Classificação Automática dos Usuários da Rede Social Acadêmica Scientia.Net

Tamanho: px
Começar a partir da página:

Download "Classificação Automática dos Usuários da Rede Social Acadêmica Scientia.Net"

Transcrição

1 Classificação Automática dos Usuários da Rede Social Acadêmica Scientia.Net Vinícius Ponte Machado 1, Bruno Vicente Alves de Lima 2, Heloína Alves Arnaldo 3, Sanches Wendyl Ibiapina Araújo 4 Departamento de Informática e Estatística, Universidade Federal do Piauí Campus Universitário Ministro Petrônio Portella - Bairro Ininga - Teresina - PI Resumo Redes sociais tornaram-se especialmente relevantes na internet devido a grande adesão de usuários aos vários de sites Web que utilizam o conceito, como Orkut, MySpace, Facebook e Flickr. Seus usuários formam bases de dados que proveem um importante meio de compartilhar, organizar e encontrar conteúdo, além de estabelecer contatos através de interesses comuns. Neste contexto foi criado o Scientia.Net site de rede social que integra informações contidas em diversos serviços da Internet (fóruns, repositórios de artigos, sites, blogs e demais redes sociais). Além disso, esta ferramenta promove a interação de seus usuários (estudantes, professores e pesquisadores) para fins acadêmicos, com base nos seus interesses em comum. Este artigo apresenta uma aplicação Web, desenvolvida para agrupar de forma automática os usuários do Scientia.Net, utilizando Redes Neurais Artificiais. A aplicação foi criada a partir de pesquisas sobre algoritmos de aprendizagem de máquina e visa oferecer ao Scientia.Net um mecanismo de classificação que apresente a cada usuário do site, uma relação de outros pesquisadores com base nas suas pesquisas em comum. Com isso pretende-se contribuir para a interação entre usuários de perfis semelhantes e assim melhorar na produtividade de suas pesquisas permitindo assim a troca de conhecimento. Palavras-Chave: Redes Sociais, Aprendizagem de Máquina, Redes Neurais Artificiais, WEKA I. INTRODUÇÃO Na área científica, a interação das pessoas é um fator importante para o avanço das pesquisas. É crescente o número de pesquisadores de diferentes instituições, muitas vezes distantes geograficamente que têm colaborado entre si em diversos projetos. Neste cenário acadêmico os sistemas de redes sociais se destacam como uma ferramenta para reunir e facilitar contato com pessoas que detêm o conhecimento. Esses sistemas funcionam com o princípio da interação social, ou seja, buscando conectar pessoas e proporcionar sua comunicação forjando laços sociais. Uma rede social é definida como um conjunto de dois elementos: atores (pessoas, instituições ou grupos; os nós da rede) e suas conexões (interações ou laços sociais) [7]. A rede social, derivando deste conceito, passa a representar um conjunto de participantes autônomos, unindo ideias e recursos em torno de interesses compartilhados a partir das interações estabelecidas entre eles. O Scientia.Net é um site de rede social voltado ao ambiente acadêmico que visa agregar aos seus usuários itens de relevância acadêmica relacionados ao seu perfil. Dessa forma, o Scientia.Net é uma agregador de informações contidas em diversos serviços da Internet (fóruns, repositórios de artigos, sites, blogs e demais redes sociais). Além disso, a ferramenta provê a interação de seus usuários (estudantes, professores e pesquisadores) com base nos seus interesses em comum. Este artigo apresenta um mecanismo de classificação automático dos usuários da rede social Scientia.Net através do algoritmo de aprendizagem de máquina (Redes Neurais Artificiais - RNA). O objetivo é oferecer a cada usuário do Scientia.Net uma relação de outros usuários com perfis e interesses comuns a estes. Algoritmos que utilizam técnicas de Aprendizagem de Máquina melhoram automaticamente à medida que aprendem com experiências passadas [5]. Estes algoritmos têm como objetivo encontrar e descrever padrões a partir dos dados obtidos do ambiente. A tarefa principal é aprender um modelo a partir do ambiente e manter esse modelo consistente de modo a atingir as finalidades de sua aplicação. A tarefa de aprender consiste em escolher ou adaptar os parâmetros de representação do modelo. Tal mecanismo de classificação automático de usuários contribui para que o usuário da rede social não desperdice tempo buscando os perfis dos pesquisadores com os quais deseja obter ou compartilhar informações, pois o algoritmo de RNA se encarrega de identificar grupos de usuários por meio da classificação de padrões na base de dados do Scientia.Net. O algoritmo de Aprendizagem de Máquina RNA, utilizado na implementação deste trabalho, foi adaptado do pacote Waikato Environment for Knowledge Analysis WEKA [9], que consiste num conjunto de implementações de algoritmos de Aprendizagem de Máquina, desenvolvido na Universidade de Waikato na Nova Zelândia.

2 II. FUNDAMENTAÇÃO TEÓRICA A. Aprendizagem de Máquina A utilização de Algoritmos de Aprendizagem de máquina tem como objetivo o desenvolvimento de técnicas computacionais sobre o aprendizado bem como a construção de sistemas capazes de adquirir conhecimento de forma automática. A intuição humana não pode ser inteiramente eliminada nesse caso, desde que o desenvolvedor do sistema especifique como os dados devem ser representados e que mecanismos serão usados por uma caracterização dos dados. Existem três principais tipos de técnicas de aprendizagem de máquina: O Aprendizado Supervisionado implica necessariamente a existência de dados de entradas e a indicação de uma saída a ser apendida para ocorrer o processo de aprendizagem [1]. Aprendizado Não-Supervisionado envolve a aprendizagem de padrões na entrada, quando não são fornecidos valores de saídas específicos [8]. Aprendizado por Reforço consiste em mapear situações (estados do ambiente) para ações (o que fazer) de modo a maximizar um sinal de recompensa numérico. A ideia básica é simplesmente captar os aspectos mais importantes do problema real posto diante de um agente aprendiz interagindo com o ambiente para alcançar uma meta. B. Redes Neurais Artificiais As Redes Neurais foram criadas na década de 40 por Walter Pitts e McCulloch, o primeiro matemático e o segundo neurofisiologista [4]. Redes Neurais Artificiais são sistemas que tentam simular o funcionamento do cérebro humano. São compostas por unidades de processamento simples chamados de Neurônios Artificiais [1]. C. Neurônio Artificial (Perceptron) O modelo de neurônio artificial proposto por McCulloch e Pitts é uma simplificação do neurônio biológico. O modelo propõe que o neurônio artificial possui n entradas (x 1,x 2,x 3,...,x n ) e apenas um terminal de saída y, sendo que cada entrada possui um peso correspondente (w 1,w 2,w 3,...,w n ),visualizados na Fig. 1. Para gerar a saída o neurônio faz o somatório da multiplicação de cada entrada com seu respectivo peso. Após isso é levado à Função de Transferência e depois enviado para a saída do neurônio. A saída geralmente é comparada com a saída indicada e se houver erro, que é a diferença entre a saída obtida e a saída desejada, será corrigido utilizando a regra delta [5]. A Regra Delta ajusta os pesos do neurônio de tal forma que este multiplicado pela entrada possa representar uma saída correta. Para cada entrada do Perceptron soma-se o peso atual com a multiplicação da entrada com a taxa de aprendizagem e o erro. Esse processo é realizado com todos os pares de entradas com seus respectivos pesos. A Regra do Delta é utilizada para o treinamento do Perceptron,(neurônio), também dito como o mais simples tipo de rede neural. O Perceptron apresenta apenas um conjunto de de entradas e uma saída, sem haver nenhuma camada de neurônios intermediária. Os neurônios são constituídos por uma função de ativação e uma função de transferência. A função de ativação faz a soma ponderada dos sinais de entrada e a função de transferência determina a saída do neurônio, em função da soma ponderada. Quando ocorre erro em alguma das entradas, é utilizada a regra do delta para a correção dos erros, ou seja, o treinamento do Perceptron. Portanto os algoritmos de aprendizado das Redes Neurais visam o desenvolvimento de técnicas para a obtenção de um valor mais apropriado de pesos para a obtenção da solução do problema depois que todos os pesos estiverem ajustados, e não existir mais erro, ou o menor erro possível[1]. D. Redes Neurais de Múltipla Camadas As redes Neurais de Múltiplas Camadas é uma rede com uma camada de entrada, contendo as entradas da rede, com uma ou mais camadas ocultas, que possui neurônios artificiais e uma camada de saída, que tem como objetivo resolver problemas não lineares. Um exemplo de rede neural é mostrado na Fig. 2. Fig.2. Exemplo de Rede Neural com Múltiplas Camadas (Adaptado de Ludwing e Eduard, 2007). Fig.1Modelo de Neurônio Artifical de McCulloch e Pitts. (Adaptado de Ludwing e Eduard, 2007). E. Algoritmo Back-Propagation Algoritmo Back-Propagation é utilizado no treinamento das Redes Perceptrons de Múltiplas Camadas. É dividido em duas fases. A primeira é a forward que é onde é determinada a saída da rede neural. A segunda é a fase backward, onde é comparada a saída obtida com a saída desejada e assim calculado o erro. Na fase forward é apresentado às entradas da

