Otimização de Recuperação de Informação usando Algoritmos Genéticos

Tamanho: px
Começar a partir da página:

Download "Otimização de Recuperação de Informação usando Algoritmos Genéticos"

Transcrição

1 Otimização de Recuperação de Informação usando Algoritmos Genéticos Neide de Oliveira Gomes, M. Sc., Prof. Marco Aurélio C. Pacheco, PhD Programa de Doutorado na área de Métodos de Apoio a Decisão Departamento de Engenharia Elétrica, PUC - Rio Neide de Oliveira Gomes, Prof. Marco Aurélio C. Pacheco, PhD Resumo: Este trabalho apresenta um estudo na área de Recuperação de Informação (RI) onde é fornecido um conjunto de documentos e um algoritmo induz conceitos-chave que melhor representam esse conjunto de documentos. Utilizou-se a técnica de Algoritmos Genéticos para a representação do conjunto de documentos. Palavras Chave: Recuperação de Informação (IR), Algoritmos Genéticos (GA), representação de documentos, palavras-chave, conceitos-chave. 1. Introdução Algoritmos Genéticos (GA) são algoritmos probabilísticos de busca que usam os princípios inspirados na genética natural, com aplicação em pesquisas e em problemas de busca e otimização e tem a habilidade de explorar a informação armazenada em um espaço de busca desconhecido, auxiliando em pesquisas subseqüentes. Em GA, o espaço de busca é composto de soluções candidatas ao problema, cada representada por uma string chamada de cromossoma e que evolui durante um tempo 1

2 apropriado através de um processo de competição e variações controladas. Cada cromossoma tem um valor de função objetivo, chamado aptidão. Uma GA começa com uma população de cromossomas que representam as soluções possíveis do problema quer seja oriundo de algum conhecimento quer seja geradas randomicamente (soluções) e as quais evoluem baseadas na evolução natural, obtendo-se cromossomas melhores através da aplicação de operadores modelados no processo genético. Durante iterações sucessivas ou gerações, cromossomas de uma população vão evoluindo e com base nessas evoluções, é formada uma nova população de cromossomas usando-se um mecanismo de seleção e operadores genéticos específicos tal como crossover e mutação. A iteração termina quando o sistema não evolui mais ou quando uma quantidade máxima de gerações é alcançada. A saída da GA será o melhor indivíduo da população final ou uma combinação dos melhores cromossomas. Uma função de aptidão deve ser especificada para cada problema a ser solucionado. Algoritmos Genéticos têm sido usados em Recuperação de Informação para solucionar vários problemas. Nesse trabalho são usados Algoritmos Genéticos para se determinar conceitos-chave ou palavras-chaves oriundos de um conjunto de documentos. Recuperação de Informação (IR) é um sistema que trata de armazenamento de informações que necessitam ser processados, pesquisados e recuperados correspondendo a uma consulta feita pelo usuário. A maioria das IR usam palavras-chaves para recuperar documentos. Sistemas de IR tem dois problemas. Um é como extrair palavras-chaves precisamente e o outro é como decidir o peso de cada palavra-chave. O trabalho apresenta uma aplicação de GA onde através um conjunto de documentos é automaticamente gerado uma representação de cada documento ou do conjunto de documentos é extraído seus conteúdos mais relevantes. Os textos dos documentos são tipicamente representados por termos indexados que são os identificadores dos documentos. O sistema usado na IR é o modelo de espaço vetorial (vector space model). O documento é visto como um vetor de dimensão n onde n é a quantidade de termos distintos usados para descrever os conteúdos dos documentos na coleção sendo que cada termo representa uma dimensão no espaço do documento. Uma consulta é também tratada do mesmo modo e é constituído de termos e pesos providos na consulta do usuário. A similaridade entre palavras-chave ou consulta e os documentos 2

3 são baseados na medida de similaridade. umentos com uma similaridade maior as palavras-chave ou consulta são julgadas a serem mais relevantes e devem ser recuperados pela IR com uma posição mais relevante na lista de documentos recuperados. 2. Objetivo Esse trabalho teve como objetivo um estudo na área de Recuperação de Informação através da identificação de palavras-chave mais relevantes ou consulta representando um conjunto de documentos, usando-se Algoritmos Genéticos. Foi usada a ferramenta Evolver. 3. Motivação A principal motivação foi à aplicação da técnica de Algoritmos Genéticos na área de Recuperação de Informação. 4. Conjunto de umentos Como este trabalho é acadêmico, utilizaram-se os seguintes textos representando 10(dez) documentos:. 1- Neste artigo é usado o algoritmo genético visando o aprimoramento do sistema de recuperação de informação, usando-se a função de aptidão de similaridade do cosseno. Tem como meta a investigação do uso de algoritmos genéticos para recuperação de informação aplicada a documentos representados por frases ou conjunto de frases onde os documentos mais relevantes são apresentados aos usuários.. 2- Algoritmo genético é um algoritmo probabilístico que simula o mecanismo de seleção natural dos organismos vivos e é muitas vezes usado para resolver problemas nos quais as soluções usuais são soluções caras.. 3- No algoritmo genético o espaço de busca é composto de soluções candidatas do problema, cada representada por uma string chamada de cromossoma tendo um valor representado por uma função objetivo, chamada aptidão. Um conjunto 3

4 de cromossomas associado com suas aptidões é chamado de população e esta população em uma dada iteração do algoritmo genético é chamada de geração.. 4- Sistema de Recuperação de Informação é um sistema usado para armazenar itens de informação que necessitam ser processados, pesquisados e correspondentemente serem recuperados devido a consultas feitas por um usuário. A maioria dos sistemas de recuperação usa palavras-chave para recuperar documentos e o sistema inicialmente extrai palavras-chave dos documentos e depois designa essas palavras-chave usando diferentes aproximações, sendo que tal sistema deve extrair precisamente e decidir o peso de cada palavra-chave.. 5- Neste modelo um documento é visto como um documento num espaço de dimensão-n, onde n é a quantidade de termos usados para descrever o conteúdo do documento na coleção e cada termo representa uma dimensão no documento. Uma consulta é também construída de termos e pesos de acordo com a consulta feita por um usuário.. 6- Recuperação de Informação em documentos é baseada na medida de similaridade entre a consulta e os documentos e isto significa que os documentos com maior similaridade com a consulta são julgados a serem mais relevantes e os documentos devem ser recuperados pelo sistema de recuperação numa lista ordenada descendentemente pela relevância.. 7- A Aprendizagem por consulta é o grupo de aplicação mais relevante em Recuperação de Informação, usando algoritmo genético. A Aprendizagem por consulta é um processo no quais pesquisadores e usuários provem documentos e o algoritmo aprende os conceitos-chave como o propósito de achar outros documentos relevantes.. 8- A aprendizagem por consulta é um processo no quais usuários provem exemplos e os algoritmos aprendem os conceitos-chave para achar outros documentos relevantes. Este método é o processo para assistir os usuários na formulação da consulta desempenhado pelo método de aprendizagem de máquina. É baseado no conjunto de documentos relevantes e opcionalmente nos documentos não-relevantes provido pelo usuário, aplicando-se um processo de aprendizagem.. 9- Há várias maneiras de se medir a qualidade do sistema de recuperação de informação, sendo as mais usadas a precisão e a abrangência. Precisão é a razão entre os documentos relevantes recuperados pelo sistema de recuperação de 4

