Ajustando parâmetros livres de um Algoritmo Genético: uso da metodologia Response Surface
|
|
- Mariana Figueiroa Carreira
- 5 Há anos
- Visualizações:
Transcrição
1 Ajustando parâmetros livres de um Algoritmo Genético: uso da metodologia Response Surface Hélcio Vieira Junior, Fabiano Luis de Sousa. Instituto Tecnológico de Aeronáutica, Pça Mal. Eduardo Gomes, , São José dos Campos, SP. Instituto Nacional de Pesquisas Espaciais, Av. dos Astrounáutas, , São José dos Campos, SP. Resumo Algoritmos Genéticos (AGs) são algoritmos de otimização e busca fundamentados no princípio da seleção natural de Charles Darwin. A versão mais rudimentar dos AGs foi a AGS (Algoritmo Genético Simples), na qual é utilizada codificação binária, a seleção da população intermediária é feita por meio da roda de roleta, o operador Crossover é de um ponto, o operador de Mutação é bit-a-bit e a substituição da população é geracional. Apesar de ser bem simples, esta versão é bastante efetiva, desde que seus parâmetros (tamanho da população, probabilidade de Crossover e probabilidade de Mutação) sejam bem escolhidos. O objetivo deste trabalho é mostrar que a metodologia Response Surface Methodology possui bons predicados para a definição dos parâmetros ótimos para um AGS. Palavras-chaves Algoritmos Genéticos, Response Surface Metodology. I. INTRODUÇÃO Algoritmos Genéticos (AGs) são algoritmos de otimização e busca fundamentados no princípio da seleção natural de Charles Darwin. Estes algoritmos foram inicialmente propostos por John Holland em 975 e são fundamentados pela seguinte afirmação de Darwin: Quanto melhor um indivíduo se adaptar ao seu meio ambiente, maior será sua chance de sobreviver e gerar descendentes (Lacerda e Carvalho apud Darwin). A versão mais rudimentar dos AGs foi a AGS (Algoritmo Genético Simples), na qual é utilizada codificação binária, a seleção da população intermediária é feita por meio da roda de roleta, o operador Crossover é de um ponto, o operador de Mutação é bit-a-bit e a substituição da população é geracional. Apesar de ser bem simples, esta versão é bastante efetiva, desde que seus parâmetros (tamanho da população, probabilidade de Crossover e probabilidade de Mutação) sejam bem escolhidos. O objetivo deste trabalho é mostrar que a metodologia Response Surface Methodology possui bons predicados para a definição dos parâmetros ótimos para um AGS. Este artigo está estruturado da seguinte maneira: na seção dois, a metodologia Response Surface Methodology (RSM) é revista; a implementação da RSM a um AGS na avaliação da função teste de Griewang é apresentada na seção três e a seção quatro compreende nossas conclusões. Hélcio Vieira Junior, helcio@ita.br, Fabiano Luis de Souza, fabiano@dem.inpe.br, Tel II. RESPONSE SURFACE METHODOLOGY A metodologia Response Surface Methodology, ou RSM, foi introduzida na década de 5 por Bo e Wilson (95) e pode ser definida como uma coleção de técnicas matemáticas e estatísticas que são úteis para o modelamento e a análise de problemas nos quais a resposta de interesse é influenciada por diversas variáveis e o objetivo é otimizar esta resposta (Montgomery, ). O gol da RSM é obter uma relação funcional aproimada entre a resposta de interesse (saída) e as variáveis independentes (entradas). Normalmente um polinômio de baia ordem é utilizado em alguma região das variáveis independentes. Caso a resposta seja bem modelada por uma função linear das variáveis independentes, a função de aproimação será um modelo de primeira ordem: y = β + βii + ε () i= Após a coleta dos dados e o tratamento estatístico correspondente (regressão linear), temos como resultado o modelo de primeira ordem ajustado: y β β = + () i= A superfície de resposta de primeira ordem ajustada, ou seja, os contornos de y, são uma série de linha paralelas (ilustradas por linhas tracejadas), conforme eemplificado na figura.. y = 5 y = y = 3 y = y = Figura Superfície de resposta de primeira ordem ajustada i Direção de maior crescimento i Região da superfície de resposta de primeira ordem ajustada
2 Medições são realizadas na direção de maior crescimento até que não haja mais aumento na resposta de interesse. Então, um novo modelo de primeira ordem é realizado, uma nova direção de maior crescimento é achada e o procedimento se repete. Eventualmente, o eperimento irá chegar à proimidade do ótimo. Isto é indicado pela falta de adequação do modelo de primeira ordem. Se houver uma curvatura no sistema, então um polinômio de ordem maior deverá ser utilizado para a estimativa do ótimo. Um modelo de segunda ordem é eemplificado abaio: i i ii i ij i j i= i= i< j (3) y = β + β + β + β + ε A equação (3) ajustada, na forma matricial, é: T T y = β + b+ B () T =, T b = ( β β β ) e onde: ( ) β β β β β β B =. β β β A resposta no ponto estacionário de máimo é dada por: T y = β + s b (5) onde = B b. s..., é pouco provável que um modelo polinomial seja uma aproimação razoável da verdadeira relação funcional em todo o espaço