3 rede, e as saídas dos neurônios da primeira camada oculta são calculadas. As saídas da primeira camada oculta serão as entradas utilizadas nos cálculos da saída da próxima camada. Esse processo se repete até chegar a camada de saída, onde são produzidas as saídas da rede. Por fim, a saída obtida é comparada com a saída desejada, caso haja erro o algoritmo passa para a fase backward. Na fase backward o erro da camada de saída é utilizado para ajustar diretamente os seus pesos. Posteriormente, esse erro é propagado para a camada anterior, utilizando-se para isso os pesos das conexões entre as camadas, que serão multiplicadas com os erros correspondentes. Esse processo é executado até a primeira camada oculta da rede neural, chegando a camada de entrada, onde serão ajustados os pesos das entradas finalizando o processo. [2] F. Ferramenta Weka Waikato Environment for Knowledge Analysis WEKA [8] é um conjunto de bibliotecas Java de KDD 1 que contempla uma série de algoritmos de preparação de dados, de aprendizagem de máquina, mineração de dados e de validação de resultados (Fig. 3). WEKA foi desenvolvido na Universidade de Waikato na Nova Zelândia, sendo escrito em Java e possuindo código aberto disponível na Web (a atual versão demanda Java 1.4). O WEKA possui interface gráfica e seus algoritmos fornecem relatórios com dados analíticos e estatísticos do domínio minerado. Grande parte de seus recursos é acessível via sua interface, sendo que os demais podem ser utilizados através de API s 2 em códigos criados por terceiros. Para a utilização dos algoritmos implementados utilizandose a ferramenta WEKA no Scientia.Net, deve-se fornecer dados para o treinamento. Esses dados são fornecidos através de um arquivo com extensão.arff. Esse arquivo possui um formado especial como mostra na Fig. 4. O Arquivo ARFF, é dividido em 3 partes: Relação primeira linha do arquivo que deve conter a identificação da relação ou tarefa que esta sendo estudada, sendo, antecedida da Atributos lista de atributos, onde cada linha inicia acompanhada do nome do atributo e seguida do seu tipo, que pode ser nominal (as alternativas devem ser relacionadas como uma lista separada por vírgulas e cercadas por chaves) ou numérico (neste caso o nome deve ser seguido do tipo de dado); Dados relação de dados correspondentes aos atributos que é iniciada com uma linha simples contendo a Cada linha representa uma instância e deve ter valores separados por vírgula correspondentes (e na mesma ordem) dos atributos da seção Atributos. Fig.4. Exemplo de Arquivo ARFF. O Fato de o WEKA ser escrito em Java e ter suas bibliotecas disponíveis, teve um peso relevante na decisão de utilizá-lo no Scientia.Net. Com isso os algoritmos podem ser utilizados em várias plataformas, deixando assim, o trabalho com uma boa portabilidade e melhor utilização no Joomla. A criação do site Scientia.Net foi feita utilizando o componente de redes sociais do CMS (Content Management System) Joomla, o JomSocial. Este CMS é escrito em linguagem PHP e roda no servidor Web Apache ou IIS 3 (Internet Information Services) e banco de dados MySQL. Fig.3.Janela do WEKA rodando algoritmo de Aprendizagem de Máquina. 1 Knowledge-discovery in databases (Extração do Conhecimento) é um processo de extração de informações de base de dados, que cria relações de interesse que não são observadas pelo especialista no assunto, bem como auxilia a validação de conhecimento extraído. 2 API Application Programming Interface (ou Interface de Programação de Aplicativos) é um conjunto de rotinas e padrões estabelecidos por um software para a utilização das suas funcionalidades por programas aplicativos que não querem envolver-se em detalhes da implementação do software, mas apenas usar seus serviços. G. Scientia.Net O Scientia.Net é uma rede social voltada para o ambiente acadêmico com conteúdos específicos para cientistas que desejam compartilhar suas pesquisas ou avançar em seus trabalhos por meio da interação com outros pesquisadores. É baseada na Internet e foi criada implementando ferramentas que permitem a interação de seus usuários (estudantes, professores e pesquisadores) com base nos seus interesses em comum por meio de algoritmos de aprendizagem de máquina. 3 Internet Information Services ou IIS é um servidor Web criado pela Microsoft para seus sistemas operacionais para servidores.

