Hidden Markov Models. Renato Assunção DCC - UFMG
|
|
- Alice Madeira Bastos
- 5 Há anos
- Visualizações:
Transcrição
1 Hidden Markov Model Renato Aunção DCC - UFMG
2 Proceo Etocático Proceo etocático e uma coleção de variávei aleatória: {X i, i {0,, 2,...}} I e chamado de conjunto-índice: e o conjunto que indexa a variávei aleatória Em geral, I = tempo X i e a variável que foi medida no tempo t=i A variávei ão dicreta e podem aumir o valore {, 2,..., k} = epaço de etado X i = j ignifica que o proceo tinha valor (ou etado) j no tempo i
3 Trajetória ou configuraçõe Um caminho epecifico e chamado de trajetória. Por exemplo, X =, X 2 =4,..., X m =2 e uma trajetória 4 trajetória: proceo proceo tempo tempo proceo proceo tempo tempo
4 Probabilidade Qual a probabilidade de uma certa trajetória? Numa equencia de m variávei aleatória, cada uma com k valore, temo k m trajetória poívei. Preciamo de um truque para atribuir probabilidade a toda eta k m trajetória. O truque mai uado e o modelo de Markov. O futuro depende do que aconteceu no paado e no preente: com Markov, abendo o preente, podemo ignorar o paado. Em palavra: a trajetória futura não depende de COMO o proceo chegou onde ele etá, depende apena de ONDE ele etá.
5 Propriedade de Markov Um proceo tem a propriedade de Markov e etado ? tempo
6 Cadeia de Markov Quando o proceo etocático tem um conjunto índice dicreto {0,, 2, 3,...} e poui a propriedade de Markov, ele e chamado de CADEIA DE MARKOV. A probabilidade P(X j = x X j- = x * ) e chamada de probabilidade de tranição. E a chance de fazer a tranição do etado x* no tempo j- para o etado x no tempo j. Eta probabilidade de tranição pode variar no tempo: pode er mai fácil paar de x * x no inicio do que no final. P(X j = x X j- = x * ) = q j (x x* )
7 Calculo da probabilidade com Markov Temo então Valido empre Markov
8 Cadeia de Markov HOMOGENEAS E quando a probabilidade de tranição e contante no tempo. P(X j = x X j- = x * ) = q j (x x* ) = q(x x* ) Matriz de tranição: matriz k x k com o valore da probabilidade de tranição q(x* x) M q( ) q( 2) q( k ) q( k) q(2 ) q(2 2) q(2 k ) q(2 k) q( k ) q( k 2) q( k k ) q( k k) q( k ) q( k 2) q( k k ) q( k k)
9 Matriz de tranição M Propriedade de M: Elemento q(i j) etão entre 0 e Elemento omam ao longo da linha: M. = onde =(,,.., ) t M q( ) q( 2) q( k ) q( k) q(2 ) q(2 2) q(2 k ) q(2 k) q( k ) q( k 2) q( k k ) q( k k) q( k ) q( k 2) q( k k ) q( k k)
10 Probabilidade com Markov homogêneo Seja q(j) = P(X = j), a ditribuição de probabilidade para o etado INICIAL da cadeia Temo então
11 Markov e um modelo gerador Generative model: modelo para toda a variávei envolvida, tanto a evidencia conhecida e fixa quanto a variávei deconhecida. Ito ignifica que podemo imular varia intancia do proceo. A cadeia de Markov pode er imulada com facilidade.
12 Markov: Um modelo gerador Uma equencia x, x 2,..., x m pode er gerada pelo algoritmo: Gere x da ditribuição inicial q(i) Para j=2,..,m Gere x j da ditribuição q(x x j- ) Em R, por exemplo: mat = matrix(c(0.8,0.,0.,0.4,0.5,0.,0.2,0.7,0.), ncol=3, byrow=t) x[] = ample(3,, prob=c(/3, /3, /3)) for(i in 2:5) x[i] = ample(3,, prob=mat[x[i-],])
13 Hidden Markov model Cadeia de Markov econdida
14 Modelando PARES de equencia Em varia aplicaçõe, temo uma equencia LATENTE (não-obervada). Obervamo uma outra equencia que e a latente mai algum ruído Exemplo: Part of peech tagging (equitagem gramatical??) em proceamento de linguagem natural: a cada palavra de um texto atribuir uma categoria gramatical: ubtantivo, verbo, prepoicao, adverbio, etc. Dua equencia: a palavra do texto A etiqueta gramaticai
15
16 Outro Exemplo Speech Recognition (reconhecimento de fala): paar de uma equencia acútica ( obervada ) para uma equencia de palavra E a aplicação onde naceu HMM.
