Herman Martins Gomes. HP UFCG Analytics Abril-Maio 2012 Um curso sobre Reconhecimento de Padrões e Redes Neurais Por Herman Martins Gomes hmg@dsc.ufcg.edu.br Programa Visão Geral (2H) Reconhecimento Estatístico de Padrões (3H)

Leia mais

Introdução a Redes Neurais Artificiais com a biblioteca Encog em Java

Introdução a Redes Neurais Artificiais com a biblioteca Encog em Java Introdução a Redes Neurais Artificiais com a biblioteca Encog em Java Apresentação Graduada em Sistemas de Informação FAP/Parnaíba Mestranda do Programa de Pós-Graduação em Engenharia da Eletricidade -

Leia mais

- Campus Salto. Disciplina: Sistemas de Arquivos Docente: Fernando Santorsula E-mail: fernandohs@ifsp.edu.br

- Campus Salto. Disciplina: Sistemas de Arquivos Docente: Fernando Santorsula E-mail: fernandohs@ifsp.edu.br Disciplina: Sistemas de Arquivos Docente: Fernando Santorsula E-mail: fernandohs@ifsp.edu.br Sistemas de Arquivos- Parte 2 Pontos importantes de um sistema de arquivos Vários problemas importantes devem

Leia mais

Paradigmas de Aprendizagem

Paradigmas de Aprendizagem Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Paradigmas de Aprendizagem Redes Neurais Artificiais Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com

Leia mais

Redes Neurais Artificiais. Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 9)

Redes Neurais Artificiais. Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 9) Redes Neurais Artificiais Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 9) Conceitos 2 Redes Neurais As Redes Neurais Artificias são modelos computacionais

Leia mais

UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica

UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica REDES NEURAIS ARTIFICIAIS PERCEPTRONS Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 Forma mais simples de configuração das RNAs Rosenblatt (1958) retina área de projeção área de associação respostas

Leia mais

Exame de Equivalência à Frequência do Ensino Secundário

Exame de Equivalência à Frequência do Ensino Secundário Exame de Equivalência à Frequência do Ensino Secundário INFORMAÇÃO EXAME DE APLICAÇÕES INFORMÁTICAS B 2016 12º ANO DE ESCOLARIDADE (DECRETO-LEI N.º 139/ 2012, DE 5 DE JULHO) Prova 163 Escrita e Prática

Leia mais

Relatório do Seminário sobre Data Mining em Imagens

Relatório do Seminário sobre Data Mining em Imagens Relatório do Seminário sobre Data Mining em Imagens Alunos: Fabio Ariati Fernando Almeida Luis Eduardo Martins Rayse Kiane Introdução A mineração de dados em bancos de imagens propõe técnicas para extrair

Leia mais

Previsão de consumos a curto prazo

Previsão de consumos a curto prazo Previsão de consumos a curto prazo Cláudio Monteiro Distribuição de Energia II 5º ano da LEEC - ramo de Energia (FEUP) O que são? são técnicas computacionais que apresentam um modelo matemático inspirado

Leia mais

Equipamentos de Rede

Equipamentos de Rede COMPONENTES ATIVOS DE REDE Paulo Montenegro paulo.montenegro@simplestec.com.br 04 de fevereiro de 2009 FP.AC.010.00 Sumário Repetidor HUB Pontes Modos de Funcionamento Roteadores Protocolos de Roteamento

Leia mais

Mestrado em Engenharia Elétrica Processamento de Imagem Prof Dr Aristófanes Correa Silva (DEE) Prof Dr Alexandre César Muniz de Oliveira (DEINF)

Mestrado em Engenharia Elétrica Processamento de Imagem Prof Dr Aristófanes Correa Silva (DEE) Prof Dr Alexandre César Muniz de Oliveira (DEINF) Mestrado em Engenharia Elétrica Processamento de Imagem Prof Dr Aristófanes Correa Silva (DEE) Prof Dr Alexandre César Muniz de Oliveira (DEINF) www.deinf.ufma.br/~acmo 1. Objetivo: Pesquisar técnicas

