Método Primal-Dual Barreira Logarítmica Preditor-Corretor Aplicado à Basis Pursuit
|
|
- Gabriel Gabeira Faria
- 7 Há anos
- Visualizações:
Transcrição
1 Método Primal-Dual Barreira Logarítmica Preditor-Corretor Aplicado à Basis Pursuit Daniela Renata Cantane, Departamento de Bioestatística, Instituto de Biociências, Unesp Campus de Botucatu , Botucatu, SP Paula Aparecida Kikuchi, Aurelio Ribeiro Leite de Oliveira Departamento de Matemática Aplicada, IMECC, Unicamp, , Campinas, SP Resumo: Vários são os métodos propostos para reconstrução de sinal, nosso enfoque é o método Basis Pursuit, que busca a representação mais esparsa. Trabalhando com dicionários overcomplete, é possível determinarmos tal representação, visto que, serão inúmeras as combinações possíveis. Basis Pursuit busca esse objetivo, minimizando a soma dos módulos dos coeficientes da combinação, o que nada mais é do que a minimização da norma 1 dos coeficientes. Para tanto, é aplicado o Método Primal-Dual Barreira Logarítmica em [2]. A fim de buscar um resultado mais eficiente, iremos incluir a direção afim-escala, direção de centragem e a direção de correção no mesmo método, aplicando ao problema o Método Primal-Dual Barreira Logarítmica Preditor-Corretor. Palavras-chave: representação de sinais, esparsidade, programação linear, método de barreira, método preditor-corretor Algo que muitas vezes não percebemos, mas faz parte constante de nossas vidas, são os sinais. Seja na imagem reproduzida no televisor, fotos, a música que ouvimos de um rádio, o uso cotidiano do celular..., os sinais são os responsáveis pela reprodução e uso destes. Dado um sinal, podemos decompô-lo como combinação linear de certos elementos, para tanto, vamos definir certos conceitos. Definimos dicionário como uma coleção de waveforms parametrizadas D = (φ γ : γ Γ), sendo waveforms φ γ sinais discretos de tempo chamados átomos, que nesse trabalho será visto como um vetor pertencente a R n. Representação de sinais por meio de dicionários é uma alternativa que surge, além das representações usuais que utilizam superposição de senóides, como mencionado em [3]. Consideremos um sinal s sendo um vetor pertencente a R n, sua decomposição em um dicionário é dada por: s = γ Γ α γ φ γ. (1) Considere que temos um dicionário discreto de p waveforms e uma matriz Φ cujas colunas correspondem às p waveforms (Φ : n p), podemos reescrever (1) como: onde α = (α γ ) é o vetor dos coeficientes em (1). Φα = s, (2) 689
2 Veja que, se as waveforms são linearmente independentes, teremos uma matriz Φ não singular, o que implica que α terá representação única, ainda mais, se as waveforms forem ortonormais Φ 1 = Φ T. Dicionários são definidos como completos quando possuem exatamente n átomos, overcomplete quando possuem mais que n átomos, ou undercomplete quando possuem menos de n átomos. Exemplos de dicionários são dados em [2]: stationary wavelets, wavelet packets, cosine packets, chirples, warplets, Gabor dictionaries, wavelets e steerable wavelets. Note que, em (1), se trabalhamos com um dicionário completo, s terá uma representação única, pois todos α γ serão linearmente independentes. Já quando fazemos uso de dicionários overcomplete, sua representação não será única (teremos átomos que são combinações lineares de outros), permitindo que escolhamos a que nos for mais conveniente. Como um dos objetivos que queremos alcançar nas representações de sinais é esparsidade (obter o menor número de coeficientes significativos), já podemos ter em mente que uma boa ideia seria minimizar α γ. γ Γ Não são poucos os métodos propostos para representar sinais em dicionários overcomplete. Alguns exemplos, descritos em [2] são: método de frames (MOF), que escolhe a representação cujos coeficientes tenham a mínima norma L2, matching pursuit (MP), the best orthogonal basis (BOB) e basis pursuit (BP) que, diferente do método de frames, irá escolher a representação cujos coeficientes tenham a mínima norma L1, chamamos essa decomposição do sinal de superposição ótima de elementos do dicionário. Chen, Donoho e Saunders [3] mostram várias vantagens de BP sobre MOF, MP e BOB, dentre elas, esparsidade. Note que BP baseia-se na resolução do seguinte problema: minimizar α 1 sujeito a Φα = s Sendo que podemos reformulá-lo por meio de um programa linear na forma padrão, onde forma padrão refere-se a um problema de otimização com restrições definida em termos de uma variável x R m : minimizar c T x sujeito a Ax = b, x 0. De fato, escrevendo α em (3) como a diferença de dois vetores não-negativos u e v e sendo α 1 limitante superior de e T u + e T v, teremos Φα = Φ (u v) e e T u + e T v = α 1, esta última segue do seguinte fato: (3) (4) α γ = u γ v γ u γ + v γ = u γ +v γ = e T u+e T v α γ α γ = e T u+e T v γ=1 γ=1 γ=1 γ=1 γ=1 γ=1 γ=1 Dessa forma obtemos o seguinte problema equivalente: minimizar e T u + e T sujeito a Φ (u v) = s, (u, v) 0, que pode ser reformulado como (4) por meio de translações, como visto em [2]. Resolveremos o programa linear na forma padrão, equivalente a (3), por meio do método de pontos interiores, que é o enfoque desse trabalho. Até o momento foi discutido como representar um sinal por meio de dicionários overcomplete. Agora vamos analisar uma aplicação de processamento de sinal, como feito em [1]. Através da tomografia axial computadorizada é diagnosticada a presença de tumores e alterações celulares, isso é feito emitindo raios (sinais) em diferentes ângulos nas regiões onde tais 690