das variáveis independentes, mas, para uma pequena região, ele normalmente funciona muito bem (Montgomery, ). Este procedimento (RSM) pode ser visualizado na figura onde em um problema de minimização tivemos três modelos de primeira ordem (centrados nos pontos, e 3 ) e um de segunda ordem (centrado no ponto ). III. RSM APLICADO A UM AGS Implementamos a RSM a um AGS na avaliação da função teste de Griewang. Esta função é dada por: n n i i Mi = + cos i= i= i (6) Figura RSM seqüencial A equação () foi avaliada para n =, com a população inicial do AGS sendo gerada aleatoriamente no intervalo 6 6. O número de avaliações da para cada i 3 rodada do AGS foi limitado em 5*. As três variáveis independentes são: tamanho da população, probabilidade de Crossover e probabilidade de Mutação. Como ponto central do nosso delineamento inicial, arbitramos o ponto ( 8,75,3 ), que significa uma população de 8 indivíduos, uma probabilidade de Crossover de 75% e uma probabilidade de Mutação de 3%. O valor do tamanho da população foi escolhido aleatoriamente, sendo os dois outros parâmetros escolhidos por serem o ponto médio,5, para dos valores normalmente utilizados ([ ] Crossover e [,,5 ] para Mutação). Tabela Delineamento fatorial inicial Tratamento 6,7, - - -,996 6,7, - - 7,69 3 6,8, - -,988 6,8, - 6,933 5,7, - -,99 6,7, - 7,3 7,8, -, 8,8, 7,7 9 8,75,3,8 8,75,3,785 8,75,3,3636 8,75,3,53 3 8,75,3,883
3 Utilizou-se a seguinte Função Objetivo para o RSM: =,9μ +,σ (7) onde μ é a média e σ é o desvio padrão de 5 repetições independentes do AGS. A tabela ilustra o delineamento fatorial inicial. A análise estatística pela técnica ANOVA está ilustrada na figura 3 Observe que o modelo linear descreve bem os dados, logo podemos continuar com a técnica RSM. Tomando como ponto central de um novo delineamento fatorial as coordenadas do melhor valor encontrado anteriormente (tratamento ), obtemos os dados ilustrados pela tabela 3. Aplicando novamente as técnicas estatísticas descritas anteriormente, obtivemos uma nova direção de diminuição da, que gerou os novos tratamentos ilustrados na tabela e figura 6 Segundo Delineamento Figura 3 ANOVA do primeiro delineamento Realizando a regressão linear dos dados da tabela, obtemos o modelo (dos dados codificados) ilustrado na figura Figura Regressão linear do primeiro delineamento Optamos por um incremento de -,3333 na variável PMC, o que gerou a seqüência de novos pontos ilustrada pela tabela e figura 5.,,, 8, 6,,,, Primeiro Delineamento ,,,,8,6,,, Tratamento nº Figura 6 Comportamento da dos dados da tabela. Novamente, tomamos como ponto central as coordenadas do tratamento 39, porém, por já acreditarmos estarmos próimos ao ótimo, optamos por ajustar um modelo de ª ordem aos dados. O delineamento fatorial não se presta ao ajuste de modelos de ª ordem. O delineamento chamado de CCD (Central Composite Design Delineamento Composto Central) é o que contém pontos de amostragem suficientes para a construção de tal modelo. Para maiores informações sobre delineamentos fatoriais e CCD o leitor deve consultar Montgomery (). A análise estatística deste último delineamento mostrou que o modelo de ª ordem descrevia corretamente os dados. Isto nos mostra que estamos bem próimos do ótimo. A figura 7 ilustra a superfície de resposta ajustada aos dados. Tratamento nº Figura 5 Comportamento da dos dados da tabela. Isto pode ser observado pelo p-value do Lac of Fit superior ao valor de,5. A equação de regressão obtida é: =,55,5NC,6PCC+,68PMC. Dividindo todos seus termos por -7,88, temos =,577 +,3NC+,78PCC,3333PMC. Logo, para um incremento de -,3333 na variável PMC, teremos um incremento de,3 na NC e,78 na PCC. Figura 7 Gráfico de superfície de resposta
4 Tabela Resultados colhidos na direção de maior crescimento Tratamento Passo Origem 8,75,3 Incremento ( Δ ),, -,33,3,78 -, Origem + Δ 8,75,67,3,78 -,3333 3,695 Origem + Δ 8,758,33,7,55 -,6667, Origem + 3 Δ 8,75,,,33 -,, Origem + Δ 8,756,67,3,3 -,3333,5 7 Origem + 5 Δ 8,759,33,6,388 -,6667,59 8 Origem + 6 Δ 8,753,,,65 -,,78 9 Origem + 7 Δ 8,757,67,3,53 -,3333,7 Origem + 8 Δ 8,753,33,6,6 -,6666,3 Origem + 9 Δ 8,7535,,9,698-3,,96 Tabela 3 Segundo delineamento fatorial Tratamento 75,73, ,7 3 75,73,3 - -,788 75,763,3 - -,3 5 75,763,3 -, ,73,3 - -, ,73,3 -,7 8 85,763,3 -, ,763,3, ,753,33,5 3 8,753,33, 3 8,753,33, 33 8,753,33,5 3 8,753,33,6 Tabela Resultados colhidos na direção de maior crescimento Tratamento Passo Origem 8,753,33 Incremento ( Δ ),,,3,66 -,,3 35 Origem + Δ 8,753,36,66 -,,3, 36 Origem + Δ 8,753,39,33 -,,6, Origem + 3 Δ 8,753,,99 -,63,9,93 38 Origem + Δ 8,753,5,665 -,8,,9 39 Origem + 5 Δ 8,753,8,83 -,5,5,675 Origem + 6 Δ 8,753,5,997 -,5,8,8 Origem + 7 Δ 8,753,5,6 -,6,,853 Origem + 8 Δ 8,759,57,33 -,67,,385