Leia mais

PREVISÃO DE CARGA ATRAVÉS DE MODELOS NEURO-FUZZY. Victor Andrade de Almeida

PREVISÃO DE CARGA ATRAVÉS DE MODELOS NEURO-FUZZY. Victor Andrade de Almeida PREVISÃO DE CARGA ATRAVÉS DE MODELOS NEURO-FUZZY Victor Andrade de Almeida Projeto de Graduação apresentado ao curso de Engenharia Elétrica da Escola Politécnica, Universidade Federal do Rio de Janeiro,

Leia mais

INTELIGÊNCIA ARTIFICIAL

INTELIGÊNCIA ARTIFICIAL INTELIGÊNCIA ARTIFICIAL REDES NEURAIS Caracterização Intuitiva: Em termos intuitivos, Redes Neurais Artificiais (RNAs) são modelos matemáticos inspirados nos princípios de funcionamento dos neurônios biológicos

Leia mais

Redes Neurais Artificial

Redes Neurais Artificial Redes Neurais Artificial Tópicos: Introdução ao estudo de RNA sua origem e inspiração biológica Características gerais das RN e descrição do neurônio artificial Aprendizado de RN e tipos de Aprendizado

Leia mais

Curso de Sistemas de Informação 8º período Disciplina: Tópicos Especiais Professor: José Maurício S. Pinheiro V. 2009-1

Curso de Sistemas de Informação 8º período Disciplina: Tópicos Especiais Professor: José Maurício S. Pinheiro V. 2009-1 Curso de Sistemas de Informação 8º período Disciplina: Tópicos Especiais Professor: José Maurício S. Pinheiro V. 2009-1 Aula 5 Sistemas Biométricos 1. Sistema Biométrico Típico Qualquer que seja a característica

Leia mais

Arquiteturas de Redes de Computadores

Arquiteturas de Redes de Computadores Arquiteturas de Redes de Computadores Material de apoio Camada de Enlace Cap.6 19/01/2012 2 Esclarecimentos Esse material é de apoio para as aulas da disciplina e não substitui a leitura da bibliografia

Leia mais

Inteligência Artificial

Inteligência Artificial Universidade Federal de Campina Grande Departamento de Sistemas e Computação Pós-Graduação em Ciência da Computação Inteligência Artificial Aprendizagem (Redes Neurais) Prof. a Joseana Macêdo Fechine Régis

Leia mais

PREVISÃO CLIMÁTICA DE PRECIPITAÇÃO USANDO REDE NEURAL

PREVISÃO CLIMÁTICA DE PRECIPITAÇÃO USANDO REDE NEURAL PREVISÃO CLIMÁTICA DE PRECIPITAÇÃO USANDO REDE NEURAL Juliana A. ANOCHI 1, Sabrina B. M. SAMBATTI 1, Eduardo F. P. da LUZ 1, Haroldo F. de CAMPOS VELHO 1 Instituto Nacional de Pesquisas Espaciais - INPE

Leia mais

INFORMAÇÃO PROVA DE EQUIVALÊNCIA À FREQUÊNCIA

INFORMAÇÃO PROVA DE EQUIVALÊNCIA À FREQUÊNCIA INFORMAÇÃO PROVA DE EQUIVALÊNCIA À FREQUÊNCIA FRANCÊS - PROVA ESCRITA e ORAL 2016 Prova 16 3.º Ciclo do Ensino Básico (Decreto-Lei n.º 139/2012 de 5 de julho) O presente documento divulga informação relativa

Leia mais

PLANEJAMENTO E MODELAGEM

PLANEJAMENTO E MODELAGEM Apresentação 06 Introdução a Engenharia Elétrica COMO CRIAR MODELOS NA ENGENHARIA. PLANEJAMENTO E MODELAGEM Prof. Edgar Alberto de Brito Continuando os conceitos anteriores, nessa apresentação será mostrado

