Dans cette étude, nous cherchons à établir des identités polynomiales dans le cadre de la combinatoire non-commutative. Dans un premier temps, nous présentons de nouvelles structures de Nambu-Lie, en classifiant totalement les (n-1)-structures sur l'espace R^n, et en donnant une méthode permettant de construire des crochets de tout ordre sur une algèbre de Lie. Nous proposons également une quantification de l'une de nos structures, grâce aux polynômes standards et aux algèbres de Clifford d'indice pair. Dans un second moment, en généralisant la notion de polynôme standard au cas des algèbres graduées, nous cherchons à démontrer une version du théorème d'Amitsur-Levitzki sur les superalgèbres de Lie osp(1,2n) en suivant une démonstration de Kostant dans le cas classique. Nous sommes amenés à démontrer des super-versions des propriétés et résultats nécessaires à la démonstration dans le cas classique, notamment en définissant un super-opérateur de transgression de Cartan-Chevalley.

Cette thèse comporte trois parties. Dans la première, nous nous intéressons à la formule du commutateur d'un groupe admettant une BN-paire scindée. Nous montrons que sous une condition dite "condition de Lévi faible", le groupe vérifie cette formule. Dans la seconde partie, nous étudions la conservation de la forme unitriangulaire lors du passage d'une matrice de décomposition d'un module sur une algèbre graduée à la matrice de décomposition de la restriction de ce module sur l'algèbre effectuant la graduation et vice-versa. Nous verrons des applications pour des algèbres cellulaires pourvues également d'autres propriétés, notamment des algèbres de Ariki-Koike. Nous terminons par une partie traitant de la conjecture de J. Gruber et G. Hiss pour les nombres de décomposition des algèbres de Hecke de type B et D. Nous généralisons et prouvons cette conjecture dans le cas des algèbres de groupes de réflexions complexes. Puis nous observons quels sont les problèmes de la généralisation des méthodes utilisées lors du passage des algèbres de groupes aux algèbres de Hecke (de type B et D). Enfin, nous donnons une condition naturelle sur des filtrations de modules de Specht, sous-laquelle la conjecture est satisfaite.

Within the field of Disability Studies, research on cognitive and developmental disabilities is relatively rare in comparison to other types of disabilities. Using Clifford Geertz's anthropological approach, "thick description," autism can be better understood by placing both fiction and non-fiction accounts of the disorder into a larger theoretical context. Applying concepts from existing works in Disability Studies to the major writings of Jacques Derrida, Julia Kristeva, Jacques Lacan, and Donna Haraway also proves to be mutually enlightening. This ethnographic approach within the context of analysis of literary texts provides a model by which representations of individuals who are cognitively or developmentally disabled can be included in the academy.

This thesis explores the status of a specific subset of absent characters within twentieth century American drama. By borrowing the term “proximate cause” from tort law and illuminating its intricacies through David Hume’s A Treatise of Human Nature, this thesis re-appropriates proximate cause for literary studies. Rather than focus on characters whose existence remains the subject of critical debate, this set of absent characters presumably exists but never appear onstage. Despite their non-appearance onstage, however, these absent characters nonetheless have a profound effect upon the action that occurs during their respective plays. Highlighting the various ways in which these characters serve as the proximate cause for the onstage action of a given play will expand the realm of drama and literary studies in myriad ways.

Dans cette thèse, nous nous intéressons à la reconnaissance d'images couleur à l'aide d'une nouvelle approche géométrique du domaine fréquentiel. La plupart des méthodes existantes ne traitent que les images en niveaux de gris au travers de descripteurs issus de la transformée de Fourier usuelle. L'extension de telles méthodes aux images multicanaux, comme par exemple les images couleur, consiste généralement à reproduire un traitement identique sur chacun des canaux. Afin d'éviter ce traitement marginal, nous étudions et mettons en perspective les différentes généralisations de la transformée de Fourier pour les images couleur. Ce travail nous oriente vers la transformée de Fourier Clifford pour les images couleur définie dans le cadre des algèbres géométriques. Une étude approfondie de celle-ci nous conduit à définir un algorithme de calcul rapide et à proposer une méthode de corrélation de phase pour les images couleur. Dans un deuxième temps, nous cherchons à généraliser à travers cette transformée de Fourier les définitions des descripteurs de Fourier de la littérature. Nous étudions ainsi les propriétés, notamment l'invariance à la translation, rotation et échelle, des descripteurs existants. Ce travail nous mène à proposer trois nouveaux descripteurs appelés "descripteurs de Fourier couleur généralisés"(GCFD) invariants en translation et en rotation.Les méthodes proposées sont évaluées sur des bases d'images usuelles afin d'estimer l'apport du contenu fréquentiel couleur par rapport aux méthodes niveaux de gris et marginales. Les résultats obtenus à l'aide d'un classifieur SVM montrent le potentiel des méthodes proposées ; les descripteurs GCFD se révèlent être plus compacts, de complexité algorithmique moindre pour des performances de classification au minimum équivalentes. Nous proposons également des heuristiques pour le choix du paramètre de la transformée de Fourier Clifford.Cette thèse constitue un premier pas vers une généralisation des méthodes fréquentielles aux images multicanaux.