3 presenças são suspeitas, afim de produzir uma imagem em três dimensões da parte interna do corpo. O problema é descrito da seguinte forma: Sendo R R 3 a região de interesse, assuma que R i, 1 i p, corresponde a pequenas células que formam R e α i é a densidade da célula R i. Nosso objetivo é determinar o valor dos α i. Suponha que um raio (sinal) L é transmitido para nossa região de interesse R, várias células de R serão interceptadas pelo raio, definimos I (L) sendo o conjunto dessas células. Pois bem, essas células interceptadas pelo sinal acabam absorvendo energia do mesmo, sendo a energia absorvida por cada célula proporcional a densidade e o comprimento do caminho percorrido pelo raio na respectiva célula. O comprimento φ i (L) do caminho percorrido pelo raio no interior da célula é conhecido i I (L), assim a quantidade de energia absorvida é dada por: y (L) = i I(L) α i φ i (L). A energia absorvida y (L) é estimada subtraindo a energia final pela energia inicial emitida (note que não passa de uma estimativa, o valor de y não é exato). Esse processo é repetido enviando tais raios n vezes, obtendo dessa forma: y (L j ) = i I(L j ) α i φ i (L j ), 1 j n. (5) Como α i representa a densidade da célula, temos que α i 0, 1 i p. Devido o custo dos raios-x e seu perigo, n geralmente é diferente do número de células p, tendo o sistema poucas equações (n < p). Observe que podemos reescrever (5) como: Φα = y, α 0, (6) com Φ : n p, sendo que cada linha da matriz corresponde a um processo de emissão do raio (como mencionado anteriormente, tal processo é repetido n vezes), e o número de colunas correspondendo ao número de células que pertencem ao conjunto R. Sabemos que o valor de y não é exato, dessa forma consideremos y = s + σz, onde z é um ruído branco gaussiano padrão, σ é o nível de ruído, e s é o sinal puro. Assim quando resolvemos o problema: minimizar y Φα 2 2, sujeito a α 0, não estaremos determinando os valores de α que desejamos (que correspondem a representação do sinal puro s), além disso, tal problema possui infinitas soluções, considerando que a matriz em questão possui mais variáveis que equações. Em [1] é atribuido o coeficiente 1 2 a norma anterior e com a finalidade de encontrar α esparso, minimiza-se conjuntamente α 1, obtendo: minimizar 1 2 y Φα λ α 1 sujeito a α 0, (7) onde λ 0 é um parâmetro. Como podemos ver em [2], a solução desse problema refere-se a Basis Pursuit De-Noising (BPDN), que é um caso BP adaptado para s perturbado: y = s + σz onde o objetivo não é a decomposição exata de y (o que é obtido aplicando-se BP a y). Neste queremos uma representação do tipo: y = α γi φ γi + R (m), 691
4 onde R (m) é o resíduo e estamos considerando D um dicionário, com as waveforms (φ γ ) γ Γ sendo seus elementos. Utilizando a mesma notação que usamos para BP, teremos o problema equivalente a (7): minimizar y Φ( u v ) λet u + λe T v sujeito a (u, v) 0 Definindo x = (u, v), c = λ (1, 1), b=y e A= (Φ, Φ), (8) será escrito como: (8) minimizar Ax b ct x sujeito a x 0. Que, por sua vez, Michael Saunders e Shaobing Scott Chen [2] têm reconhecido ser equivalente ao problema linear perturbado: minimizar c T x p 2 2 sujeito a Ax + δp = b, x 0, δ = 1. Pois bem, os dois problemas analisados (BP e BPDN), acabam sendo reformulados de forma a tornarem lineares, sendo o segundo perturbado, mas note que tal problema linear perturbado trata-se de um problema quadrático. Nosso enfoque é trabalhar com esses problemas aplicando o Método de Pontos Interiores. Vamos analizar o método proposto em [2] para o problema BP e BPDN. No programa referente a tal método (BP Interior), que faz parte de um pacote denominado Atomizer, implementado em Matlab e que pode ser encontrado em [4], vamos fazer uso do método proposto por Gill, Murray e Saunders [5], reescrevendo o problema como o seguinte programa linear perturbado: (9) minimizar c T x γx p 2 2 sujeito a Ax + δp = b x 0, (10) considerando os valores dos parâmetros γ e δ pequenos ( 10 4) ; e resolvendo-o assim como feito em [2]. Associamos ao problema linear perturbado (10) o subproblema barreira logarítmica: minimizar c T x γx p 2 µ ln (x i ) sujeito a Ax + δp = b. A restrição de desigualdade x 0 fica implícita. Como µ 0 a solução converge para a solução do problema linear perturbado. Definimos o lagrangeano como: L (x, y, p) = c T x γx p 2 µ ln (x i ) + y T (b Ax δp) Agora vamos calcular as condições necessária de primeira ordem do problema de minimização da função Lagrangeana: obtendo, minimizar c T x γx p 2 µ ln (x i ) + y (b Ax δp) 692