Leia mais

Glossário de Aprendizagem Motora

Glossário de Aprendizagem Motora Glossário de Aprendizagem Motora Prof. Dr. Luciano Basso Lacom_EEFE 1. Ação: a descrição da ação é feita com base na intenção e no objetivo que se pretende alcançar. Ela é identificada pela meta à qual

Leia mais

Introdução às Redes Neurais Artificiais

Introdução às Redes Neurais Artificiais Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Introdução às Redes Neurais Artificiais DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos

Leia mais

RECONHECIMENTO DE GÊNERO ATRAVÉS DA VOZ

RECONHECIMENTO DE GÊNERO ATRAVÉS DA VOZ RECONHECIMENTO DE GÊNERO ATRAVÉS DA VOZ Marcela Ribeiro Carvalho marcela@enecar.com.br IFG/Câmpus Goiânia Hipólito Barbosa Machado Filho hipolito.barbosa@ifg.edu.br IFG/Câmpus Goiânia Programa Institucional

Leia mais

FERRAMENTAS DA QUALIDADE BRAINSTORMING

FERRAMENTAS DA QUALIDADE BRAINSTORMING FERRAMENTAS DA QUALIDADE BRAINSTORMING Desenvolvido por Fernando Banas 1 Ou também denominado de tempestade de idéias mais que uma técnica de dinâmica de grupo é uma atividade desenvolvida para explorar

Leia mais

QUEBRANDO A CABEÇA COM FRAÇÕES

QUEBRANDO A CABEÇA COM FRAÇÕES QUEBRANDO A CABEÇA COM FRAÇÕES Instituição de Ensino Bolsistas ID Supervisor Coordenador Escola Municipal Coronel Durival Britto e Silva Vanessa Coimbra Chott Juliana da Cruz de Melo Prof. Dr. Anderson

Leia mais

Aprendizado de Máquina

Aprendizado de Máquina Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Aprendizado de Máquina Inteligência Artificial Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com

Leia mais

Aprendizado de Máquina (Machine Learning)

Aprendizado de Máquina (Machine Learning) Ciência da Computação Aprendizado de Máquina (Machine Learning) Aula 03 Aprendizado Supervisionado / : Modelo MCP e Perceptron Max Pereira Neurônio Booleano de McCulloch- Pitts (Modelo MCP) Proposto em

Leia mais

Arquitetura TCP/IP. Apresentado por: Ricardo Quintão

Arquitetura TCP/IP. Apresentado por: Ricardo Quintão Arquitetura TCP/IP Apresentado por: Ricardo Quintão Roteiro Conexões Inter-redes Serviço Universal Rede Virtual (inter-rede ou internet) Protocolos para ligação inter-redes (TCP/IP) Divisão em camadas

Leia mais

A camada de Enlace. Serviços e Protocolos

A camada de Enlace. Serviços e Protocolos A camada de Enlace Serviços e Protocolos Camada de Enlace Segunda camada do modelo OSI Primeira Camada do Modelo TCP/IP Modelo OSI Modelo TCP/IP Aplicação Apresentação Aplicação Sessão Transporte Rede

Leia mais

CCNA 2 Conceitos Básicos de Roteadores e Roteamento

CCNA 2 Conceitos Básicos de Roteadores e Roteamento CCNA 2 Conceitos Básicos de Roteadores e Roteamento Capítulo 6 - Roteamento e ProtocolosP de Roteamento 1 Objetivos do Capítulo Entender o conceito de protocolo de roteamento; Conhecer o roteamento estático;

Leia mais

GESTÃO DA MANUTENÇÃO

GESTÃO DA MANUTENÇÃO Classificação Nível de Criticidade para Equipamentos S Q W Itens para avaliação Segurança cliente interno cliente externo meio-ambiente Qualidade Condição de trabalho Status Equipamento A B D P M Perdas

Leia mais

Informação n.º 24.13. Data: 2012.12.19. Para: Direção-Geral da Educação. Inspeção-Geral da Educação e Ciência. Direções Regionais de Educação

Informação n.º 24.13. Data: 2012.12.19. Para: Direção-Geral da Educação. Inspeção-Geral da Educação e Ciência. Direções Regionais de Educação Prova Final de Ciclo de Matemática Prova 92 2013 3.º Ciclo do Ensino Básico Para: Direção-Geral da Educação Inspeção-Geral da Educação e Ciência Direções Regionais de Educação Secretaria Regional da Educação

Leia mais

Introdução. Hardware (Parte III) Universidade Federal de Campina Grande Departamento de Sistemas e Computação. joseana@computacao.ufcg.edu.