The symplectic Dirac and the symplectic twistor operators are sym- plectic analogues of classical Dirac and twistor operators appearing in spin- Riemannian geometry. Our work concerns basic aspects of these two ope- rators. Namely, we determine the solution space of the symplectic twistor operator on the symplectic vector space of dimension 2n. It turns out that the solution space is a symplectic counterpart of the orthogonal situation. Moreover, we demonstrate on the example of 2n-dimensional tori the effect of dependence of the solution spaces of the symplectic Dirac and the symplectic twistor operators on the choice of the metaplectic structure. We construct a symplectic generalization of classical theta functions for the symplectic Dirac operator as well. We study several basic aspects of the symplectic version of Clifford analysis associated to the symplectic Dirac operator. Focusing mostly on the symplectic vector space of the real dimension 2, this amounts to the study of first order symmetry operators of the symplectic Dirac ope- rator, symplectic Clifford-Fourier transform and the reproducing kernel for the symplectic Fischer product including the construction of bases for the symplectic monogenics of the symplectic Dirac operator in real dimension 2 and their extension to symplectic spaces...

Este trabalho apresenta uma solução geral para a detecção de alinhamentos de dados em conjuntos multidimensionais não ordenados e ruidosos. Nesta abordagem, o tipo requerido de alinhamento de dados pode ser uma forma geométrica (e.g., linha reta, plano, círculo, esfera, seção cônica, entre outras) ou qualquer estrutura, com dimensionalidade arbitrária, que possa ser caracterizada por um subespaço linear. A detecção é realizada por meio de um procedimento composto por três etapas. Na etapa de inicialização, um espaço de parâmetros com p (n − p) dimensões é definido de modo que cada ponto neste espaço represente uma instância do alinhamento requerido, descrito por um subespaço p-dimensional em um domínio n-dimensional. Em seguida, uma grade de acumuladores é criada como sendo a representação discreta do espaço de parâmetros. Na segunda etapa do procedimento, cada elemento no conjunto de dados de entrada (também um subespaço no domínio n-dimensional) é mapeado para o espaço de parâmetros como os pontos (no espaço de parâmetros) representando os subespaços requeridos que contém ou que estão contidos no elemento de entrada. À medida que os elementos de entrada são mapeados, as células do acumulador relacionadas com o mapeamento são incrementadas pelo valor de importância do elemento mapeado. A etapa final do procedimento recupera os subespaços p-dimensionais que melhor se ajustam aos dados de entrada como sendo os máximos locais na grade de acumuladores. A parametrização proposta é independente das propriedades geométricas dos alinhamentos a serem detectados. Além disso, o procedimento de mapeamento é independente do tipo de dado de entrada e é capaz de se adaptar a elementos com dimensionalidades arbitrárias. Essas características permitem a utilização da técnica (sem a necessidade de modificações) como uma ferramenta para a detecção de padrões em uma grande quantidade de aplicações. Por conta de sua natureza geral, otimizações desenvolvidas para a abordagem proposta beneficiam, de forma imediata, todos os casos de detecção. Neste trabalho eu demonstro uma implementação em software da técnica proposta e mostro que ela pode ser aplicada tanto em casos simples de detecção, quanto na detecção concorrente de tipos diferentes de alinhamentos, com diferentes interpretações geométricas e em conjuntos de dados compostos por vários tipos de elementos. Esta dissertação também apresenta uma extensão do esquema de detecção para dados de entrada com distribuição Gaussiana de incerteza. A extensão proposta produz distribuições de valores mais suaves na grade de acumuladores e faz com que a técnica fique mais robusta à detecção de subespaços espúrios. / This dissertation presents a generalized closed-form framework for detecting data alignments in large unordered noisy multidimensional datasets. In this approach, the intended type of data alignment may be a geometric shape (e.g., straight line, plane, circle, sphere, conic section, among others) or any other structure, with arbitrary dimensionality that can be characterized by a linear subspace. The detection is performed using a three-step process. In the initialization, a p (n − p)-dimensional parameter space is defined in such a way that each point in this space represents an instance of the intended alignment described by a p-dimensional subspace in some n-dimensional domain. In turn, an accumulator array is created as the discrete representation of the parameter space. In the second step each input entry (also a subspace in the n-dimensional domain) is mapped to the parameter space as the set of points representing the intended p-dimensional subspaces that contain or are contained by the entry. As the input entries are mapped, the bins of the accumulator related to such a mapping are incremented by the importance value of the entry. The subsequent and final step retrieves the p-dimensional subspaces that best fit input data as the local maxima in the accumulator array. The proposed parameterization is independent of the geometric properties of the alignments to be detected. Also, the mapping procedure is independent of the type of input data and automatically adapts to entries of arbitrary dimensionality. This allows application of the proposed approach (without changes) in a broad range of applications as a pattern detection tool. Given its general nature, optimizations developed for the proposed framework immediately benefit all the detection cases. I demonstrate a software implementation of the proposed technique and show that it can be applied in simple detection cases as well as in concurrent detection of multiple kinds of alignments with different geometric interpretations, in datasets containing multiple types of data. This dissertation also presents an extension of the general detection scheme to data with Gaussian-distributed uncertainty. The proposed extension produces smoother distributions of values in the accumulator array and makes the framework more robust to the detection of spurious subspaces.