5 x L = A T y γ 2 x c + µx 1 e onde e é o vetor de dimensão apropriada, cujos elementos são compostos por 1. No artigo de McShane, Monma e Shanno [6] vemos que quando µ do problema primal e dual são iguais, temos que z = µx 1 e, assim as condições necessárias de primeira ordem são dadas por: e por [6] novamente: x L = A T y γ 2 x c + z = 0 p L = δy p = 0 p = δy y L = Ax + δp b = Ax + δ 2 y b = 0 Rearranjando as expressões: F (x, y, z) = ZXe µe = 0 A T y γ 2 x c + z Ax + δ 2 y b ZXe µe = 0 onde z é um vetor dual, X e Z são as matrizes diagonais formadas pelos elementos dos vetores x e z respectivamente. Apliquemos o Método de Newton a fim de encontrar a solução do sistema linear acima. As direções de Newton ( x, y, z) devem satisfazer: o que corresponde a: F (x, y, z) x F F (x, y, z) + ( x, y, z) (x, y, z) = 0 y F (x, y, z) z γ 2 x + A T y + z A x + δ 2 y Z x + X z e fica reduzido a resolver o seguinte sistema: = c + γ 2 x z A T y b Ax δ 2 y µe Zx ( ) ( ) ADA T + δ 2 I y = r AD X 1 v t = t r v (11) ( ) x = DA T y + D X 1 v t (12) z = X 1 v X 1 Z x (13) sendo D = ( X 1 Z + γ 2 I ) 1. Para a escolha do comprimento do passo (ρp, ρ d ), vamos sempre escolher o maior possível, contanto que o ponto x (k+1) e z (k+1) sejam pontos interiores. A cada passo de Newton vamos decrescer o parâmetro de barreira µ monotonicamente e mais rapidamente se largos passos são tomados: µ (1 min (ρ p, ρ d,.99)) µ 693
6 O método converge quando b Ax δ 2 y 2, c + γ 2 x z A T y e z T x são suficientemente pequenos para alcançar uma precisão numérica. 2 Modificando o método descrito anteriormente, adicionando a direção afim-escala, a direção de centragem e a direção de correção no mesmo método, obtemos o Método Primal-Dual Barreira Logarítmica Preditor-Corretor, que foi implentado em Matlab como BP InteriorPC. Tal método convergiu com menos iterações que BP Interior. A seguir podemos visualizar isso para os sinais TwinSine-1 e WernerSorrows: TwinSine-1 Valor função objetivo Tempo Iterações BP Interior BP InteriorPC Tabela 1: Sinal TwinSine WernerSorrows Valor função objetivo Tempo Iterações BP Interior e BP InteriorPC e Tabela 2: Sinal WernerSorrows Os testes foram realizados para os sinais Carbon, TwinSine-2, FM-Cosine, Gong, Dynamic-0, Dynamic-2 e MultiGong. Quando o valor da função objetivo não foi menor que o de BP Interior, esse se mostrou extremamente próximo. Dessa forma obtemos um melhor desempenho em BP InteriorPC. Este trabalho foi parcialmente financiado pela CAPES, FAPESP e CNPq. Referências [1] Cheman K. M., Optimization techniques for solving basis pursuit problems, Ph.D. thesis, North Carolina State University, [2] Chen S., Basis pursuit, Ph.D. thesis, PhD Thesis, Stanford University, [3] Chen S., Donoho D. L., and Saunders M. A., Atomic decomposition by basis pursuit, SIAM review 43 (2001), no. 1, [4] Donoho D., Chen S. and Saunders M., Atomizer for matlab5. x, see stanford. edu/ atomizer. [5] Gill P. E., Murray W., Ponceleon D. B., and Saunders M. A., Solving reduced kkt systems in barrier methods for linear and quadratic programming, Tech. report, DTIC Document, [6] McShane K. A., Monma C. L., and Shanno D., An implementation of a primal-dual interior point method for linear programming, ORSA Journal on computing 1 (1989), no. 2,
Métodos de Pontos Interiores Aplicados à Basis Pursuit
Trabalho apresentado no XXXV CNMAC, Natal-RN, 014. Métodos de Pontos Interiores Aplicados à Basis Pursuit Aurelio Ribeiro Leite de Oliveira, Paula Aparecida Kikuchi, Departamento de Matemática Aplicada,
Leia maisMÉTODO PRIMAL DUAL BARREIRA LOGARÍTMICA PREDITOR- CORRETOR APLICADO À BASIS PURSUIT
Rio de Janeiro, v. 8, n. 2, p. 77-91, maio a setembro de 2016. MÉTODO PRIMAL DUAL BARREIRA LOGARÍTMICA PREDITOR- CORRETOR APLICADO À BASIS PURSUIT Paula Aparecida Kikuchi a*, Aurelio Ribeiro Leite de Oliveira
Leia maisMétodo Preditor-Corretor Aplicado ao Fluxo de Carga Ótimo com Correções Não-lineares nas Condições de Otimalidade
Método Preditor-Corretor Aplicado ao Fluxo de Carga Ótimo com Correções Não-lineares nas Condições de Otimalidade Roy Wilhelm Probst Departamento Acadêmico de Matemática UTFPR Curitiba PR E-mail: rwprobst@utfpr.edu.br
Leia maisProgramação Linear - Parte 5
Matemática Industrial - RC/UFG Programação Linear - Parte 5 Prof. Thiago Alves de Queiroz 1/2016 Thiago Queiroz (IMTec) Parte 5 1/2016 1 / 29 Dualidade Os parâmetros de entrada são dados de acordo com
Leia maisII Seminário da Pós-graduação em Engenharia Elétrica
UMA INVESTIGAÇÃO DOS PARÂMETROS NOS MÉTODOS MISTOS DE OTIMIZAÇÃO NÃO LINEAR Ellen Cristina Ferreira Aluna do Programa de Pós-Graduação em Engenharia Elétrica Unesp Bauru Profa. Dra. Edméa Cássia Baptista
Leia maisMÉTODOS NEWTON E QUASE-NEWTON PARA OTIMIZAÇÃO IRRESTRITA