Introdução. Hardware (Parte III) Universidade Federal de Campina Grande Departamento de Sistemas e Computação. joseana@computacao.ufcg.edu. Universidade Federal de Campina Grande Departamento de Sistemas e Computação Introdução à Computação Hardware (Parte III) Prof. a Joseana Macêdo Fechine Régis de Araújo joseana@computacao.ufcg.edu.br Carga

Leia mais

Introdução a Banco de Dados. INTRODUÇÃO

Introdução a Banco de Dados. INTRODUÇÃO INTRODUÇÃO O termo banco de dados é bastante popular em diversas áreas de atuação. Com o aumento da utilização de computadores na manipulação de dados que envolvem diversas aplicações, os bancos de dados

Leia mais

UNIVERSIDADE DE SÃO PAULO ESCOLA POLITÉCNICA DEPARTAMENTO DE ENGENHARIA MECÂNICA USO DE REDES NEURAIS PARA PREVISÃO DO CONSUMO DE ENERGIA EM HOTÉIS

UNIVERSIDADE DE SÃO PAULO ESCOLA POLITÉCNICA DEPARTAMENTO DE ENGENHARIA MECÂNICA USO DE REDES NEURAIS PARA PREVISÃO DO CONSUMO DE ENERGIA EM HOTÉIS UNIVERSIDADE DE SÃO PAULO ESCOLA POLITÉCNICA DEPARTAMENTO DE ENGENHARIA MECÂNICA USO DE REDES NEURAIS PARA PREVISÃO DO CONSUMO DE ENERGIA EM HOTÉIS Alexandre Rondelo Duarte São Paulo 2009 UNIVERSIDADE

Leia mais

Tipos de Software e Ambientes de Processamento

Tipos de Software e Ambientes de Processamento Universidade São Judas Tadeu Prof. André Luis Ribeiro Prof. Jorge Luis Pirolla Introdução à Computação Tipos de Software e Ambientes de Processamento Tópicos Formas de Processamento de Dados Sistema de

Leia mais

Redes Neurais não Supervisionadas: SOM

Redes Neurais não Supervisionadas: SOM Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais não Supervisionadas: SOM DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos

Leia mais

PESQUISA OPERACIONAL: NA TOMADA DE DECISÕES ADMINISTRATIVA

PESQUISA OPERACIONAL: NA TOMADA DE DECISÕES ADMINISTRATIVA PESQUISA OPERACIONAL: NA TOMADA DE DECISÕES ADMINISTRATIVA Rodrigo de Oliveira SOUZA 1 Letícia Pinheiro Ribeiro da COSTA 1 Camila Pires Cremasco GABRIEL 22 Luís Roberto Almeida GABRIEL-FILHO 2 RESUMO:

Leia mais

Desenvolvimento de um Sistema Inteligente para Controle de uma Cadeira de Rodas para Usuários Tetraplégicos

Desenvolvimento de um Sistema Inteligente para Controle de uma Cadeira de Rodas para Usuários Tetraplégicos Desenvolvimento de um Sistema Inteligente para Controle de uma Cadeira de Rodas para Usuários Tetraplégicos Matheus Sousa Bezerra, Fernando Vernal Salina Instituto Federal de Educação, Ciência e Tecnologia

Leia mais

Aprendizado de Máquinas. Multi-Layer Perceptron (MLP)

Aprendizado de Máquinas. Multi-Layer Perceptron (MLP) Universidade Federal do Paraná (UFPR) Departamento de Informática (DInf) Aprendizado de Máquinas Multi-Layer Perceptron (MLP) David Menotti, Ph.D. web.inf.ufpr.br/menotti Redes Neuronais Cérebro humano.