5 informação em resposta a uma consulta e a quantidade total de documentos recuperados. Abrangência é a razão da quantidade de documentos relevantes recuperados e quantidade total de documentos relevantes na consulta existente na coleção dos documentos A indexação automática de documentos é uma aplicação que visa à adaptação dos documentos na coleção com o propósito de facilitar a recuperação de documentos face às consultas relevantes. Foi proposto um algoritmo genético para representação dos documentos, onde foi escolhido um esquema de codificação binária onde cada representação do documento tem um comprimento fixo e é representado por um vetor binário. A população genética é composta de diferentes descrições para o mesmo documento. 5. Representação do documento e da consulta A Representação do umento por texto completo é difícil e caro de se manipular computacionalmente, então dado um documento identificou-se os conceitos que melhor descrevem o seu conteúdo. É costume representar o documento como uma Centróide e através uma lista de termos com pesos associados ou não. O problema é a perda semântica. Foi escolhido para representação do documento o modelo do espaço vetorial (Vector Space Model), onde os documentos (d) e as consultas (q) são representados por vetores em um espaço n-dimensional, onde n é a quantidade total de termos usados para indexar os documentos. Nesse trabalho, o documento foi representado por um centróide com pesos associados, i.e, o número de vezes que a palavra aparece no texto. Para cada conjunto de documentos, cada consulta q é comparada com todos os documentos d, usando a medida de similaridade do cosseno do ângulo entre q e d. Quanto maior o cosseno, maior é a relevância entre d e q. A seguir é mostrado na figura 5.1, um exemplo de um documento e uma consulta com as respectiva medida de similaridade do cosseno do ângulo entre q e d. 5

6 Figura Modelo Espaço Vetorial com Pesos Associados O peso de cada termo é definido pela seguinte fórmula: wi = (tfi / tf) * log(d/dfi) onde wi peso do termo i normalizado tfi freqüência do termo (quantidade de vezes que um termo i ocorre em um documento) tf - maior freqüência do termo na coleção dos documentos D quantidade de documentos dfi freqüência do documento ou quantidade de documentos contendo termo i dfi/d razão da probabilidade de selecionar um documento contendo um termo da consulta (query). log(d/dfi) inverso da freqüência do documento (IDFi Inverse ument Frequency) A similaridade do cosseno é dada pela seguinte fórmula: Sim (q,d) = w q,i w d,i ( w 2 q,i) 1/2 * ( w 2 d,i) 1/2 6

7 As operações elaboradas sobre o texto foram: a eliminação de stopwords, i.e., palavras consideradas irrelevantes; e o agrupamento de palavras que tinham o mesmo radical. Em seguida os termos foram substituídos por índices e pelas suas freqüências nos documentos d. 6. Simulação A simulação foi feita com 10(dez) textos representando os documentos. Na tabela 6.1 a seguir são representados os textos ou documentos através de índices e freqüência das palavras. No total foram totalizados 110(cento e dez) termos ou índices. Foram também apresentadas as stopwords que foram eliminadas. Tabela 6.1 Representação dos textos ou documentos Descrição dos Itens Total 1 Abrangência Achar Adaptação Algoritmo(s) Aplicada /Aplicação/ Aplicando 6 Aprendizagem/ Aprende Apresentados Aprimoramento Aproximações Aptidão (ões) Armazenar Artigo Assistir Associado Automática Baseada (o) Binária (o) Busca Candidatas Caras Chamada(o) / Designa

8 Continuação da Tabela 6.1 Representação dos textos ou documentos Descrição Total Codificação Coleção Composto (a) Comprimento Conjunto Consulta(s) Conteúdo Construída Cosseno Cromossoma(s) Dada Decidir Descendentemente Descrever /Descrições Desempenhado Deve(m) Diferentes Dimensão Dimensão n 40 umento(s) Espaço Esquema Exemplos Existente Extrair/extrai Face Facilitar Feita Fixo Formulação Frases Função Genético (a) (s) Geração Grupo Indexação Informação Investigação

9 Continuação da Tabela 6.1 Representação dos textos ou documentos Descrição Itens Iteração Julgados Lista Máquina Mecanismo Maneiras Medida / Medir Meta Modelo Muitas Vezes Natural Necessitam Objetivo / Propósito 73 Opcionalmente Ordenada Organismo Palavra(s)-chave Conceitos-chave 77 Peso(s) Pesquisados/ Pesquisadores 79 População Probabilístico Problema(s) Precisão Processados / Processo/ Método 84 Proposto / propósito Provem /provido Qualidade Quantidade Razão Recuperação/recuperar/ recuperados 90 Relevantes /Relevância/ Não Relevantes 91 Representada (o)(os) Representa/ Representação 92 Resolver Total 9

10 Continuação da Tabela 6.1 Representação dos textos ou documentos Descrição Total 93 Resposta Seleção /Escolhido Significa Similaridade Simula Sistema(s) Soluções String Termos(s) Total Usado (a) (s)/ uso(a) / usando 104 Usuais Usuário(s) Valor Vetor Visando /Visa Visto Vivos Total itens Stopwords a(s) x x - x x x X X x x Aos x Cada - - x x x x Com - - x - x x x Como x x - X correspondentemente x de x x x x x x X - x x de acordo x Depois x Devido x Diferentes x do(s) (a) x x x x x x x E - x x x x x X x x - Em - - x - - x X - x - Entre x - - x - esta/ essa(s) /este - - x x x - - inicialmente x Isto x Mais x x X - x - maior /maioria x - x

11 Continuação da Tabela 6.1 Representação dos textos ou documentos Descrição Mesmo x na (os) (o) - x x - x x X x x x Neste x x numa /num x x o(s) x x x x x x X x x x Onde x x x Ou x Outros X x - - Para x x - x x - - x - x pela (o) x - x x - Por x - x x x - X x - x precisamente x Quais - x X x - - Que - x - x - x x Se x - Suas - - x Tal x Também x Um(a) - x x x X - X x x x Várias x - é/são/serem/ser/sendo/ foi tem/tendo Há Total 7. Discussão e Resultados Foi utilizada para o estudo, a ferramenta Evolver, utilizando-se o método Recipe. Consulta 1: Dados os 10(dez) documentos encontrar as palavras-chave ou consulta mais relevante a todos os documentos. Foram usados os seguintes dados operacionais: - Crossover 0.5 e Mutação 0.08; - Tamanho da População 100; - Tentativas 20000; - Máxima mudança 0.01 em 1000 tentativas; - Otimização: Maximização da soma dos cossenos entre os documentos 1 a 10 e a consulta; - Células Ajustadas:B1:B110 (palavras-chave e consulta); 11

