Processos de salto com memória de alcance. e aplicações em redes neuronais
|
|
- Cristiana Conceição Lancastre
- 5 Há anos
- Visualizações:
Transcrição
1 Processos de salto com memória de alcance variável e aplicações em redes neuronais Douglas Rodrigues Pinto Universidade Federal Fluminense 18 de outubro de / 22
2 Problema Como modelar a comunicação de um conjunto de neurônios? 2 / 22
3 Comportamento neuronal Potencial de membrana: diferença entra a voltagem entre a parte interna e externa da membrana celular. O potencial de membrana pode ser alterado por Interação do neurônio com o meio. Interação com outros neurônios. 3 / 22
4 Comportamento neuronal Quanto maior o potencial de membrana de um neurônio, maior a sua probabilidade de disparo. Quando um neurônio dispara, seu potencial de membrana zera. Quando um neurônio dispara, ele interage com outros neurônios. Essa interação pode ser excitatória, inibitória ou neutra. 4 / 22
5 Cadeia de Markov de ordem k O processo estocástico (X n ) n Z, assumindo valores num alfabeto enumerável A, é uma cadeia de Markov de ordem k se, para cada a A, P(X n+1 = a X n = x n ) = P(X n+1 = a X n n k = xn n k ), ou seja, apenas os últimos k passos importam para calcular as probabilidades de transição. 5 / 22
6 Exemplo (Cadeia de Markov de ordem 1) Um equipamento possui dois estados: funcionando (1) ou estragado (). Quando em funcionamento, a máquina tem probabilidade p de continuar funcionando no dia seguinte 1 p de estragar. Uma vez estragada, a máquina tem probabilidade q de ser consertada até o dia seguinte 1 q de permanecer estragada. 6 / 22
7 Supondo X = 1, definimos, para cada n N,, se a máquina está estragada no início do dia n; X n = 1, se a máquina está funcionando no início do dia n. Observe que a probabilidade de transição da cadeia depende apenas do estado último estado observado, isto é, para todo n N, a {, 1}, P(X n+1 = a X = 1,, X n 1 = x n 1, X n = x n ) = P(X n+1 = a X n = x n ). 7 / 22
8 Assim, temos definido, para todo n N, P(X n+1 = X n = ) = 1 q P(X n+1 = X n = 1) = 1 p P(X n+1 = 1 X n = ) = q P(X n+1 = 1 X n = 1) = p Conseguimos, assim, associar ao modelo uma matriz de transição P, dada por P = 1 1 q q 1 1 p p 8 / 22
9 Pergunta É possível modelar a comunicação neuronal através de cadeias de Markov de ordem k? 9 / 22
10 Não Vamos lembrar que Quanto maior o potencial de membrana de um neurônio, maior a sua probabilidade de disparo. Quando um neurônio dispara, seu potencial de membrana zera. Ou seja, a probabilidade de disparo de um neurônio depende da quantidade de energia acumulada desde seu último disparo. 1 / 22
11 Modelo de Galves-Locherbach (213) Supomos que obtemos os gráficos do comportamento de m neurônios. Os dados são discretizados, em janelas entre 3 e 5 milissegundos, que é o tempo aproximado de duração de um disparo. Definimos X n como sendo o vetor m-dimensional de estados de cada neurônio, na n-ésima janela, onde 1, se ouve disparo do neurônio i na janela n, X n [i] =, caso contrário. 11 / 22
12 Exemplo Sistema com 4 neurônios 12 / 22
13 Exemplo Sistema com 4 neurônios 13 / 22
14 Exemplo Sistema com 4 neurônios 14 / 22
15 Exemplo Sistema com 4 neurônios 15 / 22
16 Exemplo Sistema com 4 neurônios x = 1 1 x 1 = 1 1 x 2 = 1 x 3 = 1 x 4 = 1 x 5 = x 6 = 1 x 7 = 1 16 / 22
17 Pergunta Como calcular a probabilidade de disparo cada neurônio no instante seguinte? Ou seja, para cada i = 1, 2, 3, 4, queremos calcular P(X 8 [i] = 1 X = x, X 1 = x 1,, X 7 = x 7 ) 17 / 22
18 Probabilidade de Transição A cada disparo, o neurônio retorna seu potencial de membrana a seu estado inicial. Como cada disparo dos outros neurônios pode influenciar seu potencial de membrana, basta voltar até o instante de seu último disparo para calcular a probabilidade de transição. Ou seja, a quantidade de passos que devemos voltar para definir as probabilidades de transição é variável. Galves e Locherbach propõem modelar a comunicação neuronal como uma cadeia com memória de alcance variável. 18 / 22
19 Trabalhos em andamento A comunicação neuronal possui modelagens a tempo contínuo T 1 T 2 T 3 T 4 T 5 t Figura: Evolução do processo (Y t ) t R para um conjunto de 5 neurônios. 19 / 22
20 Trabalhos em andamento Através desses modelos, buscamos compreender melhor a comunicação entre neurônios e entre diversas regiões do cérebro. Realiza-se diversos experimentos, buscando verificar se o cérebro preserva as estruturas probabilistas dos estímulos recebidos, através da leitura de EEG. Random Source 2 / 22
