UM SISTEMA INTELIGENTE USANDO REDES NEURAIS ARTMAP-FUZZY PARA PREDIÇÃO DO GRUPO DE RISCO DE EVASÃO DISCENTE EM CURSOS SUPERIORES PRESENCIAIS
|
|
- Rayssa Clementino Cerveira
- 8 Há anos
- Visualizações:
Transcrição
1 UM SISTEMA INTELIGENTE USANDO REDES NEURAIS ARTMAP-FUZZY PARA PREDIÇÃO DO GRUPO DE RISCO DE EVASÃO DISCENTE EM CURSOS SUPERIORES PRESENCIAIS VALQUÍRIA R. DE C. MARTINHO 1, CLODOALDO NUNES 2, CARLOS R. MINUSSI Departamento de Eletro-Eletrôna, Insttuto Federal de Mato Grosso - IFMT - Campus Cuá Rua Zulmra Canavarros, 93 - Centro - Cuá / MT, Brasl - CEP: Departamento de Informáta, Insttuto Federal de Mato Grosso - IFMT - Campus Cuá Rua Zulmra Canavarros, 93 - Centro - Cuá / MT, Brasl - CEP: Loratóro de Sstemas Intelgentes, Fauldade de Engenhara Elétra de Ilha soltera - UNESP Av. Prof. osé Carlos Ross, Ilha Soltera / SP, Brasl - CEP: vrbero@terra.om.br, nefet@gmal.om, mnuss@dee.fes.unesp.br Abstrat Shool dropout permeates the varous levels and teahng modaltes and has generated soal, eonom, poltal, aadem and fnanal damage to all nvolved n the eduatonal proess. Data out shool dropout n hgher eduaton ourses show the worryng state of fatgue and weakness of Brazlan hgher eduaton. Therefore, t s fundamental to develop effent methods for predton, assessment and montorng of the students at rsk of droppng out, makng the plannng and adopton of proatve atons possble to mnmze the stuaton. In ths ontext, ths work ams to present the potentaltes of an ntellgent system developed for the predton of the group of students at rsk of droppng out n hgher eduaton lassroom ourses. The system was developed usng a Fuzzy-ARTMAP Neural Network, one of the artfal ntellgene tehnques, whh makes the ontnued learnng of the system possble. It was mplemented n the tehnology ourses of the Federal Insttute of Mato Grosso, based on the aadem and sooeonom reords of the students. The results, showng a suess rate of the dropout group around 95% and overall auray over 76%, hghlghts the rellty and auray of the system. Furthermore, t s noteworthy that the strength and boldness of ths researh les n the possblty of dentfyng early the emnent shool dropout usng only the enrollment data. KeywordsDropout predton, Intellgent System, Fuzzy-ARTMAP Neural Network, Proatvty. Resumo A evasão esolar permea os város níves e modaldades de ensno e tem gerado preuízos soas, eonômos, polítos, aadêmos e fnaneros a todos os envolvdos no proesso eduaonal. Os dados sobre evasão nos ursos superores demonstram o preoupante estado de fadga e fragldade que se enontra a eduação superor braslera. Portanto, torna-se mpresndível o desenvolvmento de métodos efentes para predção, avalação e aompanhamento de estudantes em rso de evasão, possbltando o planeamento e adoção de meddas proatvas para mnmzar a stuação. Nesse ontexto, este tralho obetva apresentar as potenaldades de um sstema ntelgente desenvolvdo para predzer o grupo de estudantes em rso de evasão, em ursos superores presenas. O sstema fo desenvolvdo utlzando uma Rede Neural ARTMAP-Fuzzy, uma das ténas da ntelgêna artfal, om possbldade de aprendzado ontnuado. Implementou-se este sstema nos ursos superores de tenologa do Insttuto Federal de Mato Grosso, baseado nos regstros aadêmos e sooeonômos dos estudantes. Dante dos resultados, aerto do grupo evasvo em torno de 95% e aerto global superor a 76%, evdena-se a fdedgndade e auráa do sstema. Ressalta-se, anda, que a puança e a audáa desta pesqusa enontra-se na possbldade dentfar preoemente a mnente evasão usando somente os dados da nsrção. Palavras-have Predção da Evasão Esolar, Sstema Intelgente, Rede Neural ARTMAP-Fuzzy, Proatvdade. 1 Introdução Ao longo da hstóra da Eduação, o fenômeno da evasão esolar permea os város níves e modaldades de ensno e tem gerado preuízos soas, eonômos, polítos, aadêmos e fnaneros a todos os envolvdos no proesso eduaonal. É um problema omplexo e rual (Martnho, 2012), advndo da superposção de fatores endógenos e exógenos da nsttução de ensno, além de varáves demográfas e atrbutos ndvduas que nfluenam na desão do estudante unverstáro de permaneer ou andonar o urso. O preoupante estado de fadga e fragldade que se enontra a eduação superor braslera é ratfado pelos índes da evasão no ensno superor, em torno de 20,5% entre as nsttuções de ensno superor públas e prvadas, de aordo om o relatóro do Censo da Eduação Superor Não obstante, por meo de um estudo estatísto no Curso Superor de Tenologa (CST) em Automação Industral, do Insttuto Federal de Mato Grosso (IFMT), lous de desenvolvmento desta pesqusa, no período de , onstatou-se que dos 389 estudantes matrulados no urso, 233 estão evaddos, representando um índe de 62,46% de evasão (Barbosa, 2010). O IFMT assumu uma meta desafadora de reduzr para 10% o índe de evasão na nsttução até Nesse ontexto, dante da omplexdade do fenômeno e a neessdade de enontrar soluções, é mpresndível realzar estudos sstemátos, observar os snas de evasão mnente, desenvolver estratégas para dentfar prevamente os estudantes propensos à evasão. Isso, om o ntuto de possbltar a artulação de um onunto de meddas e ações proatvas destnadas a manter o estudante na nsttução. Os métodos predtores da evasão são fatíves de serem empregados de manera oletva. Porém, a
2 ação em prol da permanêna do estudante deve ser ndvdualzada, atendendo suas neessdades espeífas. Esta onvção va ao enontro do que enfatza a UNESCO, de que a evasão pode onsttur-se em fenômeno oletvo, mas é sempre num proesso ndvdual. As varáves envolvdas no proesso da evasão guardam em s uma gama de espefdades nerentes aos dferentes níves de ensno, ursos e nsttuções que se possa analsar, são omplexas, subetvas, não-lneares e nter-relaonadas. Uma possbldade fatível para representar stuações de omplexdade, não-lneardade e subetvdade, omo o aso da evasão esolar, é a utlzação de Redes Neuras Artfas (RNAs) (Haykn, 2009), um dos paradgmas da Intelgêna Artfal (IA) (Nlsson, 1998). As Redes Neuras são sstemas omputaonas que emulam o érebro humano na nterpretação e proessamento das nformações e, também, aprendem através de experênas, tornando-as apazes de fazer generalzações mas onfáves. Essa apadade permte o desenvolvmento de sstemas om hldade para proessar problemas ntratáves, ldar om varáves não-lneares, mperfetas e faltantes, nteragr om dados rudosos e, mesmo assm, apresentar rapdez e presão nos resultados. Na lteratura, foram enontradas pouas referênas pertnentes a análse e predção da evasão esolar dsente, em ursos presenas do ensno superor, utlzando redes neuras artfas. Os tralhos mas próxmos foram o de Lykourentzou et al. (2009) que nvestga o grupo de rso de estudantes om propensão à evasão em ursos e-learnng. Utlza-se a ombnação de três ténas de aprendzagem de máquna, entre elas a rede neural ART- MAP-Fuzzy e, o de Mustafa (2012) que utlza árvore de regressão e lassfação para dentfar a evasão dsente, partndo dos dados da nsrção do estudante