4 Além disso, visa agregar aos seus usuários itens de relevância relacionados ao seu perfil de forma automática. Ou seja, de acordo com o perfil do pesquisador, são sugeridos artigos, eventos e contatos de outros pesquisadores. Dessa forma o Scientia.Net cria um grande agregador de informações acadêmicas contidas em diversos serviços da Internet (fóruns, repositórios de artigos, sites, blogs e demais redes sociais) [Fig. 5], permitindo aos seus usuários uma melhoria na produtividade de suas pesquisas, além de fornecer mecanismos para interatividade e troca de conhecimento entre pesquisadores. Esta aplicação foi desenvolvida em java e posteriormente integrada à uma aplicação Web com o framework JSF 1.2, que foi escolhido visando facilitar a integração da aplicação ao Scientia.Net. Uma vez incorporada ao Scientia.Net a aplicação irá de forma automática, através de uma conexão JDBC 4, se conectar ao banco de dados MySql, selecionar a tabela de usuários, e converter esta tabela para um arquivo ARFF. Após a implementação do conversor ARFF, os algoritmos de RNA do WEKA foram integrados à aplicação, e iniciaramse os testes com as RNAs. O primeiro passo para início dos testes consistiu em conectar o conversor ARFF ao banco de dados MySql do Scientia.Net, selecionar a tabela de usuários e então gerar o arquivo ARFF correspondente. A Fig. 7 mostra um exemplo da aplicação treinando uma RNA. Fig.5. Serviços e Informações agregadas ao Scientia.Net O Scientia.Net diferente de outras redes sociais oferece um mecanismo de classificação automático de seus usuários e de conteúdo. Esse diferencial tem como objetivo oferecer a cada usuário do Scientia.Net uma relação de outros usuários cujos perfis e interesses são semelhantes. Esta classificação é feita de forma automática com base nos padrões descobertos pelos algoritmos de Redes Neurais Artificiais. III. CLASSIFICAÇÃO AUTOMÁTICA DOS USUÁRIOS O WEKA utiliza uma base de dados chamada ARFF e o Scientia.Net utiliza banco de dados MySql para armazenar dados dos usuários (Fig. 6). Dessa forma, surgiu a necessidade de desenvolver uma aplicação para converter a base de dados do MySql para ARFF. Fig. 7. Aplicação treinando uma rede neural com os dados do MySql convertidos em ARFF. O próximo passo foi escolher os atributos que os usuários do Scientia.Net precisam ter para que a RNA os classifique corretamente. Os seguintes atributos são levados em consideração na hora da classificação do usuário: Graduação, Mestrado, Doutorado, Pós-Doutorado e suas respectivas subáreas. O atributo classe escolhido para que a RNA classifique os usuários foi a Área de Interesse. Concluída essa etapa criou-se uma base de dados fictícia para o Scientia.Net, dado que este projeto ainda está em fase de desenvolvimento. Esta base de dados possui 60 usuários cadastrados, dos quais foram escolhidos 40 para treinamento da RNA e 20 para testes. Em seguida uma RNA com 5 camadas ocultas e 1 de saída, com taxa de aprendizagem e erro médio de 0.1, foi submetida a um treinamento com os dados de 40 usuários. Com a Rede Neural treinada foram submetidos a ela, os outros 20 usuários para classificação. Foram obtidos 100% de acerto da Rede Neural, ou seja, todos os 20 usuários foram classificados corretamente. Fig 6. Comparação de um arquivo SQL com um arquivo ARFF 4 Java Database Connectivity ou JDBC é um conjunto de classes e interfaces (API) escritas em Java que fazem o envio de instruções SQL para qualquer banco de dados relacional.

5 Após escolher os atributos, criar o banco de dados, e testar a Rede Neural, foi desenvolvido o site do Scientia.Net Joomla utilizando o componente JomSocial, como mostra na Fig 8, e na sua base de dados padrão foram adicionados os campos escolhidos como atributos para os usuários. Fig. 9. Scientia.Net apresentando de forma automática usuários em comum ao perfil de outro usuário. Fig. 8. Exemplo de tela do Scienta.Net. Com a parte de desenvolvimento Web pronta, as RNAs foram incorporadas ao site do Scientia.Net. Ainda utilizando a base de dados criada, foi treinada novamente a Rede Neural, e cadastrados novos usuários e submetidos à Rede Neural para classificação. Como anteriormente, a Rede Neural classificou os novos usuários com 100% de acertos. Alguns desses usuários foram por exemplo: Aurileide Frazão com graduação em Química, com a sub-área de mestrado em Síntese Orgânica; Lilian Rosalina com formação em Química, com a sub-área em Fotoquímica Orgânica; Ana Carolina graduada em Química, sub-área Físico-Química Orgânica; Amanda Lorena também graduada em Química, com sub-área Polímeros e Coloides, todas classificadas pela Rede Neural como Área de Interesse em Química Orgânica. Assim o Scientia.Net apresenta, por exemplo, Lilian Rosalina, Lorena Amanda e Ana Carolina como sendo de interesse a Aurileide Frazão (Fig. 9). IV. CONSIDERAÇÕES FINAIS O Scientia.Net, rede social acadêmica, tem como objetivo reunir pesquisadores nas mais diversas áreas do conhecimento afim de possibilitar a troca de informações entre eles, e isto feito de forma automática através de algoritmos de Aprendizagem de Máquina. Neste trabalho estão sendo utilizadas as Redes Neurais Artificiais. As Redes Neurais Artificiais apresentaram um bom desempenho na classificação dos usuários. Além disso, as RNAs são métodos seguros quando implementados corretamente, pois já existem e são estudados ha muito tempo. Para um desempenho eficiente, as Redes Neurais necessitam de treinamentos com uma enorme quantidade de dados, para que não haja problemas nesse trabalho em relação a isso, serão feitos treinamentos regularmente utilizando a base de dados do Scientia.Net. De forma a ampliar os estudos sobre o trabalho apresentado pretende-se ainda desenvolver os seguintes tópicos: implementação do mecanismo de classificação dos usuários do Scientia.Net com dados reais; utilização de outras fontes de usuários: Facebook, Orkut; classificação de artigos e eventos científicos automaticamente a partir do perfil dos cientistas cadastrados no Scientia.Net. REFERÊNCIAS [1] BRAGA, A. P.; CARVALHO, A. P. L. F.; LUDERMIR T. B. Redes Neurais Artificiais: Teoria e Aplicações. 2ed, Rio de Janeiro, Brasil, [2] HAYKIN, S. Redes neurais: princípios e prática. 2ed. Porto Alegre: Bookman, p [3] SCHWALBERT, M. A. Metodologias de aprendizagem de máquina utilizando Redes Neurais Artificiais. Monografia (Bacharel em Ciência da Computação) Universidade de Passo Fundo, Passo Fundo, [4] MCCULLOCH, W.; PITTS, W. A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, v. 7, p , 1943 [5] MITCHELL, T. Machine Learning. McGraw Hill, New York, [6] JÚNIOR, O. L.; MONTGOMERY, E. Redes Neurais: Fundamentos e Aplicações com Programas em C. Rio de Janeiro, Brasil, [7] RECUERO, R. C. Teoria das Redes e Redes Sociais na Internet: Considerações sobre o Orkut, os Weblogs e os Fotologs. In: XXVII Congresso Brasileiro de Ciências da Comunicação. XXVII INTERCOM, Rio Grande do Sul, Disponível em: 5-1.pdf. Acesso:jan [8] RUSSEL, S.; NORVING, P. Inteligência Artificial. Rio de Janeiro:Elsevier, [9] UNIVERSITY OF WAIKATO.Weka 3 Machine Learning Software in Java. Disponível em: Acesso: jan.2011.

Classificação dos Usuários da Rede Social Scientia.Net através de Redes Neurais Artificiais

Classificação dos Usuários da Rede Social Scientia.Net através de Redes Neurais Artificiais Classificação dos Usuários da Rede Social Scientia.Net através de Redes Neurais Artificiais Vinicius Ponte Machado 1 Bruno Vicente Alves de Lima 1 Sanches Wendyl Ibiapina Araújo 1 Heloína Alves Arnaldo

Leia mais

Classificação Automática de Usuários de uma Rede Social utilizando Algoritmos Não-Supervisionados

Classificação Automática de Usuários de uma Rede Social utilizando Algoritmos Não-Supervisionados Classificação Automática de Usuários de uma Rede Social utilizando Algoritmos Não-Supervisionados Vinicius P. Machado 1, Bruno V. A. de Lima 1, Sanches W. I. Araújo 1 1 Departamento de Informática e Estatística

Leia mais

Complemento II Noções Introdutória em Redes Neurais

Complemento II Noções Introdutória em Redes Neurais Complemento II Noções Introdutória em Redes Neurais Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações

Leia mais

XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO

XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO EPE0147 UTILIZAÇÃO DA MINERAÇÃO DE DADOS EM UMA AVALIAÇÃO INSTITUCIONAL

Leia mais

Prof. Msc. Paulo Muniz de Ávila

Prof. Msc. Paulo Muniz de Ávila Prof. Msc. Paulo Muniz de Ávila O que é Data Mining? Mineração de dados (descoberta de conhecimento em bases de dados): Extração de informação interessante (não-trivial, implícita, previamente desconhecida

Leia mais

Sistema Tutor Inteligente baseado em Agentes. Pedagógicas da Universidade Aberta do Piauí. Prof. Dr. Vinicius Ponte Machado