MÉTODOS NEWTON E QUASE-NEWTON PARA OTIMIZAÇÃO IRRESTRITA Marlon Luiz Dal Pasquale Junior, UNESPAR/FECILCAM, jr.marlon@hotmail.com Solange Regina dos Santos (OR), UNESPAR/FECILCAM, solaregina@fecilcam.br
Leia maisTeoria de dualidade. Marina Andretta ICMC-USP. 19 de outubro de 2016
Teoria de dualidade Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisOPTIMIZAÇÃO NÃO LINEAR EM REDES
OPTIMIZAÇÃO NÃO LINEAR EM REDES Luis Ernesto Torres Guardia Departamento de Engenharia de Produção Universidade Federal Fluminense Rua Passo da Pátria 156, São Domingos 24210-240, Niterói, R.J., Brasil
Leia maisMétodo do Lagrangiano aumentado
Método do Lagrangiano aumentado Marina Andretta ICMC-USP 23 de novembro de 2010 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 23 de novembro de 2010 1 / 17 Problema com restrições gerais Vamos
Leia maisDepartamento de Matemática da Universidade de Coimbra. Licenciatura em Matemática. e B =
Departamento de Matemática da Universidade de Coimbra Optimização Numérica Licenciatura em Matemática Ano lectivo 2006/2007 Folha 1 1. Considere as matrizes A = [ 1 1 1 2 ] e B = [ 1 3 1 2 (a) Verifique
Leia maisCálculo Numérico BCC760
Cálculo Numérico BCC760 Resolução de Sistemas de Equações Lineares Simultâneas Departamento de Computação Página da disciplina http://www.decom.ufop.br/bcc760/ 1 Introdução! Definição Uma equação é dita
Leia maisMétodos para resolver problemas de otimização restrita
Métodos para resolver problemas de otimização restrita Marina Andretta ICMC-USP 22 de novembro de 2010 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 22 de novembro de 2010 1 / 13 Problema
Leia maisMarina Andretta. 17 de setembro de Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright.
Métodos de regiões de confiança Marina Andretta ICMC-USP 17 de setembro de 2014 Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright. Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear
Leia maisAula 22: Formulações com número exponencial de variáveis
Aula 22: Formulações com número exponencial de variáveis Otimização Linear e Inteira Túlio Toffolo http://www.toffolo.com.br BCC464 / PCC174 2018/2 Departamento de Computação UFOP Aula de Hoje 1 Correção
Leia maisMáquinas de Vetores de Suporte
Máquinas de Vetores de Suporte Marcelo K. Albertini 14 de Setembro de 2015 2/22 Máquinas de Vetores de Suporte Support Vector Machines (SVM) O que é? Perceptron revisitado Kernels (núcleos) Otimização
Leia maisMétodos de Pontos Interiores com a Aplicação do Precondicionador de Elman
Trabalho apresentado no XXXVIII CNMAC, Campinas - SP, 2018. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Métodos de Pontos Interiores com a Aplicação do Precondicionador
Leia maisSUPPORT VECTOR MACHINE - SVM
SUPPORT VECTOR MACHINE - SVM Definição 2 Máquinas de Vetores Suporte (Support Vector Machines - SVMs) Proposto em 79 por Vladimir Vapnik Um dos mais importantes acontecimentos na área de reconhecimento
Leia maisResolvendo algebricamente um PPL
Capítulo 6 Resolvendo algebricamente um PPL 6.1 O método algébrico para solução de um modelo linear A solução de problemas de programação linear com mais de duas variáveis, não pode ser obtida utilizando-se
Leia maisCones e raios extremos
Cones e raios extremos Marina Andretta ICMC-USP 7 de novembro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisResolução de problemas com apenas restrições lineares de igualdade
Resolução de problemas com apenas restrições lineares de igualdade Marina Andretta ICMC-USP 14 de outubro de 2014 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 14 de outubro de 2014 1 / 22
Leia maisPoliedros na forma padrão
Poliedros na forma padrão Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisResolução de sistemas de equações lineares: Método do Gradiente
Resolução de sistemas de equações lineares: Método do Gradiente Marina Andretta ICMC-USP 24 de março de 2015 Marina Andretta (ICMC-USP) sme0301 - Métodos Numéricos para Engenharia I 24 de março de 2015
Leia maisUma nova taxa de convergência para o Método do Gradiente
Proceeding Series of the Brazilian Society of Applied and Computational Mathematics, Vol. 2, N. 1, 2014. Trabalho apresentado no CMAC-Sul, Curitiba-PR, 2014. Uma nova taxa de convergência para o Método
Leia maisResolução de sistemas de equações lineares: Método dos Gradientes Conjugados
Resolução de sistemas de equações lineares: Método dos Gradientes Conjugados Marina Andretta/Franklina Toledo ICMC-USP 24 de março de 2015 Baseado no livro Cálculo Numérico, de Neide B. Franco Marina Andretta/Franklina
Leia maisCálculo Numérico. Sistemas lineares Métodos Iterativos: Introdução Método Iterativo de Jacobi-Richardson
Cálculo Numérico Sistemas lineares Métodos Iterativos: Introdução Método Iterativo de Jacobi-Richardson Métodos como: Métodos exatos Método de eliminação de Gauss Método de decomposição LU Método de Cholesky
Leia maisMarina Andretta. 10 de outubro de Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis.