em um urso presenal. Ele onlu que os dados esolhdos onferem um baxo nível de presão nos resultados. Desse modo, este artgo tem o propósto de apresentar um sstema ntelgente apaz de realzar a predção de grupos de rso de evasão dsente em ursos superores presenas, nferdo de manera fdedgna sobre as ondções dos estudantes quanto à evasão (Martnho, 2012). O sstema fo desenvolvdo utlzando uma das ténas da ntelgêna artfal, a Rede Neural ARTMAP-Fuzzy (Carpenter et al., 1992a; Carpenter et al., 1992b; Carpenter and Grossberg, 1992), que apresenta a possbldade de trenamento ontnuado (Marhor et al., 2011). Ressalta-se que, para além das sngulardades á desrtas deste sstema, frente aos tralhos entífos sobre evasão, a puança e a audáa desta pesqusa enontram-se na possbldade de usar somente os dados da nsrção dos estudantes, para dentfar preoemente a mnente evasão. Após a ntrodução, na Seção 2 apresenta-se a delmtação da pesqusa e a onstrução da base de dados. As redes neuras ART e ARTMAP-Fuzzy são ordadas na Seção 3. Na Seção 4 desreve-se o desenvolvmento do sstema neural ARTMAP-Fuzzy proposto para a predção da evasão dsente. A mplementação do sstema, os resultados e as análses das smulações são apresentados na Seção 5. As onsderações mas relevantes deste estudo estão na Seção 6. 2 Delmtação da Pesqusa e Construção da Base de Dados Esta pesqusa fo desenvolvda om estudantes do Insttuto Federal de Eduação, Cêna e Tenologa de Mato Grosso - IFMT, matrulados nos Cursos Superores de Tenologa (CST) em Automação Industral e Controle, Controle de Obras e Sstemas para Internet. Os ursos ordados são de aráter presenal. Haa vsta que o foo da nvestgação é o fenômeno da evasão esolar nos ursos presenas do ensno superor. Parte dos dados utlzados nesta pesqusa são as respostas dos questonáros sooeonômos, preenhdos pelos estudantes no ato da nsrção para o exame de seleção. Esses dados estão armazenados no Q-Seleção, um gerenador de dados dos proessos seletvos da nsttução. O questonáro sooeonômo é omposto por 23 questões, das quas 13 delas são seleonadas omo araterístas predtoras para a análse da evasão. Além dos dados do questonáro, são onsderadas araterístas omo a dstâna entre a resdêna e a esola e o turno de estudo. Essas nformações são oletadas no Q-Aadêmo, o gerenador dos dados aadêmos. Os dados oletados para análse ompreende um período de sete anos, de 2004/2 a 2011/2. O vetor de entrada da rede neural é omposto por 16 parâmetros e a saída da rede onsttuída por duas lasses, evasão e não-evasão. Os pares de vetores entrada-saída deseada são representados na odfação bnára. O vetor de entrada é omposto por 41bts e, as saídas deseadas representadas por 1 bt. Os nomes dos estudantes foram suprmdos para preservar sua dentdade. Na planlha fnal são dentfados om números (Martnho, 2012). 3 Redes Neuras ART-Fuzzy e ARTMAP-Fuzzy No modelo ARTMAP-Fuzzy dos módulos ART estão nterlgados, através de um módulo nter-art, denomnado Mapa de Campo. Este módulo dspõe de um meansmo autorregulador denomnado math trakng, que busa asamentos entre as ategoras dos módulos ART a e ART b, om obetvo de
3 elevar o grau de generalzação e dmnur o erro da rede. A rede neural ART-Fuzzy utlza a teora dos onuntos nebulosos (Carpenter et al., 1991), possbltando o tratamento de padrões de entradas bnáros e analógos, em um ntervalo [0, 1], e aumentando a hldade de generalzação da rede. 3.1 Algortmo de uma Rede Neural ART-Fuzzy Consste, fundamentalmente, na sequêna axo, desrta a partr de Carpenter et al. (1991) e utlzada em Martnho et al. (2013). I) Normalzação dos dados de entrada Os dados de entrada são representados pelo vetor a = [a 1 a 2 a 3... a M ]. A normalzação desse vetor deve ser onforme (1): a M a, sendo : a a a sendo: a : vetor de entrada normalzado; a : norma do vetor de entrada a; II) Codfação do vetor de entrada É realzada, de aordo om (2), para preservar a ampltude da nformação. sendo: a a 1 a : elemento omplementar do elemento do vetor de entrada normalzado; a : vetor omplementar da entrada normalzada. Assm, o vetor de entrada da rede será o vetor I, apresentado em (3). a a III) Vetor de atvdade I Indado por y = [ y 1 y 2 y 3... y N ], sendo N o número de ategoras radas em F 2. Assm, tem-se: y 1, se o nó de F2 é atvo, se 0, aso ontráro, se IV) Parâmetros da rede neural ART-Fuzzy Parâmetro de esolha (α > 0 ) : atua na seleção de ategoras da rede neural; Parâmetro de trenamento (β [ 0, 1 ] ) : ontrola a taxa de trenamento e adaptação da rede; Parâmetro de vglâna (ρ [ 0, 1 ] ) : ontrola a ressonâna da rede. V) Inalzação dos pesos Inalmente, todos os pesos possuem valores guas a 1, omo em (4): w 0 ) w ( 0 )... w (0) 1 1 ( 2 NM VI) Esolha de uma ategora A esolha da ategora em F 2 atende à função de esolha T defnda em (5): T I w ( I ) w sendo: : operador AND Fuzzy, defndo por (6): I w mn ( I, w ) O sstema esolhe a ategora orrespondente ao nó atvo, onforme (7): VII) Ressonâna ou Reset 1,..., N arg max T A ressonâna oorre se o rtéro de vglâna, (8), for satsfeto. I w I Se o rtéro de vglâna, (8), não for satsfeto, oorre o reset. VIII) Aprendzado (Atualzação dos pesos) Após o estado de ressonâna, oorre o proesso de trenamento e aprendzado e, onsequentemente, a modfação do vetor dos pesos, dada por (9). w novo β ( I w velho ) (1 β ) w velho sendo: : ategora atva; novo w : vetor peso atualzado, velho w : vetor peso referente à atualzação anteror. Se β = 1, tem-se o trenamento rápdo. 3.2 Algortmo de uma Rede Neural ARTMAP-Fuzzy O proessamento de uma rede neural ARTMAP- Fuzzy segundo Carpenter et al. (1992b) e aplado em Martnho et al. (2013), é mostrado axo: I) Dados de entrada Os vetores de entrada da rede ARTMAP-Fuzzy são representados por: a a1 a2... a P : entrada ART a, amostra dos dados; b b1 b2... b P : entrada ART b, saída deseada; sendo: P : o número de subvetores dos vetores a e b. II) Matrzes de pesos Todas as matrzes de pesos da rede são nadas om valores guas a 1, mostrando que não exste nenhuma ategora atva. III) Parâmetros da rede Os parâmetros usados no proessamento da rede ARTMAP-Fuzzy são os mesmos usados na rede ART-Fuzzy. Porém ada módulo ART a e ART b ree-