12 - Restrições: Freqüência dos termos entre os valores 0 e 1 e inteiro: [0<=B1:B110<=1]. Para representação dos documentos 1 a 10 foram obtidos 57(cinqüenta e sete) itens do total dos 110 (cento e dez). Para discriminação dos itens ver Tabela 7.1. Os ângulos entre a consulta obtida e os documentos 1 a 10 foram os seguintes: 0, , , , , , , , , , A soma dos cossenos foi de 3,0847 (máximo 10). O maior ângulo encontrado foi o correspondente ao documento 6, i.e., 0, Os itens selecionados acham-se discriminados na tabela 7.1: Do resultado obtido constatou-se que os termos selecionados originaram-se dos que tinham freqüência total superior ou igual a 2(dois), incluindo também todos os itens que apareceram no documento 6, i.e., o documento que apresentou maior grau de similaridade. Houve apenas 1(uma) exceção a regra, i.e., o item 109(cento e nove). Consulta 2: Achar os itens mais relevantes ao documento 1 ou 2 ou 3 ou 4, separadamente. Na consulta 2(dois), foram usados os seguintes dados operacionais: - Crossover 0.8 e Mutação 0.05; - Tamanho da População 100; - Tentativas 20000; - Máxima mudança 0.01 em 1000 tentativas; - Otimização: Maximização do cosseno entre o documento e a consulta; - Células Ajustadas: B1:B110 (consulta); - Restrições: Freqüência entre os termos entre 0 e 1 e inteiro [0<=B1:B110<=] e soma diferente de zero [soma(b1:b110)<>0] Todos os itens dos documentos foram selecionados. A diferença da quantidade foi à freqüência com que os itens apareceram no documento, pois na consulta eles foram restritos a 1(um). 12

13 Para representação do documento 1 foram obtidos 23(vinte e três) itens do total dos 31 (trinta e um) itens. Para representação do documento 2 foram obtidos 16(dezesseis) itens do total dos 18 (dezoito) itens. Para representação do documento 3 foram obtidos 22(vinte e dois) itens do total dos 31 (trinta e um) itens. Para representação do documento 4 foram obtidos 20(vinte) itens do total dos 35 (trinta e cinco) itens. Os ângulos entre a consulta obtida e os documentos 1, 2, 3 e 4 foram respectivamente os seguintes: 0.954; ; ; Consulta 3: Achar os itens mais relevantes concernentes aos documentos 1, 2, 3 e Na consulta 3(três) foram usados os seguintes dados operacionais: - Crossover 0.5 e Mutação 0.01; - Tamanho da População 100; - Tentativas 20000; - Máxima mudança 0.01 em 1000 tentativas; - Otimização: Maximização da soma dos cossenos entre os documentos 1 a 4 e a consulta. - Células Ajustadas: B1:B110 (conslta); - Restrições: freqüência dos termos entre zero e um e inteiro. [0<=B1:B110<=1, inteiro] Para representação dos documentos 1, 2, 3 e 4 foram obtidos 63(sessenta e três) itens. Todos os itens dos documentos foram selecionados. A diferença da quantidade foi à freqüência com que os itens apareceram no documento, pois na consulta eles foram restritos a 1(um). Os ângulos entre a consulta obtida e os documentos 1, 2, 3 e 4 foram respectivamente os seguintes: ; ; ;

14 Tabela 7.1 Itens Selecionados da Consulta 1 Item Descrição dos Itens C 1 To Item Descrição dos Itens C 1 Total tal 1 Abrangência Deve(m) Achar Diferentes Adaptação - 39 Dimensão 1 2 Dimensão n 4 Algoritmo(s) umento(s) Aplicada /Aplicação/ Espaço 1 2 Aplicando 6 Aprendizagem/ Aprende Esquema Apresentados Exemplos Aprimoramento Existente Aproximações Extrair/extrai Aptidão (ões) Face Armazenar Facilitar Artigo Feita Assistir Fixo Associado Formulação Automática Frases Baseada (o) Função Binária (o) Genético (a) (s) Busca Geração Candidatas Grupo Caras Indexação Chamada(o) / Designa Informação Codificação Investigação Coleção Itens Composto (a) Iteração Comprimento Julgados Conjunto Lista Consulta(s) Máquina Conteúdo Mecanismo Construída Maneiras Cosseno Medida / Medir Cromossoma(s) Meta Dada Modelo Decidir Muitas Vezes Descendentemente Natural Descrever /Descrições Necessitam Desempenhado Objetivo / Propósito

15 Cont. Tabela 7.1 Itens Selecionados da Consulta 1 Item Descrição dos Itens C 1 Total Item Descrição dos Itens C1 Total 73 Opcionalmente Resolver Ordenada Resposta Organismo Seleção /Escolhido Palavra(s)-chave Significa 1 1 Conceitos-chave 77 Peso(s) Similaridade Pesquisados/ Simula - 1 Pesquisadores 79 População Sistema(s) Probabilístico Soluções Problema(s) String Precisão Termos(s) Processados/ Processo/ Total 1 2 Método 84 Proposto / propósito Usado (a) (s)/ uso(a) / 1 10 usando 85 Provem /provido Usuais Qualidade Usuário(s) Quantidade Valor Razão Vetor Recuperação/recuperar/ recuperados 90 Relevantes /Relevância/ Não Relevantes 91 Representada (o)(os) Representa/ Representação Visando /Visa Visto Vivos - 1 Total Conclusão O uso de algoritmos genéticos em conjunto com o uso do modelo de espaço vetorial para representação de documentos através palavras-chave mostrou-se eficiente, contudo futuramente deverão ser feitos testes com coleção de documentos conhecidos para que se façam comparações entre o método adotado e sistema clássico de Recuperação de Informação. 15

16 9. Referências Bibliográficas - Radwan, Ahmed A. A.; Tatef, Bahgat A. Abdel; Ali, Abdelmgeid A.; Sadeck, Osman A.; Using Genetic Algorithm to Improve Information Retrieval Systems; Proceedings of World Academy of Science, Engineering and Tecnology Volume A17, december 2006; - Aly, Abdelmgeid; Applying Genetic Algorithm in Query Improvement Problem, International Journal Information Technologies and Knowledge, vol 1,

Complemento IV Introdução aos Algoritmos Genéticos

Complemento IV Introdução aos Algoritmos Genéticos Complemento IV Introdução aos Algoritmos Genéticos Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações e

Leia mais

ALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA

ALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA 136 ALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA FILITTO, Danilo 1 Resumo: Os algoritmos Genéticos inspiram-se no processo de evolução natural e são utilizados para resolver problemas de busca e otimização

Leia mais

Algoritmos Genéticos

Algoritmos Genéticos UNIVERSIDADE PRESBITERIANA MACKENZIE Laboratório de Computação Natural LCoN I ESCOLA DE COMPUTAÇÃO NATURAL Algoritmos Genéticos Rafael Xavier e Willyan Abilhoa Outubro/2012 www.computacaonatural.com.br

Leia mais

04/03/2013. Gerenciamento de Dados e Informação. Recuperação de Dado X Informação. Histórico

04/03/2013. Gerenciamento de Dados e Informação. Recuperação de Dado X Informação. Histórico Recuperação de Dado X Informação Gerenciamento de Dados e Informação Fernando Fonseca Ana Carolina Robson Fidalgo Comparação (matching) Recuperação de Dados Exata Recuperação de Informação Aproximada Dados

Leia mais

RECUPERAÇÃO DE DOCUMENTOS TEXTO USANDO MODELOS PROBABILISTICOS ESTENDIDOS

RECUPERAÇÃO DE DOCUMENTOS TEXTO USANDO MODELOS PROBABILISTICOS ESTENDIDOS ISBN 978-85-61091-05-7 Encontro Internacional de Produção Científica Cesumar 27 a 30 de outubro de 2009 RECUPERAÇÃO DE DOCUMENTOS TEXTO USANDO MODELOS PROBABILISTICOS ESTENDIDOS Marcello Erick Bonfim 1