Sistema Tutor Inteligente baseado em Agentes. Pedagógicas da Universidade Aberta do Piauí. Prof. Dr. Vinicius Ponte Machado Sistema Tutor Inteligente baseado em Agentes na Plataforma MOODLE para Apoio às Atividades Pedagógicas da Universidade Aberta do Piauí Prof. Dr. Vinicius Ponte Machado Parnaíba, 14 de Novembro de 2012

Leia mais

Aplicações Práticas com Redes Neurais Artificiais em Java

Aplicações Práticas com Redes Neurais Artificiais em Java com em Java Luiz D Amore e Mauro Schneider JustJava 2009 17 de Setembro de 2009 Palestrantes Luiz Angelo D Amore luiz.damore@metodista.br Mauro Ulisses Schneider mauro.schneider@metodista.br http://blog.mauros.org

Leia mais

Curso de Redes Neurais utilizando o MATLAB

Curso de Redes Neurais utilizando o MATLAB Curso de Redes Neurais utilizando o MATLAB Victoria Yukie Matsunaga Belém-Pará-Brasil 2012 Esta apostila tem como principal objetivo fornecer um material de auxílio ao Curso de Redes Neurais utilizando

Leia mais

Relatório de uma Aplicação de Redes Neurais

Relatório de uma Aplicação de Redes Neurais UNIVERSIDADE ESTADUAL DE MONTES CLAROS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS DEPARTAMENTO DE CIÊNCIAS DA COMPUTACAÇÃO ESPECIALIZAÇÃO EM ENGENHARIA DE SISTEMAS DISCIPLINA: REDES NEURAIS PROFESSOR: MARCOS

Leia mais

PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS

PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Anais do XXXIV COBENGE. Passo Fundo: Ed. Universidade de Passo Fundo, Setembro de 2006. ISBN 85-7515-371-4 PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Rejane de Barros Araújo rdebarros_2000@yahoo.com.br

Leia mais

DWARF DATAMINER: UMA FERRAMENTA GENÉRICA PARA MINERAÇÃO DE DADOS

DWARF DATAMINER: UMA FERRAMENTA GENÉRICA PARA MINERAÇÃO DE DADOS DWARF DATAMINER: UMA FERRAMENTA GENÉRICA PARA MINERAÇÃO DE DADOS Tácio Dias Palhão Mendes Bacharelando em Sistemas de Informação Bolsista de Iniciação Científica da FAPEMIG taciomendes@yahoo.com.br Prof.

Leia mais

MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES

MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES Kelton Costa; Patricia Ribeiro; Atair Camargo; Victor Rossi; Henrique Martins; Miguel Neves; Ricardo Fontes. kelton.costa@gmail.com; patriciabellin@yahoo.com.br;

Leia mais

7 Utilização do Mobile Social Gateway

7 Utilização do Mobile Social Gateway 7 Utilização do Mobile Social Gateway Existem três atores envolvidos na arquitetura do Mobile Social Gateway: desenvolvedor do framework MoSoGw: é o responsável pelo desenvolvimento de novas features,

Leia mais

Redes Neurais. Profa. Flavia Cristina Bernardini

Redes Neurais. Profa. Flavia Cristina Bernardini Redes Neurais Profa. Flavia Cristina Bernardini Introdução Cérebro & Computador Modelos Cognitivos Diferentes Cérebro Computador Seqüência de Comandos Reconhecimento de Padrão Lento Rápido Rápido Lento

Leia mais

Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica

Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica João Paulo Teixeira*, José Batista*, Anildio Toca**, João Gonçalves**, e Filipe Pereira** * Departamento de Electrotecnia

Leia mais

INTRODUÇÃO A MINERAÇÃO DE DADOS UTILIZANDO O WEKA

INTRODUÇÃO A MINERAÇÃO DE DADOS UTILIZANDO O WEKA INTRODUÇÃO A MINERAÇÃO DE DADOS UTILIZANDO O WEKA Marcelo DAMASCENO(1) (1) Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte/Campus Macau, Rua das Margaridas, 300, COHAB, Macau-RN,

Leia mais

PROTÓTIPO PARA PREVISÃO DO MERCADO DE AÇÕES UTILIZANDO BANDAS DE BOLLINGER

PROTÓTIPO PARA PREVISÃO DO MERCADO DE AÇÕES UTILIZANDO BANDAS DE BOLLINGER PROTÓTIPO PARA PREVISÃO DO MERCADO DE AÇÕES UTILIZANDO BANDAS DE BOLLINGER Adriano Cassaniga Petry Prof. Roosevelt dos Santos Junior - Orientador ROTEIRO Introdução Objetivos Fundamentação Teórica Requisitos

Leia mais

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron. 1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando

Leia mais

Radar de Penetração no Solo e Meio- Ambiente

Radar de Penetração no Solo e Meio- Ambiente UNIVERSIDADE DE SÃO PAULO INSTITUTO DE ASTRONOMIA, GEOFÍSICA E CIÊNCIAS ATMOSFÉRICAS DEPARTAMENTO DE GEOFÍSICA Curso 3ª Idade Radar de Penetração no Solo e Meio- Ambiente Vinicius Rafael Neris dos Santos

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

ANÁLISE COMPARATIVA DE FERRAMENTAS DE REDES NEURAIS ARTIFICIAIS

ANÁLISE COMPARATIVA DE FERRAMENTAS DE REDES NEURAIS ARTIFICIAIS ANÁLISE COMPARATIVA DE FERRAMENTAS DE REDES NEURAIS ARTIFICIAIS Ivan Luis Suptitz (UNISC) ivansuptitz@gmail.com Rejane Frozza (UNISC) frozza@unisc.br Rolf Fredi Molz (UNISC) rolf@unisc.br Este artigo promove

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

MINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br

MINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para

Leia mais

MINERAÇÃO DE DADOS EDUCACIONAIS: UM ESTUDO DE CASO APLICADO AO PROCESSO SELETIVO DO IFSULDEMINAS CÂMPUS MUZAMBINHO

MINERAÇÃO DE DADOS EDUCACIONAIS: UM ESTUDO DE CASO APLICADO AO PROCESSO SELETIVO DO IFSULDEMINAS CÂMPUS MUZAMBINHO MINERAÇÃO DE DADOS EDUCACIONAIS: UM ESTUDO DE CASO APLICADO AO PROCESSO SELETIVO DO IFSULDEMINAS CÂMPUS MUZAMBINHO Fernanda Delizete Madeira 1 ; Aracele Garcia de Oliveira Fassbinder 2 INTRODUÇÃO Data

Leia mais

Linguagem de Programação JAVA. Professora Michelle Nery Nomeclaturas

Linguagem de Programação JAVA. Professora Michelle Nery Nomeclaturas Linguagem de Programação JAVA Professora Michelle Nery Nomeclaturas Conteúdo Programático Nomeclaturas JDK JRE JEE JSE JME JVM Toolkits Swing AWT/SWT JDBC EJB JNI JSP Conteúdo Programático Nomenclatures

Leia mais

COPPE/UFRJ. CPE 721 - Redes Neurais Feedforward Prof.: Luiz Calôba

COPPE/UFRJ. CPE 721 - Redes Neurais Feedforward Prof.: Luiz Calôba COPPE/UFRJ CPE 721 - Redes Neurais Feedforward Prof.: Luiz Calôba PROGRAMA PARA DEMONSTRAÇÃO DO PROCESSO DE APRENDIZADO DOS NEURÔNIOS DA CAMADA INTERMEDIÁRIA DE UMA REDE NEURAL FEEDFORWARD DE 2 CAMADAS,

Leia mais

REDES NEURAIS ARTIFICIAIS E MODELO DE MARKOWITZ: COMPARANDO TÉCNICAS QUE APÓIAM A TOMADA DE DECISÃO NOS INVESTIMENTOS EM AÇÕES.