4 be um padrão espeífo. A dferença é o parâmetro de vglâna do módulo Inter-ART (ρ [ 0, 1 ]). IV) Math trakng (busa de asamento) Na rede neural ARTMAP-Fuzzy os módulos ART a e ART b, são proessados e, após a ressonâna ser onfrmada em ada um deles, tem-se que: ategora atva para o módulo ART a : ategora atva para o módulo ART b : K Após a onfrmação da ressonâna em ada módulo é realzado o teste do math trakng, dado por (10): x y w y Pelo rtéro de vglâna, tem-se que: Se, ser onfrmado; Se, x - o par de trenamento deve x - deve-se busar outro índe, até que o rtéro de vglâna sea satsfeto. Se o rtéro de vglâna não for satsfeto, fazse um pequeno nremento no parâmetro de vglâna do módulo ART a, que se repetrá até que o rtéro de vglâna sea satsfeto. V) Aprendzado (atualzação dos pesos) O aprendzado é realzado após oorrer o estado de ressonâna, proedendo-se a modfação do vetor peso, dada por (11) e (12), respetvamente, módulos ARTa e ARTb e, por (13) e (14) módulo Inter-ART. w w a (novo) a (velho) β I w ) ( 1 β ) b (novo) K (novo) w K (novo) w K ( w b (velho) K a (velho) β ( I w ) (1 β ) w 0, para k 1,2,..., N, 1, para k 1,2,..., N, b (velho) K k K k K 4 Sstema Neural ARTMAP-Fuzzy Proposto para Predção da Evasão Nesta pesqusa, o modelo de sstema ntelgente proposto fo desenvolvdo utlzando uma rede neural ARTMAP-Fuzzy assoada a um módulo da Lóga Fuzzy (Zadeh, 1965) e, em uma segunda smulação, um módulo que emprega a Teora de Evdêna de Dempster-Shafer - TDS (Barnett, 1981). Essa omposção possbltou dentfar de manera preoe, aurada e fdedgna o grupo de rso de evasão esolar dsente, em ursos presenas do ensno superor do IFMT, om uma base de dados extraída das nformações no ato da nsrção do estudante para o exame de seleção. A estrutura do sstema de predção proposto e a sequêna de desenvolvmento deste tralho estão representadas no fluxograma da Fgura 1. Fgura 1. Fluxograma do proesso de desenvolvmento do sstema neural proposto. Na fase prelmnar delmta-se a pesqusa, defne-se o método e a base de dados. Em seguda, na fase de pré-proessamento, realza-se a lmpeza e a fltragem dos dados brutos seleonados, a ategorzação das araterístas dos estudantes e o tratamento das nformações, semelhante ao proposto por (Slvera, 2011). As bases de dados analógos são onvertdas em bases de dados bnáros (para o trenamento e para o dagnósto). A onepção de um sstema neural essenalmente bnáro apresenta um omportamento mas efente, om maor rapdez e melhor presão nas respostas, e permte a extração do onhemento de forma ontínua (Marhor et al., 2011), busando uma melhor adaptação às ondções da nsttução e o aperfeçoamento om o passar do tempo. Após a bnarzação as nformações são dspostas em lnhas. Em ada lnha estão ontdas as araterístas dos estudantes, que ompõem o vetor de entrada (41 bts) da rede neural e representam uma amostra. A saída deseada da rede, também bnára (1 bt), é formada pelo status do estudante (não evadu (0) ou evadu (1)) fornedo pela base de dados. Os vetores de entrada e saída deseada são apresentados às entradas dos módulos ARTa e ARTb, respetvamente, para o proessamento das nformações. Conluído o proessamento dos dados, hega-se à fase de nterpretação, análse e avalação dos resultados. Nessa fase, se na saída da rede neural a resposta em relação à evasão for negatva (lasse 0 ), nenhuma ação é adotada, apenas é realzado o regstro da referda nformação. Se a resposta de evasão for postva (lasse 1 ), essa nformação passa pelo módulo Fuzzy, para uma melhor dsrmnação sobre a qualdade da nformação (análse fna). O fnal do proesso é a fase da Ação. Dante dos
5 resultados, propõe-se ações ndvdualzadas (ação proatva), para atender as neessdades de ada estudante, proporonando ondções para sua permanêna na nsttução. Ressalta-se que a proatvdade depende fortemente da atuação da nsttução. 5 Aplação e Análse dos Resultados Nesse estudo, em espeífo, a entrada da rede AR- TMAP-Fuzzy proposta é representa pelo vetor a (entrada ARTa) e sua respetva saída deseada, na fase de trenamento, representada pelo vetor b (entrada ARTb), sendo estes desrtos da segunte manera: a = [a 1 a 2... a 16 ] e b = [ b ], sendo: b= 0 ou 1 Os subvetores a 1, a 2,... a 16 do vetor a (Tela 1) são vetores lnhas que ontêm a representação bnára das araterístas dos estudantes. Cada bt orresponde a um omponente do vetor assoado. A saída da rede é representada pelo vetor atvdade da amada F2 (y) e fornee respostas na odfação bnára om 1 bt (Tela 1), assm defndo: y = [ y ] (saída da rede ARTMAP-Fuzzy) Varáves do Vetor de Entrada (a) da Rede Vetor Saída (y) Tela 1. Composção dos Vetores de Entrada e Saída. Caraterístas dos Subvetores de a e y Posção Nome Abrev. Tam. a 1 Sexo Sx 1 bt a 2 Faxa etára FxEt 3 bts a 3 Etna Etn 3 bts a 4 Estado Cvl EstCv 3 bts a 5 Nº pessoas/asa PesCs 3 bts a 6 Renda Famlar Rfam 3 bts a 7 Tem Computador Comp 1 bt a 8 Esolardade pas EsPas 3 bts a 9 Esola de Orgem EsOrg 3 bts a 10 Auto avalação AAval 3 bts a 11 Proedêna Prod 1 bt a 12 Dst. Es.- Resd. DstER 3 bts a 13 Meo Transporte Transp 3 bts a 14 Stuação Tralho Tr 3 bts a 15 Turno de Estudo Turno 2 bts a 16 Alunos/ Sala Al/Sl 3 bts y Não-Evasão Evasão NEv Ev 1 bt Na fase de valdação e dagnósto do sstema neural ARTMAP-Fuzzy foram utlzadas, para este estudo, uma amostra do CST em Automação om 389 lnhas e 41 olunas, era de 30% do total das amostras do trenamento. Os dados das olunas de 1 a 41 representam os atrbutos orrespondentes ao vetor a, entrtrada do módulo ARTa. Na oluna 42 estão representas as saídas deseadas, vetor b (entrada ARTb) da rede neural ARTMAP-Fuzzy. Os parâmetros utlzados no proessamento dos dados estão espefados na Tela 2. Os parâmetros apresentados foram os que proporonaram o melhor desempenho do sstema, defndos através do resultado das smulações. Tela 2 - Espefação dos parâmetros da rede neural ARTMAP-Fuzzy. Parâmetros e Valores de Referêna Parâmetros Valores Parâmetro de esolha (α > 0) 0,001 Taxa de trenamento (β ϵ [0,1]) 1,0 Parâmetro de vglâna módulo ART a ( a ϵ [0,1]) 0,2 Inremento do parâmetro de vglâna a () 0,05 Parâmetro de vglâna módulo ART b ( b ϵ [0,1]) 0,999 Parâm. vglâna módulo nter-art ( ϵ [0,1]) 0,7 Parâm. vglâna no math trakng ( amat ϵ [0,1]) 0,75 Após o trenamento da rede foram realzadas no smulações, om a base de dados para o dagnósto, para a valdação do modelo proposto. Os resultados das smulações foram omparados e analsados, utlzando-se o rtéro de votação [Carpenter et al., 1992b], fo verfada a saída 0 ou 1 de maor ndêna para ada uma das entradas. O resultado de maor ndêna onsttuu-se na saída da rede neural. Conluída a etapa do proessamento através do sstema neural ARTMAP-Fuzzy e das análses pertnentes à ompreensão do omportamento da rede quanto à evasão dsente, os resultados foram omplados e, suntamente, demonstrados na Tela 3. Tela 3 - Resultado do dagnósto da evasão dsente: evasão total no período de CST em Automação. Dagnósto Evasão Total Saída Rede - Valores Quanttatvos e Perentuas Evasão Não-Evasão Total Amostras 2004/2010 Qtd. % Qtd. % Qtd. % Amostras Aertos , , ,1 Erros 12 4,9 11 7,5 23 5,9 A nterpretação e análse dos resultados demonstra que o sstema dentfou 231 possbldades de evasão e gnorou 12, de um total de 243 estudantes evaddos, obtendo um índe de aerto de 95,1%. Dentre as 146 amostras de estudantes não evaddos, 135 foram reonhedas, aertando 92,5% dos asos. Nesta smulação, o sstema neural ARTMAP-Fuzzy alançou um perentual de aerto global de 94,1%. Os resultados quanttatvos e em perentuas do dagnósto de evasão podem ser perebdos, om maor lareza, nos gráfos da Fgura 2. Em outra smulação, em que se onsderou apenas os estudantes evaddos no 1º semestre do urso, no período de 2004 a Obteve-se um índe de aerto de 97,8% om relação aos estudantes evaddos e um perentual de aerto global de 76,7% (Martnho et al., 2013), orroborando os índes de auráa do sstema proposto. Consderando os testes realzados e a onsstêna dos resultados obtdos, pode-se nferr que o sstema ntelgente proposto, utlzando rede neural ARTMAP-Fuzzy, é um modelo om sgnfatvo grau de onfldade e exprme fdedgnamente a