17 Modelo para pare de equencia Temo DUAS equencia de variávei aleatória: X,..., X m S,..., S m Cada X i correponde a uma obervação, uma evidencia de fato medida. Cada S i e um etado latente que gerou a obervação. NÃO E CONHECIDO Vamo upor que S i {, 2,.., k} e X i {, 2,.., o} Como calcular
18 Modelo gráfico para HMM Independência condicional: O etado latente S i formam uma cadeia de Markov A obervaçõe X i dependem apena de S i, o etado latente no memo momento i
19 Calculando probabilidade Pela definição de probabilidade condicional: Supoição : o etado S i formam cadeia de Markov
20 Calculando probabilidade Novamente pela definição de probabilidade condicional: Supoição 2: X i depende apena de S i
21 Hidden Markov Model - HMM A probabilidade deejada fica igual a: Para implificar a notação: t() = P(S = ) = ditribuição inicial t( ) = P(S j = S j- =) tranição e(x ) = P(X j =x S j =) Ditribuição da emião do inal Então
22 HMM e um modelo gerador Sequencia S...S m e X...X m ão gerada pelo eguinte proceo: Gere S de acordo com a ditribuição t(). Gere X de acordo com a emião e(x ) onde e o valor gerado no pao anterior for j=2,...,m Gere j a partir da ditribuição t( j- ) Gere x j a partir da ditribuição e(x j )
23 Etimação de parâmetro Amotra de treinamento com n pare de equencia S e X de comprimento m, AMBAS OBSERVADAS Ito e, temo X i,j e S i,j para i =,...,n e j=,..., m Defina count(i, ) como o numero de veze que o etado eguiu o etado na amotra de treinamento Onde [[A]] = e A e verdade e 0 e A e falo Etimativa de t( ) ^
24 Parâmetro da ditribuição inicial Defina count(i,) como e o etado e o etado inicial da equencia i, e como 0 cao contrario: Etimativa de t() ^
25 Parâmetro da Emião Defina count(i, x) como o numero d veze que o etado eta pareado com a obervação x: Etimativa de e( x): ^
26 Uo do modelo HMM Dada uma equencia obervada X,..., X m, qual a probabilidade da equencia latente S,..., S m p(,..., m x,...,x m ) = p(,..., m, x,...,x m )/ p(x,...,x m ) α p(,..., m, x,...,x m ) Objetivo: dada uma equencia obervada X,..., X m, obter a equencia latente mai provável: ALGORITMO DE VITERBI
27 Algoritmo de Viterbi Objetivo: dada uma equencia obervada X,..., X m, obter a equencia latente mai provável O algoritmo de Viterbi e um algoritmo de programação dinâmica. Etrutura báica: = matriz m x k (comprimento da equencia veru no. de etado) [j,] = max,..,j- {P(x,..., x j-, x j,,..., j-, S j =) Ito e, [j,] = valor máximo da probabilidade de toda a equencia de etado que terminam no etado no tempo j
28 Algoritmo de Viterbi [j,] = valor máximo da probabilidade de toda a equencia de etado que terminam no etado no tempo j Todo o cálculo conideram também x,...,x j Como calcular? [,] = t()e(x ) Ito e correto: e tempo=, o conjunto da equencia de etado de comprimento que terminam em e unitário: apena a equencia. Então a probab máxima e a probab da equencia, que o valor t()e(x )
29 Algoritmo de Viterbi Tendo [,], paamo a obter o demai iterativamente. Para j=2: Para j=3 ) ( ) ( ] [, max ) ( ) ( ) ( ) ( max ),,, ( max ] [2, x e t x e t x e t x x p ) ( ) ( ] [2, max ) ( ) ( ) ( ) ( ) ( ) ( max ),,,,, ( max ] [3, , 3 2 2, x e t x e t x e t x e t x x x p
30 Algoritmo de Viterbi De forma geral, queremo Ao invé de coniderar todo a combinaçõe de etado,..., j-, ito e calculado pelo algoritmo de Viterbi: Inicialização Para j=2,...,m e para =,.., k Temo então Ordem O(mk 2 )
31 Viterbi: hortet-path algorithm Sequencia x,...,x m eta fixada Grafo com vértice (j,) para j=,..,m e =,..,k Nó fonte rotulado como 0 Areta direcionada de 0 para [,] com peo t()e(x ) Para j=2,..m, e etado, temo areta de (j-,) para (j, ) com peo t( )e(x j ) Peo de um caminho e o produto do peo da areta. [j,] e o peo máximo do caminho de 0 a (j,)
32 Viterbi: backpointer Inicialização: para =,..., k calcule Para j=2,...,m e para =,...,k e A entrada bp[j,] ão o backpointer que no permitem recuperar a identidade da equencia de etado com probabilidade maxima
33 Viterbi: backpointer A probabilidade maxima obre toda a equencia de etado e dada por Para recuperar a identidade da equencia de probabilidade máxima, faca o eguinte: Para j=m Para j=m,...,2 Eta equencia de etado,.., m e a deejada, aquela =
34 Pacote em R pir (linear tate pace model, Kalman filter) hmm.dicnp (dicrete-tate HMM with dicrete bervation) HiddenMarkov (dicrete-tate HMM with continuou obervation) RHmm (dicrete-tate HMM, but eem buggy and untable).