5 Tabela 5 Delineamento CCD Tratamento 3 78,755,7 -, -, -,,865 78,755,9 -, -,,, ,7535,7 -,, -,, ,7535,9 -,,,,75 7 8,755,7, -, -,,6 8 8,755,9, -,,,85 9 8,7535,7,, -,,7 5 8,7535,9,,,,7 5 8,753,8,,,, ,753,8,,,, ,753,8,,,,99 5 8,753,8,,,,6 55 8,753,8,,,, ,753,8,688,,, ,753,8 -,688,,, ,7538,8,,688,, ,75,8, -,688,,7 6 8,753,5,,,688,73 6 8,753,6,, -,688,83 O ponto ótimo de operação é mostrado na figura 8 na coluna Critical Values. Performance AGS (escala logarítmica),,, Figura 8 Ponto ótimo de operação De posse dos valores ótimos dos parâmetros obtidos pelo RSM ( 8,759,85) 3, realizamos 5 rodadas independentes do AGS. A figura 9 ilustra o desempenho destas 5 rodadas, onde a linha azul representa o valor médio, a linha vermelha o maior valor, a linha verde o menor valor e a linha pontilhada o limite superior do intervalo de confiança de 95% para a média. O esforço computacional gasto para rodar uma instância do AGS, em média, no software MATLAB 7 R, foi: 8,9 seg em um PC AMD Sempron.5 GHz,,5 GB RAM, Win XP SP3; e 9, seg em um laptop Intel Core Duo GHz, GB RAM, Win XP SP3. O valor da função de avaliação foi : F( μ, σ ) =,9*,7585 +,*,6388 =,765 Média Mínimo Nº de avaliações da Máimo 95% CI superior Figura 9- Performance do AGS com n = 8, PC = 75, 9% e PM =,85% Observe que o valor encontrado para a (,765) foi muito próimo ao previsto pela figura 8 (,7838). A tabela 5 trás os melhores valores da função teste de Griewang (6) alcançadas pelas 5 rodadas independentes do AGS ilustradas pela figura 9. 3 Arredondamos aqui, e em todos os momentos anteriores, o valor de n para o inteiro mais próimo. F( μ, σ) =,9μ+,σ
6 Tabela 5 Melhores valores da função teste de Griewang,38,97,369 3,78,7593,678,58,575 3,5658,9883 3,5977 3,63 3, ,776 3,9,57863,9,8937 3,,55 5,96 5,375 5,67 35,357 5,735 6, ,3799 6, ,88 6,5587 7,596 7,687 7,7 37, 7,33 8,3656 8,357 8,536 38,756 8,9797 9,6 9, , ,5 9,35,35,6 3,938,789 5,3586 Tabela 6 Melhor fenótipo ,75,58 -,9,7,9,7,9 -,9,58,6 Finalmente, a tabela 6 mostra o fenótipo da melhor solução alcançada nas 5 últimas rodadas do AGS (repetição 3 da tabela 5 [ f( ) =,5658 ]). IV. CONCLUSÕES Este artigo utilizou a metodologia Response Surface Methodology para a definição dos parâmetros ótimos para um AGS. Na seção dois, a metodologia Response Surface Methodology foi revista e a implementação da RSM a um AGS na avaliação da função teste de Griewang foi apresentada na seção três. Observou-se a metodologia RSM conseguiu inferir os parâmetros ótimos com pouco esforço (6 tratamentos). O valor médio da função teste de Griewang alcançado por 5 repetições independentes do AGS foi de,7585 com um desvio padrão de,6388. Como é sabido que o valor ótimo desta difícil função teste é zero, concluímos que os parâmetros sugeridos pela RSM foram muito bons pois, com apenas 5* avaliações da, chegamos bem próimo ao ótimo global. Outra conclusão alcançada é que o tamanho da população teve pouca influência no resultado do AGS, sendo as probabilidades de Mutação e Crossover os fatores que mais influenciaram no desempenho do algoritmo genético simples implementado. REFERÊNCIAS Bo, G. E. P., Wilson, K. B. (95). On the Eperimental Attainment of Optimum Conditions. Journal of the Royal Statistical Society, B3, - 5. Montgomery, D. C. (). Design and analysis of eperiments 5th Ed. John Wiley & Sons, Publishers, New Yor. Lacerda, E. G. M, Carvalho, A. C. P. L., 999. Introdução aos algoritmos genéticos. In: Sistemas inteligentes: aplicações a recursos hídricos e ciências ambientais [Edited by Galvão, C. O., Valença, M. J. S.], Porto Alegre, Ed. Universidade/UFRGS: Associação Brasileira de Recursos Hídricos, Darwin, C., 859. A origem das espécies e a seleção natural. 5 ed. Hemus Editora.
Planejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Metodologia de Superfície de Resposta e Simplex Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com Visão geral técnicas matemáticas
Leia maisAlgoritmos Genéticos
Algoritmos Genéticos Roteiro Introdução Algoritmos Genéticos Otimização Representação Seleção Operadores Genéticos Aplicação Caixeiro Viajante Introdução Algoritmos Genéticos (AGs), são métodos de otimização
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Leia maisPlanejamento e Otimização de Experimentos Métodos de Superfície de Resposta
Planejamento e Otimização de Experimentos Métodos de Superfície de Resposta Prof. Dr. Anselmo E de Oliveira www.quimica.ufg.br/docentes/anselmo elcana@quimica.ufg.br Visão geral técnicas matemáticas estatísticas
Leia maisBibliografia Recomendada.
Bibliografia Recomendada http://paginapessoal.utfpr.edu.br/ebona Bibliografia Recomendada Montgomery, D. C. Design and Analysis of Experiments. Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.;
Leia maisInteligência Artificial
Inteligência Artificial Aula 6 Algoritmos Genéticos M.e Guylerme Velasco Roteiro Introdução Otimização Algoritmos Genéticos Representação Seleção Operadores Geneticos Aplicação Caixeiro Viajante Introdução
Leia maisAlgoritmos Genéticos. Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008
Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008 Introdução São técnicas de busca e otimização. É a metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin.