6 stuação que se enontra os estudantes analsados. Fgura 2 - Resultado quanttatvo e perentual da predção da evasão total em CST a Consderações Fnas Este tralho está alerçado em uma pesqusa que tem omo obetvo propor um método novador para dentfar, de manera proatva, ontnuada e aurada os estudantes onsderados do grupo de rso de evasão dsente, em ursos superores presenas, om uma base de dados omposta pelas nformações da nsrção. Para esse propósto fo mplementado um sstema neural ARTMAP-Fuzzy assoado om um módulo Fuzzy e um módulo da Teora de Evdêna de Dempster-Shafer. Com a análse dos resultados obtdos é possível nferr que o sstema proposto é robusto, efaz e om sgnfatvo grau de onfldade, alançou um índe de aerto global entre 76% e 94% na dentfação antepada do grupo de rso evasvo. O onfronto dos resultados obtdos neste estudo om aqueles desrtos por (Mustafa et al., 2012), om a aplação de árvores de desão (entre 28% e 38% de aertos), para dentfar a evasão om base nos dados da nsrção dos estudantes, demonstra a qualdade e relevâna do sstema neural ARTMAPFuzzy proposto. Portanto, evdena-se que o do sstema neural ARTMAP-Fuzzy é uma poderosa, arroada e novadora ferramenta para a predção de grupos de rso de evasão dsente, em ursos superores presenas, nserndo-se na launa exstente nas produções da omundade entífa mundal, no que tange o tema em questão, ontrbundo desta forma om algo que sea útl para a soedade. Pos, om uma ação proatva, onsegur om que um estudante, om potenal de evadr, tenha suesso é uma mssão nobre. Agradementos Ao Insttuto Federal de Mato Grosso pela dsponblzação das bases de dados para essa pesqusa, bem omo, a CAPES pelo apoo fnanero. Referênas Bblográfas Barbosa,. O. (2010). Identfação e Análse dos Fatores Preponderantes e Determnantes da Evasão Esolar no CST em Automação Industral no IFMT Relatóro Interno, 40 p. Barnett,. A. (1981). Computatonal Methods for a Mathematal Theory of Evdene. Proeedngs of the 7th Internatonal ont Conferene on Artfal Intellgene. Vanouver. Carpenter, G. A. and Grossberg, S. (1992). A SelfOrganzng Neural Network for Supervsed Learnng, Reognton, and Predton. Communatons Magazne, vol. 30, pp Carpenter, G. A.; Grossberg, S. and Izuka, K. (1992a). Comparatve Performane Measures of Fuzzy ARTMAP, Learned Vetor Quantzaton, and Bak Propagaton for Handwrtten Charater Reognton. Internatonal ont Conferene on Neural Networks - ICNN. vol.1, pp Carpenter, G. A.; Grossberg, S. and Rosen, D. B. (1991). Fuzzy ART: Fast Stle Learnng and Categorzaton of Analog Patterns by an Adaptve Resonane System. Neural Network, vol. 4, pp Carpenter, G. A.; Grossberg, S.; Markuzon, N.; Reynolds,. H. and Rosen, D. B. (1992b). Fuzzy ARTMAP: A Neural Network Arhteture for Inremental Supervsed Learnng of Analog Multdmensonal Maps. Neural Networks, IEEE Transatons on, vol. 3, pp Haykn, S. S. (2009). Neural Networks and Learnng Mahnes. Prente Hall. 906p. Lykourentzou, I.; gannoukos, I.; nkolopoulos, V. et al. (2009). Dropout Predton n E-Learnng Courses through the Combnaton of Mahne Learnng Tehnques. ournal Computers & Eduaton, vol. 53, nº. 3, pp Marhor, S. C.; Slvera; M. C. G. da; Mnuss, C. R. et al. (2011). Neural Network Based on Adaptve Resonane Theory wth Contnuous Tranng for Mult-Confguraton Transent Stlty Analyss of Eletr Power Systems. Appled Soft Computng, vol. 11, pp Martnho, V. R. C. (2012). Sstema Intelgente para Predção do Grupo de Rso de Evasão Dsente. UNESP, Fauldade de Engenhara. 58p. Martnho, V. R. C.; Nunes, C. and Mnuss, C. R. (2013). A New Method for Predton of Shool Dropout Rsk Group Usng Neural Network Fuzzy. 15th ICAI Las Vegas, USA: Proeedngs of the ICAI 13. (no prelo) Mustafa, M. N.; Chowdhury, L. and Kamal, S. (2012). Students Dropout Predton for Intellgent System from Tertary Level n Developng Country. Internatonal Conferene on Informats, Eletrons & Vson. Dhaka, Bangladesh: IEEE. Nlsson, N.. (1998). Artfal Intellgene: A New Synthess, Morgan Kaufman Publ Inorporated. Slvera, M. C. G. (2011). Sstema de Gerenamento de Base de Dados para Aplação em Ambentes de Sstemas Elétros de Potêna. UNESP, Departamento de Engenhara Elétra. Zadeh, L. A. (1965). Fuzzy Sets. Informaton and Control, vol. 8, nº. 3, pp
TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823
Leia maisNOTA II TABELAS E GRÁFICOS
Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.
Leia maisOTIMIZAÇÃO DE PROVISIONAMENTO DE LARGURA DE BANDA USANDO REDES DE PETRI NA MODELAGEM DE COMPORTAMENTO DE CLIENTES E PROVEDORES
OTIMIZAÇÃO DE PROVISIONAMENTO DE LARGURA DE BANDA USANDO REDES DE PETRI NA MODELAGEM DE COMPORTAMENTO DE CLIENTES E PROVEDORES FLÁVIO HENRIQUE BATISTA DE SOUZA CARLOS ANDREY MAIA RODNEY R SALDANHA 1 Programa
Leia maisCENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG
1 CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnlesteMG Dscplna: Introdução à Intelgênca Artfcal Professor: Luz Carlos Fgueredo GUIA DE LABORATÓRIO LF. 01 Assunto: Lógca Fuzzy Objetvo: Apresentar o
Leia maisFast Multiresolution Image Querying
Fast Multresoluton Image Queryng Baseado no artgo proposto por: Charles E. Jacobs Adan Fnkelsten Davd H. Salesn Propõe um método para busca em um banco de dados de magem utlzando uma magem de consulta
Leia maisNota Técnica Médias do ENEM 2009 por Escola
Nota Técnca Médas do ENEM 2009 por Escola Crado em 1998, o Exame Naconal do Ensno Médo (ENEM) tem o objetvo de avalar o desempenho do estudante ao fm da escolardade básca. O Exame destna-se aos alunos
Leia maisUm Novo Método para a Predição do Sequestro de Carbono em Áreas de Reflorestamento usando Rede Neural
Um Novo Método para a Predção do Sequestro de Carbono em Áreas de Reflorestamento usando Rede Neural Clodoaldo Nunes, Valquíra R. C. Martnho, Carlos R. Mnuss Laboratóro de Sstemas Intelgentes - SINTEL,
Leia mais5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)
5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de
Leia maisANÁLISE MULTICRITÉRIO DE RISCO: O MÉTODO TODIM
ANÁLISE MULTICRITÉRIO DE RISCO: O MÉTODO TODIM Luz Flavo Autran Montero Gomes Professor Ttular do IBMEC e da Unversdade Federal Flumnense Av. Ro Brano, 108, 18 andar, CEP 20040-001, Ro de Janero, RJ, E-mal:
Leia maisDespacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos
Despacho Econômco de Sstemas Termoelétrcos e Hdrotérmcos Apresentação Introdução Despacho econômco de sstemas termoelétrcos Despacho econômco de sstemas hdrotérmcos Despacho do sstema braslero Conclusões
Leia maisPARTE 1. 1. Apresente as equações que descrevem o comportamento do preço de venda dos imóveis.