Intervalo de Confiança para a Diferença entre Duas Médias Amostrais
Intervalo de Confiança para a Diferença entre Dua Média Amotrai Quando e quer etimar a diferença, µ µ, entre a média de dua populaçõe e, procede-e da eguinte maneira: toma-e uma amotra de cada população,
Leia maisIntervalo de Confiança para a Variância de uma População Distribuída Normalmente. Pode-se mostrar matematicamente que a variância amostral,
Etatítica II Antonio Roque Aula 8 Intervalo de Confiança para a Variância de uma População Ditribuída Normalmente Pode-e motrar matematicamente que a variância amotral, ( x x) n é um etimador não envieado
Leia maisTeste para Médias: duas amostras independentes
Etatítica II.09.07 UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Etatítica I - UNIR Etatítica II Tete para Média: dua amotra independente Profa. Renata Gonçalve
Leia maisTabela Periódica Princípio de Exclusão de Pauli
Fíica IV Poi Engenharia Eétrica: 18ª Aua (3/10/014) Prof. Avaro Vannucci Na útima aua vimo: Grandeza fíica reacionada com o número quântico: (i) Número quântico orbita (azimuta) Momento Anguar Orbita L
Leia maisResolução do exame de 1 a época
Reolução do exame de a época Programação Matemática - O itema linear: x + y x y x + y + z x + y + αz β x y x y x y z x + y + αz β é do tipo Ax b onde A = α e b = Por um corolário do lema de Farka, um itema
Leia maisBioestatística e Computação I
Bioetatítica e Computação I Intervalo de confiança Maria Virginia P Dutra Eloane G Ramo Vania Mato Foneca Pó Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baeado na aula de M. Pagano e Gravreau
Leia mais8 Equações de Estado
J. A. M. Felippe de Souza 8 Equaçõe de Etado 8 Equaçõe de Etado 8. Repreentação por Variávei de Etado Exemplo 4 Exemplo 8. 4 Exemplo 8. 6 Exemplo 8. 6 Exemplo 8.4 8 Matriz na forma companheira Exemplo
Leia mais1 Inferência Estatística - Teoria da Estimação
1 Inferência Etatítica - Teoria da Etimação 1.1 Introdução Nete capítulo abordaremo ituaçõe em que o interee etá em obter informaçõe da população com bae em amotra. Como exemplo, conidere a eguinte ituaçõe.
Leia maisUm exemplo de TCM (Trellis Coded Modulation) - versão draft
Um exemplo de TCM (Trelli Coded Modulation) - verão draft Introdução A concepção inicial do TCM remonta à época da publicação da ref [1] coniderada como o marco inicial do etudo obre o tema Seja uma contelação
Leia maisProbabilidade e Estatística
Probabilidade e Etatítica Material teórico Medida de Diperão ou Variação Reponável pelo Conteúdo: Profª M. Roangela Maura C. Bonici MEDIDAS DE DISPERSÃO OU VARIAÇÃO Introdução ao Conteúdo Cálculo da
Leia maisINTERVALO DE CONFIANÇA
INTERVALO DE CONFIANÇA Supoha que etejamo itereado um parâmetro populacioal verdadeiro (ma decohecido) θ. Podemo etimar o parâmetro θ uado iformação de oa amotra. Chamamo o úico úmero que repreeta o valor
Leia maisUniversidade Cruzeiro do Sul. Campus Virtual Unidade I: Unidade: Medidas de Dispersão
Univeridade Cruzeiro do Sul Campu Virtual Unidade I: Unidade: Medida de Diperão 010 0 A medida de variação ou diperão avaliam a diperão ou a variabilidade da equência numérica em análie. São medida que
Leia maisMedida do Tempo de Execução de um Programa. Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP
Medida do Tempo de Execução de um Programa Bruno Hott Algoritmo e Etrutura de Dado I DECSI UFOP Clae de Comportamento Aintótico Se f é uma função de complexidade para um algoritmo F, então O(f) é coniderada
Leia maisFísica Atómica e Nuclear Capítulo 7. Átomos Multilelectrónicos.
132 7.6. Acoplamento do Momento Angular. A informação dada atravé da ditribuição electrónica no átomo não é uficiente para decrever completamente o etado do átomo, uma vez que não explica como o momento
Leia mais02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição
Uiveridade Etadual do Oete do Paraá - Uioete Curo de Nutrição Bioetatítica Profeora Aqui começamo o etudo da etatítica iferecial, que é o egudo maior ramo da etatítica. M.Roebel Tridade Cuha Prate Coite
Leia maisMedidas e algarismos significativos
Medida e algarimo ignificativo Como repreentar o reultado de uma medida, algarimo ignificativo Erro, média e devio padrão Hitograma e ditribuição normal Propagação de erro Medida em fíica ex. medida do
Leia maisWinCC Basic / Comfort / Advanced V1X
WinCC V1X - HMI Alarme WinCC Baic / Comfort / Advanced V1X Configuração de alarme em HMI Denilon Pegaia Objetivo: proporcionar uma vião geral obre como configurar alarme no HMI atravé do oftware WinCC