21 Trabalhos em andamento Trabalhamos atualmente com uma generalização dos processos com memória de alcance variável à tempo contínuo, chamada Processo de salto com memória de alcance variável. Realizamos trabalhos de estimação, para compreender como funciona a dependência do processo com o passado. Buscamos compreender a relação entre as partículas envolvidas. Realizamos estudos de comportamentos assintóticos dos processos. Diversos estudos de implementação computacional. 21 / 22
22 Referências Bibliográficas 1 A. Galves, C. Galves, J. García, N. L. Garcia e F. Leonardi. Context tree selection and linguistic rhythm retrieval from written texts. Ann. Appl. Stat., 6(1):186-29, A. Galves e E. Löcherbach. Stochastic chains with memory of variable length. ArXiv e-prints, Abril, A. Galves e E. Löcherbach. Infinite systems of interacting chains with memory of variable length - a stochastic model for biological neural nets. Journal of Statistical Physics, 151(5): , A. Galves e F. Leonardi. Exponential inequalities for empirical unbounded context trees. Em Vladas Sidoravicius e MariaEulália Vares, editors, In and Out of Equilibrium 2, volume 6 of Progress in Probability, páginas Birkhäuser Basel, A. De Masi, A. Galves, E. Löcherbach, E. Presutti, Hydrodynamic limit for interacting neurons. Journal of Statistical Physics, 158(4), , J. Rissanen. A universal data compression system. IEEE Transactions on Information Theory, 29(5): , A. Duarte, G. Ost, A model for neural activity in the absence of external stimuli, arxiv preprint arxiv: , I. Csiszar e Z. Talata. Context tree estimation for not necessarily finite memory processes, via bic and mdl. Information Theory, IEEE Transactions on, 52(3):17-116, K. Yaginuma, A stochastic system with infinite interacting components to model the time evolution of the membrane potentials of a population of neurons, Journal of Statistical Physics, V. 163, Issue 3, pp , Rodrigues, D. Processos de salto com memória de alcance variável. Tese (Doutorado) - Instituto de Matemática e Estatística, Universidade de São Paulo, São Paulo, / 22
Modelo de previsão de partida de ônibus utilizando cadeias de Markov de alcance variável
Modelo de previsão de partida de ônibus utilizando cadeias de Markov de alcance variável Maria das Vitórias Alexandre Serafim 1 Manuel Rivelino Gomes de Oliveira 2 Divanilda Maia Esteves 3 Paulo José Duarte-Neto
Leia maisModelo de interação entre dois neurônios
Um estudo sobre a correlação de processos interagentes Deborah Cholodoysky Barbedo Pereira (UFF) Orientadora: Karina Yuriko Yaginuma (UFF) Email de contato: deborahp@id.u.br Resumo: Neste trabalho, propromos
Leia maisUm esquema regenerativo visível em cadeias de alcance variável não limitadas
Um esquema regenerativo visível em cadeias de alcance variável não limitadas Aluna: Divanilda Maia Esteves Orientador: Antonio Galves Instituto de Matemática e Estatística Universidade de São Paulo 21
Leia maisAplicações de Cadeias de Ordem Variável Estocasticamente Perturbadas
Universidade de Brasília Instituto de Ciências Exatas Departamento de Estatística Aplicações de Cadeias de Ordem Variável Estocasticamente Perturbadas Felipe Sousa Quintino Trabalho de Conclusão de Curso
Leia maisAplicação de árvores de contexto probabilísticas para classificação de textos do Corpus Histórico do Português Tycho Brahe
Aplicação de árvores de contexto probabilísticas para classificação de textos do Corpus Histórico do Português Tycho Brahe Bruno Sette Camara de Oliveira, Denise Duarte Departamento de Estatística Universidade
Leia maisProbabilidade Revisão de Conceitos
Probabilidade Revisão de Conceitos Espaço de Amostras A totalidade dos possíveis resultados de um experimento aleatório. Exemplo: jogar dados S = {(1,1),(1,),... (,1),(,)... (6,6)} S é dito o número de
Leia maisPropriedade Markoviana
Cadeias de Markov Cadeias de Markov É um tipo especial de processo estocástico, que satisfaz as seguintes condições: o parâmetro n é discreto (ex: tempo) o espaço de estados E é discreto (coleção de estados
Leia maisMOQ-12 Cadeias de Markov
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-12 Cadeias de Markov Professora: Denise Beatriz T. P. do Areal Ferrari denise@ita.br Roteiro Introdução Processos Estocásticos
Leia maisAvaliação de Desempenho
Avaliação de Desempenho Aula passada Métricas, Técnicas, Erros Aula de hoje Conceitos importantes de probabilidade Como fazer a análise de desempenho? Modelos Matemáticos Modelos de Simulação Como fazer
Leia maisTeoria de Filas Aula 10
Aula Passada Comentários sobre a prova Teoria de Filas Aula 10 Introdução a processos estocásticos Introdução a Cadeias de Markov Aula de Hoje Cadeias de Markov de tempo discreto (DTMC) 1 Recordando...