Made available in DSpace on 2015-04-09T12:28:28Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-08-21Bitstream added on 2015-04-09T12:47:29Z : No. of bitstreams: 1 000813756.pdf: 1391229 bytes, checksum: d31f509e79843221356bb7b2c5f2ad59 (MD5) / Neste trabalho apresentamos resultados da nossa pesquisa que teve por objetivo analisar as opções adotadas por Clifford Landers para traduzir vocábulos recorrentes e preferenciais da autora Patrícia Melo, relacionados à violência e criminalidade, em The Killer (1997), Inferno (2002) e In Praise of Lies (1999), em relação às respectivas obras originais O matador (1995), Inferno (2000) e Elogio da mentira (1998). A pesquisa fundamentou-se no arcabouço teóricometodológico dos Estudos da Tradução Baseados em Corpus (Baker, 1993, 1995, 1996, 2004; Camargo, 2005, 2007) e da Linguística de Corpus (Berber Sardinha, 2004). Recorremos, também, aos estudos sobre normalização de Baker (1996) e Scott (1998), a fim de observar aproximações e distanciamentos nas traduções dos vocábulos preferenciais de Patrícia Melo. Para tanto, construímos um corpus de pesquisa constituído por três pares de obras. O estudo contou com o auxílio das ferramentas WordList, KeyWord e Concord, disponibilizadas pelo programa computacional WordSmith Tools, a fim de proceder à extração dos vocábulos para análise. Quanto aos resultados obtidos, as palavras-chave extraídas dos corpora relacionam-se à violência. Em O matador, apresentaram-se os seguintes vocábulos e as repectivas opções de tradução: matar kill; pó cocaine, coke e dust; revólver revolver, gun e por meio de omissão; arma gun, firearm, police regulation pistol e weapon; e bandido bad guy, criminal, lowlife piece of scum e thief. Em Inferno, apresentaram-se: morro hillside, hill, favela e por meio de omissão; traficante drug dealer, him, runner e drug trafficker; favela favela, hillside e por meio de omissão; matar kill, tráfico drug traffic e traffic. Em Elogio da mentira, as palavras-chave são: cobra snake e boa; assassino murderer, killer, killing, assassin e deadly; matar kill, sucuri boa constrictor, boa e snake; e veneno venom e poison. Os resultados também apresentaram ... / In this thesis we presented some results of a study that aimed to analyze the translation options adopted by Clifford Landers for the preferred and recurring words of Patrícia Melo, related to violence and crime, in The Killer (1997), Inferno (2002) and In praise of lies (1999) in relation to the respective original texts O matador (1995), Inferno (2000) and Elogio da mentira (1998). The theoretical approach is based on Corpus Based Translation Studies (Baker, 1993, 1995, 1996, 2004; Camargo, 2005, 2007) and Corpus Linguistics (Berber Sardinha, 2004). We also looked at the studies of Baker (1996) and Scott (1998) concerning normalization, in order to observe similarities and differences in the translation of Patricia Melo preferable words. The corpus was formed by the alignment of the original texts to their respective translations. For word extraction, we used tools provided by the WordSmith Tools program: WordList, KeyWords and Concord. The results obtainted present keywords that confirmed the theme of violence. In O matador, the following words and options of translations were found: matar kill; pó cocaine, coke and dust; revólver revolver, gun and by means of omissions; arma gun, firearm, police regulation pistol and weapon; and bandido bad guy, criminal, lowlife piece of scum and thief. In Inferno: morro hillside, hill, favela and omissions; traficante drug dealer, him, runner and drug trafficker; favela favela, hillside and omission; matar kill; tráfico drug traffic and traffic. In Elogio da mentira, the keywords were: cobra snake and boa; assassino murderer, killer, killing, assassin and deadly; matar kill; sucuri boa constrictor, boa and snake; and veneno venom and poison. The results also present a set of evidences which suggest the tendency of Clifford Landers to normalize the target text