Leia mais

Recuperação de Informação

Recuperação de Informação Recuperação de Informação Estrutura de Dados II Mariella Berger 1 Roteiro Tarefas de Recuperação de Informação Modelos de Recuperação de Documentos Modelo Booleano Modelo Espaço Vetorial Recuperação de

Leia mais

INF 1771 Inteligência Artificial

INF 1771 Inteligência Artificial Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 04 Algoritmos Genéticos Introdução Algoritmos genéticos são bons para abordar espaços de buscas muito grandes e navegálos

Leia mais

CLASSIFICAÇÃO AUTOMÁTICA DE PATENTES COM O MODELO VETORIAL DE REPRESENTAÇÃO DE DOCUMENTOS

CLASSIFICAÇÃO AUTOMÁTICA DE PATENTES COM O MODELO VETORIAL DE REPRESENTAÇÃO DE DOCUMENTOS III SBA Simpósio Baiano de Arquivologia 26 a 28 de outubro de 2011 Salvador Bahia Políticas arquivísticas na Bahia e no Brasil CLASSIFICAÇÃO AUTOMÁTICA DE PATENTES COM O MODELO VETORIAL DE REPRESENTAÇÃO

Leia mais

ALGORITMOS GENÉTICOS

ALGORITMOS GENÉTICOS ALGORITMOS GENÉTICOS INTRODUÇÃO São métodos adaptativos que podem ser usados para resolver problemas de busca e otimização. Na natureza a combinação de boas características provenientes de diferentes indivíduos

Leia mais

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Aula anterior Organização e Recuperação de Informação(GSI521) Modelo vetorial- Definição Para o modelo vetorial, o

Leia mais

Organizaçãoe Recuperação de Informação GSI521. Prof. Rodrigo Sanches Miani FACOM/UFU

Organizaçãoe Recuperação de Informação GSI521. Prof. Rodrigo Sanches Miani FACOM/UFU Organizaçãoe Recuperação de Informação GSI521 Prof. Rodrigo Sanches Miani FACOM/UFU Introdução Organização e Recuperação de Informação(GSI521) Tópicos Recuperação de informação (RI); Breve histórico; O

Leia mais

Nathalie Portugal Vargas

Nathalie Portugal Vargas Nathalie Portugal Vargas 1 Introdução Trabalhos Relacionados Recuperação da Informação com redes ART1 Mineração de Dados com Redes SOM RNA na extração da Informação Filtragem de Informação com Redes Hopfield

Leia mais

Algoritmos Genéticos (GA s)

Algoritmos 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 mais

Projeto e Análise de Algoritmos Projeto de Algoritmos Heurísticas e Algoritmos Aproximados

Projeto e Análise de Algoritmos Projeto de Algoritmos Heurísticas e Algoritmos Aproximados Projeto e Análise de Algoritmos Projeto de Algoritmos Heurísticas e Algoritmos Aproximados Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br Universidade Federal de Alfenas Departamento de Ciências

Leia mais

textos documentos semi-estruturado

textos documentos semi-estruturado 1 Mineração de Textos Os estudos em Aprendizado de Máquina normalmente trabalham com dados estruturados Entretanto, uma grande quantidade de informação é armazenada em textos, que são dados semiestruturados

Leia mais

Aplicação da Medida TfIdf em Bancos de Dados Relacionais para Ordenação de Consultas por Termos

Aplicação da Medida TfIdf em Bancos de Dados Relacionais para Ordenação de Consultas por Termos Aplicação da Medida TfIdf em Bancos de Dados Relacionais para Ordenação de Consultas por Termos Daniel Pereira Lima 1, Naziane Alves Pinto 2, Carla Oran Fonseca de Souza 3, Francisca Sancha Azevedo da

Leia mais

Inteligência Computacional Aplicada a Engenharia de Software

Inteligência Computacional Aplicada a Engenharia de Software Inteligência Computacional Aplicada a Engenharia de Software Estudo de caso III Prof. Ricardo de Sousa Britto rbritto@ufpi.edu.br Introdução Em alguns ambientes industriais, pode ser necessário priorizar

Leia mais

Organização e Recuperação da Informação

Organização e Recuperação da Informação GSI024 Organização e Recuperação da Informação Introdução Ilmério Reis da Silva ilmerio@facom.ufu.br www.facom.ufu.br/~ilmerio/ori UFU/FACOM - 2011/1 Arquivo 1a Introdução Porque RI? Problemas da solução

Leia mais

A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS

A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS UMA SOLUÇÃO DO PROBLEMA DAS N RAINHAS ATRAVÉS DE ALGORITMOS GENÉTICOS A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS Eliane Vendramini de Oliveira Mestre em Engenharia Elétrica UNESP/ Ilha Solteira

Leia mais

3 ALGORITMOS GENÉTICOS : CONCEITOS BÁSICOS E EXTENSÕES VINCULADAS AO PROBLEMA DE MINIMIZAÇÃO DE PERDAS

3 ALGORITMOS GENÉTICOS : CONCEITOS BÁSICOS E EXTENSÕES VINCULADAS AO PROBLEMA DE MINIMIZAÇÃO DE PERDAS 3 ALGORITMOS GENÉTICOS : CONCEITOS BÁSICOS E EXTENSÕES VINCULADAS AO PROBLEMA DE MINIMIZAÇÃO DE PERDAS 3.1 - Conceitos Básicos Entendemos como algoritmo um conjunto predeterminado e bem definido de regras

Leia mais

Problemas Multi-modais e Distribuições Espaciais em Algoritmos Genéticos.

Problemas Multi-modais e Distribuições Espaciais em Algoritmos Genéticos. Problemas Multi-modais e Distribuições Espaciais em Algoritmos Genéticos. Thiago da Mota Souza Coordenação de Pós-Graduação e Pesquisa de Engenharia Centro de Tecnologia Universidade Federal do Rio de

Leia mais

Introdução às Redes Neurais Artificiais

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

Leia mais

centena dezena unidade 10 2 10 1 10 0 275 2 7 5 200 + 70 + 5 275

centena dezena unidade 10 2 10 1 10 0 275 2 7 5 200 + 70 + 5 275 A. Sistemas de Numeração. Para se entender a linguagem do computador (o Código de Máquina), é necessário conhecer um pouco da teoria dos números. Não é uma tarefa tão difícil quanto pode parecer. Sabendo-se

Leia mais

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Modelo Vetorial Organização e Recuperação de Informação(GSI521) Motivação Discutido nos seguintes trabalhos: K. Spark

Leia mais

Estratégias de Pesquisa

Estratégias de Pesquisa Estratégias de Pesquisa Ricardo de Almeida Falbo Metodologia de Pesquisa Departamento de Informática Universidade Federal do Espírito Santo Agenda Survey Design e Criação Estudo de Caso Pesquisa Ação Experimento

Leia mais

Recuperação de Imagens na Web Baseada em Informações Textuais

Recuperação de Imagens na Web Baseada em Informações Textuais Recuperação de Imagens na Web Baseada em Informações Textuais André Ribeiro da Silva Mário Celso Candian Lobato Universidade Federal de Minas Gerais Departamento de Ciência da Computação {arsilva,mlobato}@dcc.ufmg.br