Leia mais1 Jogos Estáticos de Informação Incompleta
Nota de Aula - Teoria do Jogo - FCE/UERJ 016. (Verão preliminar - favor não circular) Profeor Pedro Hemley Horário: xxxx Sala: xxxx Ementa e informaçõe relevante: página do curo 1 Jogo Etático de Informação
Leia maisModelos de Markov Ocultos no Reconhecimento da Língua LIBRAS
Modelos de Markov Ocultos no Reconhecimento da Língua LIBRAS Prof. Dr. Hemerson Pistori GPEC - Grupo de Pesquisa em Engenharia e Computação UCDB - Universidade Católica Dom Bosco Sumário Conceitos Fundamentais
Leia maisTelecomunicações 2 ( ) Exame de Época Normal ( ) Resolução. f m R b R s R α Cosseno 2B1Q elevado, α B m B PCM B s B α
elecomunicaçõe (5-6) Exame de Época Normal (--6) Reolução. Conideremo o eguinte diagrama de loco: Déito (it rate e ymol rate) Fonte analógica Largura de anda f m R R R α Coeno PCM B elevado, α B m B PCM
Leia maisIV.4 Análise de Dados da Avaliação
Melhor e Pior? IV - Avaliação IV.4 Análie de Dado da Avaliação Interactive Sytem Deign, Cap. 0, William Newman Melhor e Pior? Reumo Aula Anterior Avaliação com utilizadore Local (Laboratório, Ambiente
Leia maisDenomina F a variável aleatória definida pelo quociente: F = n
9/0/0 Etatítica Eperimetal Tete F Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 003. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Profº: Glauco Vieira
Leia maisAmostragem de Sinais
UNIVERSIDADE FEDERAL DA PARAÍBA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA Amotragem de Sinai Prof. Juan Moie Mauricio Villanueva jmauricio@cear.ufpb.br 1 Amotragem (Sampling) Para um inal em tempo
Leia maisn Obtido através desvio padrão da população (σ)
3/5/ Etatítica Geral Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 3. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Curo: Saúde/CUA/UFMT Profº: Glauco
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 maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Intervalo de Confiança
Etatítica: Aplicação ao Seoriameto Remoto SER 4 - ANO 19 Itervalo de Cofiaça Camilo Dalele Reó camilo.reo@ipe.br http://www.dpi.ipe.br/~camilo/etatitica/ Itervalo de Cofiaça Um parâmetro pode er etimado
Leia maisCálculo Numérico / Métodos Numéricos. Solução de equações polinomiais Briot-Ruffini-Horner
Cálculo Numérico / Métodos Numéricos Solução de equações polinomiais Briot-Ruffini-Horner Equações Polinomiais p = x + + a ( x) ao + a1 n x n Com a i R, i = 0,1,, n e a n 0 para garantir que o polinômio
Leia maisAula 08 Equações de Estado (parte I)
Aula 8 Equaçõe de Etado (parte I) Equaçõe de Etado input S output Já vimo no capítulo 4 ( Repreentação de Sitema ) uma forma de repreentar itema lineare e invariante no tempo (SLIT) atravé de uma função
Leia maisProjeto do compensador PID no lugar das raízes
Projeto do compenador PID no lugar da raíze 0 Introdução DAELN - UTFPR - Controle I Paulo Roberto Brero de Campo Neta apotila erão etudado o projeto do compenadore PI, PD e PID atravé do lugar da raíze
Leia mais1 Jogos Estáticos de Informação Incompleta
Nota de Aula - Teoria do Jogo - FCE/UERJ 016. Verão preliminar - favor não circular) Profeor Pedro Hemley Horário: xxxx Sala: xxxx Ementa e informaçõe relevante: página do curo 1 Jogo Etático de Informação
Leia mais4. CONTROLE PID COM O PREDITOR DE SMITH
4 CONTROLADOR PID COM O PREDITOR DE SMITH 28 4. CONTROLE PID COM O PREDITOR DE SMITH 4.1 SINTONIA DO CONTROLADOR PID Nete capítulo erá apreentada a metodologia para a intonia do controlador PID. Reultado
Leia maisTRANSPORTES. Sessão Prática 5 Geração de Tráfego e Estacionamento
Metrado Integrado em Engenharia Civil TRANSPORTES Prof. Reponável: Lui Picado Santo Seão Prática 5 Geração de Tráfego e Etacionamento Seão Prática 5: Geração de Tráfego e Etacionamento Intituto Superior
Leia mais3 Critérios de Confiabilidade
3 Critério de Confiabilidade Uma da funçõe do regulador conite na definição de critério de confiabilidade. Define-e um conjunto de rico aceitável e uma medida de rico para determinar e o rico de uma determinada
Leia maisRevisão de Alguns Conceitos Básicos da Física Experimental
Revião de Algun Conceito Báico da Fíica Experimental Marcelo Gameiro Munhoz munhoz@if.up.br Lab. Pelletron, ala 245, r. 6940 O que é uma medida? Medir ignifica quantificar uma grandeza com relação a algum
Leia maisObjetivo: mostrar como configurar troca dados entre dois controladores usando PN/PN Coupler.
