Otimização de Recuperação de Informação usando Algoritmos Genéticos

Tamanho: px
Começar a partir da página:

Download "Otimização de Recuperação de Informação usando Algoritmos Genéticos"

Transcrição

1 Otimização de Recuperação de Informação usando Algoritmos Genéticos Neide de Oliveira Gomes, M. Sc., Prof. Marco Aurélio C. Pacheco, PhD Programa de Doutorado na área de Métodos de Apoio a Decisão Departamento de Engenharia Elétrica, PUC - Rio Neide de Oliveira Gomes, Prof. Marco Aurélio C. Pacheco, PhD Resumo: Este trabalho apresenta um estudo na área de Recuperação de Informação (RI) onde é fornecido um conjunto de documentos e um algoritmo induz conceitos-chave que melhor representam esse conjunto de documentos. Utilizou-se a técnica de Algoritmos Genéticos para a representação do conjunto de documentos. Palavras Chave: Recuperação de Informação (IR), Algoritmos Genéticos (GA), representação de documentos, palavras-chave, conceitos-chave. 1. Introdução Algoritmos Genéticos (GA) são algoritmos probabilísticos de busca que usam os princípios inspirados na genética natural, com aplicação em pesquisas e em problemas de busca e otimização e tem a habilidade de explorar a informação armazenada em um espaço de busca desconhecido, auxiliando em pesquisas subseqüentes. Em GA, o espaço de busca é composto de soluções candidatas ao problema, cada representada por uma string chamada de cromossoma e que evolui durante um tempo 1

2 apropriado através de um processo de competição e variações controladas. Cada cromossoma tem um valor de função objetivo, chamado aptidão. Uma GA começa com uma população de cromossomas que representam as soluções possíveis do problema quer seja oriundo de algum conhecimento quer seja geradas randomicamente (soluções) e as quais evoluem baseadas na evolução natural, obtendo-se cromossomas melhores através da aplicação de operadores modelados no processo genético. Durante iterações sucessivas ou gerações, cromossomas de uma população vão evoluindo e com base nessas evoluções, é formada uma nova população de cromossomas usando-se um mecanismo de seleção e operadores genéticos específicos tal como crossover e mutação. A iteração termina quando o sistema não evolui mais ou quando uma quantidade máxima de gerações é alcançada. A saída da GA será o melhor indivíduo da população final ou uma combinação dos melhores cromossomas. Uma função de aptidão deve ser especificada para cada problema a ser solucionado. Algoritmos Genéticos têm sido usados em Recuperação de Informação para solucionar vários problemas. Nesse trabalho são usados Algoritmos Genéticos para se determinar conceitos-chave ou palavras-chaves oriundos de um conjunto de documentos. Recuperação de Informação (IR) é um sistema que trata de armazenamento de informações que necessitam ser processados, pesquisados e recuperados correspondendo a uma consulta feita pelo usuário. A maioria das IR usam palavras-chaves para recuperar documentos. Sistemas de IR tem dois problemas. Um é como extrair palavras-chaves precisamente e o outro é como decidir o peso de cada palavra-chave. O trabalho apresenta uma aplicação de GA onde através um conjunto de documentos é automaticamente gerado uma representação de cada documento ou do conjunto de documentos é extraído seus conteúdos mais relevantes. Os textos dos documentos são tipicamente representados por termos indexados que são os identificadores dos documentos. O sistema usado na IR é o modelo de espaço vetorial (vector space model). O documento é visto como um vetor de dimensão n onde n é a quantidade de termos distintos usados para descrever os conteúdos dos documentos na coleção sendo que cada termo representa uma dimensão no espaço do documento. Uma consulta é também tratada do mesmo modo e é constituído de termos e pesos providos na consulta do usuário. A similaridade entre palavras-chave ou consulta e os documentos 2

3 são baseados na medida de similaridade. umentos com uma similaridade maior as palavras-chave ou consulta são julgadas a serem mais relevantes e devem ser recuperados pela IR com uma posição mais relevante na lista de documentos recuperados. 2. Objetivo Esse trabalho teve como objetivo um estudo na área de Recuperação de Informação através da identificação de palavras-chave mais relevantes ou consulta representando um conjunto de documentos, usando-se Algoritmos Genéticos. Foi usada a ferramenta Evolver. 3. Motivação A principal motivação foi à aplicação da técnica de Algoritmos Genéticos na área de Recuperação de Informação. 4. Conjunto de umentos Como este trabalho é acadêmico, utilizaram-se os seguintes textos representando 10(dez) documentos:. 1- Neste artigo é usado o algoritmo genético visando o aprimoramento do sistema de recuperação de informação, usando-se a função de aptidão de similaridade do cosseno. Tem como meta a investigação do uso de algoritmos genéticos para recuperação de informação aplicada a documentos representados por frases ou conjunto de frases onde os documentos mais relevantes são apresentados aos usuários.. 2- Algoritmo genético é um algoritmo probabilístico que simula o mecanismo de seleção natural dos organismos vivos e é muitas vezes usado para resolver problemas nos quais as soluções usuais são soluções caras.. 3- No algoritmo genético o espaço de busca é composto de soluções candidatas do problema, cada representada por uma string chamada de cromossoma tendo um valor representado por uma função objetivo, chamada aptidão. Um conjunto 3

4 de cromossomas associado com suas aptidões é chamado de população e esta população em uma dada iteração do algoritmo genético é chamada de geração.. 4- Sistema de Recuperação de Informação é um sistema usado para armazenar itens de informação que necessitam ser processados, pesquisados e correspondentemente serem recuperados devido a consultas feitas por um usuário. A maioria dos sistemas de recuperação usa palavras-chave para recuperar documentos e o sistema inicialmente extrai palavras-chave dos documentos e depois designa essas palavras-chave usando diferentes aproximações, sendo que tal sistema deve extrair precisamente e decidir o peso de cada palavra-chave.. 5- Neste modelo um documento é visto como um documento num espaço de dimensão-n, onde n é a quantidade de termos usados para descrever o conteúdo do documento na coleção e cada termo representa uma dimensão no documento. Uma consulta é também construída de termos e pesos de acordo com a consulta feita por um usuário.. 6- Recuperação de Informação em documentos é baseada na medida de similaridade entre a consulta e os documentos e isto significa que os documentos com maior similaridade com a consulta são julgados a serem mais relevantes e os documentos devem ser recuperados pelo sistema de recuperação numa lista ordenada descendentemente pela relevância.. 7- A Aprendizagem por consulta é o grupo de aplicação mais relevante em Recuperação de Informação, usando algoritmo genético. A Aprendizagem por consulta é um processo no quais pesquisadores e usuários provem documentos e o algoritmo aprende os conceitos-chave como o propósito de achar outros documentos relevantes.. 8- A aprendizagem por consulta é um processo no quais usuários provem exemplos e os algoritmos aprendem os conceitos-chave para achar outros documentos relevantes. Este método é o processo para assistir os usuários na formulação da consulta desempenhado pelo método de aprendizagem de máquina. É baseado no conjunto de documentos relevantes e opcionalmente nos documentos não-relevantes provido pelo usuário, aplicando-se um processo de aprendizagem.. 9- Há várias maneiras de se medir a qualidade do sistema de recuperação de informação, sendo as mais usadas a precisão e a abrangência. Precisão é a razão entre os documentos relevantes recuperados pelo sistema de recuperação de 4