Leia mais

25/05/2015. Relevance Feedback. Expansão de Consulta. Relevance Feedback

25/05/2015. Relevance Feedback. Expansão de Consulta. Relevance Feedback Relevance Feedback Expansão de Consulta Relevance Feedback 1 Relevance Feedback Baeza-Yates; Ribeiro-Neto, (2011, cap 5) distinguem dois métodos: Explicit Relevance Feedback a informação para a reformulação

Leia mais

Pós-Graduação em Engenharia Elétrica Inteligência Artificial

Pós-Graduação em Engenharia Elétrica Inteligência Artificial Pós-Graduação em Engenharia Elétrica Inteligência Artificial João Marques Salomão Rodrigo Varejão Andreão Inteligência Artificial Definição (Fonte: AAAI ): "the scientific understanding of the mechanisms

Leia mais

- Computação Evolutiva -

- Computação Evolutiva - - Computação Evolutiva - Prof. Dr. Cícero Garrozi DEINFO - UFRPE PPGIA@UFRPE cicerog@gmail.com Site da disciplina: http://cicerog.blogspot.com Sumário Situando a Computação Evolucionária Metáfora principal

Leia mais

Algoritmos Genéticos em Mineração de Dados. Descoberta de Conhecimento. Descoberta do Conhecimento em Bancos de Dados

Algoritmos Genéticos em Mineração de Dados. Descoberta de Conhecimento. Descoberta do Conhecimento em Bancos de Dados Algoritmos Genéticos em Mineração de Dados Descoberta de Conhecimento Descoberta do Conhecimento em Bancos de Dados Processo interativo e iterativo para identificar padrões válidos, novos, potencialmente

Leia mais

Figure 2 - Nós folhas de uma árvore binária representando caracteres ASCII

Figure 2 - Nós folhas de uma árvore binária representando caracteres ASCII A ocorrência tamanho ASCII codificação de Huffman é um A Codificação método de compactação de Huffman caracteres (American e a variável codificação dos usado símbolos Standard para por cada muitas no Code

Leia mais

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico

Leia mais

Revisão Inteligência Artificial ENADE. Prof a Fabiana Lorenzi Outubro/2011

Revisão Inteligência Artificial ENADE. Prof a Fabiana Lorenzi Outubro/2011 Revisão Inteligência Artificial ENADE Prof a Fabiana Lorenzi Outubro/2011 Representação conhecimento É uma forma sistemática de estruturar e codificar o que se sabe sobre uma determinada aplicação (Rezende,

Leia mais

Computadores de Programação (MAB353)

Computadores de Programação (MAB353) Computadores de Programação (MAB353) Aula 19: Visão geral sobre otimização de programas 06 de julho de 2010 1 2 3 Características esperadas dos programas O primeiro objetivo ao escrever programas de computador

Leia mais

15 Computador, projeto e manufatura

15 Computador, projeto e manufatura A U A UL LA Computador, projeto e manufatura Um problema Depois de pronto o desenho de uma peça ou objeto, de que maneira ele é utilizado na fabricação? Parte da resposta está na Aula 2, que aborda as

Leia mais

Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Sistema Gerenciador de Banco de Dados

Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Sistema Gerenciador de Banco de Dados Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Um Sistema Gerenciador de Banco de Dados (SGBD) é constituído por um conjunto de dados associados a um conjunto de programas para acesso a esses

Leia mais

Computação BioInspirada

Computação BioInspirada Computação BioInspirada Os Engenheiros da Natureza Fabrício Olivetti de França The reasonable man adapts himself to the world; the unreasonable one persists in trying to adapt the world to himself. Therefore

Leia mais

BCC204 - Teoria dos Grafos

BCC204 - 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 mais

Capítulo 2 Introdução à ferramenta Flash

Capítulo 2 Introdução à ferramenta Flash Capítulo 2 Introdução à ferramenta Flash Índice 1. O uso da ferramenta Flash no projeto RIVED.... 1 2. História do Flash... 4 1. O uso da ferramenta Flash no projeto RIVED. É importante, antes de iniciarmos

Leia mais

SERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA

SERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA SERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA Muitas organizações terceirizam o transporte das chamadas em seus call-centers, dependendo inteiramente

Leia mais

Inteligência Computacional: resolvendo problemas difíceis da vida real

Inteligência Computacional: resolvendo problemas difíceis da vida real Instituto de Computação Semana Nacional da Ciência e Tecnologia Escola Agrotécnica Federal de Inconfidentes Inteligência Computacional: resolvendo problemas difíceis da vida real Carlos Eduardo de Andrade

Leia mais

ALGORITMO EVOLUTIVO PARA A OTIMIZAÇÃO DA GRADE HORÁRIA DO CURSO DE ENGENHARIA ELÁTRICA DA FEIS-UNESP

ALGORITMO EVOLUTIVO PARA A OTIMIZAÇÃO DA GRADE HORÁRIA DO CURSO DE ENGENHARIA ELÁTRICA DA FEIS-UNESP INSTRUÇÕES PARA A PREPARAÇÃO E SUBMISSÃO DE TRABALHOS PARA CONGRESSO BRASILEIRO DE ENSINO DE ENGENHARIA 2003 ALGORITMO EVOLUTIVO PARA A OTIMIZAÇÃO DA GRADE HORÁRIA DO CURSO DE ENGENHARIA ELÁTRICA DA FEIS-UNESP

Leia mais

Planejamento Estratégico de TI. Prof.: Fernando Ascani

Planejamento Estratégico de TI. Prof.: Fernando Ascani Planejamento Estratégico de TI Prof.: Fernando Ascani Data Warehouse - Conceitos Hoje em dia uma organização precisa utilizar toda informação disponível para criar e manter vantagem competitiva. Sai na

Leia mais

UTILIZANDO O SOFTWARE WEKA

UTILIZANDO O SOFTWARE WEKA UTILIZANDO O SOFTWARE WEKA O que é 2 Weka: software livre para mineração de dados Desenvolvido por um grupo de pesquisadores Universidade de Waikato, Nova Zelândia Também é um pássaro típico da Nova Zelândia

Leia mais

MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação. Aula 02. Prof. Dr. Marco Antonio Leonel Caetano

MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação. Aula 02. Prof. Dr. Marco Antonio Leonel Caetano MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação Aula 02 Prof. Dr. Marco Antonio Leonel Caetano 1 Guia de Estudo para Aula 02 Comandos de Repetição - O Comando FOR - O comando IF com o comando

Leia mais

Verificação de Impressões Digitais usando Algoritmos Genéticos

Verificação de Impressões Digitais usando Algoritmos Genéticos 1. Introdução Verificação de Impressões Digitais usando Algoritmos Genéticos Matheus Giovanni Pires, Fernando Vieira Duarte, Adilson Gonzaga Escola de Engenharia de São Carlos Universidade de São Paulo

Leia mais

Microsoft Access: Criar consultas para um novo banco de dados. Vitor Valerio de Souza Campos

Microsoft Access: Criar consultas para um novo banco de dados. Vitor Valerio de Souza Campos Microsoft Access: Criar consultas para um novo banco de Vitor Valerio de Souza Campos Conteúdo do curso Visão geral: consultas são essenciais Lição: inclui sete seções Tarefas práticas sugeridas Teste.