Leia maisProcessos Estocásticos e Cadeias de Markov Discretas
Processos Estocásticos e Cadeias de Markov Discretas Processo Estocástico(I) Definição: Um processo estocástico é uma família de variáveis aleatórias {X(t) t T}, definidas em um espaço de probabilidades,
Leia maisAula - Equações de Chapman-Kolmogorov
Equações de Chapman-Kolmogorov Prof. Magnos Martinello Aula - Equações de Chapman-Kolmogorov Universidade Federal do Esprito Santo-UFES 2011 Equações de Chapman-Kolmogorov 1/17 Introdução As equações de
Leia maisModelagem estocástica de uma população de neurônios. Karina Yuriko Yaginuma
Modelagem estocástica de uma população de neurônios. Karina Yuriko Yaginuma Tese apresentada ao Instituto de Matemática e Estatística da Universidade de São Paulo para obtenção do título de Doutor em Ciências
Leia maisa convergência das distribuições de probabilidade para
Cadeia de Markov: modelo probabilístico e convergência das distribuições de probabilidade Markov chain: probabilistic model and convergence of probability distributions ISSN 2316-9664 Volume 11, dez. 2017
Leia maisUniversidade de Brasília Departamento de Estatística. Alex Barros Azevedo Bomm
Universidade de Brasília Departamento de Estatística Estudo de Estimadores de Árvores de Contexto com Aplicação em Linguística Alex Barros Azevedo Bomm Monograa apresentada para obtenção do título de Bacharel
Leia maisIntrodução à Teoria do Aprendizado
Introdução à Teoria do Aprendizado Carlos Hall Os processos no mundo real são intrinsecamente: dinâmicos (dependem do tempo) não lineares não gaussianos não estacionários com restrições com interações
Leia maisA cadeia de Markov na determinação de indicadores educacionais Applying Markov chain to determine educational indicators
A cadeia de Markov na determinação de indicadores educacionais Applying Markov chain to determine educational indicators A cadeia de Markov na determinação de indicadores educacionais Applying Markov chain
Leia maisCadeias de Markov em Tempo Continuo
Cadeias de Markov em Tempo Continuo Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulos 6 Taylor & Karlin 1 / 44 Análogo ao processo
Leia maisNoções de Processos Estocásticos e Cadeias de Markov
Noções de Processos Estocásticos e Cadeias de Markov Processo Estocástico Definição: Processo Estocástico é uma coleção de variáveis aleatórias indexadas por um parâmetro t R (entendido como tempo). X={
Leia maisJAI 6 - Deep Learning Teoria e Prática
JAI 6 - Deep Learning Teoria e Prática Esteban Clua e Cristina Nader Vasconcelos Universidade Federal Fluminense Fundamentos Computação baseada em modelos crisnv@ic.uff.br 2 Computação baseada em aprendizado
Leia mais1/7 1/ se hoje não chove, amanhã não vai chover com probabilidade p 00 = 6/7;
6/7 nao chove 1/7 chove 1/3 "0" /3 "1" Figura 1: Todas as transições com suas respectivas probabilidades representadas através de um grafo. Notem que para cada estado, a soma das probabilidades das flechas
Leia maisÁrvores e Florestas Probabilísticas
Árvores e Florestas Probabilísticas e como elas ajudam a distinguir os ritmos do Português Brasileiro e do Português Europeu Instituto de Matemática e Estatística Universidade de São Paulo Colaboradores
Leia maisProcessos Estocásticos aplicados à Sistemas Computacionais
Processos Estocásticos aplicados à Sistemas Computacionais Magnos Martinello Universidade Federal do Espírito Santo - UFES Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia
Leia maisI. INTRODUÇÃO Generalidades