5 informação em resposta a uma consulta e a quantidade total de documentos recuperados. Abrangência é a razão da quantidade de documentos relevantes recuperados e quantidade total de documentos relevantes na consulta existente na coleção dos documentos A indexação automática de documentos é uma aplicação que visa à adaptação dos documentos na coleção com o propósito de facilitar a recuperação de documentos face às consultas relevantes. Foi proposto um algoritmo genético para representação dos documentos, onde foi escolhido um esquema de codificação binária onde cada representação do documento tem um comprimento fixo e é representado por um vetor binário. A população genética é composta de diferentes descrições para o mesmo documento. 5. Representação do documento e da consulta A Representação do umento por texto completo é difícil e caro de se manipular computacionalmente, então dado um documento identificou-se os conceitos que melhor descrevem o seu conteúdo. É costume representar o documento como uma Centróide e através uma lista de termos com pesos associados ou não. O problema é a perda semântica. Foi escolhido para representação do documento o modelo do espaço vetorial (Vector Space Model), onde os documentos (d) e as consultas (q) são representados por vetores em um espaço n-dimensional, onde n é a quantidade total de termos usados para indexar os documentos. Nesse trabalho, o documento foi representado por um centróide com pesos associados, i.e, o número de vezes que a palavra aparece no texto. Para cada conjunto de documentos, cada consulta q é comparada com todos os documentos d, usando a medida de similaridade do cosseno do ângulo entre q e d. Quanto maior o cosseno, maior é a relevância entre d e q. A seguir é mostrado na figura 5.1, um exemplo de um documento e uma consulta com as respectiva medida de similaridade do cosseno do ângulo entre q e d. 5

6 Figura Modelo Espaço Vetorial com Pesos Associados O peso de cada termo é definido pela seguinte fórmula: wi = (tfi / tf) * log(d/dfi) onde wi peso do termo i normalizado tfi freqüência do termo (quantidade de vezes que um termo i ocorre em um documento) tf - maior freqüência do termo na coleção dos documentos D quantidade de documentos dfi freqüência do documento ou quantidade de documentos contendo termo i dfi/d razão da probabilidade de selecionar um documento contendo um termo da consulta (query). log(d/dfi) inverso da freqüência do documento (IDFi Inverse ument Frequency) A similaridade do cosseno é dada pela seguinte fórmula: Sim (q,d) = w q,i w d,i ( w 2 q,i) 1/2 * ( w 2 d,i) 1/2 6

7 As operações elaboradas sobre o texto foram: a eliminação de stopwords, i.e., palavras consideradas irrelevantes; e o agrupamento de palavras que tinham o mesmo radical. Em seguida os termos foram substituídos por índices e pelas suas freqüências nos documentos d. 6. Simulação A simulação foi feita com 10(dez) textos representando os documentos. Na tabela 6.1 a seguir são representados os textos ou documentos através de índices e freqüência das palavras. No total foram totalizados 110(cento e dez) termos ou índices. Foram também apresentadas as stopwords que foram eliminadas. Tabela 6.1 Representação dos textos ou documentos Descrição dos Itens Total 1 Abrangência Achar Adaptação Algoritmo(s) Aplicada /Aplicação/ Aplicando 6 Aprendizagem/ Aprende Apresentados Aprimoramento Aproximações Aptidão (ões) Armazenar Artigo Assistir Associado Automática Baseada (o) Binária (o) Busca Candidatas Caras Chamada(o) / Designa

8 Continuação da Tabela 6.1 Representação dos textos ou documentos Descrição Total Codificação Coleção Composto (a) Comprimento Conjunto Consulta(s) Conteúdo Construída Cosseno Cromossoma(s) Dada Decidir Descendentemente Descrever /Descrições Desempenhado Deve(m) Diferentes Dimensão Dimensão n 40 umento(s) Espaço Esquema Exemplos Existente Extrair/extrai Face Facilitar Feita Fixo Formulação Frases Função Genético (a) (s) Geração Grupo Indexação Informação Investigação

9 Continuação da Tabela 6.1 Representação dos textos ou documentos Descrição Itens Iteração Julgados Lista Máquina Mecanismo Maneiras Medida / Medir Meta Modelo Muitas Vezes Natural Necessitam Objetivo / Propósito 73 Opcionalmente Ordenada Organismo Palavra(s)-chave Conceitos-chave 77 Peso(s) Pesquisados/ Pesquisadores 79 População Probabilístico Problema(s) Precisão Processados / Processo/ Método 84 Proposto / propósito Provem /provido Qualidade Quantidade Razão Recuperação/recuperar/ recuperados 90 Relevantes /Relevância/ Não Relevantes 91 Representada (o)(os) Representa/ Representação 92 Resolver Total 9

10 Continuação da Tabela 6.1 Representação dos textos ou documentos Descrição Total 93 Resposta Seleção /Escolhido Significa Similaridade Simula Sistema(s) Soluções String Termos(s) Total Usado (a) (s)/ uso(a) / usando 104 Usuais Usuário(s) Valor Vetor Visando /Visa Visto Vivos Total itens Stopwords a(s) x x - x x x X X x x Aos x Cada - - x x x x Com - - x - x x x Como x x - X correspondentemente x de x x x x x x X - x x de acordo x Depois x Devido x Diferentes x do(s) (a) x x x x x x x E - x x x x x X x x - Em - - x - - x X - x - Entre x - - x - esta/ essa(s) /este - - x x x - - inicialmente x Isto x Mais x x X - x - maior /maioria x - x

11 Continuação da Tabela 6.1 Representação dos textos ou documentos Descrição Mesmo x na (os) (o) - x x - x x X x x x Neste x x numa /num x x o(s) x x x x x x X x x x Onde x x x Ou x Outros X x - - Para x x - x x - - x - x pela (o) x - x x - Por x - x x x - X x - x precisamente x Quais - x X x - - Que - x - x - x x Se x - Suas - - x Tal x Também x Um(a) - x x x X - X x x x Várias x - é/são/serem/ser/sendo/ foi tem/tendo Há Total 7. Discussão e Resultados Foi utilizada para o estudo, a ferramenta Evolver, utilizando-se o método Recipe. Consulta 1: Dados os 10(dez) documentos encontrar as palavras-chave ou consulta mais relevante a todos os documentos. Foram usados os seguintes dados operacionais: - Crossover 0.5 e Mutação 0.08; - Tamanho da População 100; - Tentativas 20000; - Máxima mudança 0.01 em 1000 tentativas; - Otimização: Maximização da soma dos cossenos entre os documentos 1 a 10 e a consulta; - Células Ajustadas:B1:B110 (palavras-chave e consulta); 11