Leia mais

A Otimização Colônia de Formigas

A Otimização Colônia de Formigas A Otimização Colônia de Formigas Estéfane G. M. de Lacerda Departamento de Engenharia da Computação e Automação UFRN 22/04/2008 Índice A Inspiração Biológica O Ant System Aplicado ao PCV O Ant System Aplicado

Leia mais

PROJECTOS DE INVESTIGAÇÃO CIENTÍFICA E DESENVOLVIMENTO TECNOLÓGICO

PROJECTOS DE INVESTIGAÇÃO CIENTÍFICA E DESENVOLVIMENTO TECNOLÓGICO PROJECTOS DE INVESTIGAÇÃO CIENTÍFICA E DESENVOLVIMENTO TECNOLÓGICO Clip-art Retrieval using Sketches PTDC/EIA-EIA/108077/2008 Deliverable: D3 Feature Extraction Library (Vectors) Task: T3 Feature Extraction

Leia mais

Evolução Biológica e Algoritmos Genéticos. Fábio Lima Custódio flc@lncc.br

Evolução Biológica e Algoritmos Genéticos. Fábio Lima Custódio flc@lncc.br Evolução Biológica e Algoritmos Genéticos Fábio Lima Custódio flc@lncc.br Sumário Conceitos gerais O que é evolução? Forças Evolutivas Mutação Deriva Gênica Fluxo gênico Seleção Natural A teoria evolutiva

Leia mais

Problemas onde a busca da solução depende da avaliação de diversas combinações (ORDEM) dos elementos considerados

Problemas onde a busca da solução depende da avaliação de diversas combinações (ORDEM) dos elementos considerados GA em Otimização Combinatorial Problemas onde a busca da solução depende da avaliação de diversas combinações (ORDEM) dos elementos considerados Problem a do Caixeiro Viajante Problem as de Planejamento

Leia mais

Inteligência Artificial

Inteligência Artificial Inteligência Artificial As organizações estão ampliando significativamente suas tentativas para auxiliar a inteligência e a produtividade de seus trabalhadores do conhecimento com ferramentas e técnicas

Leia mais

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia

Leia mais

ALGORITMO HÍBRIDO PARA SISTEMAS DE RECOMENDAÇÃO UTILIZANDO FILTRAGEM COLABORATIVA E ALGORITMO GENÉTICO

ALGORITMO HÍBRIDO PARA SISTEMAS DE RECOMENDAÇÃO UTILIZANDO FILTRAGEM COLABORATIVA E ALGORITMO GENÉTICO ALGORITMO HÍBRIDO PARA SISTEMAS DE RECOMENDAÇÃO UTILIZANDO FILTRAGEM COLABORATIVA E ALGORITMO GENÉTICO Renan de Oliveira Yamaguti Faculdade de Engenharia de Computação / CEATEC renan.yamaguti@terra.com.br

Leia mais

Uso de SAS/OR para diminuir o tempo de resposta com um melhor posicionamento de ambulâncias.

Uso de SAS/OR para diminuir o tempo de resposta com um melhor posicionamento de ambulâncias. Uso de SAS/OR para diminuir o tempo de resposta com um melhor posicionamento de ambulâncias. Fábio França 1, 1 Logical Optimization Rua Tanhaçu número 405, CEP 05679-040 São Paulo, Brasil fabio.franca@optimization.com.br

Leia mais

PRIORIDADES EM SERVIÇOS E ORGANIZAÇÃO DO TRABALHO. Professora Andréia Ribas rp_andreiaribas@hotmail.com

PRIORIDADES EM SERVIÇOS E ORGANIZAÇÃO DO TRABALHO. Professora Andréia Ribas rp_andreiaribas@hotmail.com PRIORIDADES EM SERVIÇOS E ORGANIZAÇÃO DO TRABALHO Professora Andréia Ribas rp_andreiaribas@hotmail.com Organização Processo de estabelecer relações entre as pessoas e os recursos disponíveis tendo em vista

Leia mais

Introdução. Banco de dados. Por que usar BD? Por que estudar BD? Exemplo de um BD. Conceitos básicos

Introdução. Banco de dados. Por que usar BD? Por que estudar BD? Exemplo de um BD. Conceitos básicos Introdução Banco de Dados Por que usar BD? Vitor Valerio de Souza Campos Adaptado de Vania Bogorny 4 Por que estudar BD? Exemplo de um BD Os Bancos de Dados fazem parte do nosso dia-a-dia: operação bancária

Leia mais

Modelos de Dados e Arquitetura de um SGBD. Introdução 1º Bimestre Prof. Patrícia Lucas

Modelos de Dados e Arquitetura de um SGBD. Introdução 1º Bimestre Prof. Patrícia Lucas Modelos de Dados e Arquitetura de um SGBD Introdução 1º Bimestre Prof. Patrícia Lucas Abstração Modelo de Dados Conjunto de conceitos que podem ser utilizados para descrever a estrutura lógica e física

Leia mais

Aula 01 - Formatações prontas e condicionais. Aula 01 - Formatações prontas e condicionais. Sumário. Formatar como Tabela

Aula 01 - Formatações prontas e condicionais. Aula 01 - Formatações prontas e condicionais. Sumário. Formatar como Tabela Aula 01 - Formatações prontas e Sumário Formatar como Tabela Formatar como Tabela (cont.) Alterando as formatações aplicadas e adicionando novos itens Removendo a formatação de tabela aplicada Formatação

Leia mais

Introdução à Arte da Ciência da Computação

Introdução à Arte da Ciência da Computação 1 NOME DA AULA Introdução à Arte da Ciência da Computação Tempo de aula: 45 60 minutos Tempo de preparação: 15 minutos Principal objetivo: deixar claro para os alunos o que é a ciência da computação e

Leia mais

Introdução Banco de Dados

Introdução Banco de Dados Introdução Banco de Dados Vitor Valerio de Souza Campos Adaptado de Vania Bogorny Por que estudar BD? Os Bancos de Dados fazem parte do nosso dia-a-dia: operação bancária reserva de hotel matrícula em

Leia mais

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Análisede links Page Rank Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Motivação Suponha que um modelo clássico, como

Leia mais

O modelo do computador

O modelo do computador O modelo do computador Objetivos: Mostrar como é o funcionamento dos computadores modernos Mostrar as limitações a que estamos sujeitos quando programamos Histórico Os primeiros computadores são da década

Leia mais

O valor da informação e da comunicação em sistemas de gestão da qualidade ISO 9001

O valor da informação e da comunicação em sistemas de gestão da qualidade ISO 9001 O valor da informação e da comunicação em sistemas de gestão da qualidade ISO 9001 Alexandre Nixon Soratto, Msc. (INMETRO) ansoratto@inmetro-sc.gov.br Gregório Varvakis, PhD. (UFSC) grego@egc.ufsc.br Resumo

Leia mais

Grupo de Banco de Dados da UFSC

Grupo de Banco de Dados da UFSC Grupo de Banco de Dados da UFSC (GBD / UFSC) Oportunidades de Pesquisa e TCCs 2010 / 2 Objetivo GBD/UFSC Pesquisa e desenvolvimento de soluções para problemas de gerenciamento de dados LISA Laboratório

Leia mais

Sistemas de Gerência de Bancos de Dados. 7- Outras Arquiteturas para SGBDs 7.6 - SGBDs para Estações Móveis