Configuração Denilon Pegaia Objetivo: motrar como configurar troca dado entre doi controladore uando PN/PN Coupler. Avio: Ete documento apreenta dica e exemplo obre o produto e upõe que o leitor poua conhecimento
Leia maisDespertando o(a) Discente Ativo(a)
Etatítica II 4.0.07 UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Etatítica II Profa. Renata Gonçalve Aguiar Fonte: naomearrependonemmeorgulho.blogpot. Sábio
Leia mais2. Apresentação da IHM Basic Operator Panel (BOP)
SINAMICS V20 Comiionamento báico SINAMICS V20 Comiionamento báico Bruno Firmino - 28/07/2014 Objetivo: Orientar obre o pao a pao de comiionamento rápido do inveror SINAMICS V20 Avio: Ete documento apreenta
Leia maisModelação e Simulação Problemas - 4
Modelação e Simulação - Problema Modelação e Simulação Problema - P. Para cada uma da funçõe de tranferência eguinte eboce qualitativamente a repota no tempo ao ecalão unitário uando empre que aplicável)
Leia maisA notação utilizada na teoria das filas é variada mas, em geral, as seguintes são comuns:
A notação utilizada na teoria da fila é variada ma, em geral, a eguinte ão comun: λ número médio de cliente que entram no itema or unidade de temo; µ número médio de cliente atendido (que aem do itema)
Leia maisRepresentação de Modelos Dinâmicos em Espaço de Estados Graus de Liberdade para Controle
Repreentação de Modelo Dinâmico em Epaço de Etado Grau de Liberdade para Controle Epaço de Etado (CP1 www.profeore.deq.ufcar.br/ronaldo/cp1 DEQ/UFSCar 1 / 79 Roteiro 1 Modelo Não-Linear Modelo Não-Linear
Leia maisMetropolis-Hastings. Renato Assunção DCC - UFMG
Metropolis-Hastings Renato Assunção DCC - UFMG Amostrador de Gibbs Pros: Método geral para amostrar de distribuição condicional p( y) Quase qualquer distribuição (condicoes de regularidade para convergência
Leia maisComputação Gráfica. Ponto, Linha, Vetor e Matriz
Computação Gráfica Ponto, Linha, Vetor e Matriz Prof. Rodrigo Rocha rodrigor@antanna.g.br Onde Etamo... Introdução a Computação Gráfica; Repreentação de Imagen: vetorial e matricial; Dipoitivo de entrada
Leia maisAula de Hoje. Processamento Estatístico da Linguagem Natural. Classificação Seqüencial. HMMs e MEMMs. Cadeias de Markov. Especificação Formal
Processamento Estatístico da Linguagem Natural Aula 13 Professora Bianca (Sala 302 Bloco E) bianca@ic.uff.br http://www.ic.uff.br/~bianca/peln/ Aula de Hoje Cap. 6 Jurafsky & Martin Hidden Markov and Maximum
Leia mais06/02/2017. Teste de Hipóteses. Principais Conceitos. Teste de Hipóteses. Tipos de Erros. Tipos de Testes. Bioestatística
6/2/217 Uiveridade Etadual do Oete do Paraá - Uioete Tete de Hipótee Curo de Medicia/Nutrição Bioetatítica Profeora Tete de Hipótee (TH) é uma ferrameta etatítica que também é utilizado para fazer iferêcia
Leia maisControle de Processos
CONCURSO PETROBRAS ENGENHEIRO(A) DE PROCESSAMENTO JÚNIOR ENGENHEIRO(A) JÚNIOR - ÁREA: PROCESSAMENTO Controle de Proceo Quetõe Reolvida QUESTÕES RETIRADAS DE PROVAS DA BANCA CESGRANRIO Produzido por Exata
Leia maisCAPÍTULO 4. Movimento Variado. Introdução. 2-Aceleração Escalar Média
CAPÍTULO 4 Movimento Variado Introdução O movimento do corpo no dia-a-dia ão muito mai variado do que propriamente uniforme, até porque, para entrar em movimento uniforme, um corpo que etava em repouo,
Leia maisControle de Sistemas. Desempenho de Sistemas de Controle. Renato Dourado Maia. Universidade Estadual de Montes Claros. Engenharia de Sistemas
Controle de Sitema Deempenho de Sitema de Controle Renato Dourado Maia Univeridade Etadual de Monte Claro Engenharia de Sitema Repota Tranitória de Sitema de Ordem Superior A repota ao degrau de um itema
Leia maisSISTEMA DE POTÊNCIA. Pd(s) Figura 1. , variando entre [ 0 e + ] K = Real. Figura 2
0 - AUTOMAÇÃO E CONTOLE ocê é integrante de uma equipe de engenheiro em uma emprea pretadora de erviço para o etor de energia elétrica. Sua equipe etá encarregada do projeto de um itema de controle de
Leia maisAMBIENTE COMPUTACIONAL PARA ESTUDO DE ACIONAMENTO DE MOTORES DE PASSO
AMBIENTE COMPUTACIONAL PARA ESTUDO DE ACIONAMENTO DE MOTORES DE PASSO Frederico Toledo Ghetti frederico@ghetti.zzn.com Univeridade Federal de Juiz de Fora, Faculdade Engenharia Elétrica. Rua Benjamin Contant,
Leia maisMECÂNICA DO CONTÍNUO. Tópico 2. Cont. Elasticidade Linear Cálculo Variacional
MECÂNICA DO CONTÍNUO Tópico 2 Cont. Elaticidade Linear Cálculo Variacional PROF. ISAAC NL SILVA Lei de Hooke Até o limite elático, a tenão é diretamente proporcional à deformação: x E. e x e e y z n E