Leia mais1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Programa de Pós-Graduação Em Computação Aplicada Depto. de Computação e Matemática (FFCLRP/USP) 2 Computação Bioinspirada
Leia maisInteligência Artificial. Algoritmos Genéticos. Aula I Introdução
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação Inteligência Artificial Algoritmos Genéticos Aula I Introdução Roteiro Introdução Computação Evolutiva Algoritmos
Leia maisPós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO
Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO AULA 06 Algoritmos Genéticos Sumário Introdução Inteligência Artificial (IA) Algoritmos Genéticos Aplicações de
Leia maisModelagem em Experimentos Mistura-Processo para Otimização de Processos Industriais 15
Modelagem em Experimentos Mistura-Processo para Otimização de Processos Industriais 15 1 Introdução Na indústria moderna há uma contínua busca da otimização dos níveis de produção e da melhoria da qualidade
Leia maisINSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO
INSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO Prof. Msc. Saulo Popov Zambiasi (saulopz@gmail.com) Informação - ICPG - Criciuma - SC 1 Características Gerais, operadores, algoritmo.
Leia maisAlgoritmos Genéticos. Pontos fracos dos métodos tradicionais. Características de alguns problemas. Tamanho do espaço de busca- Ex. caixeiro viajante:
Algoritmos Genéticos Prof. Luis Otavio Alvares INE/UFSC Características de alguns problemas Tamanho do espaço de busca- Ex. caixeiro viajante: 10 cidades: 181.000 soluções 20 cidades: 10.000.000.000.000
Leia maisCodificação das variáveis: binária Iniciação da população: aleatória Avaliação: função aptidão Operadores. Critério de parada: número de gerações
AG Simples/Canônico (AGS) AG introduzido por Holland Funciona bem para problemas de otimização simples e/ou de pequenas dimensões A maior parte da teoria dos AGs está baseada no AGS Utilidade didática
Leia maisAlgoritmos Genéticos. Princípio de Seleção Natural. Sub-áreas da Computação Evolutiva. Idéias básicas da CE. Computação Evolutiva
Computação Evolutiva Algoritmos Genéticos A computação evolutiva (CE) é uma área da ciência da computação que abrange modelos computacionais inspirados na Teoria da Evolução das Espécies, essencialmente
Leia maisFigura 3.1: Fluxograma do algoritmo da Programação Genética.
3 Programação Genética O termo Programação Genética passou a ser utilizado em 1990 nos trabalhos publicados por Koza [30] e De Garis [31]. A definição de Koza para este termo passou a predominar após a
Leia mais4 Implementação Computacional
4 Implementação Computacional 4.1. Introdução Neste capítulo é apresentada a formulação matemática do problema de otimização da disposição das linhas de ancoragem para minimizar os deslocamentos (offsets)
Leia maisIntrodução aos Algoritmos Genéticos
Introdução aos Algoritmos Genéticos Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana 2 Algoritmos Genéticos: Introdução Introduzidos
Leia mais3 Algoritmos Genéticos
Técnicas de Inteligência Computacional 33 3 Algoritmos Genéticos Este capítulo resume os principais conceitos sobre o algoritmo evolucionário empregado nesta dissertação. É apresentada uma breve explicação
Leia maisAprendizado Evolutivo: Introdução aos Algoritmos Genéticos
Aprendizado Evolutivo: Introdução aos Algoritmos Genéticos SCC-230 Inteligência Artificial Thiago A. S. Pardo Solange O. Rezende 1 Computação Evolutiva (CE) Trata de sistemas para a resolução de problemas
Leia mais( ) ( ) 60 ( ) ( ) ( ) ( ) R i. Método de Newton. Método de Newton = Substituindo i por x, teremos: 1.Introdução 2.
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I R A = + i ( i ) n
Leia maisMétodo de Newton. 1.Introdução 2.Exemplos
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Método de Newton Prof.:
Leia maisAPLICAÇÃO DA ANÁLISE DE CUMEEIRA PARA A OTIMIZAÇÃO DE PROCESSOS, MODELADOS POR SUPERFÍCIES DE RESPOSTA, COM EXPERIMENTOS PLANEJADOS
APLICAÇÃO DA ANÁLISE DE CUMEEIRA PARA A OTIMIZAÇÃO DE PROCESSOS, MODELADOS POR SUPERFÍCIES DE RESPOSTA, COM EXPERIMENTOS PLANEJADOS Martin Guillermo Cornejo Sarmiento (PUC-RIO) martin.cornejo8@gmail.com
Leia maisUso de Algoritmo Genético para a otimização do ponto de corte da probabilidade de sucesso estimada do modelo de Regressão Logística
Uso de Algoritmo Genético para a otimização do ponto de corte da probabilidade de sucesso estimada do modelo de Regressão Logística José Edson Rodrigues Guedes Gondim 1 Joab de Oliveira Lima 2 1 Introdução
Leia maisUNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ ALGORITMOS GENÉTICOS. Metaheurísticas de Buscas
PR UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ ALGORITMOS GENÉTICOS Metaheurísticas de Buscas ALGORITMOS GENÉTICOS (AG) Popularizados por John Holland podem ser considerados os primeiros modelos algorítmicos
Leia maisAPLICAÇÃO DE ALGORITMOS BIO-INSPIRADOS EM CONTROLE ÓTIMO
APLICAÇÃO DE ALGORITMOS BIO-INSPIRADOS EM CONTROLE ÓTIMO Profa. Mariana Cavalca Baseado em: Material didático do Prof. Dr. Carlos Henrique V. Moraes da UNIFEI Curso de verão da Profa. Gisele L. Pappa Material
Leia mais6 Estudos de Casos Porta Lógica OU de 4 Entradas
6 Estudos de Casos Com o objetivo de avaliar a síntese automática de circuitos de QCA usando técnicas de Hardware Evolucionário (EHW), alguns circuitos foram sintetizados e serão apresentados a seguir.