1 I. INTRODUÇÃO 1.1. Generalidades Qualquer sistema real opera sempre em ambientes onde a incerteza impera, principalmente quando o sistema envolve, pela sua natureza, ações humanas imprevisíveis ou desgaste
Leia maisProcessos Estocásticos. Professora Ariane Ferreira
Professora Conteúdos das Aulas 2 1.Apresentação da disciplina e introdução aos (PE) 2.Conceitos de Probabilidades 3.Variaveis aleatorias 4.Introdução aos 5.Processos de Poisson 6.Cadeias de Markov 7.Passeio
Leia maisPlano de Pesquisa. Emprego das Funções de Gabor Sintonizadas para a Análise de Sinais e a Modelagem Neuronal
Plano de Pesquisa Emprego das Funções de Gabor Sintonizadas para a Análise de Sinais e a Modelagem Neuronal Sílvia Mara da Costa Campos Victer Instituto de Computação, UFF 17 de março de 2014 Plano de
Leia maisFuncionais aditivos de processos de exclusão
Funcionais aditivos de processos de exclusão Patrícia Gonçalves Centro de Matemática da Universidade do Minho Campus de Gualtar 471-57 Braga, Portugal e-mail: patg@math.uminho.pt Resumo: Neste trabalho
Leia maisSME0801- Probabilidade II Distribuições conjuntas. Primeiras definições e propriedades
SME0801- Probabilidade II Distribuições conjuntas. Primeiras definições e propriedades Pablo Martin Rodriguez SME ICMC USP Bacharelado em Estatística 20 Mar 2017 Vetores aleatórios Definição Sejam X 1,
Leia maisModelos Probabilísticos
Modelos Probabilísticos Somente para lembrar... Modelos são extremamente importantes para o estudo do desempenho de um sistema antes de implementá-lo na prática! Foguete proposto tem confiabilidade? Devemos
Leia maisEcho State Networks. Fabricio Breve João Bertini
Echo State Networks Fabricio Breve João Bertini RNN Tarefas Filtragem e predição Classificação de Padrões Modelagem de Seqüências Estocásticas Memória Associativa Compressão de Dados RNN Aplicações Telecomunicações
Leia maisAs aulas anteriores trataram do modelo de Hodgkin-Huxley e do formalismo de Hodgkin- Huxley para modelar neurônios.
Modelos de neurônios do tipo integra-e-dispara Introdução As aulas anteriores trataram do modelo de Hodgkin-Huxley e do formalismo de Hodgkin- Huxley para modelar neurônios. Como a estratégia de Hodgkin
Leia maisCapítulo 2: Procedimentos e algoritmos
Capítulo 2: Procedimentos e algoritmos Para estudar o processo de computação de um ponto de vista teórico, com a finalidade de caracterizar o que é ou não é computável, é necessário introduzir um modelo
Leia maisSe X t = 4 X t+1 = X t+2 =... = 4. Cadeias de Markov Classificação Cadeias ergódicas Cadeias com absorção
Nesta aula... Processos estocásticos 1 2 3 Processos estocásticos: Suponhamos que observamos um conjunto de caracteristicas de um sistema em instantes de tempo discretos 0, 1, 2,... A característica do
Leia maisAlgoritmos Probabilísticos
Algoritmos Probabilísticos Gilson Evandro Fortunato Dias Orientador: José Coelho de Pina Universidade de São Paulo Instituto de Matemática e Estatística Departamento de Ciência da Computação MAC0499 p.
Leia maisMP-208: Filtragem Ótima com Aplicações Aeroespaciais
MP-208: Filtragem Ótima com Aplicações Aeroespaciais Seção 2.6: Vetores Aleatórios Davi Antônio dos Santos Departamento de Mecatrônica Instituto Tecnológico de Aeronáutica davists@ita.br São José dos Campos,
Leia maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Variáveis Aleatórias Ao descrever um espaço
Leia maisAST203-CVR 4-1 AST203-CVR. Observação eletromagnética. Processamento de sinais importante em várias áreas, além da astronomia telecomunicações