EXERCICIOS AVALIATIVOS Dscplna: ECONOMETRIA Data lmte para entrega: da da 3ª prova Valor: 7 pontos INSTRUÇÕES: O trabalho é ndvdual. A dscussão das questões pode ser feta em grupo, mas cada aluno deve
Leia maisMinistério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação
Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados
Leia maisIntrodução e Organização de Dados Estatísticos
II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar
Leia maisCÁLCULO DO ALUNO EQUIVALENTE PARA FINS DE ANÁLISE DE CUSTOS DE MANUTENÇÃO DAS IFES
MIISTÉRIO DA EDUCAÇÃO SECRETARIA DE EDUCAÇÃO SUPERIOR DEPARTAMETO DE DESEVOLVIMETO DA EDUCAÇÃO SUPERIOR TECOLOGIA DA IFORMAÇÃO CÁLCULO DO ALUO EQUIVALETE PARA FIS DE AÁLISE DE CUSTOS DE MAUTEÇÃO DAS IFES
Leia maisCálculo do Conceito ENADE
Insttuto aconal de Estudos e Pesqusas Educaconas Aníso Texera IEP Mnstéro da Educação ME álculo do onceto EADE Para descrever o cálculo do onceto Enade, prmeramente é mportante defnr a undade de observação
Leia mais2 Máquinas de Vetor Suporte 2.1. Introdução
Máqunas de Vetor Suporte.. Introdução Os fundamentos das Máqunas de Vetor Suporte (SVM) foram desenvolvdos por Vapnk e colaboradores [], [3], [4]. A formulação por ele apresentada se basea no prncípo de
Leia maisControlo Metrológico de Contadores de Gás
Controlo Metrológco de Contadores de Gás José Mendonça Das (jad@fct.unl.pt), Zulema Lopes Perera (zlp@fct.unl.pt) Departamento de Engenhara Mecânca e Industral, Faculdade de Cêncas e Tecnologa da Unversdade
Leia maisO Método de Redes Neurais com Função de Ativação de Base Radial para Classificação em Data Mining
O Método de Redes Neuras com Função de Atvação de Base Radal para Classfcação em Data Mnng Ana Paula Scott 1, Mersandra Côrtes de Matos 2, Prscyla Walesa T. A. Smões 2 1 Acadêmco do Curso de Cênca da Computação
Leia maisDISTRIBUIÇÃO E DESIGUALDADE ESPACIAIS DO CONSUMO RESIDENCIAL DE ELETRICIDADE: UMA ANÁLISE DO PERÍODO 1989-2005 COM MEDIDAS DE INFORMAÇÃO
FACULDADE DE ECONOMIA PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA APLICADA DISTRIBUIÇÃO E DESIGUALDADE ESPACIAIS DO CONSUMO RESIDENCIAL DE ELETRICIDADE: UMA ANÁLISE DO PERÍODO 1989-2005 COM MEDIDAS DE INFORMAÇÃO
Leia maisCapítulo 3-1. A 2ª Lei da Termodinâmica
Capítulo 3-1. A 2ª Le da ermodnâma Baseado no lvro: Atkns Pysal Cemstry Egt Edton Peter Atkns Julo de Paula 29-04-2007 Mara da Coneção Pava 1 A segunda le da termodnâma é baseada na experêna umana. odos
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia maisIPC-W: Metodologia de Cálculo
IPC-W: Metodologa de Cálulo EMAp/IBRE 2/novembro/207 O presente relatóro resume a metodologa de álulo do IPC-W, ontrastando om o álulo do IPC. Este proesso de álulo é posteror à extração e lmpeza dos dados,
Leia maisO Uso do Software Matlab Aplicado à Previsão de Índices da Bolsa de Valores: Um Estudo de Caso no Curso de Engenharia de Produção
O Uso do Software Matlab Aplcado à Prevsão de Índces da Bolsa de Valores: Um Estudo de Caso no Curso de Engenhara de Produção VICENTE, S. A. S. Unversdade Presbterana Mackenze Rua da Consolação, 930 prédo
Leia maisRegressão e Correlação Linear
Probabldade e Estatístca I Antono Roque Aula 5 Regressão e Correlação Lnear Até o momento, vmos técncas estatístcas em que se estuda uma varável de cada vez, estabelecendo-se sua dstrbução de freqüêncas,
Leia maisCurso de Data Mining
Aula 7 - Os algoritmos SPIRIT Curso de Data Mining Sandra de Amo O esquema geral dos algoritmos SPIRIT é o seguinte: ETAPA 1 : Etapa do relaxamento R Calula-se o onjunto L das sequênias frequentes que
Leia mais3 Método Fast Multipole
22 3 Método Fast Multpole Nesse apítulo, apresenta-se o Método Fast Multpole (FMM), omo proposto por Greengard e Rokhln (1987). O algortmo fo eleto um dos 1 melhores do séulo XX (DONGARRA e SULLIVAN, 2).
Leia maisUm classificador baseado na Discriminação Logística: vantagens e desvantagens
Um lassfador baseado na Dsrmnação Loísta: vantaens e desvantaens HÉLIO RADKE BITTENCOURT ROBIN THOMAS CLARKE 2 Centro Estadual de esqusas em Sensoramento Remoto e Meteoroloa CESRM UFRGS Caa ostal 5044
Leia maisSOM Hierárquico Aplicado à Compressão de Imagens
Proceedngs of the V Brazlan Conference on Neural Networks - V Congresso Braslero de Redes Neuras pp. 511 516, Aprl 2 5, 2001 - Ro de Janero - RJ - Brazl SOM Herárquco Aplcado à Compressão de Imagens José
Leia maisREGULAMENTO GERAL (Modalidades 1, 2, 3 e 4)
REGULAMENTO GERAL (Modaldades 1, 2, 3 e 4) 1. PARTICIPAÇÃO 1.1 Podem concorrer ao 11º Prêmo FIEB de Desempenho Socoambental da Indústra Baana empresas do setor ndustral nas categoras MICRO E PEQUENO, MÉDIO
Leia maisRESOLUÇÃO Nº 32/2014/CONEPE. O CONSELHO DO ENSINO, DA PESQUISA E DA EXTENSÃO da Universidade Federal de Sergipe, no uso de suas atribuições legais,
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE SERGIPE CONSELHO DO ENSINO, DA PESQUISA E DA EXTENSÃO RESOLUÇÃO Nº 32/2014/CONEPE Aprova as Normas Geras do Processo Seletvo para
Leia maisSistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar?
Sumáro Sstemas Robótcos Navegação Introdução Onde estou? Para onde vou? Como vou lá chegar? Carlos Carreto Curso de Engenhara Informátca Ano lectvo 2003/2004 Escola Superor de Tecnologa e Gestão da Guarda
Leia maisTeoria dos Números e suas aplicações
Teora dos Números e suas aplações Lus Armando dos Santos Júnor e Antôno arlos Noguera Unversdade Federal de Uberlânda Abrl- 009 :Orentando Programa de Eduação tutoral do urso de Matemáta. E-mal: anarexmg@ahoo.om.br
Leia maisSempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos.
Insttuto de Físca de São Carlos Laboratóro de Eletrcdade e Magnetsmo: Transferênca de Potênca em Crcutos de Transferênca de Potênca em Crcutos de Nesse prátca, estudaremos a potênca dsspada numa resstênca
Leia mais* Economista do Instituto Federal do Sertão Pernambucano na Pró-Reitoria de Desenvolvimento Institucional PRODI.