Leia maisAlgoritmos Genéticos
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Algoritmos Genéticos Aluno: Fabricio Aparecido Breve Prof.: Dr. André Ponce de Leon F. de Carvalho São Carlos São Paulo Maio
Leia maisIntrodução a Algoritmos Genéticos
Introdução a Algoritmos Genéticos Tiago da Conceição Mota Laboratório de Inteligência Computacional Núcleo de Computação Eletrônica Universidade Federal do Rio de Janeiro Outubro de 2007 O Que São? Busca
Leia maisUm Algoritmo Genético com Aprendizado por Reforço Simples aplicado ao problema do Mundo de Grid
1 Um Algoritmo Genético com Aprendizado por Reforço Simples aplicado ao problema do Mundo de Grid Luciana Conceição Dias Campos Resumo Este trabalho consiste da aplicação de um algoritmo genético ao método
Leia maispontos: f(1)=2, f(2)=3, f(3)=5, f(5)=10 e f(6)=30.
EXERCÍCIOS DE MATEMÁTICA COMPUTACIONAL: SEGUNDO BIMESTRE: EDGARD JAMHOUR Eemplo A: Interpolação polinomial Funções de interpolação: fa() = 2 - /2 + 2 /2 fb() = 5/2-17/12 + 2-3 /12 fc() = 23/2-1183/60 +133
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 4 Ajuste de Curvas AJUSTE DE CURVAS Cálculo Numérico 3/55 Introdução Em geral, experimentos geram uma gama de dados que devem
Leia maisAjuste de Curvas. Diogo Pinheiro Fernandes Pedrosa. Universidade Federal do Rio Grande do Norte Centro de Tecnologia.
Ajuste de Curvas Diogo Pinheiro Fernandes Pedrosa Universidade Federal do Rio Grande do Norte Centro de Tecnologia Departamento de Engenharia de Computação e Automação http://wwwdcaufrnbr/ 1 Introdução
Leia maisAlgoritmo Genético. Inteligência Artificial. Professor: Rosalvo Ferreira de Oliveira Neto
Algoritmo Genético Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto Estrutura 1. Introdução 2. Conceitos Básicos 3. Aplicações 4. Algoritmo 5. Exemplo Introdução São técnicas de busca
Leia maisAlgoritmos Genéticos
Algoritmos Genéticos Introdução Um Algoritmo Genético (AG), conceitualmente, segue passos inspirados no processo biológico de evolução natural segundo a teoria de Darwin Algoritmos Genéticos seguem a idéia
Leia maisALGORITMOS GENÉTICOS. Adair Santa Catarina Curso de Ciência da Computação Unioeste Campus de Cascavel PR
ALGORITMOS GENÉTICOS Adair Santa Catarina Curso de Ciência da Computação Unioeste Campus de Cascavel PR Fev/2018 Introdução Algoritmos Genéticos são algoritmos heurísticos de busca, que utilizam regras
Leia maisNOÇÕES SOBRE EXPERIMENTOS FATORIAIS
3 NOÇÕES SOBRE EXPERIMENTOS FATORIAIS Planejamento de Experimentos Design of Experiments - DOE Em primeiro lugar devemos definir o que é um experimento: Um experimento é um procedimento no qual alterações
Leia maisOtimização. Unidade 6: Algoritmo Genético. Jaime Arturo Ramírez. 7. Teoria do processo evolutivo num GA. 8. Aspectos avançados
Otimização Jaime Arturo Ramírez Conteúdo 1. Introdução 2. Analogia de mecanismos de seleção natural com sistemas artificiais 3. Algoritmo genético modelo 4. Um GA simples 5. Representação, genes e cromossomos
Leia mais3. Resolução de problemas por meio de busca
Inteligência Artificial - IBM1024 3. Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3. Resolução de problemas por
Leia maisComputação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP
Computação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP 1 Principais Tópicos Introdução Evolução Natural Algoritmos Genéticos Aplicações Conclusão 2 Introdução http://www.formula-um.com/ Como
Leia maisESTUDO DOS PARAMETROS DE UM ALGORITMO GENÉTICO PARA POSTERIOR USO NA SOLUÇÃO DE PROBLEMAS DO TIPO JOB-SHOP
ESTUDO DOS PARAMETROS DE UM ALGORITMO GENÉTICO PARA POSTERIOR USO NA SOLUÇÃO DE PROBLEMAS DO TIPO JOB-SHOP Gilson Rogério Batista, Gideon Villar Leandro Universidade Regional do Noroeste do Estado do Rio
Leia maisComputação Evolutiva. Prof. Eduardo R. Hruschka (Slides baseados nos originais do Prof. André C. P. L. F. de Carvalho)
Computação Evolutiva Prof. Eduardo R. Hruschka (Slides baseados nos originais do Prof. André C. P. L. F. de Carvalho) Principais Tópicos Computação Evolutiva Algoritmos Genéticos Codificação Função de
Leia maisComputação Evolutiva. Computação Evolutiva. Principais Tópicos. Evolução natural. Introdução. Evolução natural
Computação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP Principais Tópicos Introdução Evolução Natural Algoritmos Genéticos Aplicações Conclusão 1 2 Introdução Evolução natural http://www.formula-um.com/
Leia mais3 Algoritmos Genéticos
Algoritmos Genéticos Algoritmos Genéticos (AGs) constituem um mecanismo de busca adaptativa que se baseia no princípio Darwiniano de seleção natural e reprodução genética [101]. AGs são tipicamente empregados
Leia mais5 CARACTERÍSTICAS DINÂMICAS DA ATENUAÇÃO POR CHUVAS
5 CARACTERÍSTICAS DINÂMICAS DA ATENUAÇÃO POR CHUVAS Na literatura técnica tem sido dada pouca atenção ao modelamento das características dinâmicas da atenuação por chuvas em enlaces terrestres. O conhecimento
Leia maisTécnicas de Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 9 Algoritmos Genéticos Max Pereira Algoritmos Genéticos Algoritmos Genéticos São técnicas de busca e
Leia maisPROVAS Ciência da Computação. 2 a Prova: 13/02/2014 (Quinta) Reavaliação: 20/02/2014 (Quinta)
PROVAS Ciência da Computação 2 a Prova: 13/02/2014 (Quinta) Reavaliação: 20/02/2014 (Quinta) Ajuste de Curvas Objetivo Ajustar curvas pelo método dos mínimos quadrados 1 - INTRODUÇÃO Em geral, experimentos