12 - Restrições: Freqüência dos termos entre os valores 0 e 1 e inteiro: [0<=B1:B110<=1]. Para representação dos documentos 1 a 10 foram obtidos 57(cinqüenta e sete) itens do total dos 110 (cento e dez). Para discriminação dos itens ver Tabela 7.1. Os ângulos entre a consulta obtida e os documentos 1 a 10 foram os seguintes: 0, , , , , , , , , , A soma dos cossenos foi de 3,0847 (máximo 10). O maior ângulo encontrado foi o correspondente ao documento 6, i.e., 0, Os itens selecionados acham-se discriminados na tabela 7.1: Do resultado obtido constatou-se que os termos selecionados originaram-se dos que tinham freqüência total superior ou igual a 2(dois), incluindo também todos os itens que apareceram no documento 6, i.e., o documento que apresentou maior grau de similaridade. Houve apenas 1(uma) exceção a regra, i.e., o item 109(cento e nove). Consulta 2: Achar os itens mais relevantes ao documento 1 ou 2 ou 3 ou 4, separadamente. Na consulta 2(dois), foram usados os seguintes dados operacionais: - Crossover 0.8 e Mutação 0.05; - Tamanho da População 100; - Tentativas 20000; - Máxima mudança 0.01 em 1000 tentativas; - Otimização: Maximização do cosseno entre o documento e a consulta; - Células Ajustadas: B1:B110 (consulta); - Restrições: Freqüência entre os termos entre 0 e 1 e inteiro [0<=B1:B110<=] e soma diferente de zero [soma(b1:b110)<>0] Todos os itens dos documentos foram selecionados. A diferença da quantidade foi à freqüência com que os itens apareceram no documento, pois na consulta eles foram restritos a 1(um). 12

13 Para representação do documento 1 foram obtidos 23(vinte e três) itens do total dos 31 (trinta e um) itens. Para representação do documento 2 foram obtidos 16(dezesseis) itens do total dos 18 (dezoito) itens. Para representação do documento 3 foram obtidos 22(vinte e dois) itens do total dos 31 (trinta e um) itens. Para representação do documento 4 foram obtidos 20(vinte) itens do total dos 35 (trinta e cinco) itens. Os ângulos entre a consulta obtida e os documentos 1, 2, 3 e 4 foram respectivamente os seguintes: 0.954; ; ; Consulta 3: Achar os itens mais relevantes concernentes aos documentos 1, 2, 3 e Na consulta 3(três) foram usados os seguintes dados operacionais: - Crossover 0.5 e Mutação 0.01; - Tamanho da População 100; - Tentativas 20000; - Máxima mudança 0.01 em 1000 tentativas; - Otimização: Maximização da soma dos cossenos entre os documentos 1 a 4 e a consulta. - Células Ajustadas: B1:B110 (conslta); - Restrições: freqüência dos termos entre zero e um e inteiro. [0<=B1:B110<=1, inteiro] Para representação dos documentos 1, 2, 3 e 4 foram obtidos 63(sessenta e três) itens. Todos os itens dos documentos foram selecionados. A diferença da quantidade foi à freqüência com que os itens apareceram no documento, pois na consulta eles foram restritos a 1(um). Os ângulos entre a consulta obtida e os documentos 1, 2, 3 e 4 foram respectivamente os seguintes: ; ; ;

14 Tabela 7.1 Itens Selecionados da Consulta 1 Item Descrição dos Itens C 1 To Item Descrição dos Itens C 1 Total tal 1 Abrangência Deve(m) Achar Diferentes Adaptação - 39 Dimensão 1 2 Dimensão n 4 Algoritmo(s) umento(s) Aplicada /Aplicação/ Espaço 1 2 Aplicando 6 Aprendizagem/ Aprende Esquema Apresentados Exemplos Aprimoramento Existente Aproximações Extrair/extrai Aptidão (ões) Face Armazenar Facilitar Artigo Feita Assistir Fixo Associado Formulação Automática Frases Baseada (o) Função Binária (o) Genético (a) (s) Busca Geração Candidatas Grupo Caras Indexação Chamada(o) / Designa Informação Codificação Investigação Coleção Itens Composto (a) Iteração Comprimento Julgados Conjunto Lista Consulta(s) Máquina Conteúdo Mecanismo Construída Maneiras Cosseno Medida / Medir Cromossoma(s) Meta Dada Modelo Decidir Muitas Vezes Descendentemente Natural Descrever /Descrições Necessitam Desempenhado Objetivo / Propósito

15 Cont. Tabela 7.1 Itens Selecionados da Consulta 1 Item Descrição dos Itens C 1 Total Item Descrição dos Itens C1 Total 73 Opcionalmente Resolver Ordenada Resposta Organismo Seleção /Escolhido Palavra(s)-chave Significa 1 1 Conceitos-chave 77 Peso(s) Similaridade Pesquisados/ Simula - 1 Pesquisadores 79 População Sistema(s) Probabilístico Soluções Problema(s) String Precisão Termos(s) Processados/ Processo/ Total 1 2 Método 84 Proposto / propósito Usado (a) (s)/ uso(a) / 1 10 usando 85 Provem /provido Usuais Qualidade Usuário(s) Quantidade Valor Razão Vetor Recuperação/recuperar/ recuperados 90 Relevantes /Relevância/ Não Relevantes 91 Representada (o)(os) Representa/ Representação Visando /Visa Visto Vivos - 1 Total Conclusão O uso de algoritmos genéticos em conjunto com o uso do modelo de espaço vetorial para representação de documentos através palavras-chave mostrou-se eficiente, contudo futuramente deverão ser feitos testes com coleção de documentos conhecidos para que se façam comparações entre o método adotado e sistema clássico de Recuperação de Informação. 15

16 9. Referências Bibliográficas - Radwan, Ahmed A. A.; Tatef, Bahgat A. Abdel; Ali, Abdelmgeid A.; Sadeck, Osman A.; Using Genetic Algorithm to Improve Information Retrieval Systems; Proceedings of World Academy of Science, Engineering and Tecnology Volume A17, december 2006; - Aly, Abdelmgeid; Applying Genetic Algorithm in Query Improvement Problem, International Journal Information Technologies and Knowledge, vol 1,

Algoritmos Genéticos

Algoritmos Genéticos UNIVERSIDADE PRESBITERIANA MACKENZIE Laboratório de Computação Natural LCoN I ESCOLA DE COMPUTAÇÃO NATURAL Algoritmos Genéticos Rafael Xavier e Willyan Abilhoa Outubro/2012 www.computacaonatural.com.br

Leia mais

Complemento IV Introdução aos Algoritmos Genéticos

Complemento IV Introdução aos Algoritmos Genéticos Complemento IV Introdução aos Algoritmos Genéticos Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações e