Bloco 4 Estatística Atualizado: 2012 4-1 Bibliografia Lena Cap. 4 (parte) - só a inspiração... Wall & Jenkins, Practical statistics for astronomers Brandt Statistical and computacional methods in data
Leia maisROTEIRO DA APRESENTAÇÃO PROCESSOS ESTOCÁSTICOS
ROTEIRO DA APRESENTAÇÃO MODELOS ESTOCÁSTICOS APLICADOS À INDÚSTRIA Prof. Lupércio França Bessegato Departamento de Estatística Universidade Federal de Juiz de Fora lupercio.bessegato@ufjf.edu.br www.ufjf.br/lupercio_bessegato
Leia maisAPLICAÇÃO DO TEOREMA DO PONTO FIXO DE BANACH A UM PROBLEMA EM PROBABILIDADE 1
Disciplinarum Scientia. Série: Ciências Exatas, S. Maria, v.2, n.1, p.59-68, 2001 59 APLICAÇÃO DO TEOREMA DO PONTO FIXO DE BANACH A UM PROBLEMA EM PROBABILIDADE 1 APPLICATION OF BANACH FIXED POINT THEOREM
Leia maisACH2043 INTRODUÇÃO À TEORIA DA COMPUTAÇÃO. Aula 18. Cap O Problema da Parada
ACH2043 INTRODUÇÃO À TEORIA DA COMPUTAÇÃO Aula 18 Cap 4.2 - O Problema da Parada Profa. Ariane Machado Lima ariane.machado@usp.br 1 Nas últimas aulas Tese de Church-Turing Problemas computacionais descritos
Leia maisUTILIZAÇÃO DO ALGORITMO SIMULATED ANNEALING EM PROBLEMAS DE OTIMIZAÇÃO
Revista da Estatística da UFOP, Vol I, 2011 - X Semana da Matemática e II Semana da Estatística, 2010 ISSN 2237-8111 UTILIZAÇÃO DO ALGORITMO SIMULATED ANNEALING EM PROBLEMAS DE OTIMIZAÇÃO Victor Ferreira
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ UFPR DEPARTAMENTO DE ESTATÍSTICA CURSO DE GRADUAÇÃO EM BACHARELADO EM ESTATÍSTICA
UNIVERSIDADE FEDERAL DO PARANÁ UFPR DEPARTAMENTO DE ESTATÍSTICA CURSO DE GRADUAÇÃO EM BACHARELADO EM ESTATÍSTICA JEFERSON LUIS POVOROZNEK JULIO ALEXANDRE MELLO GARCIA MODELOS MARKOVIANOS MULTI-ESTADOS
Leia maisTaxa de Mutação Efetiva no Modelo de Moran
Trabalho apresentado no XXXV CMAC, atal-r, 04. Taxa de Mutação Efetiva no Modelo de Moran Telles Timóteo da Silva Depto de Física e Matemática, UFSJ, 3640-000, Ouro Branco, MG E-mail: timoteo@ufsj.edu.br
Leia maisFísica Estatística Computacional
Física Estatística Computacional Tereza Mendes IFSC USP http://lattice.ifsc.usp.br/cbpf.html Física Estatística Computacional Vamos trabalhar com sistemas estocásticos, em que um grande número de integrantes
Leia maisAULA 9 - Variável aleatória bidimensional discreta
AULA 9 - Variável aleatória bidimensional discreta Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Variáveis aleatórias bidimensionais Definition Sejam ɛ um experimento e S um espaço amostral
Leia maisAula 14. Aula de hoje. Aula passada
Aula 14 Aula passada Autovalores, autovetores, decomposição Convergência para estacionaridade Tempo de mistura Spectral gap Tempo de mistura de passeios aleatórios Aula de hoje Caminho amostral Teorema
Leia maisTópicos Especiais em Qualidade
Tópicos Especiais em Qualidade Processos estocásticos, Distribuições de probabilidade e Ajustamento de dados Qualquer sistema real opera sempre em ambientes onde a incerteza impera, principalmente quando
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 20
Teoria das Filas aplicadas a Sistemas Computacionais Aula 20 Magnos Martinello Universidade Federal do Espírito Santo - UFES Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia
Leia maisDETERMINAÇÃO DO TEMPO MÉDIO ATÉ A FALHA PARA UM SISTEMA EM COLD STANDBY COM MANUTENÇÃO CORRETIVA BASEADO NA TEORIA DE SEMI-MARKOV
DETERMINAÇÃO DO TEMPO MÉDIO ATÉ A FALHA PARA UM SISTEMA EM COLD STANDBY COM MANUTENÇÃO CORRETIVA BASEADO NA TEORIA DE SEMI-MARKOV Angelica Alebrant Mendes (UFRGS) angelica@producao.ufrgs.br Jose Luis Duarte
Leia maisProcessos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes. Como devemos descrever um experimento aleatório?