Leia maisInteligência Artificial
Inteligência Artificial Prof. Kléber de Oliveira Andrade pdjkleber@gmail.com Algoritmos Genéticos Conteúdo Introdução O Algoritmo Genético Binário Noções de Otimização O Algoritmo Genético com Parâmetros
Leia maisTécnicas de Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 9 Algoritmos Genéticos Max Pereira Algoritmos Genéticos São técnicas de busca e otimização. Uma metáfora
Leia maisAlgoritmos Genéticos. Texto base: Stuart Russel e Peter Norving - Inteligência Artificial
Algoritmos Genéticos Texto base: Stuart Russel e Peter Norving - Inteligência Artificial junho/2007 Algoritmo Genético Uma variante da busca em feixe estocástica Estado sucessor gerado pela combinação
Leia maisOtimização com Algoritmos Genéticos no MATLAB. Prof. Rafael Saraiva Campos CEFET-RJ
Otimização com Algoritmos Genéticos no MATLAB Prof. Rafael Saraiva Campos CEFET-RJ Conteúdo do Mini-Curso PARTE 1 Teoria PARTE 2 Prática Conteúdo do Mini-Curso PARTE 1 Teoria 1.1. Conceitos Básicos de
Leia maisAlgoritmos genéticos Abordagem unificada de algoritmos evolutivos simples
Introdução Inspiração biológica Histórico da computação evolutiva Algoritmo evolutivo simples Programação evolutiva Estratégias evolutivas Algoritmos genéticos Abordagem unificada de algoritmos evolutivos
Leia maisMax Pereira. Inteligência Artificial
Max Pereira Inteligência Artificial Algoritmos Genéticos Algoritmos Genéticos São técnicas de busca e otimização. Uma metáfora da teoria da evolução das espécies iniciada pelo Naturalista inglês Charles
Leia mais7. Resultados. 7 MATLAB é um produto da The MathWorks, Inc.
7. Resultados O modelo foi implementado por meio da linguagem computacional utilizada no software Matlab 7 e através da utilização do otimizador GLPK (GNU Linear Programming kit), em uma plataforma de
Leia maisCONSTRUÇÃO AUTOMÁTICA DE OPERADORES MORFOLÓGICOS UTILIZANDO PROGRAMAÇÃO GENÉTICA.
CONSTRUÇÃO AUTOMÁTICA DE OPERADORES MORFOLÓGICOS UTILIZANDO PROGRAMAÇÃO GENÉTICA. Emerson Carlos Pedrino * e-mail: ecpedrin@sel.eesc.sc.usp.br Valentin Obac Roda ** e-mail: valentin@sel.eesc.sc.usp.br
Leia maisExemplo de Aplicação de Algoritmos Genéticos. Prof. Juan Moisés Mauricio Villanueva cear.ufpb.br/juan
Exemplo de Aplicação de Algoritmos Genéticos Prof. Juan Moisés Mauricio Villanueva jmauricio@cear.ufpb.br cear.ufpb.br/juan Estrutura do Algoritmo Genético Algoritmo genético Inicio t = 0 inicializar P(t)
Leia maisAlgoritmos Genéticos. 1 Semestre de Cleber Zanchettin UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática
Algoritmos Genéticos 1 Semestre de 2015 Cleber Zanchettin UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática 1 2 Introdução Darwin Naturalistas: cada espécie havia sido criada separadamente
Leia maisUTILIZAÇÃO DE UM DELINEAMENTO COMPOSTO CENTRAL ROTACIONAL PARA AVALIAÇÃO MICROBIOLÓGICA DE POLPAS DE AÇAÍ PASTEURIZADAS
UTILIZAÇÃO DE UM DELINEAMENTO COMPOSTO CENTRAL ROTACIONAL PARA AVALIAÇÃO MICROBIOLÓGICA DE POLPAS DE AÇAÍ PASTEURIZADAS R. A. MATTIETTO 1, V. M. MATTA 2 1 Embrapa Amazônia Oriental 2 Embrapa Agroindústria
Leia maisComputação Evolutiva. Prof. Eduardo R. Hruschka (Slides baseados nos originais do Prof. André C. P. L. F. de Carvalho)
Computação Evolutiva Prof. Eduardo R. Hruschka (Slides baseados nos originais do Prof. André C. P. L. F. de Carvalho) Principais Tópicos Computação Evolutiva Algoritmos Genéticos Codificação Função de
Leia maisUm Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo
Um Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo Francisco Henrique de Freitas Viana Pontifícia Universidade Católica do Rio de Janeiro PUC-Rio Departamento de Informática
Leia maisComunicação de Dados Quantização Aula-15
Comunicação de Dados Aula-15 Professor: Andrei Piccinini Legg Santa Maria, 2012 Sumário 1 2 3 Sumário Considere, como exemplo, que após um processo de amostragem de um sinal variando entre -3,5V e 3,5V,
Leia maisCOMPOSIÇÃO DE UMA CARTEIRA DE AÇÕES COM RISCO MÍNIMO E RETORNO ESPECIFICADO: UM ESTUDO UTILIZANDO ALGORITMO GENÉTICO E A FUNÇÃO SOLVER
UNIVERSIDADE DE SÃO PAULO ESCOLA DE ARTES, CIÊNCIAS E HUMANIDADES SISTEMAS DE INFORMAÇÃO COMPOSIÇÃO DE UMA CARTEIRA DE AÇÕES COM RISCO MÍNIMO E RETORNO ESPECIFICADO: UM ESTUDO UTILIZANDO ALGORITMO GENÉTICO
Leia maisBibliografia Recomendada
Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.; Bruns, R. E. Como Fazer Experimentos. Montgomery, D. C. Design and Analysis of Experiments. Box, G. E. P.; Hunter, J. S.; Hunter, W. G. Statistics
Leia mais3 Computação Evolucionária
34 3 Computação Evolucionária Computação Evolucionária compreende diversos algoritmos inspirados no princípio Darwiniano da evolução das espécies e na genética. São algoritmos probabilísticos, que fornecem
Leia maisO USO DE ALGORITMOS GENÉTICOS NA RESOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO LINEAR RESUMO INTRODUÇÃO
O USO DE ALGORITMOS GENÉTICOS NA RESOLUÇÃO DE PROBLEMAS DE PROGRAMAÇÃO LINEAR Douglas Peioto de Carvalho,Miquéias Augusto Ferreira Nantes (Alunos do Curso de Matemática da Universidade Anhanguera - Uniderp)
Leia maisO Algoritmo Talus para Otimização Global
O Algoritmo Talus para Otimização Global André Leite Luís Henrique de Santana Programa de Pós-Graduação em Eng. Elétrica Programa de Pós-Graduação em Eng. de Produção leite.andre@gmail.com santanalh@ahoo.com.br
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano.