Sistemas de Gerência de Bancos de Dados. 7- Outras Arquiteturas para SGBDs 7.6 - SGBDs para Estações Móveis Sistemas de Gerência de Bancos de Dados 7- Outras Arquiteturas para SGBDs 7.6 - SGBDs para Estações Móveis 1 Tópicos Alternativas para Disseminação de Dados Push-based Technologies Bancos de Dados Móveis

Leia mais

As Etapas da Pesquisa D R. G U A N I S D E B A R R O S V I L E L A J U N I O R

As Etapas da Pesquisa D R. G U A N I S D E B A R R O S V I L E L A J U N I O R As Etapas da Pesquisa D R. G U A N I S D E B A R R O S V I L E L A J U N I O R INTRODUÇÃO A pesquisa é um procedimento reflexivo e crítico de busca de respostas para problemas ainda não solucionados. O

Leia mais

Uma Heurística para o Problema de Redução de Padrões de Corte

Uma Heurística para o Problema de Redução de Padrões de Corte Uma Heurística para o Problema de Redução de Padrões de Corte Marcelo Saraiva Limeira INPE/LAC e-mail: marcelo@lac.inpe.br Horacio Hideki Yanasse INPE/LAC e-mail: horacio@lac.inpe.br Resumo Propõe-se um

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem

Leia mais

OBTENÇÃO DE CONFIGURAÇÕES ECONÔMICAS PARA O PROJETO DE TESOURAS EM AÇO

OBTENÇÃO DE CONFIGURAÇÕES ECONÔMICAS PARA O PROJETO DE TESOURAS EM AÇO CONSTRUMETAL CONGRESSO LATINO-AMERICANO DA CONSTRUÇÃO METÁLICA São Paulo Brasil 31 de agosto a 02 de setembro 2010 OBTENÇÃO DE CONFIGURAÇÕES ECONÔMICAS PARA O PROJETO DE TESOURAS EM AÇO 1. Guilherme Fleith

Leia mais

Agrupamento de dados

Agrupamento de dados Organização e Recuperação de Informação: Agrupamento de dados Marcelo K. A. Faculdade de Computação - UFU Agrupamento de dados / 7 Overview Agrupamento: introdução Agrupamento em ORI 3 K-médias 4 Avaliação

Leia mais

O modelo espaço de vetores. vetorial. Marcelo Keese Albertini. Faculdade de Computação - UFU. O modelo de espaço vetorial 1 / 25

O modelo espaço de vetores. vetorial. Marcelo Keese Albertini. Faculdade de Computação - UFU. O modelo de espaço vetorial 1 / 25 Recuperação de Informação: O modelo de espaço vetorial Marcelo Keese Albertini Faculdade de Computação - UFU O modelo de espaço vetorial 1 / 25 Veremos hoje Modelo de espaço de vetores: representação vetorial

Leia mais

Identificando o Tópico de Páginas Web

Identificando o Tópico de Páginas Web Universidade Federal do Amazonas Instituto de Ciências Exatas Departamento de Ciência da Computação Programa de Pós-Graduação em Informática Identificando o Tópico de Páginas Web Márcia Sampaio Lima Manaus

Leia mais

O USO DA FERRAMENTA SOLVER DO EXCEL NA RESOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO LINEAR

O USO DA FERRAMENTA SOLVER DO EXCEL NA RESOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO LINEAR O USO DA FERRAMENTA SOLVER DO EXCEL NA RESOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO LINEAR João Batista de Jesus FATEC-JAHU Célio Favoni 2 FATEC-JAHU Resumo Este trabalho expõe de maneira sintetizada as funcionalidades

Leia mais

Organização e Arquitetura de Computadores I. de Computadores

Organização e Arquitetura de Computadores I. de Computadores Universidade Federal de Campina Grande Unidade Acadêmica de Sistemas e Computação Curso de Bacharelado em Ciência da Computação Organização e Arquitetura de Computadores I Organização Básica B de Computadores

Leia mais

UNIVERSIDADE CATÓLICA DE PETRÓPOLIS CENTRO DE ENGENHARIA E COMPUTAÇÃO

UNIVERSIDADE CATÓLICA DE PETRÓPOLIS CENTRO DE ENGENHARIA E COMPUTAÇÃO UNIVERSIDADE CATÓLICA DE PETRÓPOLIS CENTRO DE ENGENHARIA E COMPUTAÇÃO Amanda 5ª Atividade: Codificador e codificação de linha e seu uso em transmissão digital Petrópolis, RJ 2012 Codificador: Um codoficador

Leia mais

O Processo de KDD. Data Mining SUMÁRIO - AULA1. O processo de KDD. Interpretação e Avaliação. Seleção e Pré-processamento. Consolidação de dados

O 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 mais

Como escrever um bom RELATÓRIO

Como escrever um bom RELATÓRIO Como escrever um bom RELATÓRIO Mas o que é uma EXPERIÊNCIA? e um RELATÓRIO? Profa. Ewa W. Cybulska Profa. Márcia R. D. Rodrigues Experiência Relatório Pergunta à Natureza e a procura da Resposta Divulgação

Leia mais

INTRODUÇÃO MOTIVAÇÃO. Leonardo Brissant leo@brissant.com

INTRODUÇÃO MOTIVAÇÃO. Leonardo Brissant leo@brissant.com INTRODUÇÃO Este texto contém alguns trechos da monografia Sistema de negociação de ações utilizando indicadores de análise técnica otimizados por algoritmos genéticos apresentado por Leonardo Brissant,

Leia mais

PLANEJAMENTO DA MANUFATURA

PLANEJAMENTO DA MANUFATURA 58 FUNDIÇÃO e SERVIÇOS NOV. 2012 PLANEJAMENTO DA MANUFATURA Otimizando o planejamento de fundidos em uma linha de montagem de motores (II) O texto dá continuidade à análise do uso da simulação na otimização

Leia mais

Análise e Projeto de Algoritmos

Análise e Projeto de Algoritmos Análise e Projeto de Algoritmos Prof. Eduardo Barrére www.ufjf.br/pgcc www.dcc.ufjf.br eduardo.barrere@ice.ufjf.br www.barrere.ufjf.br Complexidade de Algoritmos Computabilidade: Um problema é computável

Leia mais

Dado: Fatos conhecidos que podem ser registrados e têm um significado implícito. Banco de Dados:

Dado: Fatos conhecidos que podem ser registrados e têm um significado implícito. Banco de Dados: MC536 Introdução Sumário Conceitos preliminares Funcionalidades Características principais Usuários Vantagens do uso de BDs Tendências mais recentes em SGBDs Algumas desvantagens Modelos de dados Classificação

Leia mais

3.1 Definições Uma classe é a descrição de um tipo de objeto.

3.1 Definições Uma classe é a descrição de um tipo de objeto. Unified Modeling Language (UML) Universidade Federal do Maranhão UFMA Pós Graduação de Engenharia de Eletricidade Grupo de Computação Assunto: Diagrama de Classes Autoria:Aristófanes Corrêa Silva Adaptação:

Leia mais

Data, Text and Web Mining

Data, Text and Web Mining Data, Text and Web Mining Fabrício J. Barth TerraForum Consultores Junho de 2010 Objetivo Apresentar a importância do tema, os conceitos relacionados e alguns exemplos de aplicações. Data, Text and Web