Leia mais

Recuperação de Informação

Recuperação de Informação Recuperação de Informação Estrutura de Dados II Mariella Berger 1 Roteiro Tarefas de Recuperação de Informação Modelos de Recuperação de Documentos Modelo Booleano Modelo Espaço Vetorial Recuperação de

Leia mais

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Aula anterior Organização e Recuperação de Informação(GSI521) Modelo vetorial- Definição Para o modelo vetorial, o

Leia mais

ALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA

ALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA 136 ALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA FILITTO, Danilo 1 Resumo: Os algoritmos Genéticos inspiram-se no processo de evolução natural e são utilizados para resolver problemas de busca e otimização

Leia mais

Organizaçãoe Recuperação de Informação GSI521. Prof. Rodrigo Sanches Miani FACOM/UFU

Organizaçãoe Recuperação de Informação GSI521. Prof. Rodrigo Sanches Miani FACOM/UFU Organizaçãoe Recuperação de Informação GSI521 Prof. Rodrigo Sanches Miani FACOM/UFU Introdução Organização e Recuperação de Informação(GSI521) Tópicos Recuperação de informação (RI); Breve histórico; O

Leia mais

Algoritmos Genéticos (GA s)

Algoritmos Genéticos (GA s) Algoritmos Genéticos (GA s) 1 Algoritmos Genéticos (GA s) Dado um processo ou método de codificar soluções de um problema na forma de cromossomas e dada uma função de desempenho que nos dá um valor de

Leia mais

4 Avaliação Econômica

4 Avaliação Econômica 4 Avaliação Econômica Este capítulo tem o objetivo de descrever a segunda etapa da metodologia, correspondente a avaliação econômica das entidades de reservas. A avaliação econômica é realizada a partir

Leia mais

04/03/2013. Gerenciamento de Dados e Informação. Recuperação de Dado X Informação. Histórico

04/03/2013. Gerenciamento de Dados e Informação. Recuperação de Dado X Informação. Histórico Recuperação de Dado X Informação Gerenciamento de Dados e Informação Fernando Fonseca Ana Carolina Robson Fidalgo Comparação (matching) Recuperação de Dados Exata Recuperação de Informação Aproximada Dados

Leia mais

ALGORITMOS GENÉTICOS

ALGORITMOS GENÉTICOS ALGORITMOS GENÉTICOS INTRODUÇÃO São métodos adaptativos que podem ser usados para resolver problemas de busca e otimização. Na natureza a combinação de boas características provenientes de diferentes indivíduos

Leia mais

textos documentos semi-estruturado

textos documentos semi-estruturado 1 Mineração de Textos Os estudos em Aprendizado de Máquina normalmente trabalham com dados estruturados Entretanto, uma grande quantidade de informação é armazenada em textos, que são dados semiestruturados

Leia mais

Nathalie Portugal Vargas

Nathalie Portugal Vargas Nathalie Portugal Vargas 1 Introdução Trabalhos Relacionados Recuperação da Informação com redes ART1 Mineração de Dados com Redes SOM RNA na extração da Informação Filtragem de Informação com Redes Hopfield

Leia mais

RECUPERAÇÃO DE DOCUMENTOS TEXTO USANDO MODELOS PROBABILISTICOS ESTENDIDOS

RECUPERAÇÃO DE DOCUMENTOS TEXTO USANDO MODELOS PROBABILISTICOS ESTENDIDOS ISBN 978-85-61091-05-7 Encontro Internacional de Produção Científica Cesumar 27 a 30 de outubro de 2009 RECUPERAÇÃO DE DOCUMENTOS TEXTO USANDO MODELOS PROBABILISTICOS ESTENDIDOS Marcello Erick Bonfim 1

Leia mais

Inteligência Computacional Aplicada a Engenharia de Software

Inteligência Computacional Aplicada a Engenharia de Software Inteligência Computacional Aplicada a Engenharia de Software Estudo de caso III Prof. Ricardo de Sousa Britto rbritto@ufpi.edu.br Introdução Em alguns ambientes industriais, pode ser necessário priorizar

Leia mais

INF 1771 Inteligência Artificial

INF 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 mais

Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Sistema Gerenciador de Banco de Dados

Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Sistema Gerenciador de Banco de Dados Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Um Sistema Gerenciador de Banco de Dados (SGBD) é constituído por um conjunto de dados associados a um conjunto de programas para acesso a esses

Leia mais

Tarefa Orientada 11 Junção Interna

Tarefa Orientada 11 Junção Interna Tarefa Orientada 11 Junção Interna Objectivos: Junção Interna (INNER JOIN) Junção Interna A operação de junção interna (INNER JOIN) é utilizada para combinar colunas de duas ou mais tabelas. O resultado

Leia mais

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Modelo Vetorial Organização e Recuperação de Informação(GSI521) Motivação Discutido nos seguintes trabalhos: K. Spark

Leia mais

CLASSIFICAÇÃO AUTOMÁTICA DE PATENTES COM O MODELO VETORIAL DE REPRESENTAÇÃO DE DOCUMENTOS

CLASSIFICAÇÃO AUTOMÁTICA DE PATENTES COM O MODELO VETORIAL DE REPRESENTAÇÃO DE DOCUMENTOS III SBA Simpósio Baiano de Arquivologia 26 a 28 de outubro de 2011 Salvador Bahia Políticas arquivísticas na Bahia e no Brasil CLASSIFICAÇÃO AUTOMÁTICA DE PATENTES COM O MODELO VETORIAL DE REPRESENTAÇÃO

Leia mais

Teoria Princípio do Capacitor

Teoria Princípio do Capacitor Teoria Princípio do Capacitor Um capacitor consiste de dois pratos eletrodos isolados de cada lado por um dielétrico médio. As características de um capacitor são dependentes da capacitância e da tensão.

Leia mais

O modelo do computador

O modelo do computador O modelo do computador Objetivos: Mostrar como é o funcionamento dos computadores modernos Mostrar as limitações a que estamos sujeitos quando programamos Histórico Os primeiros computadores são da década

Leia mais

Microsoft Access: Criar consultas para um novo banco de dados. Vitor Valerio de Souza Campos

Microsoft Access: Criar consultas para um novo banco de dados. Vitor Valerio de Souza Campos Microsoft Access: Criar consultas para um novo banco de Vitor Valerio de Souza Campos Conteúdo do curso Visão geral: consultas são essenciais Lição: inclui sete seções Tarefas práticas sugeridas Teste.