Este trabalho apresenta uma solução geral para a detecção de alinhamentos de dados em conjuntos multidimensionais não ordenados e ruidosos. Nesta abordagem, o tipo requerido de alinhamento de dados pode ser uma forma geométrica (e.g., linha reta, plano, círculo, esfera, seção cônica, entre outras) ou qualquer estrutura, com dimensionalidade arbitrária, que possa ser caracterizada por um subespaço linear. A detecção é realizada por meio de um procedimento composto por três etapas. Na etapa de inicialização, um espaço de parâmetros com p (n − p) dimensões é definido de modo que cada ponto neste espaço represente uma instância do alinhamento requerido, descrito por um subespaço p-dimensional em um domínio n-dimensional. Em seguida, uma grade de acumuladores é criada como sendo a representação discreta do espaço de parâmetros. Na segunda etapa do procedimento, cada elemento no conjunto de dados de entrada (também um subespaço no domínio n-dimensional) é mapeado para o espaço de parâmetros como os pontos (no espaço de parâmetros) representando os subespaços requeridos que contém ou que estão contidos no elemento de entrada. À medida que os elementos de entrada são mapeados, as células do acumulador relacionadas com o mapeamento são incrementadas pelo valor de importância do elemento mapeado. A etapa final do procedimento recupera os subespaços p-dimensionais que melhor se ajustam aos dados de entrada como sendo os máximos locais na grade de acumuladores. A parametrização proposta é independente das propriedades geométricas dos alinhamentos a serem detectados. Além disso, o procedimento de mapeamento é independente do tipo de dado de entrada e é capaz de se adaptar a elementos com dimensionalidades arbitrárias. Essas características permitem a utilização da técnica (sem a necessidade de modificações) como uma ferramenta para a detecção de padrões em uma grande quantidade de aplicações. Por conta de sua natureza geral, otimizações desenvolvidas para a abordagem proposta beneficiam, de forma imediata, todos os casos de detecção. Neste trabalho eu demonstro uma implementação em software da técnica proposta e mostro que ela pode ser aplicada tanto em casos simples de detecção, quanto na detecção concorrente de tipos diferentes de alinhamentos, com diferentes interpretações geométricas e em conjuntos de dados compostos por vários tipos de elementos. Esta dissertação também apresenta uma extensão do esquema de detecção para dados de entrada com distribuição Gaussiana de incerteza. A extensão proposta produz distribuições de valores mais suaves na grade de acumuladores e faz com que a técnica fique mais robusta à detecção de subespaços espúrios. / This dissertation presents a generalized closed-form framework for detecting data alignments in large unordered noisy multidimensional datasets. In this approach, the intended type of data alignment may be a geometric shape (e.g., straight line, plane, circle, sphere, conic section, among others) or any other structure, with arbitrary dimensionality that can be characterized by a linear subspace. The detection is performed using a three-step process. In the initialization, a p (n − p)-dimensional parameter space is defined in such a way that each point in this space represents an instance of the intended alignment described by a p-dimensional subspace in some n-dimensional domain. In turn, an accumulator array is created as the discrete representation of the parameter space. In the second step each input entry (also a subspace in the n-dimensional domain) is mapped to the parameter space as the set of points representing the intended p-dimensional subspaces that contain or are contained by the entry. As the input entries are mapped, the bins of the accumulator related to such a mapping are incremented by the importance value of the entry. The subsequent and final step retrieves the p-dimensional subspaces that best fit input data as the local maxima in the accumulator array. The proposed parameterization is independent of the geometric properties of the alignments to be detected. Also, the mapping procedure is independent of the type of input data and automatically adapts to entries of arbitrary dimensionality. This allows application of the proposed approach (without changes) in a broad range of applications as a pattern detection tool. Given its general nature, optimizations developed for the proposed framework immediately benefit all the detection cases. I demonstrate a software implementation of the proposed technique and show that it can be applied in simple detection cases as well as in concurrent detection of multiple kinds of alignments with different geometric interpretations, in datasets containing multiple types of data. This dissertation also presents an extension of the general detection scheme to data with Gaussian-distributed uncertainty. The proposed extension produces smoother distributions of values in the accumulator array and makes the framework more robust to the detection of spurious subspaces.