Leia mais

REDES NEURAIS. É um conjunto complexo de células que determina o funcionamento e comportamento dos seres vivos. Sua unidade fundamental é o neurônio

REDES NEURAIS. É um conjunto complexo de células que determina o funcionamento e comportamento dos seres vivos. Sua unidade fundamental é o neurônio REDES NEURAIS Sistema Nervoso 2 O que é? É um conjunto complexo de células que determina o funcionamento e comportamento dos seres vivos Engloba o cérebro Sua unidade fundamental é o neurônio Se diferencia

Leia mais

Sistemas de Tempo Real

Sistemas de Tempo Real Escola de Computação 2000 - IME-USP Sistemas de Tempo Real Jean-Marie Farines Joni da Silva Fraga Rômulo Silva de Oliveira LCMI - Laboratório de Controle e Microinformática DAS - Departamento de Automação

Leia mais

22/05/2010. ohebb foi o primeiro a propor uma lei de aprendizagem específica para as sinápses dos neurônios.

22/05/2010. ohebb foi o primeiro a propor uma lei de aprendizagem específica para as sinápses dos neurônios. UNIVERSIDADE FEDERAL DO PIAUÍ UFPI Departamento de Informática & Estatística Curso de Ciência da Computação Introdução o 1º trabalho na área de RNA por McCulloch (neuroanatomista) e Pitts (matemático)

Leia mais

Banco de Dados para Redes. Cassio Diego cassiodiego.com

Banco de Dados para Redes. Cassio Diego cassiodiego.com Banco de Dados para Redes Cassio Diego cassiodiego.com 1 Agenda 03/11 - Unidade 4 + Exercícios; 10/11 - Unidade 5 + Exercícios; 17/11 - Revisão; 24/11 - AV2; 01/12 - AV3. 2 Aula de hoje UNIDADE 4: ARQUITETURA

Leia mais

Previsão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN

Previsão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN Previsão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN Alan Caio Rodrigues MARQUES 1, Gelson da Cruz JUNIOR 2, Cassio Dener Noronha VINHAL 3 Escola de Engenharia Elétrica e de Computação 1

Leia mais

Árvore de Decisão. 3. Árvore de Decisão

Árvore de Decisão. 3. Árvore de Decisão Árvore de Decisão 3. Árvore de Decisão A árvore de decisão consiste de uma hierarquia de nós internos e externos que são conectados por ramos. O nó interno, também conhecido como nó decisório ou nó intermediário,

Leia mais

AGRUPAMENTO DE ESCOLAS DE BENAVENTE

AGRUPAMENTO DE ESCOLAS DE BENAVENTE AGRUPAMENTO DE ESCOLAS DE BENAVENTE Informação Prova de Equivalência à Frequência Ensino Secundário 2015/2016 Decreto-Lei n.º 139/2012, de 5 julho Decreto -Lei nº 17/2016, de 4 de abril Aprovado em Conselho

Leia mais

PROJETO DE REDES www.projetoderedes.com.br. Prof. José Maurício S. Pinheiro UniFOA 2009-2

PROJETO DE REDES www.projetoderedes.com.br. Prof. José Maurício S. Pinheiro UniFOA 2009-2 PROJETO DE REDES www.projetoderedes.com.br Tecnologias WEB Web 3.0 Prof. José Maurício S. Pinheiro UniFOA 2009-2 Conceitos As pessoas geram o conhecimento; A informação é a matéria prima na geração de

Leia mais

Trabalho sobre Topologia de Redes

Trabalho sobre Topologia de Redes Trabalho sobre Topologia de Redes Emerson Baptista da Silva 27 de Janeiro de 2013 Topologia das Redes A topologia de rede descreve como o fica a sua situação física através do qual os dados, imagens e