Leia mais

Tarefa Orientada 14 Subconsultas

Tarefa Orientada 14 Subconsultas Tarefa Orientada 14 Subconsultas Objectivos: Subconsultas não correlacionadas Operadores ALL, SOME e ANY Subconsultas correlacionadas Operador EXISTS Subconsultas incluídas na cláusula FROM de uma consulta

Leia mais

Figure 2 - Nós folhas de uma árvore binária representando caracteres ASCII

Figure 2 - Nós folhas de uma árvore binária representando caracteres ASCII A ocorrência tamanho ASCII codificação de Huffman é um A Codificação método de compactação de Huffman caracteres (American e a variável codificação dos usado símbolos Standard para por cada muitas no Code

Leia mais

CÁLCULO DO CURTO CIRCUITO PELO MÉTODO KVA

CÁLCULO DO CURTO CIRCUITO PELO MÉTODO KVA CÁLCULO DO CURTO CIRCUITO PELO MÉTODO KVA Paulo Eduardo Mota Pellegrino Introdução Este método permite calcular os valores de curto circuito em cada ponto do Sistema de energia elétrica (SEE). Enquanto

Leia mais

ADM041 / EPR806 Sistemas de Informação

ADM041 / EPR806 Sistemas de Informação ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Orientados por modelos: Criação de diferentes

Leia mais

1. Sistemas de numeração

1. Sistemas de numeração 1. Sistemas de numeração Quando mencionamos sistemas de numeração estamos nos referindo à utilização de um sistema para representar uma numeração, ou seja, uma quantidade. Sistematizar algo seria organizar,

Leia mais

Organização e Recuperação da Informação

Organização e Recuperação da Informação GSI024 Organização e Recuperação da Informação Introdução Ilmério Reis da Silva ilmerio@facom.ufu.br www.facom.ufu.br/~ilmerio/ori UFU/FACOM - 2011/1 Arquivo 1a Introdução Porque RI? Problemas da solução

Leia mais

15 Computador, projeto e manufatura

15 Computador, projeto e manufatura A U A UL LA Computador, projeto e manufatura Um problema Depois de pronto o desenho de uma peça ou objeto, de que maneira ele é utilizado na fabricação? Parte da resposta está na Aula 2, que aborda as

Leia mais

UNIVERSIDADE CATÓLICA DE PETRÓPOLIS CENTRO DE ENGENHARIA E COMPUTAÇÃO

UNIVERSIDADE CATÓLICA DE PETRÓPOLIS CENTRO DE ENGENHARIA E COMPUTAÇÃO UNIVERSIDADE CATÓLICA DE PETRÓPOLIS CENTRO DE ENGENHARIA E COMPUTAÇÃO Amanda 5ª Atividade: Codificador e codificação de linha e seu uso em transmissão digital Petrópolis, RJ 2012 Codificador: Um codoficador

Leia mais

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Análisede links Page Rank Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Motivação Suponha que um modelo clássico, como

Leia mais

Fluxo de trabalho do Capture Pro Software: Indexação de OCR e separação de documentos de código de correção

Fluxo de trabalho do Capture Pro Software: Indexação de OCR e separação de documentos de código de correção Este procedimento corresponde ao fluxo de trabalho de Indexação de OCR com separação de código de correção no programa de treinamento do Capture Pro Software. As etapas do procedimento encontram-se na

Leia mais

Contagem I. Figura 1: Abrindo uma Porta.

Contagem I. Figura 1: Abrindo uma Porta. Polos Olímpicos de Treinamento Curso de Combinatória - Nível 2 Prof. Bruno Holanda Aula 4 Contagem I De quantos modos podemos nos vestir? Quantos números menores que 1000 possuem todos os algarismos pares?

Leia mais

PLANEJAMENTO DA MANUFATURA

PLANEJAMENTO DA MANUFATURA 58 FUNDIÇÃO e SERVIÇOS NOV. 2012 PLANEJAMENTO DA MANUFATURA Otimizando o planejamento de fundidos em uma linha de montagem de motores (II) O texto dá continuidade à análise do uso da simulação na otimização

Leia mais

centena dezena unidade 10 2 10 1 10 0 275 2 7 5 200 + 70 + 5 275

centena dezena unidade 10 2 10 1 10 0 275 2 7 5 200 + 70 + 5 275 A. Sistemas de Numeração. Para se entender a linguagem do computador (o Código de Máquina), é necessário conhecer um pouco da teoria dos números. Não é uma tarefa tão difícil quanto pode parecer. Sabendo-se

Leia mais

Fabio Bento fbento@ifes.edu.br

Fabio Bento fbento@ifes.edu.br Fabio Bento fbento@ifes.edu.br Eletrônica Digital Sistemas de Numeração e Códigos 1. Conversões de Binário para Decimal 2. Conversões de Decimal para Binário 3. Sistema de Numeração Hexadecimal 4. Código

Leia mais

2. Representação Numérica

2. Representação Numérica 2. Representação Numérica 2.1 Introdução A fim se realizarmos de maneira prática qualquer operação com números, nós precisamos representa-los em uma determinada base numérica. O que isso significa? Vamos

Leia mais

AMBIENTE PARA AUXILIAR O DESENVOLVIMENTO DE PROGRAMAS MONOLÍTICOS

AMBIENTE PARA AUXILIAR O DESENVOLVIMENTO DE PROGRAMAS MONOLÍTICOS UNIVERSIDADE REGIONAL DE BLUMENAU CENTRO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE CIÊNCIAS DA COMPUTAÇÃO BACHARELADO AMBIENTE PARA AUXILIAR O DESENVOLVIMENTO DE PROGRAMAS MONOLÍTICOS Orientando: Oliver Mário

Leia mais

Problemas onde a busca da solução depende da avaliação de diversas combinações (ORDEM) dos elementos considerados

Problemas onde a busca da solução depende da avaliação de diversas combinações (ORDEM) dos elementos considerados GA em Otimização Combinatorial Problemas onde a busca da solução depende da avaliação de diversas combinações (ORDEM) dos elementos considerados Problem a do Caixeiro Viajante Problem as de Planejamento

Leia mais

PROJECTOS DE INVESTIGAÇÃO CIENTÍFICA E DESENVOLVIMENTO TECNOLÓGICO

PROJECTOS DE INVESTIGAÇÃO CIENTÍFICA E DESENVOLVIMENTO TECNOLÓGICO PROJECTOS DE INVESTIGAÇÃO CIENTÍFICA E DESENVOLVIMENTO TECNOLÓGICO Clip-art Retrieval using Sketches PTDC/EIA-EIA/108077/2008 Deliverable: D3 Feature Extraction Library (Vectors) Task: T3 Feature Extraction

Leia mais

Técnicas para Programação Inteira e Aplicações em Problemas de Roteamento de Veículos 14

Técnicas para Programação Inteira e Aplicações em Problemas de Roteamento de Veículos 14 1 Introdução O termo "roteamento de veículos" está relacionado a um grande conjunto de problemas de fundamental importância para a área de logística de transportes, em especial no que diz respeito ao uso

Leia mais

A Otimização Colônia de Formigas

A Otimização Colônia de Formigas A Otimização Colônia de Formigas Estéfane G. M. de Lacerda Departamento de Engenharia da Computação e Automação UFRN 22/04/2008 Índice A Inspiração Biológica O Ant System Aplicado ao PCV O Ant System Aplicado