REDES NEURAIS ARTIFICIAIS E MODELO DE MARKOWITZ: COMPARANDO TÉCNICAS QUE APÓIAM A TOMADA DE DECISÃO NOS INVESTIMENTOS EM AÇÕES. REDES NEURAIS ARTIFICIAIS E MODELO DE MARKOWITZ: COMPARANDO TÉCNICAS QUE APÓIAM A TOMADA DE DECISÃO NOS INVESTIMENTOS EM AÇÕES. Paulo Henrique Kaupa (Uninove) paulo.kaupa@gmail.com Renato Jose Sassi (Uninove)

Leia mais

UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS

UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS Curso: Informática Disciplina: Redes Neurais Prof. Fernando Osório E-mail: osorio@exatas.unisinos.br EXEMPLO DE QUESTÕES DE PROVAS ANTIGAS 1. Supondo que

Leia mais

Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka

Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka 1 Introdução A mineração de dados (data mining) pode ser definida como o processo automático de descoberta de conhecimento em bases de

Leia mais

Plano de Trabalho Docente 2014. Ensino Técnico

Plano de Trabalho Docente 2014. Ensino Técnico Plano de Trabalho Docente 2014 Ensino Técnico Etec Paulino Botelho Código: 091 Município: São Carlos Eixo Tecnológico: Informação e Comunicação Habilitação Profissional: TÉCNICO EM INFORMÁTICA Qualificação:

Leia mais

19 Congresso de Iniciação Científica DESENVOLVIMENTO DE UM MECANISMO EFICIENTE DE CAPTURA E ANÁLISE DE COMENTÁRIOS NA WEB

19 Congresso de Iniciação Científica DESENVOLVIMENTO DE UM MECANISMO EFICIENTE DE CAPTURA E ANÁLISE DE COMENTÁRIOS NA WEB 19 Congresso de Iniciação Científica DESENVOLVIMENTO DE UM MECANISMO EFICIENTE DE CAPTURA E ANÁLISE DE COMENTÁRIOS NA WEB Autor(es) JEFFERSON DIAS DOS SANTOS Orientador(es) PLÍNIO ROBERTO SOUZA VILELA

Leia mais

3 Metodologia de Previsão de Padrões de Falha

3 Metodologia de Previsão de Padrões de Falha 3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar

Leia mais

GeCA: Uma Ferramenta de Engenharia Reversa e Geração Automática de Código

GeCA: Uma Ferramenta de Engenharia Reversa e Geração Automática de Código GeCA: Uma Ferramenta de Engenharia Reversa e Geração Automática de Código Igor Steinmacher 1, Éderson Fernando Amorim 1, Flávio Luiz Schiavoni 1, Elisa Hatsue Moriya Huzita 1 1 Departamento de Informática

Leia mais

Implementação de um Teste de Aptidão Vocacional Inteligente utilizando Redes Neurais

Implementação de um Teste de Aptidão Vocacional Inteligente utilizando Redes Neurais Implementação de um Teste de Aptidão Vocacional Inteligente utilizando Redes Neurais Ricardo B. Rodrigues 1, Sofia Mara de Souza 1 1 Departamento de Ciência da Computação Centro Universitário UnirG (UNIRG)

Leia mais

IC Inteligência Computacional Redes Neurais. Redes Neurais

IC Inteligência Computacional Redes Neurais. Redes Neurais Universidade Federal do Rio de Janeiro PÓS-GRADUAÇÃO / 2008-2 IC Inteligência Computacional Redes Neurais www.labic.nce.ufrj.br Antonio G. Thomé thome@nce.ufrj.br Redes Neurais São modelos computacionais

Leia mais

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001 47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações

Leia mais

UNICE Ensino Superior Linguagem de Programação Ambiente Cliente Servidor.

UNICE Ensino Superior Linguagem de Programação Ambiente Cliente Servidor. UNICE Ensino Superior Linguagem de Programação Ambiente Cliente Servidor. Modelo Cliente/Servidor Por HIARLY ALVES Fortaleza - CE Apresentação. O mais famoso tipo de arquitetura utilizada em redes de computadores

Leia mais

Aula 2 RNA Arquiteturas e Treinamento

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

Leia mais

SocialNetLab Uma Proposta de Site de Rede Social para Educação

SocialNetLab Uma Proposta de Site de Rede Social para Educação II ENINED - Encontro Nacional de Informática e Educação ISSN:2175-5876 SocialNetLab Uma Proposta de Site de Rede Social para Educação Sandra Costa Pinto Hoentsch, Admilson de Ribamar Lima Ribeiro, Joanna

Leia mais

1. Introdução... 2. 2. As origens da RNA... 3. 3. O nosso cérebro... 5. 3.1. Plasticidade e modulação sináptica... 5

1. Introdução... 2. 2. As origens da RNA... 3. 3. O nosso cérebro... 5. 3.1. Plasticidade e modulação sináptica... 5 Sumário 1. Introdução... 2 2. As origens da RNA... 3 3. O nosso cérebro... 5 3.1. Plasticidade e modulação sináptica... 5 4. As redes neurais artificiais... 7 4.1. Estrutura da RNA... 7 4.3. Modelos de

Leia mais

MAPEAMENTO E LOCALIZAÇÃO DE REGIÕES DE INTERESSE UTILIZANDO REALIDADE AUMENTADA EM DISPOSITIVOS MÓVEIS COM PLATAFORMA ANDROID

MAPEAMENTO E LOCALIZAÇÃO DE REGIÕES DE INTERESSE UTILIZANDO REALIDADE AUMENTADA EM DISPOSITIVOS MÓVEIS COM PLATAFORMA ANDROID MAPEAMENTO E LOCALIZAÇÃO DE REGIÕES DE INTERESSE UTILIZANDO REALIDADE AUMENTADA EM DISPOSITIVOS MÓVEIS COM PLATAFORMA ANDROID Alessandro Teixeira de Andrade¹; Geazy Menezes² UFGD/FACET Caixa Postal 533,

Leia mais

Softwares educativos com tecnologias Multimídia: uma ferramenta para apoio ao ensino da Matemática

Softwares educativos com tecnologias Multimídia: uma ferramenta para apoio ao ensino da Matemática Softwares educativos com tecnologias Multimídia: uma ferramenta para apoio ao ensino da Matemática Carlos Vitor de Alencar Carvalho1 1 Universidade Severino Sombra, Docente do Programa de Pós-Graduação

Leia mais

Extração de Conhecimento a partir dos Sistemas de Informação

Extração de Conhecimento a partir dos Sistemas de Informação Extração de Conhecimento a partir dos Sistemas de Informação Gisele Faffe Pellegrini & Katia Collazos Grupo de Pesquisa em Eng. Biomédica Universidade Federal de Santa Catarina Jorge Muniz Barreto Prof.