Leia maisCondução de calor numa barra semi-infinita
Univeridade de São Paulo Ecola de Engenharia de Lorena Departamento de Engenharia de Materiai Condução de calor numa barra emi-infinita Prof. Luiz T. F. Eleno Ecola de Engenharia de Lorena da Univeridade
Leia maisEstatística Aplicada I
Estatística Aplicada I DITRIBUIÇÃO BINOMIAL AULA 4 03/05/17 Prof a Lilian M. Lima Cunha Maio de 2017 Distribuições teóricas 1. O conhecimento de certas distribuições teóricas é essencial para a resolução
Leia maisFluxo Máximo em Redes Letícia Rodrigues Bueno
Fluxo Máximo em Rede Letícia Rodrigue Bueno UFABC Definição do Problema podemo interpretar um grafo orientado como um fluxo em rede e reponder pergunta obre fluxo de materiai; Conidere que: material percorre
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 maisRetroacção Linear de Variáveis de Estado
Retroacção Linear de Variávei de Etado.5.5.5 -.5 - -.5 - -.5 -.5 - -.5 - -.5.5.5.5 J. Miranda Lemo Profeor Catedrático do IST Plano.Motivação para o controlo por retroacção linear de variávei de etado.controlabilidade
Leia maisPlaneamento e Gestão da Mobilidade Urbana. Sessão 5: Estacionamento (agradecimentos: Prof Picado Santos por parte dos slides desta aula)
Metrado em Ordenamento do Território e Urbanimo Planeamento e Getão da Mobilidade Urbana João de Abreu e Silva Seão 5: Etacionamento (agradecimento: Prof Picado Santo por parte do lide deta aula) Intituto
Leia maisInferência Estatística
Iferêcia Etatítica Tete de Hipótee: tete de difereça etre média, coceito, grupo pareado, grupo idepedete com variâcia cohecida e decohecida Itrodução Coidere o problema de comparar materiai (A e B), para
Leia maisCálculo Diferencial e Integral II. Lista 8 - Exercícios/ Resumo da Teoria
Cálculo Diferencial e Integral II Lita 8 - Exercício/ Reumo da Teoria Derivada Direcionai Definição Derivada Direcional. A derivada da função f x, no ponto P x, na direção do veror u u 1, u é o número
Leia maisUMA CONTRIBUIÇÃO AO ESTUDO DE FILTROS DIGITAIS NÃO RECURSIVOS (FIR) UTILIZANDO A JANELA DE KAISER
UMA CONTRIBUIÇÃO AO ESTUDO DE FILTROS DIGITAIS NÃO RECURSIVOS (FIR) UTILIZANDO A JANELA DE KAISER Elder Eldervitch C. DE OLIVEIRA (1); Adaildo Gome D ASSUNÇÃO (2); Ronaldo A. MARTINS (3); João Boco L.
Leia maisModelagem e Avaliação de Desempenho
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018 Exemplos usados na apresentação foram obtidos de Introduction to Probability, C.M.Grinstead
Leia maisPlano. Aspectos Relevantes de HMMs. Teoria de HMMs. Introdução aos Modelos Escondidos de Markov
Plano Esta apresentação é para pessoas sem conhecimento prévio de HMMs Introdução aos Modelos Escondidos de Markov 2004 Objetivos: Ensinar alguma coisa, não tudo (Visão geral, sem muitos detalhes). Tentar
Leia maisObjetivos da quinta aula da unidade 5. Evocar os conceitos de potência e rendimento de uma máquina
305 Curo Báico de Mecânica do Fluido Objetivo da quinta aula da unidade 5 Evocar o conceito de potência e rendimento de uma máquina Introduzir o conceito de potência fornecida, ou retirada, de um fluido
Leia maisAlgoritmos e Programação
ESTADO DE MATO GROSSO SECRETARIA DE ESTADO DE CIÊNCIA E TECNOLOGIA UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA ELÉTRICA
Leia maisMarkov random field - MRF. Renato Assunção DCC-UFMG A partir de material de J. Chang
Markov random field - MRF Renato Assunção DCC-UFMG A partir de material de J. Chang Processo e campo estocástico Processo estocástico: E uma coleção de v.a. s {X t : t T} T reta real, por e, um intervalo
Leia maisQUESTÃO 21 ITAIPU/UFPR/2015
QUTÃO TAPU/UFPR/5. Um gerador com conexão etrela-aterrado etá prete a er conectado a um itema elétrico atravé de um tranformador elevador ligado com conexão delta-etrela aterrado, tal como repreentado
Leia maisCAPÍTULO 10 Modelagem e resposta de sistemas discretos
CAPÍTULO 10 Modelagem e repota de itema dicreto 10.1 Introdução O itema dicreto podem er repreentado, do memo modo que o itema contínuo, no domínio do tempo atravé de uma tranformação, nete cao a tranformada
Leia maisUniversidade Salvador UNIFACS Cursos de Engenharia Métodos Matemáticos Aplicados / Cálculo Avançado / Cálculo IV Profa: Ilka Rebouças Freire
Univeridade Salvador UNIFACS Curo de Engenharia Método Matemático Aplicado / Cálculo Avançado / Cálculo IV Profa: Ila Rebouça Freire A Tranformada de Laplace Texto 0: A Tranformada Invera. A Derivada da
Leia maisAnálise e Processamento de BioSinais. Mestrado Integrado em Engenharia Biomédica. Faculdade de Ciências e Tecnologia. Universidade de Coimbra