Leia mais

O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2

O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 3.2 O Espaço Nulo de A: Resolvendo Ax = 0 11 O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 Esta seção trata do espaço de soluções para Ax = 0. A matriz A pode ser quadrada ou retangular. Uma solução imediata

Leia mais

SP 07/94 NT 179/94. O efeito da utilização do telefone celular sobre a atenção do motorista. Engº Fernando J. Antunes Rodrigues

SP 07/94 NT 179/94. O efeito da utilização do telefone celular sobre a atenção do motorista. Engº Fernando J. Antunes Rodrigues SP 07/94 NT 179/94 O efeito da utilização do telefone celular sobre a atenção do motorista Engº Fernando J. Antunes Rodrigues Uma das mais populares inovações de automóvel na década passada foi o sistema

Leia mais

4 Segmentação. 4.1. Algoritmo proposto

4 Segmentação. 4.1. Algoritmo proposto 4 Segmentação Este capítulo apresenta primeiramente o algoritmo proposto para a segmentação do áudio em detalhes. Em seguida, são analisadas as inovações apresentadas. É importante mencionar que as mudanças

Leia mais

Revista Brasileira de Farmacognosia Sociedade Brasileira de Farmacognosia www.sbfgnosia.org.br

Revista Brasileira de Farmacognosia Sociedade Brasileira de Farmacognosia www.sbfgnosia.org.br 1 Prezados Colegas, usuários da Revista Brasileira de Farmacognosia, Gostaria de tomar um minuto da atenção de vocês. Por favor leiam até o final do conteúdo desta mensagem de alta prioridade, trata-se

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem

Leia mais

Algoritmos e Programação (Prática) Profa. Andreza Leite andreza.leite@univasf.edu.br

Algoritmos e Programação (Prática) Profa. Andreza Leite andreza.leite@univasf.edu.br (Prática) Profa. Andreza Leite andreza.leite@univasf.edu.br Introdução O computador como ferramenta indispensável: Faz parte das nossas vidas; Por si só não faz nada de útil; Grande capacidade de resolução

Leia mais

Cálculo Numérico Aula 1: Computação numérica. Tipos de Erros. Aritmética de ponto flutuante

Cálculo Numérico Aula 1: Computação numérica. Tipos de Erros. Aritmética de ponto flutuante Cálculo Numérico Aula : Computação numérica. Tipos de Erros. Aritmética de ponto flutuante Computação Numérica - O que é Cálculo Numérico? Cálculo numérico é uma metodologia para resolver problemas matemáticos

Leia mais

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

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

Leia mais

Algoritmos Genéticos em Mineração de Dados. Descoberta de Conhecimento. Descoberta do Conhecimento em Bancos de Dados

Algoritmos Genéticos em Mineração de Dados. Descoberta de Conhecimento. Descoberta do Conhecimento em Bancos de Dados Algoritmos Genéticos em Mineração de Dados Descoberta de Conhecimento Descoberta do Conhecimento em Bancos de Dados Processo interativo e iterativo para identificar padrões válidos, novos, potencialmente

Leia mais

Curso: Técnico de Informática Disciplina: Redes de Computadores. 1- Apresentação Binária

Curso: Técnico de Informática Disciplina: Redes de Computadores. 1- Apresentação Binária 1- Apresentação Binária Os computadores funcionam e armazenam dados mediante a utilização de chaves eletrônicas que são LIGADAS ou DESLIGADAS. Os computadores só entendem e utilizam dados existentes neste

Leia mais

15/03/2010. Análise por pontos de função. Análise por Pontos de Função. Componentes dos Pontos de Função. Componentes dos Pontos de Função

15/03/2010. Análise por pontos de função. Análise por Pontos de Função. Componentes dos Pontos de Função. Componentes dos Pontos de Função Análise por pontos de função Análise por Pontos de Função Referência: Manual de práticas de contagem IFPUG Versão 4.2.1 Técnica que permite medir a funcionalidade de um software ou aplicativo, sob a visão

Leia mais

Ivan Guilhon Mitoso Rocha. As grandezas fundamentais que serão adotadas por nós daqui em frente:

Ivan Guilhon Mitoso Rocha. As grandezas fundamentais que serão adotadas por nós daqui em frente: Rumo ao ITA Física Análise Dimensional Ivan Guilhon Mitoso Rocha A análise dimensional é um assunto básico que estuda as grandezas físicas em geral, com respeito a suas unidades de medida. Como as grandezas

Leia mais

Projeto e Análise de Algoritmos Projeto de Algoritmos Heurísticas e Algoritmos Aproximados

Projeto e Análise de Algoritmos Projeto de Algoritmos Heurísticas e Algoritmos Aproximados Projeto e Análise de Algoritmos Projeto de Algoritmos Heurísticas e Algoritmos Aproximados Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br Universidade Federal de Alfenas Departamento de Ciências

Leia mais

Título do trabalho: subtítulo do trabalho

Título do trabalho: subtítulo do trabalho Título do trabalho: subtítulo do trabalho Resumo Este documento apresenta um modelo de formatação a ser utilizado em artigos e tem como objetivo esclarecer aos autores o formato a ser utilizado. Este documento

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.

Leia mais

Uma Heurística para o Problema de Redução de Padrões de Corte

Uma Heurística para o Problema de Redução de Padrões de Corte Uma Heurística para o Problema de Redução de Padrões de Corte Marcelo Saraiva Limeira INPE/LAC e-mail: marcelo@lac.inpe.br Horacio Hideki Yanasse INPE/LAC e-mail: horacio@lac.inpe.br Resumo Propõe-se um

Leia mais

Recuperação de Imagens na Web Baseada em Informações Textuais

Recuperação de Imagens na Web Baseada em Informações Textuais Recuperação de Imagens na Web Baseada em Informações Textuais André Ribeiro da Silva Mário Celso Candian Lobato Universidade Federal de Minas Gerais Departamento de Ciência da Computação {arsilva,mlobato}@dcc.ufmg.br

Leia mais

Mercados de Publicidade

Mercados de Publicidade Mercados de Publicidade em Busca Web Redes Sociais e Econômicas Prof. André Vignatti O Princípio da VCG para um Mercado de Emparelhamento Geral Vamos generalizar o exemplo para obtermos um método genérico

Leia mais

Computadores de Programação (MAB353)

Computadores de Programação (MAB353) Computadores de Programação (MAB353) Aula 19: Visão geral sobre otimização de programas 06 de julho de 2010 1 2 3 Características esperadas dos programas O primeiro objetivo ao escrever programas de computador

Leia mais

Conteúdo. Disciplina: INF 02810 Engenharia de Software. Monalessa Perini Barcellos. Centro Tecnológico. Universidade Federal do Espírito Santo

Conteúdo. Disciplina: INF 02810 Engenharia de Software. Monalessa Perini Barcellos. Centro Tecnológico. Universidade Federal do Espírito Santo Universidade Federal do Espírito Santo Centro Tecnológico Departamento de Informática Disciplina: INF 02810 Prof.: (monalessa@inf.ufes.br) Conteúdo 1. Introdução 2. Processo de Software 3. Gerência de