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos
Leia maisSME Introdução à Inferência Estatistica
SME0221 - Introdução à Inferência Estatistica Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Apresentação da Disciplina Oferecimento 1o semestre
Leia maisNem todos os caminhos vão dar a Roma
Encontro de Novos Talentos em Matemática 8 de Setembro de 2007 Passeio Aleatório No espaço Z d, com d 1, consideramos o movimento de uma partícula que parte da origem e que em cada instante inteiro se
Leia maisPROCESSOS ESTOCÁSTICOS
PROCESSOS ESTOCÁSTICOS Definições, Principais Tipos, Aplicações em Confiabilidade de Sistemas e Sinais CLARKE, A. B., DISNEY, R. L. Probabilidade e Processos Estocásticos, Rio de Janeiro: Livros Técnicos
Leia maisUniversidade Federal do ABC Rua Santa Adélia, Bairro Bangu - Santo André - SP - Brasil CEP Telefone/Fax:
Universidade Federal do ABC Rua Santa Adélia, 166 - Bairro Bangu - Santo André - SP - Brasil CEP 09.210-170 - Telefone/Fax: +55 11 4996-3166 1. CÓDIGO E NOME DA DISCIPLINA BC1436 - PRINCÍPIOS DE SIMULAÇÃO
Leia mais3 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 3 a Lista de PE Solução. Se X representa o ganho do jogador, então os possíveis valores para X são,, 0, e 4. Esses valores são, respectivamente, correspondentes
Leia maisSME Estatistica Computacional
SME0806 - Estatistica Computacional Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Apresentação da Disciplina Oferecimento 1o semestre 2019.
Leia maisPredição de Utilização de Recursos Computacionais Usando Séries Temporais
Predição de Utilização de Recursos Computacionais Usando Séries Temporais Aluno: Paulo Roberto Pereira da Silva Orientador: Paulo Romero Martins Maciel Coorientador: Jean Carlos Teixeira de Araujo de Garanhuns
Leia maissobre o grafo probabilístico completo de um sistema de regulação gênica
Um algoritmo eficiente para o crescimento de redes sobre o grafo probabilístico completo de um sistema de regulação gênica Leandro de Araújo Lima Orientador: Junior Barrera Departamento de Ciência da Computação
Leia maisProcessos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos
Leia maisJogos de Campo Médio. Diogo A. Gomes (IST - Lisbon) Trabalho conjunto com J. Mohr e R. Sousa (UFRGS - Brasil)
Jogos de Campo Médio Diogo A. Gomes (IST - Lisbon) Trabalho conjunto com J. Mohr e R. Sousa (UFRGS - Brasil) 1 Os jogos de campo médio ( mean field games ) modelam situações de conflítuo/competição que
Leia maisAvaliação de Desempenho de Sistemas Discretos
Referências Avaliação de Desempenho de Sistemas Discretos Parte I: Introdução Professor: Reinaldo Gomes reinaldo@computacao.ufcg.edu.br 4 Kleinrock, L. Queueing Systems - Vol. : Theory. John Wiley & Sons,
Leia maisPROCESSOS ESTOCÁSTICOS
PROCESSOS ESTOCÁSTICOS Definições, Principais Tipos, Aplicações em Confiabilidade de Sistemas CLARKE, A. B., DISNEY, R. L. Probabilidade e Processos Estocásticos, Rio de Janeiro: Livros Técnicos e Científicos
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 06 / Classes Especiais de Processos Aleatórios
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 06 / Classes Especiais de Processos Aleatórios Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE
Leia maisThaís Saes Giuliani Ribeiro. Processos de Markov discretos: exemplos voltados para o Ensino Médio
Thaís Saes Giuliani Ribeiro Processos de Markov discretos: exemplos voltados para o Ensino Médio Bauru 07 Thaís Saes Giuliani Ribeiro Processos de Markov discretos: exemplos voltados para o Ensino Médio
Leia maisIDENTIFICAÇÃO DE SÉRIES TEMPORAIS MULTIVARIADAS NO ESPAÇO DE ESTADO PELO MÉTODO DE AKAIKE BASEADO EM CORRELAÇÕES CANÔNICAS COM PARÂMETRO ITERATIVO
IDENTIFICAÇÃO DE SÉRIES TEMPORAIS MULTIVARIADAS NO ESPAÇO DE ESTADO PELO MÉTODO DE AKAIKE BASEADO EM CORRELAÇÕES CANÔNICAS COM PARÂMETRO ITERATIVO ABÍLIO R. M. SOARES 1, CELSO P. BOTTURA 1. 1. DMCSI, FEEC,
Leia maisEstatística (MAD231) Turma: IGA. Período: 2018/2
Estatística (MAD231) Turma: IGA Período: 2018/2 Aula #03 de Probabilidade: 19/10/2018 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
Leia maisMC102 Aula 26. Instituto de Computação Unicamp. 17 de Novembro de 2016
MC102 Aula 26 Recursão Instituto de Computação Unicamp 17 de Novembro de 2016 Roteiro 1 Recursão Indução 2 Recursão 3 Fatorial 4 O que acontece na memória 5 Recursão Iteração 6 Soma em um Vetor 7 Números
Leia maisFLUXO DE INFORMAÇÃO ENTRE DOIS MODELOS DE NEURÔNIO DE HINDMARSH-ROSE
FLUXO DE INFORMAÇÃO ENTRE DOIS MODELOS DE NEURÔNIO DE HINDMARSH-ROSE Aryadyne Bueno Rocha Szesz (PIBIC/Fundação Araucária/UEPG), Sandro Ely de Souza Pinto (Orientador), e-mail: dsouzapinto@gmail.com Universidade
Leia maisAula 10: Decidibilidade
Teoria da Computação Aula 10: Decidibilidade DAINF-UTFPR Prof. Ricardo Dutra da Silva Definição 10.1. Um problema de decisão P é um conjunto de questões para as quais as respostas são sim ou não. Exemplo
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2011
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2011 Cadeias de Markov Em 1907, Andrew Markov iniciou um estudo sobre um modelo onde o resultado
Leia maisCadeias de Markov. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Cadeias de Markov Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulos 3 e 4 Taylor & Karlin 1 / 71 Cadeias de Markov Seja X 0, X 1,...