Univeridade de Coimbra Análie e Proceamento de BioSinai Metrado Integrado em Engenharia Biomédica Faculdade de Ciência e Tecnologia Univeridade de Coimbra Slide Análie e Proceamento de BioSinai MIEB Adaptado
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Modelos gráficos probabilísticos Redes bayesianas Modelos gráficos probabilísticos Os modelos gráficos probabilísticos utilizam representações diagramáticas das distribuições de
Leia maisFundamentos de Telecomunicações
Fundamento de Telecomunicaçõe LERCI_FT 7/8: Codificação de Fonte Digitai Profeor Victor Barroo vab@ir.it.utl.t Codificação de Fonte! Objectivo da codificação de fonte: comactar a informação a tranmitir
Leia maisCapítulo Lei de Planck
Capítulo 3 Radiação Térmica 3.1 Lei de Planck Fóton Nete capítulo examinamo a propriedade térmica da radiação eletromagnética em uma cavidade. A análie da equaçõe de Maxwell no revela que o campo eletromagnético
Leia maisDesenvolvimento de um Modelo Matemático com Atrito Não Linear para o Pêndulo Simples
Proceeding Serie of the Brazilian Society of Applied and Computational Mathematic, Vol., N., 4. Trabalho apreentado no CMAC-Sul, Curitiba-PR, 4. Deenvolvimento de um Modelo Matemático com Atrito Não Linear
Leia maisUNIVERSIDADE GAMA FILHO PROCET DEPARTAMENTO DE ENGENHARIA CONTROLE E AUTOMAÇÃO. Professor Leonardo Gonsioroski
UNIVERSIDADE GAMA FILHO PROCET DEPARTAMENTO DE ENGENHARIA CONTROLE E AUTOMAÇÃO Definiçõe O gráfico do Lugar geométrico da raíze, conite no deenho de todo o valore que o pólo de malha fechada de uma função
Leia mais1 Transformada de Laplace de u c (t)
Tranformada de Laplace - Função de Heaviide Prof ETGalante Equaçõe diferenciai ob ação de funçõe decontínua aparecem com frequência na análie do uxo de corrente em circuito elétrico ou na vibraçõe de itema
Leia maisUMA APLICAÇÃO DE SISTEMAS DE CLASSIFICAÇÃO KNN PARA A IDENTIFICAÇÃO AUTOMÁTICA DE MODELOS ARMA SAZONAIS E NÃO SAZONAIS
Pequia Operacional e o Deenvolvimento Sutentável UMA APLICAÇÃO DE SISTEMAS DE CLASSIFICAÇÃO KNN PARA A IDENTIFICAÇÃO AUTOMÁTICA DE MODELOS ARMA SAZONAIS E NÃO SAZONAIS Luiza Maria Oliveira da Silva (Faculdade
Leia maisAlgoritmos e Programação
ESTADO DE MATO GROSSO SECRETARIA DE ESTADO DE CIÊNCIA E TECNOLOGIA UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS profericomarti@uemat.br
Leia maisInferência para CS Modelos univariados contínuos
Inferência para CS Modelos univariados contínuos Renato Martins Assunção DCC - UFMG 2014 Renato Martins Assunção (DCC - UFMG) Inferência para CS Modelos univariados contínuos 2014 1 / 42 V.A. Contínua
Leia maisFunção de Transferência. Função de Transferência
Departamento de Engenharia Química e de Petróleo UFF Diciplina: TEQ10- CONTROLE DE PROCESSOS Função de Tranferência cuto Prof a Ninoka Bojorge Sumário metre Função de Tranferência 5. Função de tranferência
Leia maisAula de Hoje. Processamento Estatístico da Linguagem Natural. Decodificação. Decodificação. A treliça do algoritmo Viterbi
Processamento Estatístico da Linguagem Natural Aula 14 Professora Bianca (Sala 302 Bloco E) bianca@ic.uff.br http://www.ic.uff.br/~bianca/peln/ Aula de Hoje Cap. 6 Jurafsky & Martin Hidden Markov and Maximum
Leia maisSobre a estimação de limiares em processos contínuos com regimes
Acta do XIII Congreo Anual da SPE 1 Sobre a etimação de limiare em proceo contínuo com regime Pedro P. Mota Departamento de Matemática e CMA da FCT/UNL Manuel L. Equível Departamento de Matemática FCT/UNL
Leia maisMisturas e Algoritmo EM
Misturas e Algoritmo EM Renato Martins Assunção DCC - UFMG 2012 Renato Martins Assunção (DCC - UFMG) Misturas e Algoritmo EM 2012 1 / 57 Misturas Os modelos básicos de distribuições que dispomos são flexíveis
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 maisTeoria dos Grafos Aula 22
Teoria dos Grafos Aula 22 Aula passada Caminho mais curto entre todos os pares Algoritmo de Floyd Warshall Programação dinâmica Aula de hoje Caminho mais curto Algoritmo de Bellman Ford Melhorias Caminho
Leia maisRefletores de Householder e Fatoração QR
Refletores de Householder e Fatoração QR Antonio Elias Fabris Instituto de Matemática e Estatística Universidade de São Paulo Map 2210 Aplicações de Álgebra Linear Antonio Elias Fabris (IME-USP) Householder
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 maisEspaço amostral Ω: Conjunto enumerável de todos os possíveis resultados de um experimento aleatório. um evento elementar. E = E[X j ] X j.