Leia mais

Regra do Evento Raro p/ Inferência Estatística:

Regra do Evento Raro p/ Inferência Estatística: Probabilidade 3-1 Aspectos Gerais 3-2 Fundamentos 3-3 Regra da Adição 3-4 Regra da Multiplicação: 3-5 Probabilidades por Meio de Simulações 3-6 Contagem 1 3-1 Aspectos Gerais Objetivos firmar um conhecimento

Leia mais

Algoritmos e Pseudocódigo

Algoritmos e Pseudocódigo Algoritmos e Pseudocódigo INF1005 Programação I Prof. Hélio Lopes lopes@inf.puc-rio.br sala 408 RDC 1 algoritmos e pseudocódigo tópicos algoritmo definições representação e resolução de problemas representação

Leia mais

PESQUISA-AÇÃO DICIONÁRIO

PESQUISA-AÇÃO DICIONÁRIO PESQUISA-AÇÃO Forma de pesquisa interativa que visa compreender as causas de uma situação e produzir mudanças. O foco está em resolver algum problema encontrado por indivíduos ou por grupos, sejam eles

Leia mais

Pós-Graduação em Engenharia Elétrica Inteligência Artificial

Pós-Graduação em Engenharia Elétrica Inteligência Artificial Pós-Graduação em Engenharia Elétrica Inteligência Artificial João Marques Salomão Rodrigo Varejão Andreão Inteligência Artificial Definição (Fonte: AAAI ): "the scientific understanding of the mechanisms

Leia mais

QUADRADO MÁGICO - ORDEM 4

QUADRADO MÁGICO - ORDEM 4 CONCEITO Partindo da definição original, os QUADRADOS MÁGICOS devem satisfazer três condições: a) tabela ou matriz quadrada (número de igual ao número de ); b) domínio: com elementos assumindo valores

Leia mais

Introdução às Redes Neurais Artificiais

Introdução às Redes Neurais Artificiais Introdução às Redes Neurais Artificiais Treinamento via Algoritmos Genéticos Prof. João Marcos Meirelles da Silva http://www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola

Leia mais

SERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA

SERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA SERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA Muitas organizações terceirizam o transporte das chamadas em seus call-centers, dependendo inteiramente

Leia mais

Tarefa Orientada 16 Vistas

Tarefa Orientada 16 Vistas Tarefa Orientada 16 Vistas Objectivos: Vistas só de leitura Vistas de manipulação de dados Uma vista consiste numa instrução de SELECT que é armazenada como um objecto na base de dados. Deste modo, um

Leia mais

Aplicação da Medida TfIdf em Bancos de Dados Relacionais para Ordenação de Consultas por Termos

Aplicação da Medida TfIdf em Bancos de Dados Relacionais para Ordenação de Consultas por Termos Aplicação da Medida TfIdf em Bancos de Dados Relacionais para Ordenação de Consultas por Termos Daniel Pereira Lima 1, Naziane Alves Pinto 2, Carla Oran Fonseca de Souza 3, Francisca Sancha Azevedo da

Leia mais

Prof. Júlio Cesar Nievola Data Mining PPGIa PUCPR

Prof. Júlio Cesar Nievola Data Mining PPGIa PUCPR Uma exploração preliminar dos dados para compreender melhor suas características. Motivações-chave da exploração de dados incluem Ajudar na seleção da técnica correta para pré-processamento ou análise

Leia mais

DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE

DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE Mariane Alves Gomes da Silva Eliana Zandonade 1. INTRODUÇÃO Um aspecto fundamental de um levantamento

Leia mais

MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação. Aula 02. Prof. Dr. Marco Antonio Leonel Caetano

MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação. Aula 02. Prof. Dr. Marco Antonio Leonel Caetano MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação Aula 02 Prof. Dr. Marco Antonio Leonel Caetano 1 Guia de Estudo para Aula 02 Comandos de Repetição - O Comando FOR - O comando IF com o comando

Leia mais

3 ALGORITMOS GENÉTICOS : CONCEITOS BÁSICOS E EXTENSÕES VINCULADAS AO PROBLEMA DE MINIMIZAÇÃO DE PERDAS

3 ALGORITMOS GENÉTICOS : CONCEITOS BÁSICOS E EXTENSÕES VINCULADAS AO PROBLEMA DE MINIMIZAÇÃO DE PERDAS 3 ALGORITMOS GENÉTICOS : CONCEITOS BÁSICOS E EXTENSÕES VINCULADAS AO PROBLEMA DE MINIMIZAÇÃO DE PERDAS 3.1 - Conceitos Básicos Entendemos como algoritmo um conjunto predeterminado e bem definido de regras

Leia mais

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico

Leia mais

Transcrição Automática de Música

Transcrição Automática de Música Transcrição Automática de Música Ricardo Rosa e Miguel Eliseu Escola Superior de Tecnologia e Gestão do Instituto Politécnico de Leiria Departamento de Engenharia Informática A transcrição automática de

Leia mais

Faculdade Alagoana de Administração FAA Ciência da Computação. (Resolução de Problemas em) Espaço de Estados

Faculdade Alagoana de Administração FAA Ciência da Computação. (Resolução de Problemas em) Espaço de Estados Faculdade Alagoana de Administração FAA Ciência da Computação (Resolução de Problemas em) Espaço de Estados (Adaptado de O.B. Coelho & G. Bittencourt & C. Moraes) Maria Aparecida Amorim Sibaldo maasibaldo@gmail.com

Leia mais

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia

Leia mais

Algoritmos: Lógica para desenvolvimento de programação de computadores. Autor: José Augusto Manzano. Capítulo 1 Abordagem Contextual

Algoritmos: Lógica para desenvolvimento de programação de computadores. Autor: José Augusto Manzano. Capítulo 1 Abordagem Contextual Algoritmos: Lógica para desenvolvimento de programação de computadores Autor: José Augusto Manzano Capítulo 1 Abordagem Contextual 1.1. Definições Básicas Raciocínio lógico depende de vários fatores para

Leia mais

Organização e Arquitetura de Computadores I

Organização e Arquitetura de Computadores I Organização e Arquitetura de Computadores I Aritmética Computacional Slide 1 Sumário Unidade Lógica e Aritmética Representação de Números Inteiros Aritmética de Números Inteiros Representação de Números

Leia mais

Circuitos Digitais. Engenharia de Automação e Controle Engenharia Elétrica. São Paulo 2014. Prof. José dos Santos Garcia Neto

Circuitos Digitais. Engenharia de Automação e Controle Engenharia Elétrica. São Paulo 2014. Prof. José dos Santos Garcia Neto Engenharia de Automação e Controle Engenharia Elétrica Circuitos Digitais Prof. José dos Santos Garcia Neto São Paulo 2014 Prof. José dos Santos Garcia Neto 1 Introdução Esta apostila tem como objetivo

Leia mais

Dadas a base e a altura de um triangulo, determinar sua área.