O desempenho setoral dos muncípos que compõem o Sertão Pernambucano: uma análse regonal sob a ótca energétca. Carlos Fabano da Slva * Introdução Entre a publcação de Methods of Regonal Analyss de Walter
Leia maisMECANISMOS DE CORROSÃO DE MATERIAIS METÁLICOS. APOSTILA PARA A DISCIPLINA PMT ª. Parte
MECANISMOS DE CORROSÃO DE MATERIAIS METÁLICOS APOSTILA PARA A DISCIPLINA PMT 2507 4ª. Parte Neusa Alonso-Falleros Abr/2008 2 CAPÍTULO 4 CINÉTICA DAS REAÇÕES DE ELETRODO QUE ENVOLVEM TRANSPORTE DE MASSA
Leia maisANÁLISE DA ESTABILIDADE DE UM BRAÇO ROBÓTICO PARA COLHEITA DE FRUTAS
XLIII Congresso Braslero de Engenhara Agrícola - CONBEA 2014 Centro de Convenções Arquteto Rubens Gl de Camllo - Campo Grande -MS 27 a 31 de julho de 2014 ANÁLISE DA ESTABILIDADE DE UM BRAÇO ROBÓTICO PARA
Leia maisUMA REDE NEURAL ARTIFICIAL HÍBRIDA: MULTI-LAYER PERCEPTRON (MLP) E INTERAC- TIVE ACTIVATION AND COMPETITION (IAC)
UMA REDE NEURAL ARTIFICIAL HÍBRIDA: MULTI-LAYER PERCEPTRON (MLP) E INTERAC- TIVE ACTIVATION AND COMPETITION (IAC) ANDRÉA T. R. BARBOSA, GLORIA M. CURILEM SALDÍAS, FERNANDO M. DE AZEVEDO Hosptal São Vcente
Leia maisPLANILHAS EXCEL/VBA PARA PROBLEMAS ENVOLVENDO EQUILÍBRIO LÍQUIDO-VAPOR EM SISTEMAS BINÁRIOS
PLANILHAS EXCEL/VBA PARA PROBLEMAS ENVOLVENDO EQUILÍBRIO LÍQUIDO-VAPOR EM SISTEMAS BINÁRIOS L. G. Olvera, J. K. S. Negreros, S. P. Nascmento, J. A. Cavalcante, N. A. Costa Unversdade Federal da Paraíba,
Leia maisANALISADOR DE EVENTOS EM TEMPO QUASE-REAL
XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 GPC.01 22 a 25 Novembro de 2009 Recfe - PE GRUPO -V GRUPO DE ESTUDO DE PROTEÇÃO, MEDIÇÃO, CONTROLE E AUTOMAÇÃO EM SISTEMAS
Leia maisUM MODELO DE ALOCAÇÃO DINÂMICA DE CAMINHÕES VISANDO AO ATENDIMENTO DE METAS DE PRODUÇÃO E QUALIDADE
UM MODELO DE ALOCAÇÃO DINÂMICA DE CAMINHÕES VISANDO AO ATENDIMENTO DE METAS DE PRODUÇÃO E QUALIDADE RESUMO Felppe Perera da Costa, PPGEM/UFOP, Mestrando. felppe@mneral.em.ufop.br Marcone Jamlson Fretas
Leia maisFederal do Espírito Santo, Alegre, ES, Brasil. 2
Aplação da dentdade de modelos não-lneares na estmatva da relação hpsométra de Pnus arbaea var. hondurenss e Pnus ooarpa sob dferentes dades Leonardo Cassan Laerda Adrano Rbero de Mendonça Edson Lahn Glson
Leia maisApostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna
Apostla de Estatístca Curso de Matemátca Volume II 008 Probabldades, Dstrbução Bnomal, Dstrbução Normal. Prof. Dr. Celso Eduardo Tuna 1 Capítulo 8 - Probabldade 8.1 Conceto Intutvamente pode-se defnr probabldade
Leia maisCovariância e Correlação Linear
TLF 00/ Cap. X Covarânca e correlação lnear Capítulo X Covarânca e Correlação Lnear 0.. Valor médo da grandeza (,) 0 0.. Covarânca na propagação de erros 03 0.3. Coecente de correlação lnear 05 Departamento
Leia maisAnálise logística da localização de um armazém para uma empresa do Sul Fluminense importadora de alho in natura
Análse logístca da localzação de um armazém para uma empresa do Sul Flumnense mportadora de alho n natura Jader Ferrera Mendonça Patríca Res Cunha Ilton Curty Leal Junor Unversdade Federal Flumnense Unversdade
Leia maisCAPÍTULO 1 Exercícios Propostos
CAPÍTULO 1 Exercícos Propostos Atenção: Na resolução dos exercícos consderar, salvo menção em contráro, ano comercal de das. 1. Qual é a taxa anual de juros smples obtda em uma aplcação de $1.0 que produz,
Leia mais3 Contínuo Generalizado
3 Contínuo Generalzado Um meo ontínuo lásso é omposto por partíulas, dstrbuídas de manera unforme, sendo ada uma delas representadas por um ponto, aqu denomnado de P. Este ponto materal possu oordenadas
Leia maisEquilíbrio Espacial de Preços
Equlíbro Espaal de Preços Seam: ρ = S ( w) urva nversa da oferta assoada ao merado produtor ; π = D ( w) urva nversa da demanda assoada ao merado onsumdor ; C ( w ) usto margnal de transportes assoada
Leia maisMetodologia de Cálculo da Inércia Inflacionária e dos Efeitos do Choque dos Preços Administrados
Metodologia de Cálulo da Inéria Inflaionária e dos Efeitos do Choque dos Preços Administrados I. Introdução Esta nota apresenta a metodologia usada atualmente para quantifiar o efeito, via inéria, da inflação
Leia mais2. MATERIAIS E MÉTODOS
AVALIAÇÃO DE DESEMPENHO DOS MODELOS DO IPCC-AR4 NO NORDESTE SETENTRIONAL DO BRASIL QUANTO À VARIABILIDADE PLURIANUAL DA PRECIPITAÇÃO NO SÉCULO XX RESUMO--- Os modelos globas do Intergovernmental Panel
Leia maisGeração de poses de faces utilizando Active Appearance Model Tupã Negreiros 1, Marcos R. P. Barretto 2, Jun Okamoto 3
Geração de poses de faces utlzando Actve Appearance Model Tupã Negreros 1, Marcos R. P. Barretto 2, Jun Okamoto 3 1, 2, 3 Escola Poltécnca da Unversdade de São Paulo (POLI/USP) Caxa Postal 61548 CEP 05508-900
Leia maisXX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO - IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP
XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão.0 XXX.YY 22 a 25 Novembro de 2009 Recfe - PE GRUPO - IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP SISTEMA
Leia maisAGRUPAMENTO DE CLIENTES COM BASE NA FICHA DE ANAMNESE ODONTOLÓGICA: UMA APLICAÇÃO DA ART2.