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 5 Zeros reais de funções Parte 2 Voltando ao eemplo da aula anterior, vemos que o ponto médio da primeira iteração 1 = 2,5
Leia maisProjeto de Experimentos e Superfícies de Resposta (Design of Experiments DOE Response Surfaces - RS) (ENG03024-Análise de Sistemas Mecânicos)
UFRGS - Universidade Federal do Rio Grande do Sul EE - Escola de Engenharia DEMEC - Departamento de Engenharia Mecânica e Superfícies de Resposta (Design of Experiments DOE Response Surfaces - RS) (ENG0304-Análise
Leia maisAlgoritmo para Determinação e Classificação de Distúrbios Múltiplos em Sistemas Elétricos 79
Algoritmo para Determinação e Classificação de Distúrbios Múltiplos em Sistemas Elétricos 79 3.3.3 Classificação dos distúrbios múltiplos Para a correta classificação dos diversos distúrbios é necessário
Leia mais7 Comparação de resultados e validação dos modelos
7 Comparação de resultados e validação dos modelos Os modelos EMB, TMB e GC foram utilizados para a sintetização de séries temporais de atenuação por chuva para os enlaces terrestres de São Paulo. Foram
Leia mais2 ou mais fatores são de interesse.
5. Experimentos Fatoriais 5.1 Definições e Princípios Básicos 2 ou mais fatores são de interesse. Experimentos Fatoriais: em cada replicação do experimento todas as combinações dos níveis de tratamento
Leia maisALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE 4. 1 INTRODUÇÃO Serão apresentadas aqui algumas distribuições de probabilidade associadas a v.a. s contínuas. A mais importante delas é a distribuição Normal
Leia maisVariável dependente Variável independente Coeficiente de regressão Relação causa-efeito
Unidade IV - Regressão Regressões Lineares Modelo de Regressão Linear Simples Terminologia Variável dependente Variável independente Coeficiente de regressão Relação causa-efeito Regressão correlação Diferença
Leia maisEXPERIMENTO FATORIAL BLOCADO PARA DETERMINAÇÃO DE DIFERENÇAS ENTRE TEMPO DE QUEIMA DE VELAS DE PARAFINA
Revista da Estatística da UFOP, Vol I, 2011 - XI Semana da Matemática e III Semana da Estatística, 2011 ISSN 2237-8111 EXPERIMENTO FATORIAL BLOCADO PARA DETERMINAÇÃO DE DIFERENÇAS ENTRE TEMPO DE QUEIMA
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 06 Algoritmos Genéticos Edirlei Soares de Lima Algoritmos Genéticos Método de busca local. Boa abordagem para lidar com espaços de busca muito
Leia maisPesquisador. Planejamento de Experimentos Design of Experiments - DOE NOÇÕES SOBRE EXPERIMENTOS FATORIAIS. 1 - Fixar T e variar P até > Pureza
3 NOÇÕES SOBRE EXPERIMENTOS FATORIAIS Planeamento de Experimentos Design of Experiments - DOE Em primeiro lugar devemos definir o que é um experimento: Um experimento é um procedimento no qual alterações
Leia maisComparação entre Algoritmos para a Solução do Controle Just-in-Time em Sistemas Max-Plus Lineares
1 Comparação entre Algoritmos para a Solução do Controle Just-in-Time em Sistemas Max-Plus Lineares Guilherme Gomes da Silva Universidade Federal de Minas Gerais - Programa de Pós-Graduação em Engenharia
Leia maisALGORITMO GENÉTICO COMO REPRESENTAÇÃO DAS MUTAÇÕES NA BIOLOGIA
Patrocínio, MG, outubro de 2016 ENCONTRO DE PESQUISA & EXTENSÃO, 3., 2016, Patrocínio. Anais... Patrocínio: IFTM, 2016. ALGORITMO GENÉTICO COMO REPRESENTAÇÃO DAS MUTAÇÕES NA BIOLOGIA Igor Acassio Melo
Leia maisAplicação do modelo de Quase-Verossimilhança
Aplicação do modelo de Quase-Verossimilhança Fábio Hideto Oki 1 1 Introdução O câncer é uma doença de proporção mundial, atingindo só no Brasil cerca de 350 mil pessoas por ano e é caracterizado pela mutação
Leia maisEvolutionary Operation EVOP
Evolutionary Operation EVOP Projeto de Experimentos II Prof. Flávio Fogliatto 1 O que é EVOP? Método de monitoramento e melhoria contínua de processos: Objetivo é mover as condições operacionais na direção
Leia maisProcedimento Complementar para Validação de Métodos Analíticos e Bioanalíticos usando Análise de Regressão Linear
Procedimento Complementar para Validação de Métodos Analíticos e Bioanalíticos usando Análise de Regressão Linear Rogério Antonio de Oliveira 1 Chang Chiann 2 1 Introdução Atualmente, para obter o registro
Leia maisOTIMIZAÇÃO FUNÇÕES UTILIZANDO ALGORITMOS GENÉTICOS NO APLICATIVO MS EXCEL RESUMO INTRODUÇÃO