Leia mais

LISTA DE EXERCÍCIOS. Mede a capacidade de comunicação de computadores e dispositivos. Operam em diferentes plataformas de hardware

LISTA DE EXERCÍCIOS. Mede a capacidade de comunicação de computadores e dispositivos. Operam em diferentes plataformas de hardware 1. A nova infra-estrutura de tecnologia de informação Conectividade Mede a capacidade de comunicação de computadores e dispositivos Sistemas abertos Sistemas de software Operam em diferentes plataformas

Leia mais

Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro

Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Tiago Mendes Dantas t.mendesdantas@gmail.com Departamento de Engenharia Elétrica,

Leia mais

Prof. Marcelo Heitor Teixeira marceloheitor.com. Java API JDBC

Prof. Marcelo Heitor Teixeira marceloheitor.com. Java API JDBC Prof. Marcelo Heitor Teixeira marceloheitor.com Java API JDBC # Java vs bancos de dados relacionais # JDBC Java Database Connectivity # Arquitetura JDBC # Drivers JDBC # Pool de Conexões JDBC Java Database

Leia mais

Redes Neurais. A IA clássica segue o paradigma da computação simbólica

Redes Neurais. A IA clássica segue o paradigma da computação simbólica Abordagens não simbólicas A IA clássica segue o paradigma da computação simbólica Redes Neurais As redes neurais deram origem a chamada IA conexionista, pertencendo também a grande área da Inteligência

Leia mais

Data Mining Software Weka. Software Weka. Software Weka 30/10/2012

Data Mining Software Weka. Software Weka. Software Weka 30/10/2012 Data Mining Software Weka Prof. Luiz Antonio do Nascimento Software Weka Ferramenta para mineração de dados. Weka é um Software livre desenvolvido em Java. Weka é um É um pássaro típico da Nova Zelândia.

Leia mais

Relatório da Aula Prática sobre Redes Neurais Artificiais

Relatório da Aula Prática sobre Redes Neurais Artificiais Relatório da Aula Prática sobre Redes Neurais Artificiais Instituto de Informática UFRGS Carlos Eduardo Ramisch Cartão: 134657 INF01017 Redes Neurais e Sistemas Fuzzy Porto Alegre, 16 de outubro de 2006.

Leia mais

RENATO DE FREITAS LARA. Departamento de Ciência da Computação - Universidade Presidente Antônio Carlos (UNIPAC) - Barbacena - MG Brasil

RENATO DE FREITAS LARA. Departamento de Ciência da Computação - Universidade Presidente Antônio Carlos (UNIPAC) - Barbacena - MG Brasil RECONHECIMENTO DE CADEIAS DE NÚMEROS NAS ETIQUETAS IDENTIFICADORAS DOS BLOCOS DE AÇO, UTILIZANDO PROCESSAMENTO DIGITAL DE IMAGENS E REDES NEURAIS ARTIFICIAIS RENATO DE FREITAS LARA Departamento de Ciência

Leia mais

UTILIZANDO ICONIX NO DESENVOLVIMENTO DE APLICAÇÕES DELPHI

UTILIZANDO ICONIX NO DESENVOLVIMENTO DE APLICAÇÕES DELPHI UTILIZANDO ICONIX NO DESENVOLVIMENTO DE APLICAÇÕES DELPHI Dr. George SILVA; Dr. Gilbert SILVA; Gabriel GUIMARÃES; Rodrigo MEDEIROS; Tiago ROSSINI; Centro Federal de Educação Tecnológica do Rio Grande do

Leia mais

Unidade 4: Contextualização de Objetos de Aprendizagem

Unidade 4: Contextualização de Objetos de Aprendizagem Coordenação: Juliana Cristina Braga Autoria: Rita Ponchio Você aprendeu na unidade anterior a importância da adoção de uma metodologia para a construção de OA., e também uma descrição geral da metodologia

Leia mais

Projeto Pedagógico do Bacharelado em Ciência da Computação. Comissão de Curso e NDE do BCC

Projeto Pedagógico do Bacharelado em Ciência da Computação. Comissão de Curso e NDE do BCC Projeto Pedagógico do Bacharelado em Ciência da Computação Comissão de Curso e NDE do BCC Fevereiro de 2015 Situação Legal do Curso Criação: Resolução CONSU no. 43, de 04/07/2007. Autorização: Portaria

Leia mais

Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais

Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Redes Neurais Artificiais Prof. Wilian Soares João Vitor Squillace Teixeira Ciência da Computação Universidade

Leia mais

Revista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP

Revista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP Reconhecimento de face utilizando banco de imagens monocromáticas e coloridas através dos métodos da análise do componente principal (PCA) e da Rede Neural Artificial (RNA) [Recognition to face using the

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

5º CONGRESSO BRASILEIRO DE PESQUISA E DESENVOLVIMENTO EM PETRÓLEO E GÁS

5º CONGRESSO BRASILEIRO DE PESQUISA E DESENVOLVIMENTO EM PETRÓLEO E GÁS 5º CONGRESSO BRASILEIRO DE PESQUISA E DESENVOLVIMENTO EM PETRÓLEO E GÁS TÍTULO DO TRABALHO: REDES NEURAIS APLICADAS EM INDÚSTRIAS PETROQUÍMICAS DE FABRICAÇÃO DE FIBRAS DE POLIÉSTER. AUTORES: Lívia Maciel

Leia mais

José Benedito Lopes Junior ¹, Marcello Erick Bonfim 2

José Benedito Lopes Junior ¹, Marcello Erick Bonfim 2 ISBN 978-85-61091-05-7 Encontro Internacional de Produção Científica Cesumar 27 a 30 de outubro de 2009 Definição de uma tecnologia de implementação e do repositório de dados para a criação da ferramenta

Leia mais

Desenvolvimento de um CMS 1 para a criação e publicação de web sites acessíveis por deficientes visuais.

Desenvolvimento de um CMS 1 para a criação e publicação de web sites acessíveis por deficientes visuais. Desenvolvimento de um CMS 1 para a criação e publicação de web sites acessíveis por deficientes visuais. Tales Henrique José MOREIRA 1 ; Gabriel da SILVA 2 ; 1 Estudante de Tecnologia em Sistemas para

Leia mais

SISTEMAS DE APRENDIZADO PARA A IDENTIFICAÇÃO DO NÚMERO DE CAROÇOS DO FRUTO PEQUI LEARNING SYSTEMS FOR IDENTIFICATION OF PEQUI FRUIT SEEDS NUMBER

SISTEMAS DE APRENDIZADO PARA A IDENTIFICAÇÃO DO NÚMERO DE CAROÇOS DO FRUTO PEQUI LEARNING SYSTEMS FOR IDENTIFICATION OF PEQUI FRUIT SEEDS NUMBER SISTEMAS DE APRENDIZADO PARA A IDENTIFICAÇÃO DO NÚMERO DE CAROÇOS DO FRUTO PEQUI Fernando Luiz de Oliveira 1 Thereza Patrícia. P. Padilha 1 Conceição A. Previero 2 Leandro Maciel Almeida 1 RESUMO O processo

Leia mais

DESENVOLVIMENTO DE INTERFACE WEB PARA VISUALIZAÇÃO E DISTRIBUIÇÃO DOS DADOS CLIMATOLÓGICOS DO CPTEC/INPE

DESENVOLVIMENTO DE INTERFACE WEB PARA VISUALIZAÇÃO E DISTRIBUIÇÃO DOS DADOS CLIMATOLÓGICOS DO CPTEC/INPE DESENVOLVIMENTO DE INTERFACE WEB PARA VISUALIZAÇÃO E DISTRIBUIÇÃO DOS DADOS CLIMATOLÓGICOS DO CPTEC/INPE Luciana Maria de Castro Mira¹, Bianca Antunes de S. R. Alves 2, Ana Paula Tavares 3, Luíz Henrique

Leia mais

Redes neurais aplicadas na identificação de variedades de soja

Redes neurais aplicadas na identificação de variedades de soja Redes neurais aplicadas na identificação de variedades de soja Fábio R. R. Padilha Universidade Regional do Noroeste do Estado do Rio Grande do Sul - UNIJUÍ Rua São Francisco, 5 - Sede Acadêmica, 987-,

Leia mais

Aluno: Paulo Roberto Alves de Oliveira Trabalho da disciplina Segurança em Windows 2010. Comparativo entre Apache e IIS.