Leia mais

Transcrição Automática de Música

Transcrição Automática de Música Transcrição Automática de Música Ricardo Rosa e Miguel Eliseu Escola Superior de Tecnologia e Gestão do Instituto Politécnico de Leiria Departamento de Engenharia Informática A transcrição automática de

Leia mais

SLAG - Resolvendo o Problema do Caixeiro Viajante Utilizando Algoritmos Genéticos

SLAG - Resolvendo o Problema do Caixeiro Viajante Utilizando Algoritmos Genéticos SLAG - Resolvendo o Problema do Caixeiro Viajante Utilizando Algoritmos Genéticos Fredson Vieira Costa 1, Fábio Silveira Vidal 1, Claudomiro Moura Gomes André 1 1 Curso de Bacharelado em Ciência da Computação

Leia mais

2. Representação Numérica

2. Representação Numérica 2. Representação Numérica 2.1 Introdução A fim se realizarmos de maneira prática qualquer operação com números, nós precisamos representa-los em uma determinada base numérica. O que isso significa? Vamos

Leia mais

Aula 5. Simplificação de funções lógicas (cont.) Sistemas de numeração

Aula 5. Simplificação de funções lógicas (cont.) Sistemas de numeração Aula 5 Simplificação de funções lógicas (cont.) Sistemas de numeração Mapa de Karnaugh Exemplo: N=4 variáveis, M=2 4 =16 combinações Extracção da expressão do circuito, pelos maxtermos: extracção pelos

Leia mais

Fluxo de trabalho do Capture Pro Software: Indexação de OCR e separação de documentos de código de correção

Fluxo de trabalho do Capture Pro Software: Indexação de OCR e separação de documentos de código de correção Este procedimento corresponde ao fluxo de trabalho de Indexação de OCR com separação de código de correção no programa de treinamento do Capture Pro Software. As etapas do procedimento encontram-se na

Leia mais

APLICATIVO PARA GERENCIAMENTO DE FORÇA DE TRABALHO EM EMPRESAS DE TELEFONIA MÓVEL

APLICATIVO PARA GERENCIAMENTO DE FORÇA DE TRABALHO EM EMPRESAS DE TELEFONIA MÓVEL APLICATIVO PARA GERENCIAMENTO DE FORÇA DE TRABALHO EM EMPRESAS DE TELEFONIA MÓVEL Tatiana Bogo Fujii Prof. Wilson Pedro Carli Orientador Introdução; Telefonia Celular; Internet; ASP; Inteligência Artificial;

Leia mais

Teoria Princípio do Capacitor

Teoria Princípio do Capacitor Teoria Princípio do Capacitor Um capacitor consiste de dois pratos eletrodos isolados de cada lado por um dielétrico médio. As características de um capacitor são dependentes da capacitância e da tensão.

Leia mais

UM ESTUDO DE CASO SOBRE A INDEXAÇÃO AUTOMÁTICA DE DOCUMENTOS OFICIAIS DA UENP BASEADO EM LAYOUTS

UM ESTUDO DE CASO SOBRE A INDEXAÇÃO AUTOMÁTICA DE DOCUMENTOS OFICIAIS DA UENP BASEADO EM LAYOUTS UM ESTUDO DE CASO SOBRE A INDEXAÇÃO AUTOMÁTICA DE DOCUMENTOS OFICIAIS DA UENP BASEADO EM LAYOUTS Alexia Guilherme Bianque (PIBIC/CNPq), Ederson Marco Sgarbi (Orientador), a.g.bianque10@gmail.com.br Universidade

Leia mais

MARACATU. A component search tool. Especificação, Projeto e Implementação de uma Arquitetura para um Engenho de Busca de Componentes

MARACATU. A component search tool. Especificação, Projeto e Implementação de uma Arquitetura para um Engenho de Busca de Componentes MARACATU A component search tool Especificação, Projeto e Implementação de uma Arquitetura para um Engenho de Busca de Componentes Vinicius Cardoso Garcia July 29, 2005 Agenda Introdução Especificação

Leia mais

Introdução à Lógica de Programação

Introdução à Lógica de Programação Introdução à Lógica de Programação Sistemas Numéricos As informações inseridas em um computador são traduzidos em dados, ou seja, em sinais que podem ser manipulados pelo computador. O computador trabalha

Leia mais

Modelagem e Simulação

Modelagem e Simulação AULA 11 EPR-201 Modelagem e Simulação Modelagem Processo de construção de um modelo; Capacitar o pesquisador para prever o efeito de mudanças no sistema; Deve ser próximo da realidade; Não deve ser complexo.

Leia mais

EXEMPLO: Processo para atualização da hora Processo para monitoramento da necessidade de proteção de tela. Figura 4-1 - Exemplo

EXEMPLO: Processo para atualização da hora Processo para monitoramento da necessidade de proteção de tela. Figura 4-1 - Exemplo 4 PROCESSOS Os primeiros sistemas operacionais permitiam que apenas um processo fosse executado por vez. Dessa maneira, este processo tinha todo o sistema computacional a sua disposição. Os atuais sistemas

Leia mais

UMA ABORDAGEM DE PODA PARA MÁQUINAS DE APRENDIZADO EXTREMO VIA ALGORITMOS GENÉTICOS

UMA ABORDAGEM DE PODA PARA MÁQUINAS DE APRENDIZADO EXTREMO VIA ALGORITMOS GENÉTICOS UMA ABORDAGEM DE PODA PARA MÁQUINAS DE APRENDIZADO EXTREMO VIA ALGORITMOS GENÉTICOS Alisson S. C. Alencar, Ajalmar R. da Rocha Neto Departamento de Computação, Instituto Federal do Ceará (IFCE). Programa

Leia mais

Sistemas de Informação

Sistemas de Informação Sistemas de Informação Curso: Gestão de TI - UNIP Disciplina: Sistemas de Informação Professor: Shie Yoen Fang Agosto/2011 1 Aula 2 Revisão Apresentação da ementa Trabalho opcional Conceitos gerais de

Leia mais

Utilização de Técnicas de Recuperação da Informação na Construção de uma Ferramenta de Busca em Documentos do Arquivo Público de Biguaçu

Utilização de Técnicas de Recuperação da Informação na Construção de uma Ferramenta de Busca em Documentos do Arquivo Público de Biguaçu Utilização de Técnicas de Recuperação da Informação na Construção de uma Ferramenta de Busca em Documentos do Arquivo Público de Biguaçu Alessandro Mueller alessandro@univali.br UNIVALI Luiz Gonzaga Ferreira

Leia mais

ALESSANDRO PEREIRA DOS REIS PAULO CESAR CASTRO DE ALMEIDA ENGENHARIA DE SOFTWARE - CAPABILITY MATURITY MODEL INTEGRATION (CMMI)

ALESSANDRO PEREIRA DOS REIS PAULO CESAR CASTRO DE ALMEIDA ENGENHARIA DE SOFTWARE - CAPABILITY MATURITY MODEL INTEGRATION (CMMI) ALESSANDRO PEREIRA DOS REIS PAULO CESAR CASTRO DE ALMEIDA ENGENHARIA DE SOFTWARE - CAPABILITY MATURITY MODEL INTEGRATION (CMMI) APARECIDA DE GOIÂNIA 2014 LISTA DE TABELAS Tabela 1 Áreas de processo por

Leia mais