AGRUPAMENTO DE CLIENTES COM BASE NA FICHA DE ANAMNESE ODONTOLÓGICA: UMA APLICAÇÃO DA ART2. andrey soares Unversdade Federal de Santa Catarna UFSC Campus Unverstáro Trndade Floranópols, SC 88040-900 andrey@nf.ufsc.br
Leia mais1 Princípios da entropia e da energia
1 Prncípos da entropa e da energa Das dscussões anterores vmos como o conceto de entropa fo dervado do conceto de temperatura. E esta últma uma conseqüênca da le zero da termodnâmca. Dentro da nossa descrção
Leia maisCURSO ON-LINE PROFESSOR: VÍTOR MENEZES
O Danel Slvera pedu para eu resolver mas questões do concurso da CEF. Vou usar como base a numeração do caderno foxtrot Vamos lá: 9) Se, ao descontar uma promssóra com valor de face de R$ 5.000,00, seu
Leia maisESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística
ESTATÍSTICA MULTIVARIADA º SEMESTRE 010 / 11 EXERCÍCIOS PRÁTICOS - CADERNO 1 Revsões de Estatístca -0-11 1.1 1.1. (Varáves aleatóras: função de densdade e de dstrbução; Méda e Varânca enquanto expectatvas
Leia mais2 Técnicas convencionais usadas na modelagem de sistemas não lineares
Ténas onvenonas usadas na modelagem de sstemas não lneares Ténas onvenonas usadas na modelagem de sstemas não lneares.1. Revsão Bblográfa Os modelos lneares desemenharam um mortante ael no desenvolvmento
Leia maisIMPLEMENTAÇÃO DE REDES NEURAIS ARTIFICIAIS UTILIZANDO A LINGUAGEM DE PROGRAMAÇÃO JAVA
IMPLEMENTAÇÃO DE REDES NEURAIS ARTIFICIAIS UTILIZANDO A LINGUAGEM DE PROGRAMAÇÃO JAVA José R. Campos 1, Anna D. P. Lotufo 1, Carlos R. Mnuss 1, Mara L. M. Lopes 1 1 UNESP, Ilha Soltera, Brasl, jrcampos8@gmal.com,
Leia maisProbabilidade e Estatística. Correlação e Regressão Linear
Probabldade e Estatístca Correlação e Regressão Lnear Correlação Este uma correlação entre duas varáves quando uma delas está, de alguma forma, relaconada com a outra. Gráfco ou Dagrama de Dspersão é o
Leia maisUMA ABORDAGEM NEURO-IMUNE PARA A SOLUÇÃO DO PROBLEMA DE MÚLTIPLOS CAIXEIROS VIAJANTES
UMA ABORDAGEM NEURO-IMUNE PARA A SOLUÇÃO DO PROBLEMA DE MÚLTIPLOS CAIXEIROS VIAANTES THIAGO A. S. MASUTTI, LEANDRO N. DE CASTRO Laboratóro de Sstemas Intelgentes, Programa de Mestrado em Informátca Unversdade
Leia maisUNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR
Matéra / Dscplna: Introdução à Informátca Sstema de Numeração Defnção Um sstema de numeração pode ser defndo como o conjunto dos dígtos utlzados para representar quantdades e as regras que defnem a forma
Leia maisO migrante de retorno na Região Norte do Brasil: Uma aplicação de Regressão Logística Multinomial
O mgrante de retorno na Regão Norte do Brasl: Uma aplcação de Regressão Logístca Multnomal 1. Introdução Olavo da Gama Santos 1 Marnalva Cardoso Macel 2 Obede Rodrgues Cardoso 3 Por mgrante de retorno,
Leia maisUNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia
CCSA - Centro de Cêncas Socas e Aplcadas Curso de Economa ECONOMIA REGIONAL E URBANA Prof. ladmr Fernandes Macel LISTA DE ESTUDO. Explque a lógca da teora da base econômca. A déa que sustenta a teora da
Leia mais7. Resolução Numérica de Equações Diferenciais Ordinárias
7. Resolução Numérca de Equações Dferencas Ordnáras Fenômenos físcos em dversas áreas, tas como: mecânca dos fludos, fluo de calor, vbrações, crcutos elétrcos, reações químcas, dentre váras outras, podem
Leia maisModelo Analítico para Avaliar Plataformas Cliente/Servidor e Agentes Móveis Aplicado à Gerência de Redes
Modelo Analítco para Avalar Plataformas Clente/Servdor e Agentes Móves Aplcado à Gerênca de Redes Julana Amaral Arantes, Carlos Becker Westphall, Rcardo Felpe Custódo {julana, westphal}@lrg.ufsc.br, custodo@nf.ufsc.br
Leia maisConcreto. Prof. M.Sc. Ricardo Ferreira
Conreto Prof..S. Riardo Ferreira O traço Prof..S. Riardo Ferreira Fonte: Dario Dafio Eletrobras Furnas www.ement.org Traço 3/23 A expressão da proporção dos materiais omponentes de uma omposição partiular
Leia maisEstimativa da Incerteza de Medição da Viscosidade Cinemática pelo Método Manual em Biodiesel
Estmatva da Incerteza de Medção da Vscosdade Cnemátca pelo Método Manual em Bodesel Roberta Quntno Frnhan Chmn 1, Gesamanda Pedrn Brandão 2, Eustáquo Vncus Rbero de Castro 3 1 LabPetro-DQUI-UFES, Vtóra-ES,
Leia mais! Superlntenrlencia Reg.onaJ do Ma:toGro$So. Qualificação e Reinserção Profissional dos Resgatados do Trabalho Escravo elou em AÇÃO INTEGRADA
",, 1," ;,,," 1, C?5lMnstérO Públco do "':'1"') Trabalho PRT 23,! Superlntenrlenca RegonaJ do Ma:toGro$So!! (', ' \_ \ '1 j t t' 1 PROJETO: Qualfcação e Renserção Profssonal dos Resgatados do Trabalho
Leia maisINTRODUÇÃO SISTEMAS. O que é sistema? O que é um sistema de controle? O aspecto importante de um sistema é a relação entre as entradas e a saída
INTRODUÇÃO O que é sstema? O que é um sstema de controle? SISTEMAS O aspecto mportante de um sstema é a relação entre as entradas e a saída Entrada Usna (a) Saída combustível eletrcdade Sstemas: a) uma
Leia maisTEXTO PARA DISCUSSÃO PROPOSTA DE MUDANÇA NO RATEIO DA COTA PARTE DO ICMS ENTRE OS MUNICÍPIOS CEARENSES
GOVERO DO ESTADO DO CEARÁ SECRETARIA DE PLAEJAMETO E GESTÃO (SEPLAG) Insttuto de Pesqusa e Estratéga Econômca do Ceará (IPECE) TEXTO PARA DISCUSSÃO PROPOSTA DE MUDAÇA O RATEIO DA COTA PARTE DO ICMS ETRE
Leia maisPolos Olímpicos de Treinamento. Aula 10. Curso de Teoria dos Números - Nível 2. Divisores. Prof. Samuel Feitosa
Polos Olímpcos de Trenamento Curso de Teora dos Números - Nível 2 Prof. Samuel Fetosa Aula 10 Dvsores Suponha que n = p α 1 2...pα é a fatoração em prmos do ntero n. Todos os dvsores de n são da forma
Leia maisDica : Para resolver esse exercício pegue o arquivo pontosm.txt, na página do professor.
Colégio Ténio Antônio Teieira Fernandes Disiplina ICG Computação Gráfia - 3º Anos (Informátia) (Lista de Eeríios I - Bimestre) Data: 10/03/2015 Eeríios 1) Elabore um proedimento em C++ que passe os pares
Leia maisAula 7: Circuitos. Curso de Física Geral III F-328 1º semestre, 2014
Aula 7: Crcutos Curso de Físca Geral III F-38 º semestre, 04 Ponto essencal Para resolver um crcuto de corrente contínua, é precso entender se as cargas estão ganhando ou perdendo energa potencal elétrca
Leia maisRAE-eletrônica ISSN: 1676-5648 rae@fgv.br. Escola de Administração de Empresas de São Paulo. Brasil
RAE-eletrônca ISSN: 676-5648 rae@fgv.br Escola de Admnstração de Empresas de São Paulo Brasl Gumarães, Ináco Andrusk; Chaves Neto, Anselmo RECONHECIMENTO DE PADRÕES: METODOLOGIAS ESTATÍSTICAS EM CRÉDITO
Leia maisEstatística stica Descritiva
AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas
Leia maisPREVISÃO DO ÍNDICE MERVAL: UMA APLICAÇÃO DE REDES NEURIAS POLINOMIAIS GMDH
PREVISÃO DO ÍNDICE MERVAL: UMA APLICAÇÃO DE REDES NEURIAS POLINOMIAIS GMDH CAPORAL, Bbana 1 ; CAVALHEIRO, Everton ; CORRÊA, José Carlos 3 ; CUNHA, Carlos 4 Palavras-chave: Econometra; Séres temporas; Co-ntegração;
Leia maisPROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ
GOVERNO DO ESTADO DO CEARÁ SECRETARIA DO PLANEJAMENTO E GESTÃO - SEPLAG INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE NOTA TÉCNICA Nº 29 PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS
Leia maisDistribuição de Massa Molar
Químca de Polímeros Prof a. Dr a. Carla Dalmoln carla.dalmoln@udesc.br Dstrbução de Massa Molar Materas Polmércos Polímero = 1 macromolécula com undades químcas repetdas ou Materal composto por númeras
Leia maisDepartamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Medida de Probabilidade
Departaento de Inforátca Dscplna: do Desepenho de Ssteas de Coputação Medda de Probabldade Prof. Sérgo Colcher colcher@nf.puc-ro.br Teora da Probabldade Modelo ateátco que perte estudar, de fora abstrata,
Leia maisProfessor Mauricio Lutz CORRELAÇÃO
Professor Maurco Lutz 1 CORRELAÇÃO Em mutas stuações, torna-se nteressante e útl estabelecer uma relação entre duas ou mas varáves. A matemátca estabelece város tpos de relações entre varáves, por eemplo,
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.
Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.
Leia maisGOVERNO DO ESTADO DO CEARÁ SECRETARIA DO PLANEJAMENTO E GESTÃO (SEPLAG) INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ (IPECE)
IPECE ota Técnca GOVERO DO ESTADO DO CEARÁ SECRETARIA DO PLAEJAMETO E GESTÃO (SEPLAG) ISTITUTO DE PESQUISA E ESTRATÉGIA ECOÔMICA DO CEARÁ (IPECE) OTA TÉCICA º 33 METODOLOGIA DE CÁLCULO DA OVA LEI DO ICMS
Leia maisCAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)
PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra
Leia maisObjetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para
Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre
Leia maisOTIMIZAÇÃO EM ESTADO ESTACIONÁRIO DE UM PROCESSO NÃO-LINEAR: O CASO DE UMA COLUNA DE DESTILAÇÃO
SBA: Controle & Automação, VoI. 2, N2 2, pp. 134-138, (TT) OTIMIZAÇÃO EM ESTADO ESTACIONÁRIO DE UM PROCESSO NÃO-LINEAR: O CASO DE UMA COLUNA DE DESTILAÇÃO Fr~nso osé Gomes Akebo Yamakam CETEC C.P. 2306
Leia maisANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD
ANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD RESUMO Thereza P. P. Padilha Fabiano Fagundes Conceição Previero Laboratório de Solos
Leia maisOTIMIZAÇÃO DO FLUXO REVERSO DE PNEUS INSERVÍVEIS ATRAVÉS DE UM MODELO DE LOCALIZAÇÃO DE FACILIDADES: UM ESTUDO DE CASO
OTIMIZAÇÃO DO FLUXO REVERSO DE PNEUS INSERVÍVEIS ATRAVÉS DE UM MODELO DE LOCALIZAÇÃO DE FACILIDADES: UM ESTUDO DE CASO Felpe Mendonca Gurgel Bandera (UFERSA) felpembandera@hotmal.com Breno Barros Telles
Leia maisSinais Luminosos 2- CONCEITOS BÁSICOS PARA DIMENSIONAMENTO DE SINAIS LUMINOSOS.
Snas Lumnosos 1-Os prmeros snas lumnosos Os snas lumnosos em cruzamentos surgem pela prmera vez em Londres (Westmnster), no ano de 1868, com um comando manual e com os semáforos a funconarem a gás. Só
Leia maisTRABALHADORES COM DEFICIÊNCIAS EM LINHAS DE PRODUÇÃO: MODELOS, RESULTADOS E DISCUSSÕES 1
XIV ELAVIO El Fuerte Snaloa Méxco 9-14 de agosto de 2009 TRABALHADORES COM DEFICIÊNCIAS EM LINHAS DE PRODUÇÃO: MODELOS RESULTADOS E DISCUSSÕES 1 Mayron César de O. Morera Lana Mara R. Santos Alysson M.
Leia maisRastreando Algoritmos
Rastreando lgortmos José ugusto aranauskas epartamento de Físca e Matemátca FFCLRP-USP Sala loco P Fone () - Uma vez desenvolvdo um algortmo, como saber se ele faz o que se supõe que faça? esta aula veremos
Leia maisVariabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado
Varabldade Espacal do Teor de Água de um Argssolo sob Planto Convenconal de Fejão Irrgado Elder Sânzo Aguar Cerquera 1 Nerlson Terra Santos 2 Cásso Pnho dos Res 3 1 Introdução O uso da água na rrgação
Leia maisRedes Neurais Artificiais Aplicadas no Monitoramento da Condição de Ferramentas de Corte Utilizando Algoritmo de Extração das Características SFS
Proceedngs of the IV Brazlan Conference on Neural Networs - IV Congresso Braslero de Redes Neuras pp. 292-297, July 20-22, 999 - ITA, São José dos Campos - SP - Brazl Redes Neuras Artfcas Aplcadas no Montoramento
Leia maisSISTEMA HÍBRIDO NEURO-FUZZY PARA ANÁLISE DE SEGURANÇA EM TEMPO REAL DE SISTEMAS DE POTÊNCIA
SISTEMA HÍBRIDO NEURO-FUZZY PARA ANÁLISE DE SEGURANÇA EM TEMPO REAL DE SISTEMAS DE POTÊNCIA EDUARDO DE A. SODRÉ, DEPT Dvsão de Estudos do Sstema de Transmssão, CHESF Rua Delmro Gouvea, 333 Bon, Cep: 50761
Leia maisCAP RATES, YIELDS E AVALIAÇÃO DE IMÓVEIS pelo método do rendimento
CAP RATES, YIELDS E AALIAÇÃO DE IMÓEIS pelo étodo do rendento Publcado no Confdencal Iobláro, Março de 2007 AMARO NAES LAIA Drector da Pós-Graduação de Gestão e Avalação Ioblára do ISEG. Docente das caderas
Leia maisPROVA DE MATEMÁTICA DO VESTIBULAR 2013 DA UNICAMP-FASE 1. RESOLUÇÃO: PROFA. MARIA ANTÔNIA C. GOUVEIA
PROVA DE MATEMÁTICA DO VESTIBULAR 03 DA UNICAMP-FASE. PROFA. MARIA ANTÔNIA C. GOUVEIA QUESTÃO 37 A fgura abaxo exbe, em porcentagem, a prevsão da oferta de energa no Brasl em 030, segundo o Plano Naconal
Leia maisXX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA NOVO MODELO PARA O CÁLCULO DE CARREGAMENTO DINÂMICO DE TRANSFORMADORES
XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 22 a 25 Novembro de 2009 Recfe - PE GRUPO XIII GRUPO DE ESTUDO DE TRANSFORMADORES, REATORES, MATERIAIS E TECNOLOGIAS
Leia maisAnálise Dinâmica de uma Viga de Euler-Bernoulli Submetida a Impacto no Centro após Queda Livre Através do Método de Diferenças Finitas
Proceedng Seres of the Brazlan Socety of Appled and Computatonal Mathematcs, Vol. 4, N., 06. Trabalho apresentado no DINCON, Natal - RN, 05. Proceedng Seres of the Brazlan Socety of Computatonal and Appled
Leia mais3 Desenvolvimento do Modelo
3 Desenvolvmento do Modelo Neste capítulo apresentaremos como está estruturado o modelo desenvolvdo nesta dssertação para otmzar o despacho de geradores dstrbuídos com o obetvo de reduzr os custos da rede
Leia maisLOCALIZAÇÃO ESPACIAL DA MÃO DO USUÁRIO UTILIZANDO WII REMOTE. Ricardo Silva Tavares 1 ; Roberto Scalco 2
LOCALIZAÇÃO ESPACIAL DA MÃO DO USUÁRIO UTILIZANDO WII REMOTE Rcardo Slva Tavares 1 ; Roberto Scalco 1 Aluno de Incação Centífca da Escola de Engenhara Mauá (EEM/CEUN-IMT); Professor da Escola de Engenhara
Leia mais