Aluno: Paulo Roberto Alves de Oliveira Trabalho da disciplina Segurança em Windows 2010. Comparativo entre Apache e IIS. Aluno: Paulo Roberto Alves de Oliveira Trabalho da disciplina Segurança em Windows 2010 Comparativo entre Apache e IIS. Apache versus IIS 1. Resumo Os programas de computador Apache, da fundação Apache

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Horários Aulas Sala [quinta-feira, 7:30 12:00] Atendimento Segunda

Leia mais

INDICE 3.APLICAÇÕES QUE PODEM SER DESENVOLVIDAS COM O USO DO SAXES

INDICE 3.APLICAÇÕES QUE PODEM SER DESENVOLVIDAS COM O USO DO SAXES w w w. i d e a l o g i c. c o m. b r INDICE 1.APRESENTAÇÃO 2.ESPECIFICAÇÃO DOS RECURSOS DO SOFTWARE SAXES 2.1. Funcionalidades comuns a outras ferramentas similares 2.2. Funcionalidades próprias do software

Leia mais

Interatividade aliada a Análise de Negócios

Interatividade aliada a Análise de Negócios Interatividade aliada a Análise de Negócios Na era digital, a quase totalidade das organizações necessita da análise de seus negócios de forma ágil e segura - relatórios interativos, análise de gráficos,

Leia mais

Sistema de mineração de dados para descobertas de regras e padrões em dados médicos

Sistema de mineração de dados para descobertas de regras e padrões em dados médicos Sistema de mineração de dados para descobertas de regras e padrões em dados médicos Pollyanna Carolina BARBOSA¹; Thiago MAGELA² 1Aluna do Curso Superior Tecnólogo em Análise e Desenvolvimento de Sistemas

Leia mais

1. Introdução 2. Séries Temporais

1. Introdução 2. Séries Temporais 1. Introdução Predição de valores de ações é uma tarefa desafiadora na área de predição de séries temporais financeiras, devido à grande quantidade de variáveis que envolvem essas predições. No passado,

Leia mais

LEI DE ACESSO A INFORMAÇÃO DIREITO DO CIDADÃO

LEI DE ACESSO A INFORMAÇÃO DIREITO DO CIDADÃO DESCRIÇÃO DO SIGAI O SIGAI (Sistema Integrado de Gestão do Acesso à Informação) é uma solução de software que foi desenvolvida para automatizar os processos administrativos e operacionais visando a atender

Leia mais

Na medida em que se cria um produto, o sistema de software, que será usado e mantido, nos aproximamos da engenharia.

Na medida em que se cria um produto, o sistema de software, que será usado e mantido, nos aproximamos da engenharia. 1 Introdução aos Sistemas de Informação 2002 Aula 4 - Desenvolvimento de software e seus paradigmas Paradigmas de Desenvolvimento de Software Pode-se considerar 3 tipos de paradigmas que norteiam a atividade

Leia mais

PLATAFORMA URBANMOB Aplicativo para captura de trajetórias urbanas de objetos móveis

PLATAFORMA URBANMOB Aplicativo para captura de trajetórias urbanas de objetos móveis PLATAFORMA URBANMOB Aplicativo para captura de trajetórias urbanas de objetos móveis Gabriel Galvão da Gama 1 ; Reginaldo Rubens da Silva 2 ; Angelo Augusto Frozza 3 RESUMO Este artigo descreve um projeto

Leia mais

Gerenciador de Log Documento Visão. Versão 2.0

Gerenciador de Log Documento Visão. Versão 2.0 Gerenciador de Log Documento Visão Versão 2.0 Histórico de Revisões Data Versão Descrição Autor 29/05/2014 1.0 Objetivo, descrição, problema. Melina, Kárita, Rodrigo 29/05/2014 1.5 Produto. Melina 30/05/2014

Leia mais

ü Curso - Bacharelado em Sistemas de Informação

ü Curso - Bacharelado em Sistemas de Informação Curso - Bacharelado em Sistemas de Informação Nome e titulação do Coordenador: Coordenador: Prof. Wender A. Silva - Mestrado em Engenharia Elétrica (Ênfase em Processamento da Informação). Universidade

Leia mais

PROJETO DE REDES www.projetoderedes.com.br

PROJETO DE REDES www.projetoderedes.com.br PROJETO DE REDES www.projetoderedes.com.br Centro Universitário de Volta Redonda - UniFOA Curso Tecnológico de Redes de Computadores 5º período Disciplina: Tecnologia WEB Professor: José Maurício S. Pinheiro

Leia mais

3 Multi-Agent System for Stock Exchange Simulation

3 Multi-Agent System for Stock Exchange Simulation Multi-Agent System for Stock Exchange Simulation 29 3 Multi-Agent System for Stock Exchange Simulation A participação na competição Agent Reputation Trust (ART) Testbed [10] motivou o estudo do domínio

Leia mais

UNIVERSIDADE ESTADUAL DO CENTRO-OESTE UNICENTRO CURSO DE ESPECIALIZAÇÃO EM MÍDIAS EM EDUCAÇÃO

UNIVERSIDADE ESTADUAL DO CENTRO-OESTE UNICENTRO CURSO DE ESPECIALIZAÇÃO EM MÍDIAS EM EDUCAÇÃO UNIVERSIDADE ESTADUAL DO CENTRO-OESTE UNICENTRO CURSO DE ESPECIALIZAÇÃO EM MÍDIAS EM EDUCAÇÃO Jader dos Santos Teles Cordeiro Orientador Prof. Paulo Guilhermeti PERSISTÊNCIA EM OBJETOS JAVA: UMA ANÁLISE

Leia mais

Engenharia de Software I

Engenharia de Software I Engenharia de Software I Rogério Eduardo Garcia (rogerio@fct.unesp.br) Bacharelado em Ciência da Computação Aula 05 Material preparado por Fernanda Madeiral Delfim Tópicos Aula 5 Contextualização UML Astah

Leia mais

Tecnologia da Informação Aplicada a Gerenciamento de Acervo Documental Histórico

Tecnologia da Informação Aplicada a Gerenciamento de Acervo Documental Histórico Tecnologia da Informação Aplicada a Gerenciamento de Acervo Documental Histórico Kayo Delgado Medeiros de Almeida¹, Elon Gomes Vieira 2, Carlos Vitor de Alencar Carvalho 3, Magno Fonseca Borges 4, José

Leia mais

Programação com Acesso a Banco de Dados

Programação com Acesso a Banco de Dados Campus Ipanguaçu Curso: Técnico em Informática Programação com Acesso a Banco de Dados AULA 17 ACESSO A BANCO DE DADOS COM JDBC PROF.: CLAYTON M. COSTA 2 011.2 Introdução Aplicação + Banco de Dados: Funcionalidade

Leia mais

UNOESTE - Universidade do Oeste Paulista F I P P - Faculdade de Informática de Presidente Prudente

UNOESTE - Universidade do Oeste Paulista F I P P - Faculdade de Informática de Presidente Prudente 1º TERMO NOTURNO - 2009 31/03/09 3ª feira 20:50 h A ADMINISTRAÇÃO 01/04/09 4ª feira 19:00 h A1/A2 INTRODUÇÃO A COMPUTAÇÃO 02/04/09 5ª feira 19:00 h A1 LABORATÓRIO DE INFORMÁTICA I 02/04/09 5ª feira 20:50