Leia mais

Redes Neurais. Prof. Aurora Pozo. Obs: slides baseados em Prof. Marcílio Souto e Prof. Marley Vellasco

Redes Neurais. Prof. Aurora Pozo. Obs: slides baseados em Prof. Marcílio Souto e Prof. Marley Vellasco Redes Neurais Prof. Aurora Pozo Obs: slides baseados em Prof. Marcílio Souto e Prof. Marley Vellasco CONTEÚDO Introdução Motivação, Objetivo, Definição, Características Básicas e Histórico Conceitos Básicos

Leia mais

Cartilha de Acesso Rápido

Cartilha de Acesso Rápido Cartilha de Acesso Rápido (UTILIZAÇÃO SIL) Como criar um Layout na tela APRESENTAÇÃO: O SIL SISTEMA INTEGRADO DE LOGÍSTICA é uma ferramenta capaz de gerar diferenciais competitivos estratégicos ao proporcionar

Leia mais

Modelos Neurais para Dispositivos Ativos Semicondutores de GaAs nas Faixas de Microondas/Óptica

Modelos Neurais para Dispositivos Ativos Semicondutores de GaAs nas Faixas de Microondas/Óptica Modelos Neurais para Dispositivos Ativos Semicondutores de GaAs nas Faixas de Microondas/Óptica Paulo Henrique da Fonseca Silva 1 CEFET PB/GTEMA Av. 1º de Maio, 720 Jaguaribe CEP: 58015-430 João Pessoa,

Leia mais

Proporcionar a modelagem de sistemas utilizando todos os conceitos da orientação a objeto;

Proporcionar a modelagem de sistemas utilizando todos os conceitos da orientação a objeto; Módulo 7 UML Na disciplina de Estrutura de Sistemas de Informação, fizemos uma rápida passagem sobre a UML onde falamos da sua importância na modelagem dos sistemas de informação. Neste capítulo, nos aprofundaremos

Leia mais

SISTEMAS REALIMENTADOS

SISTEMAS REALIMENTADOS SISTEMAS REALIMENTADOS Prof.: Helder Roberto de O. Rocha Engenheiro Eletricista Doutorado em Computação Sintonia de controladores PID Mais da metade dos controladores industriais em uso emprega sistemas

Leia mais

Funções para limitação de velocidade do veículo

Funções para limitação de velocidade do veículo Informações gerais sobre as funções Informações gerais sobre as funções A Scania oferece três funções para a limitação de velocidade. As funções são usadas para atender a requisitos de clientes e estatutários,

Leia mais

Definição da inteligência Coletiva

Definição da inteligência Coletiva Definição da inteligência Coletiva! A inteligência coletiva é uma propriedade de sistemas compostos por agentes não (ou pouco) inteligentes e com capacidade individual limitada, capazes de apresentar comportamentos

Leia mais

Modelagem de Sólidos. 35T56 Sala 3E1 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 227 DIM102

Modelagem de Sólidos. 35T56 Sala 3E1 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 227 DIM102 Modelagem de Sólidos 35T56 Sala 3E1 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 227 1 Representando Sólidos Características desejáveis em um modelo de descrição de sólidos são: O domínio do modelo deve

Leia mais

Redes Neurais Artificiais

Redes Neurais Artificiais Redes Neurais Artificiais Fabrício Olivetti de França Universidade Federal do ABC Tópicos 1. Redes Neurais Biológicas 2. Neurônio Artificial 3. Rede Neural Artificial 4. Keras 1 Redes Neurais Biológicas

Leia mais

Usando MLP para filtrar imagens

Usando MLP para filtrar imagens Usando MLP para filtrar imagens Thiago Richter, Ediel Wiezel da Silva, e Adilson Gonzaga Departamento de Engenharia Elétrica, Universidade de São Paulo, Brasil thiago.richter@yahoo.com.br, edielws@gmail.com,

Leia mais

Organização e Estrutura do Sistema Nervoso. Dr. Flávio Aimbire

Organização e Estrutura do Sistema Nervoso. Dr. Flávio Aimbire Organização e Estrutura do Sistema Nervoso Dr. Flávio Aimbire Introdução O sistema nervoso é o mais complexo Tem função de receber informações sobre variações internas e externas e produzir respostas a

Leia mais

Estatística Multivariada. Visão Panorâmica. Aplicações: Associação. Classificação. Comparação. Associação. Correlação Bivariada.