Solução básica viável inicial Marina Andretta ICMC-USP 10 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211
Leia mais)XQGDPHQWRVGHSURJUDPDomRPDWHPiWLFD
)XQGDPHQWRVGHSURJUDPDomRPDWHPiWLFD,QWURGXomR A grande maioria dos problemas de engenharia pode ser solucionado de diferentes formas, uma vez que um número muito grande de soluções atende aos critérios
Leia maisMAP Métodos Numéricos e Aplicações Escola Politécnica 1 Semestre de 2017 EPREC - Entrega em 27 de julho de 2017
1 Preliminares MAP3121 - Métodos Numéricos e Aplicações Escola Politécnica 1 Semestre de 2017 EPREC - Entrega em 27 de julho de 2017 A decomposição de Cholesky aplicada a Finanças O exercício-programa
Leia maisRepresentação de poliedros
Representação de poliedros Marina Andretta ICMC-USP 8 de novembro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 -
Leia mais5 Análise de Sensibilidade
MAC-35 - Programação Linear Primeiro semestre de 00 Prof. Marcelo Queiroz http://www.ime.usp.br/~mqz Notas de Aula 5 Análise de Sensibilidade Neste capítulo consideramos o problema de programação linear
Leia maisUNIVERSIDADE FEDERAL DO ABC
UNIVERSIDADE FEDERAL DO ABC BC49 Cálculo Numérico - LISTA - sistemas lineares de equações Profs André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda Métodos diretos Analise os sistemas
Leia maisMétodo Simplex dual. Marina Andretta ICMC-USP. 24 de outubro de 2016
Método Simplex dual Marina Andretta ICMC-USP 24 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisProf. MSc. David Roza José 1/26
1/26 Mínimos Quadrados Geral e Regressão Não Linear Objetivos: Implementar a regressão polinomial; Implementar regressão múltipla linear; Entender a formulação do modelo linear geral de mínimos quadrados;
Leia maisTeoremas de dualidade
Teoremas de dualidade Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisProgramação Linear - Parte 3
Matemática Industrial - RC/UFG Programação Linear - Parte 3 Prof. Thiago Alves de Queiroz 1/2016 Thiago Queiroz (IMTec) Parte 3 1/2016 1 / 26 O Método Simplex Encontre o vértice ótimo pesquisando um subconjunto
Leia maisMétodo Simplex. Marina Andretta ICMC-USP. 19 de outubro de 2016
Método Simplex Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização linear
Leia maisMAP Exercício programa GPS e o Método de Newton
MAP3121 - Exercício programa 1-2018 GPS e o Método de Newton O Sistema de Posicionamento Global O Sistema de Posicionamento Global (GPS, sigla do nome em inglês) é um sistema de navegação formado por uma
Leia maisOtimização Aplicada à Engenharia de Processos
Otimização Aplicada à Engenharia de Processos Aula 4: Programação Linear Felipe Campelo http://www.cpdee.ufmg.br/~fcampelo Programa de Pós-Graduação em Engenharia Elétrica Belo Horizonte Março de 2013
Leia maisG3 de Álgebra Linear I
G3 de Álgebra Linear I 11.1 Gabarito 1) Seja A : R 3 R 3 uma transformação linear cuja matriz na base canônica é 4 [A] = 4. 4 (a) Determine todos os autovalores de A. (b) Determine, se possível, uma forma
Leia maisOtimização de grande porte
Otimização de grande porte Silvana Bocanegra Ciclo de Seminários BSI 204.2 Esboço Otimização: definição, aplicações e motivação; Classe de problemas de otimização e métodos de solução; Principais métodos
Leia maisPolinômios Ortogonais em Várias Variáveis com Pontos de Massa
Polinômios Ortogonais em Várias Variáveis com Pontos de Massa Mirela V. de Mello Depto de Ciências de Computação e Estatística, IBILCE, UNESP, 15054-000, São José do Rio Preto, SP E-mail: mirela vanina@yahoo.com.br
Leia maisEm 1970, Bellman e Zadeh (Bellman, 1970) apresentaram a otimização IX]]\, que é um conjunto de técnicas utilizadas em problemas de otimização com
4 ±0('/$ 5'd Muito já foi feito no desenvolvimento de metodologias para a resolução de problemas de programação linear IX]]\. Entretanto a grande parte dos trabalhos apresentados procurou obter uma solução
Leia maisP4 de Álgebra Linear I de junho de 2005 Gabarito
P4 de Álgebra Linear I 25.1 15 de junho de 25 Gabarito 1) Considere os pontos A = (1,, 1), B = (2, 2, 4), e C = (1, 2, 3). (1.a) Determine o ponto médio M do segmento AB. (1.b) Determine a equação cartesiana
Leia maisAula 3 A Reta e a Dependência Linear
MÓDULO 1 - AULA 3 Aula 3 A Reta e a Dependência Linear Objetivos Determinar a equação paramétrica de uma reta no plano. Compreender o paralelismo entre retas e vetores. Entender a noção de dependência
Leia maisAplicação do Método de Barreira Logarítmica na Resolução de um Problema de Programação Linear.