Leia mais

Estudo de Caso no Mercado Imobiliário de Castelo Branco

Estudo de Caso no Mercado Imobiliário de Castelo Branco 23 Estudo de Caso no Mercado Imobiliário de Castelo Branco Maria Cristina Canavarro Teixeira Escola Superior Agrária, Quinta da Sra. de Mércules, 6001-909 Castelo Branco, Portugal ccanavarro@ipcb.pt Sumário

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

Prof. Marcelo Machado Cunha www.marcelomachado.com mcelobr@yahoo.com.br

Prof. Marcelo Machado Cunha www.marcelomachado.com mcelobr@yahoo.com.br Prof. Marcelo Machado Cunha www.marcelomachado.com mcelobr@yahoo.com.br Ementa Introdução a Banco de Dados (Conceito, propriedades), Arquivos de dados x Bancos de dados, Profissionais de Banco de dados,

Leia mais

INSTITUTO DE TECNOLOGIA FACULDADE DE ENGENHARIA DA COMPUTAÇÃO SITEC2010 - Semana do Instituto de Tecnologia Aluno: Edson Adriano Maravalho Avelar Orientador: Prof. Dr. Kelvin Lopes Dias 1 Motivação Aumento

Leia mais

Experimentos de Mineração de Dados em R Disciplina do curso de Pós-Graduação da UTFPR

Experimentos de Mineração de Dados em R Disciplina do curso de Pós-Graduação da UTFPR Experimentos de Mineração de Dados em R Disciplina do curso de Pós-Graduação da UTFPR Paulo Carvalho Diniz Junior CPGEI / UTFPR Avenida Sete de Setembro, 3165 Curitiba-PR - CEP 80.230-910 E-mail: paulo.carvalho.diniz@gmail.com

Leia mais

Think Idea S/A. Documento Visão. Versão 1.0

Think Idea S/A. Documento Visão. Versão 1.0 Think Idea S/A Documento Visão Versão 1.0 Histórico de Revisões Data Versão Descrição Autor(es) 02/12/2013 1.0 Documento Inicial Projeto Integrador Bruno Rodrigues, Edy Laus, Igor Pereira, Marcelo Gonçalves

Leia mais

Projeto de Redes Neurais e MATLAB

Projeto de Redes Neurais e MATLAB Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação

Leia mais

Programação de Computadores II: Java. / NT Editora. -- Brasília: 2014. 82p. : il. ; 21,0 X 29,7 cm.

Programação de Computadores II: Java. / NT Editora. -- Brasília: 2014. 82p. : il. ; 21,0 X 29,7 cm. Autor José Jesse Gonçalves Graduado em Licenciatura em Matemática pela Universidade Estadual de São Paulo - UNESP, de Presidente Prudente (1995), com especialização em Análise de Sistemas (1999) e mestrado

Leia mais

Marcus Vinicius Cruz Xavier. Rascunho do trabalho de conclusão de curso

Marcus Vinicius Cruz Xavier. Rascunho do trabalho de conclusão de curso Universidade Federal de Santa Catarina Departamento de Informática e Estatística Curso de Bacharelado em Ciências da Computação Marcus Vinicius Cruz Xavier Rascunho do trabalho de conclusão de curso Título

Leia mais

A Utilização de Software Livre na Análise de QoS em Redes IP Utilizando Mineração de Dados

A Utilização de Software Livre na Análise de QoS em Redes IP Utilizando Mineração de Dados A Utilização de Software Livre na Análise de QoS em Redes IP Utilizando Mineração de Dados Maxwel Macedo Dias 1, Edson M.L.S. Ramos 2, Luiz Silva Filho 3, Roberto C. Betini 3 1 Faculdade de Informática

Leia mais

Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais

Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais Elisângela Lopes de Faria (a) Marcelo Portes Albuquerque (a) Jorge Luis González Alfonso (b) Márcio Portes Albuquerque (a) José

Leia mais

3 Aprendizado de Máquina em Jogos Eletrônicos

3 Aprendizado de Máquina em Jogos Eletrônicos 3 Aprendizado de Máquina em Jogos Eletrônicos Jogos populares como xadrez e dama foram um dos pioneiros a utilizarem técnicas de Aprendizado de Máquina (AM), também denominada na literatura como Machine

Leia mais

Nome da Empresa Sistema digitalizado no almoxarifado do EMI

Nome da Empresa Sistema digitalizado no almoxarifado do EMI Nome da Empresa Documento Visão Histórico de Revisões Data Versão Descrição Autor 23/02/2015 1.0 Início do projeto Anderson, Eduardo, Jessica, Sabrina, Samuel 25/02/2015 1.1 Correções Anderson e Eduardo

Leia mais

Processos (Threads,Virtualização e Migração de Código)

Processos (Threads,Virtualização e Migração de Código) Processos (Threads,Virtualização e Migração de Código) Roteiro Processos Threads Virtualização Migração de Código O que é um processo?! Processos são programas em execução. Processo Processo Processo tem

Leia mais

Portfolio. Conheça um pouco mais sobre a Estatcamp. Estatcamp - Consultoria Estatística em Qualidade

Portfolio. Conheça um pouco mais sobre a Estatcamp. Estatcamp - Consultoria Estatística em Qualidade Estatcamp - Consultoria Estatística em Qualidade Adolfo Catani, 682 CEP: 13560-470 Jardim Macarengo, São Carlos - SP Telefone: (16) 3376-2047 E-mail: estatistica@estatcamp.com.br Portfolio Conheça um pouco

Leia mais

Módulo e-rede VirtueMart v1.0. Manual de. Instalação do Módulo. estamos todos ligados

Módulo e-rede VirtueMart v1.0. Manual de. Instalação do Módulo. estamos todos ligados Módulo e-rede VirtueMart v1.0 Manual de Instalação do Módulo estamos todos ligados ÍNDICE 01 02 03 04 Introdução 3 Versão 3 Requerimentos 3 Manual de instalação 4 05 06 4.1 Permissões 4 4.2 Instalação

Leia mais

Estudos para Localização de Faltas em Redes Subterrâneas Integrando o Software PSCAD/EMTDC e Ferramentas Inteligentes

Estudos para Localização de Faltas em Redes Subterrâneas Integrando o Software PSCAD/EMTDC e Ferramentas Inteligentes 1 Estudos para ização de Faltas em Redes Subterrâneas Integrando o Software PSCAD/EMTDC e Ferramentas Inteligentes D. S. Gastaldello, A. N. Souza, H. L. M. do Amaral, M. G. Zago e C. C. O. Ramos Resumo--

Leia mais

CES-32 e CE-230 Qualidade, Confiabilidade e Segurança de Software. Tendências, Perspectivas e Ferramentas de Qualidade em Engenharia de Software (4)

CES-32 e CE-230 Qualidade, Confiabilidade e Segurança de Software. Tendências, Perspectivas e Ferramentas de Qualidade em Engenharia de Software (4) CURSO de GRADUAÇÃO e de PÓS-GRADUAÇÃO do ITA 2º SEMESTRE 2002 CES-32 e CE-230 Qualidade, Confiabilidade e Segurança de Software Eng. Osvandre Alves Martins e Prof. Dr. Adilson Marques da Cunha Tendências,

Leia mais

Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial

Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial André Ricardo Gonçalves 1, Maria Angélica de Oliveira Camargo Brunetto 2 1,2 Laboratório de Pesquisa

Leia mais

5.5. Software de treinamento da RNA

5.5. Software de treinamento da RNA Como podemos observar na figura 10, os neurônios da camada de entrada (X1,..,X10) são alimentados pelos tópicos de estudo e a saída Y1 libera o próximo tópico sinalizando ao sistema se o aprendiz pode

Leia mais