OTIMIZAÇÃO FUNÇÕES UTILIZANDO ALGORITMOS GENÉTICOS NO APLICATIVO MS EXCEL Miquéias Augusto Ferreira Nantes 1, Douglas Peixoto de Carvalho 1 (Alunos do Curso de Matemática da Universidade Anhanguera - Uniderp)
Leia maisAssim, no algoritmo BIOCLIM, qualquer ponto do espaço pode ser classificado como:
ANEXO A ALGORITMOS BIOCLIM E GARP A.1 Algoritmo BIOCLIM O algoritmo BIOCLIM implementa o conceito de envelope bioclimático (Nix, 1986). O algoritmo calcula a média e o desvio-padrão para cada variável
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 04 Algoritmos Genéticos Introdução Algoritmos genéticos são bons para abordar espaços de buscas muito grandes e navegálos
Leia maisUniversidade Federal do Ceará Pós-Graduação em Modelagem e Métodos Quantitativos Mestrado Acadêmico na Área Interdisciplinar
Universidade Federal do Ceará Pós-Graduação em Modelagem e Métodos Quantitativos Mestrado Acadêmico na Área Interdisciplinar Prova Escrita - Estatística e Matemática Pós-Graduação em Modelagem e Métodos
Leia mais6 Modelo Gamma-Cetuc (GC)
6 Modelo Gamma-Cetuc (GC) Um modelo de sintetização de séries temporais de atenuação por chuva envolve a geração de dados aleatórios que satisfaçam especificações de estatísticas de primeira e de segunda
Leia maisi j i i Y X X X i j i i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia maisUSO DE PLANEJAMENTO COMPOSTO CENTRAL NA AVALIAÇÃO DAS VARIÁVEIS TEMPERAURA E CONCENTRAÇÃO DE SOLVENTES NO ESTUDO DA SOLUBILIDADE DA UREIA
USO DE PLANEJAMENTO COMPOSTO CENTRAL NA AVALIAÇÃO DAS VARIÁVEIS TEMPERAURA E CONCENTRAÇÃO DE SOLVENTES NO ESTUDO DA SOLUBILIDADE DA UREIA F. M. A. S. COSTA 1, A. P. SILVA 1, M. R. FRANCO JÚNIOR 1 e R.
Leia mais5 Projeto de Novos Polímeros Condutores
5 Projeto de Novos Polímeros Condutores Polímeros condutores constituem uma nova classe de materiais eletrônicos com propriedades incomuns, baseadas em novos fenômenos físicos, tendo aplicações com largo
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisIntrodução. São duas técnicas estreitamente relacionadas, que visa estimar uma relação que possa existir entre duas variáveis na população.
UNIVERSIDADE FEDERAL DA PARAÍBA Correlação e Regressão Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução São duas técnicas estreitamente relacionadas, que visa estimar uma relação
Leia maisSolução Comentada Prova de Matemática
18. Se f é uma função real de variável real definida por f() = a + b + c, onde a, b e c são números reais negativos, então o gráfico que melhor representa a derivada de f é: A) y B) y C) y D) y E) y Questão
Leia mais+ 2. = - 1 se A = 15 = 1 se A = 25
Yˆ = 7,5 + 8, X + 5,00 X = - se A = 5 = se A = 5 = - se B = = se B = Exemplo 8.6...4. Outro exemplo: Fatorial ³ Montgomery (997), p. 05. Estudo do efeito da porcentagem de carbonation, A, pressão de operação,
Leia maisEsse material foi extraído de Barbetta (2007 cap 13)
Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos
Leia mais4 Otimização de parâmetros dos arranjos gerados
4 Otimização de parâmetros dos arranjos gerados Nem sempre o algoritmo escolhido para a realização de uma etapa do projeto retorna aquilo que exatamente seria necessário para a etapa seguinte. Em tais
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos 6. Os Modelos fatoriais 2 k Trataremos agora de um caso especial de experimentos fatoriais no qual todos os fatores têm apenas dois níveis. Tais níveis podem ser quantitativos
Leia maisUtilizando um Algoritmo Genético para Encontrar os Zeros de uma Função Real
Utilizando um Algoritmo Genético para Encontrar os Zeros de uma Função Real Amarildo de Vicente 1, Rogério Luis Rizzi 1 1 Colegiado do Curso de Matemática Centro de Ciências Exatas e Tecnológicas da Universidade
Leia maisDeterminação de vícios refrativos oculares utilizando Support Vector Machines
Determinação de vícios refrativos oculares utilizando Support Vector Machines Giampaolo Luiz Libralão, André Ponce de Leon F. de Carvalho, Antonio Valerio Netto, Maria Cristina Ferreira de Oliveira Instituto
Leia maisBibliografia Recomendada. Cornell, J. A. A Primer on Experiments with Mixtures.
Bibliografia Recomendada Cornell, J. A. A Primer on Experiments with Mixtures. Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.; Bruns, R. E. Como Fazer Experimentos. Bibliografia Recomendada
Leia mais