Estatística Multivariada. Visão Panorâmica. Aplicações: Associação. Classificação. Comparação. Associação. Correlação Bivariada. Prof. Lorí Viali, Dr. viali@pucrs.br; viali@mat.ufrgs.br; http://www.pucrs.br/famat/viali; http://www.mat.ufrgs.br/~viali/ Embora projetos complexos e métodos sofisticados sejam necessários para responder

Leia mais

Desafios e oportunidades para os operadores de telecomunicações Apresentação de 2016

Desafios e oportunidades para os operadores de telecomunicações Apresentação de 2016 Notificação Eletrónica de Faturas Desafios e oportunidades para os operadores de telecomunicações Apresentação de 2016 saphety.com A quem se destina? Para os seus clientes empresariais Gestão de Custos

Leia mais

Algoritmos de Aprendizado. Formas de Aprendizado. Aprendizado Batch x Incremental. Aprendizado Batch x Incremental

Algoritmos de Aprendizado. Formas de Aprendizado. Aprendizado Batch x Incremental. Aprendizado Batch x Incremental Algoritmos de Aprendizado Regra de Hebb Perceptron Delta Rule (Least Mean Square Multi-Layer Perceptrons (Back Propagation Radial Basis Functions (RBFs Competitive Learning Hopfield Formas de Aprendizado

Leia mais

Multi-Layer. Perceptrons. Algoritmos de Aprendizado. Perceptrons. Perceptrons

Multi-Layer. Perceptrons. Algoritmos de Aprendizado. Perceptrons. Perceptrons Algoritmos de Aprendizado Regra de Hebb Perceptron Delta Rule (Least Mean Square) Back Propagation Multi-Layer Perceptrons Redes de apenas uma camada só representam funções linearmente separáveis Redes

Leia mais

Universidade do Algarve Faculdade de Ciência e Tecnologia Engenharia de Programação

Universidade do Algarve Faculdade de Ciência e Tecnologia Engenharia de Programação Universidade do Algarve Faculdade de Ciência e Tecnologia Engenharia de Programação Docente: Engª. Paula Ventura Discentes: Marta Santos nº13828 IG Vera Rocha nº13594 IG Um modelo de processo é uma representação

Leia mais

Método do Lugar das Raízes

Método do Lugar das Raízes Método do Lugar das Raízes 1. Conceito do Lugar das Raízes 2. Virtudes do Lugar das Raízes (LR) pag.1 Controle de Sistemas Lineares Aula 8 No projeto de um sistema de controle, é fundamental determinar

Leia mais

Deve ainda ser tido em consideração o Despacho Normativo n.º 24-A/2012, de 6 de dezembro, bem como o Despacho n.º 15971/2012, de 14 de dezembro..

Deve ainda ser tido em consideração o Despacho Normativo n.º 24-A/2012, de 6 de dezembro, bem como o Despacho n.º 15971/2012, de 14 de dezembro.. PROVA DE EQUIVALÊNCIA À FREQUÊNCIA Decreto-Lei n.º 139/2012, de 5 de julho Prova Escrita de Físico-Química 9º Ano de Escolaridade Prova 11 / 1ª Fase Duração da Prova: 90 minutos. Informações da prova INTRODUÇÃO