Leia maisTE802 Processos Estocásticos em Engenharia. Informação sobre a disciplina Notes. Processos Estocásticos em Engenharia Conteúdo Notes.
TE802 Processos Estocásticos em Engenharia Conceitos Básicos de Teoria de Probabilidade 7 de março de 2016 Informação sobre a disciplina Terças e Quintas feiras das 09:30 às 11:20 horas Professor: Evelio
Leia maisTE802 Processos Estocásticos em Engenharia. Informação sobre a disciplina. TE802 Conceitos Básicos de Teoria de Probabilidade. Evelio M. G.
TE802 Processos Estocásticos em Engenharia Conceitos Básicos de Teoria de Probabilidade 23 de agosto de 2017 Informação sobre a disciplina Segundas e Quartas feiras das 09:30 às 11:20 horas Professor:
Leia maisModelagem e Avaliação de Desempenho
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016 Exemplos usados na apresentação foram obtidos de Introduction to Probability, C.M.Grinstead
Leia maisCadeias de Markov Introdução
Cadeias de Markov Introdução EAD 350 Pesquisa Operacional Segmento Modelos de Redes Prof. Nicolau Reinhard 1º Semestre de 2017 Referências básicas: Taha, H., Pesquisa Operacional 8ª edição, Pearson, Prentice
Leia maisSimulação Teoria Independência. Mac5796. Aula 4. Walter Mascarenhas 30/03/2011. Walter Mascarenhas Mac5796. Aula 4
Mac5796. Aula 4 Walter Mascarenhas 30/03/2011 Resumo Simulação 1 Simulação 2 3 A aula passada: Espaço amostral. Eventos. σ-álgebras. Medida de probabilidade. A aula de hoje: Passeios aleatórios Passeio
Leia maisVARIÁVEIS ALEATÓRIAS
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA VARIÁVEIS ALEATÓRIAS Joaquim H Vianna Neto Relatório Técnico RTE-03/013 Relatório Técnico Série Ensino Variáveis
Leia maisMAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 28 de Agosto, 2013 Probabilidade: uma Introdução / Aula 8 1 Desigualdades de Markov e
Leia maisVariáveis Aleatórias Discretas 1/1
Variáveis Aleatórias Discretas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte do Espírito Santo
Leia maisUNIVERSIDADE FEDERAL DE UBERLÂNDIA UFU
UNIVERSIDADE FEDERAL DE UBERLÂNDIA UFU PLANO DE TRABALHO EM INICIAÇÃO CIENTÍFICA Desenvolvimento e aplicação de um modelo gravitacional simplificado para análise de formas. Uberlândia 17/05/2013 IDENTIFICAÇÃO
Leia maisLinha Técnica Sessão VI Métodos de Homogeneização
Impact Evaluation Linha Técnica Sessão VI Métodos de Homogeneização Human Development Network Spanish Impact Evaluation Fund www.worldbank.org/sief Quando podemos usar homogeneização? E se a designação
Leia maisConvergência de matrizes estocásticas regulares
Convergência de matrizes estocásticas regulares Convergence of regular stochastic matrices ISSN 2316-9664 Volume 8, dez 2016 Edição Iniciação Científica Fabiano Borges da Silva Faculdade de Ciências, UNESP,
Leia maisSão Carlos, August 09, Roberto Imbuzeiro de Oliveira Organizing Committee
We hereby certify that, Átila Prates Correia - Instituto de Ciências Matemáticas e de Computação, participated in the XX Escola Brasileira de Probabilidade, held at ICMC USP, São Carlos, São Paulo, July
Leia mais3 Aprendizado por reforço
3 Aprendizado por reforço Aprendizado por reforço é um ramo estudado em estatística, psicologia, neurociência e ciência da computação. Atraiu o interesse de pesquisadores ligados a aprendizado de máquina
Leia maisE a proporcionalidade entre os dois vai ser, de novo, a seção de choque: ( eq ) densidade por área
Teoria Quântica de Campos I 30 E a proporcionalidade entre os dois vai ser, de novo, a seção de choque: ( unidades de área, consistentemente ) densidade por área ( eq. 30.1 ) velocidade relativa volume