Aplicação do Método de Barreira Logarítmica na Resolução de um Problema de Programação Linear. Rodrigo Romais (FCSGN) 1 r.romais@gmail.com Resumo: Métodos numéricos de Ponto Interior são extremamente úteis
Leia maisP2 de Álgebra Linear I Data: 10 de outubro de Gabarito
P2 de Álgebra Linear I 2005.2 Data: 10 de outubro de 2005. Gabarito 1 Decida se cada afirmação a seguir é verdadeira ou falsa. Itens V F N 1.a F 1.b V 1.c V 1.d F 1.e V 1.a Considere duas bases β e γ de
Leia maisMétodo de Newton modificado
Método de Newton modificado Marina Andretta ICMC-USP 14 de setembro de 2010 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 14 de setembro de 2010 1 / 36 Método de Newton Como já vimos, o método
Leia maisAjuste de dados por mínimos quadrados
Cálculo Numérico por mínimos quadrados Prof. Daniel G. Alfaro Vigo dgalfaro@dcc.ufrj.br Departamento de Ciência da Computação IM UFRJ Motivação: População do Brasil Ano População (milhões) 1960 70, 992343
Leia maisMétodo de Newton truncado
Método de Newton truncado Marina Andretta ICMC-USP 8 de outubro de 2018 Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright. Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear
Leia maisMáquinas de Vetores de Suporte
Máquinas de Vetores de Suporte Prof. Marcelo Keese Albertini Faculdade de Computação Universidade Federal de Uberlândia 19 de Junho de 2017 2/27 Máquinas de Vetores de Suporte Support Vector Machines (SVM)
Leia maisUma estratégia para minimização de funções com termos modulares via métodos de pontos interiores
Proceeding Series of the Brazilian Society of Applied and Computational Mathematics Vol. N. 0. Trabalho apresentado no CMAC-Sul Curitiba-PR 0. Uma estratégia para imização de funções com termos modulares
Leia mais) t. 4 Eliminação do ruído do sinal Introdução
49 4 Eliminação do ruído do sinal 4.1. Introdução Os métodos de eliminação de ruído no domínio da transformada de wavelets são conhecidos coletivamente como métodos de de-noising ou encolhimento de wavelets
Leia maisAGA Análise de Dados em Astronomia I 7. Modelagem dos Dados com Máxima Verossimilhança: Modelos Lineares
1 / 0 AGA 0505- Análise de Dados em Astronomia I 7. Modelagem dos Dados com Máxima Verossimilhança: Modelos Lineares Laerte Sodré Jr. 1o. semestre, 018 modelos modelagem dos dados dado um conjunto de dados,
Leia maisProcessamento de Imagens CPS755
Processamento de Imagens CPS755 aula 04 - sistemas lineares Antonio Oliveira Ricardo Marroquim 1 / 32 laboratório de processamento de imagens tópicos decomposições (álgebra linear) decomposição QR decomposição
Leia maisSME Cálculo Numérico. Lista de Exercícios: Gabarito
Exercícios de prova SME0300 - Cálculo Numérico Segundo semestre de 2012 Lista de Exercícios: Gabarito 1. Dentre os métodos que você estudou no curso para resolver sistemas lineares, qual é o mais adequado
Leia maisPrecondicionadores baseados na aproximação da inversa da matriz de coeficientes
Precondicionadores baseados na aproximação da inversa da matriz de coeficientes João Paulo K. Zanardi, Italo C. N. Lima, Programa de Pós Graduação em Eneganharia Mecânica, FEN, UERJ 20940-903, Rio de Janeiro,
Leia maisINSTITUTO SUPERIOR TÉCNICO Mestrado Integrado em Engenharia Física Tecnológica Ano Lectivo: 2007/2008 Semestre: 1 o
INSTITUTO SUPERIOR TÉCNICO Mestrado Integrado em Engenharia Física Tecnológica Ano Lectivo: 27/28 Semestre: o MATEMÁTICA COMPUTACIONAL Exercícios [4 Sendo A M n (C) mostre que: (a) n A 2 A n A 2 ; (b)
Leia maisMétodo dos gradientes (ou método de máxima descida)
Método dos gradientes (ou método de máxima descida) Marina Andretta ICMC-USP 14 de setembro de 2010 Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 14 de setembro de 2010 1 / 16 Método dos gradientes
Leia maisDEPARTAMENTO DE ENGENHARIA MECÂNICA
DEPARTAMENTO DE ENGENHARIA MECÂNICA Otimização: Algoritmos e Aplicações na Engenharia Mecânica ENG1786 & MEC2403 Ivan Menezes 2018-2 1 EMENTA 1. Introdução 1.1 Definições Básicas 1.2 Classificação dos
Leia maisAdição de dois spins1/2
Adição de dois spins/ a c tort de julho de O momento angular é um dos pontos mais importantes da mecânica quântica. Saber somar dois ou três momentos angulares é crucial para o entendimento da estrutura
Leia maisMAT2457 ÁLGEBRA LINEAR PARA ENGENHARIA I Gabarito da 2 a Prova - 1 o semestre de 2015
MAT27 ÁLGEBRA LINEAR PARA ENGENHARIA I Gabarito da 2 a Prova - 1 o semestre de 201 Nesta prova considera-se fixada uma orientação do espaço e um sistema de coordenadas Σ (O, E) em E 3, em que E é uma base
Leia maisPROVAS Ciência da Computação. 2 a Prova: 13/02/2014 (Quinta) Reavaliação: 20/02/2014 (Quinta)
PROVAS Ciência da Computação 2 a Prova: 13/02/2014 (Quinta) Reavaliação: 20/02/2014 (Quinta) Ajuste de Curvas Objetivo Ajustar curvas pelo método dos mínimos quadrados 1 - INTRODUÇÃO Em geral, experimentos
Leia maisMétodo Preditor-Corretor com correções em todas as Condições de Otimalidade para o problema de Fluxo de Potência Ótimo PRÉ-ANAIS
Método Preditor-Corretor com correções em todas as Condições de Otimalidade para o problema de Fluxo de Potência Ótimo Roy Wilhelm Probst Universidade Tecnológica Federal do Paraná (UTFPR) Curitiba PR
Leia maisComo resolver o QFEMUP usando otimização
Como resolver o QFEMUP usando otimização Marina Andretta ICMC-USP 2 de agosto de 2016 Baseado no artigo M. Andretta, E. G. Birgin and M. Raydan, An inner-outer nonlinear programming approach for constrained
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 13 04/2014 Sistemas de Equações Lineares Parte 3 MÉTODOS ITERATIVOS Cálculo Numérico 3/44 MOTIVAÇÃO Os métodos iterativos
Leia maisMarina Andretta. 29 de setembro de 2014
Aplicações Marina Andretta ICMC-USP 29 de setembro de 2014 Baseado nos trabalhos presentes em http://www.ime.usp.br/~egbirgin/puma/ e na tese de doutorado de Marina Andretta Marina Andretta (ICMC-USP)
Leia maisAlgebra Linear. 1. Ortonormalização. 2. Sistema de Equações Lineares. pag.1 Teoria de Sistemas Lineares Aula 6. c Reinaldo M.