Leia mais

CIRCULAR TÉCNICA N o 171 NOVEMBRO 1989 TABELAS PARA CLASSIFICAÇÃO DO COEFICIENTE DE VARIAÇÃO

CIRCULAR TÉCNICA N o 171 NOVEMBRO 1989 TABELAS PARA CLASSIFICAÇÃO DO COEFICIENTE DE VARIAÇÃO IPEF: FILOSOFIA DE TRABALHO DE UMA ELITE DE EMPRESAS FLORESTAIS BRASILEIRAS ISSN 0100-3453 CIRCULAR TÉCNICA N o 171 NOVEMBRO 1989 TABELAS PARA CLASSIFICAÇÃO DO COEFICIENTE DE VARIAÇÃO INTRODUÇAO Carlos

Leia mais

Guia para Modelagem de Casos de Uso Metodologia CELEPAR

Guia para Modelagem de Casos de Uso Metodologia CELEPAR Guia para Modelagem de Casos de Uso Metodologia CELEPAR Agosto 2009 Sumário de Informações do Documento Documento: guiamodelagemcasosuso.odt Número de páginas: 14 Versão Data Mudanças Autor 1.0 25/04/07

Leia mais

Sistemas de Informação para Bibliotecas

Sistemas de Informação para Bibliotecas Sistemas de Informação para Bibliotecas Notas de Apoio ao Tópico 1 Henrique S. Mamede 1 Antes de mais nada: O QUE É MESMO INFORMAÇÃO?? Dados Informação Conhecimento Sabedoria 2 Dados São tipicamente voltados

Leia mais

3 Reações Proibidas por Spin

3 Reações Proibidas por Spin 3 Reações Proibidas por Spin Em reações químicas, elétrons ligantes são redistribuídos quando ligações químicas são quebradas e formadas. Quando alguns dos elétrons dos reagentes ou dos produtos são desemparelhados,

Leia mais

CONCEITOS DE SISTEMAS DE INFORMAÇÃO Fundamentos

CONCEITOS DE SISTEMAS DE INFORMAÇÃO Fundamentos /05/20 CONCEITOS DE SISTEMAS DE INFORMAÇÃO Fundamentos Prof. Carlos Faria (adaptação) 20 O QUE É SISTEMA? Grupo de elementos inter-relacionados ou em interação que formam um todo unificado e que trabalham

Leia mais

Introdução às Redes Neurais Artificiais

Introdução às Redes Neurais Artificiais Introdução às Redes Neurais Artificiais Introdução Prof. João Marcos Meirelles da Silva http://www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola de Engenharia Universidade

Leia mais

CARACTERÍSTICAS DESCRIÇÃO

CARACTERÍSTICAS DESCRIÇÃO caixa de junção CARACTERÍSTICAS Permite conexão fácil e segura em fieldbus (Fo u n d at i o n TM fieldbus, PROFIBUS) HART e na instrumentação convencional 4-20 ma; Ideal para ligações de sensores, atuadores

Leia mais

Capítulo 5 - Cabeamento para Redes Locais e WANs. Associação dos Instrutores NetAcademy - Julho de 2007 - Página

Capítulo 5 - Cabeamento para Redes Locais e WANs. Associação dos Instrutores NetAcademy - Julho de 2007 - Página Capítulo 5 - Cabeamento para Redes Locais e WANs 1 Camada Física de Rede Local Uma rede de computador pode ser montada utilizando-se vários tipos de meios físicos, representados pelos símbolos abaixo:

Leia mais

Redes Neurais e Sistemas Fuzzy

Redes Neurais e Sistemas Fuzzy Redes Neurais e Sistemas Fuzzy O ADALINE e o algoritmo LMS O ADALINE No contexto de classificação, o ADALINE [B. Widrow 1960] pode ser visto como um perceptron com algoritmo de treinamento baseado em minimização

Leia mais

Engenharia de Software. Ciclos de Vida do Software. 1. Sistemas

Engenharia de Software. Ciclos de Vida do Software. 1. Sistemas Engenharia de Software Profa. Dra. Lúcia Filgueiras Profa. Dra. Selma S. S. Melnikoff Ciclos de Vida do Software 1. Sistemas 2. Crise do software 3. Caracterização do software 4. Ciclos de vida do software

Leia mais