Dadas a base e a altura de um triangulo, determinar sua área. Disciplina Lógica de Programação Visual Ana Rita Dutra dos Santos Especialista em Novas Tecnologias aplicadas a Educação Mestranda em Informática aplicada a Educação ana.santos@qi.edu.br Conceitos Preliminares

Leia mais

5. EXPERIÊNCIAS E ANÁLISE DOS RESULTADOS. 5.1 - Os Programas de Avaliação

5. EXPERIÊNCIAS E ANÁLISE DOS RESULTADOS. 5.1 - Os Programas de Avaliação 36 5. EXPERIÊNCIAS E ANÁLISE DOS RESULTADOS 5.1 - Os Programas de Avaliação Programas de avaliação convencionais foram utilizados para análise de diversas configurações da arquitetura. Estes programas

Leia mais

Morfologia Matemática Binária

Morfologia Matemática Binária Morfologia Matemática Binária Conceitos fundamentais: (Você precisa entender bem esses Pontos básicos para dominar a área! Esse será nosso game do dia!!! E nossa nota 2!!) Morfologia Matemática Binária

Leia mais

A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS

A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS UMA SOLUÇÃO DO PROBLEMA DAS N RAINHAS ATRAVÉS DE ALGORITMOS GENÉTICOS A SOLUTION OF N-QUEENS PROBLEM BY GENETIC ALGORITHMS Eliane Vendramini de Oliveira Mestre em Engenharia Elétrica UNESP/ Ilha Solteira

Leia mais

Atividade extra. Questão 1. Questão 2. Ciências da Natureza e suas Tecnologias Biologia. A diversidade biológica é o fruto da variação genética.

Atividade extra. Questão 1. Questão 2. Ciências da Natureza e suas Tecnologias Biologia. A diversidade biológica é o fruto da variação genética. Atividade extra Questão 1 A diversidade biológica é o fruto da variação genética. Falar em biodiversidade e em tempo significa, necessariamente, falar de: a. Degeneração. b. Conservação. c. Evolução. d.

Leia mais

Introdução ao GED Simone de Abreu

Introdução ao GED Simone de Abreu Introdução ao GED Simone de Abreu GED O que é isso? O conhecimento teve, ao longo da história, diferentes significados e funções. No tempo das cavernas nossos antepassados transmitiam aos seus descendentes

Leia mais

3.1 Definições Uma classe é a descrição de um tipo de objeto.

3.1 Definições Uma classe é a descrição de um tipo de objeto. Unified Modeling Language (UML) Universidade Federal do Maranhão UFMA Pós Graduação de Engenharia de Eletricidade Grupo de Computação Assunto: Diagrama de Classes Autoria:Aristófanes Corrêa Silva Adaptação:

Leia mais

O DNA é formado por pedaços capazes de serem convertidos em algumas características. Esses pedaços são

O DNA é formado por pedaços capazes de serem convertidos em algumas características. Esses pedaços são Atividade extra Fascículo 2 Biologia Unidade 4 Questão 1 O DNA é formado por pedaços capazes de serem convertidos em algumas características. Esses pedaços são chamados de genes. Assinale abaixo quais

Leia mais

LISTA DE EXEMPLOS - PROBABILIDADE

LISTA DE EXEMPLOS - PROBABILIDADE LISTA DE EXEMPLOS - PROBABILIDADE EXEMPLO 1 CONVERTENDO UM ARREMESSO LIVRE Ache a probabilidade de que o jogador de basquete da NBA, Reggie Miller, converta um arremesso livre depois de sofrer uma falta.

Leia mais

UNIVERSIDADE DO ESTADO DE SANTA CATARINA - UDESC DCC Departamento de Ciência da Computação Joinville-SC

UNIVERSIDADE DO ESTADO DE SANTA CATARINA - UDESC DCC Departamento de Ciência da Computação Joinville-SC CURSO: Bacharelado em Ciência da Computação DISCIPLINA: ANPS Análise e Projeto de Sistemas AULA NÚMERO: 3 DATA: PROFESSOR: Murakami Sumário 1 APRESENTAÇÃO...1 2 DESENVOLVIMENTO...1 2.1 Revisão...1 2.1.1

Leia mais

2 Desenvolvimento da Publicidade de Busca

2 Desenvolvimento da Publicidade de Busca Desenvolvimento da Publicidade de Busca 21 2 Desenvolvimento da Publicidade de Busca Em seus primórdios, a publicidade na Web era quase que totalmente baseada na venda de impressões, ou seja, exibições

Leia mais

Roteiro 2: (Planilhas Eletrônicas) - Função procv / manipulação de formulários

Roteiro 2: (Planilhas Eletrônicas) - Função procv / manipulação de formulários Roteiro 2: (Planilhas Eletrônicas) - Função procv / manipulação de formulários Objetivos Explorar funções de procura e referência; Explorar ferramentas para controle de formulários em planilhas; Importar

Leia mais

BCC204 - Teoria dos Grafos

BCC204 - Teoria dos Grafos BCC204 - Teoria dos Grafos Marco Antonio M. Carvalho (baseado nas notas de aula do prof. Haroldo Gambini Santos) Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal

Leia mais

O Processo de KDD. Data Mining SUMÁRIO - AULA1. O processo de KDD. Interpretação e Avaliação. Seleção e Pré-processamento. Consolidação de dados

O Processo de KDD. Data Mining SUMÁRIO - AULA1. O processo de KDD. Interpretação e Avaliação. Seleção e Pré-processamento. Consolidação de dados SUMÁRIO - AULA1 O Processo de KDD O processo de KDD Interpretação e Avaliação Consolidação de dados Seleção e Pré-processamento Warehouse Data Mining Dados Preparados p(x)=0.02 Padrões & Modelos Conhecimento

Leia mais

NBC TSP 10 - Contabilidade e Evidenciação em Economia Altamente Inflacionária

NBC TSP 10 - Contabilidade e Evidenciação em Economia Altamente Inflacionária NBC TSP 10 - Contabilidade e Evidenciação em Economia Altamente Inflacionária Alcance 1. Uma entidade que prepara e apresenta Demonstrações Contábeis sob o regime de competência deve aplicar esta Norma

Leia mais

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

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

Leia mais

Do neurônio biológico ao neurônio das redes neurais artificiais

Do neurônio biológico ao neurônio das redes neurais artificiais Do neurônio biológico ao neurônio das redes neurais artificiais O objetivo desta aula é procurar justificar o modelo de neurônio usado pelas redes neurais artificiais em termos das propriedades essenciais

Leia mais

Estratégias de Pesquisa

Estratégias de Pesquisa Estratégias de Pesquisa Ricardo de Almeida Falbo Metodologia de Pesquisa Departamento de Informática Universidade Federal do Espírito Santo Agenda Survey Design e Criação Estudo de Caso Pesquisa Ação Experimento

Leia mais