Algebra Linear 1. Ortonormalização 2. Sistema de Equações Lineares pag.1 Teoria de Sistemas Lineares Aula 6 Ortonormalização Um vetor x é dito estar normalizado se sua norma Euclidiana é igual a 1, ie,
Leia maisÁlgebra Matricial - Nota 03 Eliminação Gaussiana e Método de Gauss-Jordan
Álgebra Matricial - Nota 03 Eliminação Gaussiana e Método de Gauss-Jordan Márcio Nascimento da Silva Universidade Estadual Vale do Acaraú Curso de Licenciatura em Matemática marcio@matematicauva.org 8
Leia maisAULA 04 ENERGIA POTENCIAL E POTENCIAL ELÉTRICO. Eletromagnetismo - Instituto de Pesquisas Científicas
ELETROMAGNETISMO AULA 04 ENERGIA POTENCIAL E POTENCIAL ELÉTRICO Se um carga elétrica se move de um ponto à outro, qual é o trabalho realizado sobre essa carga? A noção de mudança de posição nos remete
Leia mais2 Animação com Harmônicos de Variedade
2 Animação com Harmônicos de Variedade Hoje em dia, podemos encontrar vários métodos de visualização de música, porém muito poucos relacionam a música à deformações (ou até movimentos rígidos) de modelos
Leia mais2, ao medirmos um observável deste estado que possui autovetores 0 e 1, obtemos o resultado 0 com probabilidade α 2, e 1 com probabilidade β 2.
4 Informação Quântica A teoria da Informação Quântica foi basicamente desenvolvida na última década (3, 10, 16). Nosso objetivo neste capítulo é apresentar sua estrutura fundamental, o bit quântico, e
Leia maisLema de Farkas e desigualdades lineares
Lema de Farkas e desigualdades lineares Marina Andretta ICMC-USP 30 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP)
Leia maisProgramação Matemática. Método Simplex
Programação Matemática Método Simplex Forma Padrão - Revisão Características da forma padrão: Problema de minimização Todas as restrições são de igualdade Todas as variáveis são não-negativas Considerar
Leia maisProblemas Inversos em Transferência Radiativa - Uma Formulação Implícita
Capítulo 3 Problemas Inversos em Transferência Radiativa - Uma Formulação Implícita AntônioJosédaSilvaNeto Haroldo Fraga de Campos Velho 3.1 O Que é um Problema Inverso? Em primeiro lugar vamos definir
Leia maisOptimização. Carlos Balsa. Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança
Optimização Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática Aplicada - Mestrados Eng. Química e Industrial Carlos Balsa Matemática Aplicada
Leia mais4 Silhueta de uma nuvem de pontos via superfícies impĺıcitas
4 Silhueta de uma nuvem de pontos via superfícies impĺıcitas Com objetivo de extrair a silhueta de uma nuvem de pontos, em alternativa à reconstrução local de malhas poligonais, proposta por Olson (11)
Leia maisAutovalores e Autovetores
Algoritmos Numéricos II / Computação Científica Autovalores e Autovetores Lucia Catabriga 1 1 DI/UFES - Brazil Junho 2016 Introdução Ideia Básica Se multiplicarmos a matriz por um autovetor encontramos
Leia maisUN ALGORITMO DE PUNTO INTERIOR PARA LA RESOLUCIÓN DE PROBLEMAS DE CONTACTO
UN ALGORITMO DE PUNTO INTERIOR PARA LA RESOLUCIÓN DE PROBLEMAS DE CONTACTO Sandro Rodrigues Mazorche Universidade Federal de Juiz de Fora - UFJF, Dep. de Matemática - ICE, Campus Universitário - CEP 36036-330
Leia maisCapítulo 5 - Optimização Não-Linear
Capítulo 5 - Optimização Não-Linear balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Mestrados em Engenharia da Construção Métodos de Aproximação em Engenharia
Leia maisZeros de Polinômios. 1 Resultados Básicos. Iguer Luis Domini dos Santos 1, Geraldo Nunes Silva 2
Zeros de Polinômios Iguer Luis Domini dos Santos, Geraldo Nunes Silva 2 DCCE/IBILCE/UNESP, São José do Rio Preto, SP, Brazil, iguerluis@hotmail.com 2 DCCE/IBILCE/UNESP, São José do Rio Preto, SP,Brazil,
Leia maisCurso de Álgebra Linear
Curso de Álgebra Linear Fundamentos e Aplicações Terceira Edição 25 de Outubro de 2012 Marco Cabral PhD Indiana University, EUA Paulo Goldfeld PhD Courant Institute, EUA Departamento de Matemática Aplicada
Leia maisCapítulo 3 - Mínimos Quadrados Lineares
Capítulo 3 - Mínimos Quadrados Lineares Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil e Electrotécnica Carlos Balsa Métodos
Leia maisMétodo dos Mínimos Quadrados
Método dos Mínimos Quadrados Laura Goulart UESB 4 de Abril de 2019 Laura Goulart (UESB) Método dos Mínimos Quadrados 4 de Abril de 2019 1 / 22 Objetivos O Método dos Mínimos Quadrados (MMQ) é uma técnica
Leia maisProgramação Linear/Inteira - Aula 5
Unidade de Matemática e Tecnologia - RC/UFG Programação Linear/Inteira - Aula 5 Prof. Thiago Alves de Queiroz Aula 5 Thiago Queiroz (IMTec) Aula 5 Aula 5 1 / 43 Análise de Sensibilidade Estudar o efeito
Leia maisSISTEMAS LINEARES PROF. EDÉZIO
SOLUÇÕES NUMÉRICAS DE SISTEMAS LINEARES PROF. EDÉZIO Considere o sistema de n equações e n incógnitas: onde E : a x + a x +... + a n x n = b E : a x + a x +... + a n x n = b. =. () E n : a n x + a n x
Leia maisÁlgebra Linear I - Aula Forma diagonal de uma matriz diagonalizável
Álgebra Linear I - Aula 18 1 Forma diagonal de uma matriz diagonalizável 2 Matrizes ortogonais Roteiro 1 Forma diagonal de uma matriz diagonalizável Sejam A uma transformação linear diagonalizável, β =
Leia maisO método Simplex Aplicado ao Problema de Transporte (PT).