Universidade Tecnológica Federal do Paraná Professor Murilo V G da Silva Notas de aula Algoritmos Avançados I (Aula 04 Conteúdos da aula: [CLR09: cap 7 e 9][MIE05 4, 5] Vamos estudar nesta aula três algoritmos
Leia maisEstudo da produção de álcool via séries temporais
Etudo da produção de álcool via érie temporai Franco de Sá Barroo Lippi 1 ; Flávio Hideki Yamamoto 1 ; Célia Mende Carvalho Lope 2 ; Airlane Pereira Alencar 3 Reumo: Nee trabalho apreentamo reultado de
Leia maisESTATÍSTICA. Turma Valores Intervalo A [4,8] B 4 4 4,2 4,3 4, [4,8]
.. - Medida de Diperão O objetivo da medida de diperão é medir quão próximo un do outro etão o valore de um grupo (e alguma menuram a diperão do dado em torno de uma medida de poição). Intervalo É a medida
Leia maisPrimeiro Exercício programa: Como o Google ordena páginas. MAP-2121 para EPUSP
Primeiro Exercício programa: Como o Google ordena páginas MAP-2121 para EPUSP 1 Instruções gerais Os exercícios computacionais pedidos na disciplina Cálculo Numérico têm por objetivo fundamental familiarizar
Leia maisEstrutura de Dados e Algoritmos e Programação e Computadores II. Aula 11: Introdução aos Grafos
Estrutura de Dados e Algoritmos e Programação e Computadores II Aula 11: Introdução aos Grafos Indução Finita Indução Finita é uma técnica para provar teoremas também usada no projecto de algoritmos. Suponha
Leia maisCarregamentos de Amplitudes Variável. Waldek Wladimir Bose Filho, PhD NEMAF Núcleo de Ensaio de Materiais e Análise de Falhas
Carregamento de Amplitude Variável Waldek Wladimir oe Filho, PhD EMAF úcleo de Enaio de Materiai e Análie de Falha Tenão Repetição ou Variação de Carga Carregamento em vôo Vôo médio Carga em olo Média
Leia maisMicroeconomia 1 Professor: Carlos Eugênio Monitor: Bruno Lund Gabarito da 6 a Lista de Exercícios
Microeconomia 1 Profeor: Carlo Eugênio Monitor: Bruno Lund Gabarito da 6 a Lita de Exercício 1. Conidere trê payo monetário, $0, $100 e $200. Conidere trê loteria ob ee payo : L 1 = (1/3,1/3,1/3) L 2 =
Leia maisTRANSFORMADA DE LAPLACE. Revisão de alguns: Conceitos Definições Propriedades Aplicações
TRANSFORMADA DE LAPLACE Revião de algun: Conceito Deiniçõe Propriedade Aplicaçõe Introdução A Tranormada de Laplace é um método de tranormar equaçõe dierenciai em equaçõe algébrica mai acilmente olucionávei
Leia maisAula 7 - Acionamento de Motores CA AC Electric Motor Drives
Fundação Univeridade Federal ACIONAMENTOS de Mato Groo do CA Sul 1 Acionamento Eletrônico de Motore Aula 7 - Acionamento de Motore CA AC Electric Motor Drive Univeridade Federal de Mato Groo do Sul FAENG
Leia maisObjetivo: Mostrar os principais passos de configuração de contagem rápida usando STEP 7 V1X e módulo DI HS do ET 200SP (6ES BF00-0DA0).
STEP 7 V1X ET 200SP DI HS Contagem rápida Denilon Pegaia Objetivo: Motrar o principai pao de configuração de contagem rápida uando STEP 7 V1X e módulo DI HS do ET 200SP (6ES7 131-6BF00-0DA0). Avio: Ete
Leia maisSuponha ser possível determinar um modelo de regressão. Considere um experimento fatorial com fatores testados a l
Modelagem da Variância em Experimento Não-Replicado Flávio Fogliatto, Ph.D. 1 Prof. Fogliatto 1 Panorâmica (Continuação) Deeja-e verificar e o reíduo, dentro de um determinado nível de um fator de controle,
Leia maisTópicos Especiais em Inteligência Artificial COS746. Vítor Santos Costa COPPE/Sistemas Universidade Federal do Rio de Janeiro
Tópicos Especiais em Inteligência Artificial COS746 Vítor Santos Costa COPPE/Sistemas Universidade Federal do Rio de Janeiro Agradecimento Copiado dos slides de Mark Craven/C. David Page para BMI/CS 576,
Leia maisCOMO FUNCIONA A SIMULAÇÃO
COMO FUNCIONA A SIMULAÇÃO Capítulo 2 - Aula 3 1 Terminologia Básica Ver capítulo 2 da referência 1 Variáveis de Estado Eventos Entidades e Atributos Recursos e Filas de Recursos Atividades e Períodos de
Leia maisCOMO FUNCIONA A SIMULAÇÃO
COMO FUNCIONA A SIMULAÇÃO Capítulo 2 - Aula 3 1 Terminologia Básica Variáveis de Estado Eventos Entidades e Atributos Recursos e Filas de Recursos Atividades e Períodos de Espera Tempo (Real) Simulado
Leia maisSinais e Sistemas Mecatrónicos
Sinai e Sitema Mecatrónico Análie de Sitema no Domínio do Tempo Etabilidade Joé Sá da Cota Joé Sá da Cota T9 - Análie de Sitema no Tempo - Etabilidade 1 Análie e Projecto de Sitema A análie e a íntee (projecto)
Leia mais