Leia maisProbabilidade Estatística
Plano de trabalho Probabilidade Estatística Probabilidade Estatística Probabilidade: Espaço de probabilidade Variáveis aleatórias Distribuições Processos estocásticos Estatística Estimadores Testes de
Leia maisSCC-5832 Teoria da Computação
Teoria da Computação SCC-5832 Teoria da Computação João Luís Garcia Rosa 1 1 Departamento de Ciências de Computação Instituto de Ciências Matemáticas e de Computação Universidade de São Paulo - São Carlos
Leia maisCadeias de Markov de Tempo Contínuo (CTMC)
Cadeias de Markov de Tempo Contínuo (CTMC) Cadeia de Markov Contínua (1) A análise de cadeias de Markov contínuas (CTMCs) é bem similar a análise em tempo discreto, com a diferença de que as transições
Leia maisdistribuição perto do pico
Teoria Quântica de Campos I 178 Em espalhamentos relativísticos o mesmo ocorre, as partículas iniciais podem se combinar para formar estados instáveis, que então decaem em outros, por exemplo: Na amplitude
Leia maisModelagem e Análise de Sistemas - COS767
Modelagem e Análise de Sistemas - COS767 Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Geração de variáveis aleatórias: método da transformada inversa Simulação
Leia maisGRUPO DE INTELIGÊNCIA COMPUTACIONAL, MODELAGEM E NEUROCOMPUTAÇÃO ICONE
GRUPO DE INTELIGÊNCIA COMPUTACIONAL, MODELAGEM E NEUROCOMPUTAÇÃO ICONE LABORATÓRIO DE SISTEMAS INTEGRADOS LSI DEPARTAMENTO DE ENGENHARIA DE SISTEMAS ELETRÔNICOS PSI ESCOLA POLITÉCNICA DA USP PRINCIPAL
Leia maisUNIVERSIDADE FEDERAL DE OURO PRETO PRÓ REITORIA DE GRADUAÇÃO. Código: EST011 Departamento: Unidade: DEPARTAMENTO DE ESTATÍSTICA
PROGRAMA DE DISCIPLINA Disciplina: PROCESSOS ESTOCÁSTICOS Código: EST011 Departamento: Unidade: DEPARTAMENTO DE ESTATÍSTICA INSTITUTO DE CIÊNCIAS EXATAS E BIOLÓGICAS Carga Horária Semanal Teórica Prática
Leia maisCONSTRUÇÃO DE DETECTOR DE ESTÍMULO COM NEURÔNIO PULSANTE VIA EVOLUÇÃO DIFERENCIAL
CONSTRUÇÃO DE DETECTOR DE ESTÍMULO COM NEURÔNIO PULSANTE VIA EVOLUÇÃO DIFERENCIAL Gustavo M. Zeferino, Rogério M. Gomes, Henrique E. Borges, Gabriela E. Soares Centro Federal de Educação Tecnológica de
Leia maisIN Redes Neurais
IN0997 - Redes Neurais Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática - CIn Departamento de Sistemas da Computação aluizioa@cin.ufpe.br Conteúdo Objetivos Quem usa
Leia maisComo modelar o comportamento de um sistema? MAB-515
Como modelar o comportamento de um sistema? MAB-515 Possibilidades de modelagem PARAMETRIZA modelo matemático experimento real AJUDA A COMPREENDER SIMULAÇÃO SOLUÇÃO ANALÍTICA MEDIDAS EXPERIMENTAIS NO MODELO
Leia maisProcessos Estocásticos. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Variáveis Aleatórias Funções de Uma Variável Aleatória Funções de Várias Variáveis Aleatórias Momentos e Estatística Condicional Teorema
Leia maisTE802 Processos Estocásticos em Engenharia
TE802 Processos Estocásticos em Engenharia Cadeias de Markov 20/11/2017 Andrei Markov Em 1907, Andrei Markov iniciou um estudo sobre processos onde o resultado de um experimento depende do resultado de
Leia maisPrevisão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN
Previsão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN Alan Caio Rodrigues MARQUES 1, Gelson da Cruz JUNIOR 2, Cassio Dener Noronha VINHAL 3 Escola de Engenharia Elétrica e de Computação 1
Leia mais4 Medida de desempenho do gráfico de controle
4 Medida de desempenho do gráfico de controle Neste capítulo, são apresentadas as ferramentas que nos permitem comparar o desempenho do gráfico utilizado por Kang & Albin (2000) para monitorar perfis lineares,
Leia mais