Prof. Geraldo Nunes Silva (Revisado por Socorro Rangel) Estas notas de aula são Baseadas no livro: Hillier, F. S. e G. J. Lieberman. Introdução à Pesquisa Operacional, Campus, a ed., 9 Agradeço a Professora
Leia maisCF372 Mecânica Quântica I Os Postulados da Mecânica Quântica
CF372 Mecânica Quântica I Os Postulados da Mecânica Quântica 1 Introdução. Vamos apresentar nestas notas os postulados da mecânica quântica de acordo com o livro texto. Antes iremos fazer um paralelo entre
Leia maisMétodo dos Mínimos Quadrados Lineares
Método dos Mínimos Quadrados Lineares Orientando: Alex Rogger Cardoso Ventura alexrogger@hotmailcom Orientador: Max Leandro Nobre Gonçalves maxlng@ufgbr Co-orientador: Ademir Alves Aguiar ademiraguia@gmailcom
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística. Curso: Engenharia de Produção
Considere a função f(x). Para algum x a f (x) pode não existir. Suponha que se queira resolver o seguinte PPNL: Max f(x) s. a a x b Pode ser que f (x) não exista ou que seja difícil resolver a equação
Leia maisGabarito P2. Álgebra Linear I ) Decida se cada afirmação a seguir é verdadeira ou falsa.
Gabarito P2 Álgebra Linear I 2008.2 1) Decida se cada afirmação a seguir é verdadeira ou falsa. Se { v 1, v 2 } é um conjunto de vetores linearmente dependente então se verifica v 1 = σ v 2 para algum
Leia maisANÁLISE DE SÉRIES TEMPORAIS
ANÁLISE DE SÉRIES TEMPORAIS Ralph S. Silva http://www.im.ufrj.br/ralph/seriestemporais.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Definição
Leia maisComunicaçõ. ções Digitais II. Texto original por Prof. Dr. Ivan Roberto Santana Casella
PTC-43 Comunicaçõ ções Digitais II Texto original por Prof. Dr. Ivan Roberto Santana Casella Representaçã ção o Geométrica de Sinais A modulação digital envolve a escolha de um sinal específico s i (t)
Leia maisMaterial Teórico - Módulo: Vetores em R 2 e R 3. Módulo e Produto Escalar - Parte 2. Terceiro Ano - Médio
Material Teórico - Módulo: Vetores em R 2 e R 3 Módulo e Produto Escalar - Parte 2 Terceiro Ano - Médio Autor: Prof. Angelo Papa Neto Revisor: Prof. Antonio Caminha M. Neto Nesta segunda parte, veremos
Leia maisConsidere a função f(x). Para algum x a f (x) pode não existir. Suponha que. Max f(x) s. a a x b
Considere a função f(x). Para algum x a f (x) pode não existir. Suponha que se queira resolver o seguinte PPNL: Max f(x) s. a a x b Pode ser que f (x) não exista ou que seja difícil resolver a equação
Leia maisu t = c 2 u xx, (1) u(x, 0) = 1 (0 < x < L) Solução: Utilizando o método de separação de variáveis, começamos procurando uma solução u(x, t) da forma
Seção 9: Equação do Calor Consideremos um fluxo de calor em uma barra homogênea, construída de um material condutor de calor, em que as dimensões da seção lateral são pequenas em relação ao comprimento.
Leia maisDisciplina que estuda métodos analíticos para auxiliar na tomada de decisões.
Edgard Jamhour Disciplina que estuda métodos analíticos para auxiliar na tomada de decisões. Procura encontrar soluções ótimas ou próximo de ótimas para problemas de engenharia industrial, economia e finanças,
Leia maisDespacho Econômico Considerando as Perdas de Transmissão
Capítulo 1 Despacho Econômico Considerando as Perdas de Transmissão 1.1 Introdução Até agora, os métodos de despacho econômico apresentados têm ignorado as perdas de transmissão. Entretanto, as perdas
Leia maisG3 de Álgebra Linear I
G de Álgebra Linear I 7 Gabarito ) Considere a transformação linear T : R R cuja matriz na base canônica E = {(,, ), (,, ), (,, )} é [T] E = a) Determine os autovalores de T e seus autovetores correspondentes
Leia maisCapítulo 5 - Interpolação Polinomial
Capítulo 5 - Interpolação Polinomial Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil, Química e Gestão Industrial Carlos Balsa
Leia mais