Este trabalho apresenta uma solução geral para a detecção de alinhamentos de dados em conjuntos multidimensionais não ordenados e ruidosos. Nesta abordagem, o tipo requerido de alinhamento de dados pode ser uma forma geométrica (e.g., linha reta, plano, círculo, esfera, seção cônica, entre outras) ou qualquer estrutura, com dimensionalidade arbitrária, que possa ser caracterizada por um subespaço linear. A detecção é realizada por meio de um procedimento composto por três etapas. Na etapa de inicialização, um espaço de parâmetros com p (n − p) dimensões é definido de modo que cada ponto neste espaço represente uma instância do alinhamento requerido, descrito por um subespaço p-dimensional em um domínio n-dimensional. Em seguida, uma grade de acumuladores é criada como sendo a representação discreta do espaço de parâmetros. Na segunda etapa do procedimento, cada elemento no conjunto de dados de entrada (também um subespaço no domínio n-dimensional) é mapeado para o espaço de parâmetros como os pontos (no espaço de parâmetros) representando os subespaços requeridos que contém ou que estão contidos no elemento de entrada. À medida que os elementos de entrada são mapeados, as células do acumulador relacionadas com o mapeamento são incrementadas pelo valor de importância do elemento mapeado. A etapa final do procedimento recupera os subespaços p-dimensionais que melhor se ajustam aos dados de entrada como sendo os máximos locais na grade de acumuladores. A parametrização proposta é independente das propriedades geométricas dos alinhamentos a serem detectados. Além disso, o procedimento de mapeamento é independente do tipo de dado de entrada e é capaz de se adaptar a elementos com dimensionalidades arbitrárias. Essas características permitem a utilização da técnica (sem a necessidade de modificações) como uma ferramenta para a detecção de padrões em uma grande quantidade de aplicações. Por conta de sua natureza geral, otimizações desenvolvidas para a abordagem proposta beneficiam, de forma imediata, todos os casos de detecção. Neste trabalho eu demonstro uma implementação em software da técnica proposta e mostro que ela pode ser aplicada tanto em casos simples de detecção, quanto na detecção concorrente de tipos diferentes de alinhamentos, com diferentes interpretações geométricas e em conjuntos de dados compostos por vários tipos de elementos. Esta dissertação também apresenta uma extensão do esquema de detecção para dados de entrada com distribuição Gaussiana de incerteza. A extensão proposta produz distribuições de valores mais suaves na grade de acumuladores e faz com que a técnica fique mais robusta à detecção de subespaços espúrios. / This dissertation presents a generalized closed-form framework for detecting data alignments in large unordered noisy multidimensional datasets. In this approach, the intended type of data alignment may be a geometric shape (e.g., straight line, plane, circle, sphere, conic section, among others) or any other structure, with arbitrary dimensionality that can be characterized by a linear subspace. The detection is performed using a three-step process. In the initialization, a p (n − p)-dimensional parameter space is defined in such a way that each point in this space represents an instance of the intended alignment described by a p-dimensional subspace in some n-dimensional domain. In turn, an accumulator array is created as the discrete representation of the parameter space. In the second step each input entry (also a subspace in the n-dimensional domain) is mapped to the parameter space as the set of points representing the intended p-dimensional subspaces that contain or are contained by the entry. As the input entries are mapped, the bins of the accumulator related to such a mapping are incremented by the importance value of the entry. The subsequent and final step retrieves the p-dimensional subspaces that best fit input data as the local maxima in the accumulator array. The proposed parameterization is independent of the geometric properties of the alignments to be detected. Also, the mapping procedure is independent of the type of input data and automatically adapts to entries of arbitrary dimensionality. This allows application of the proposed approach (without changes) in a broad range of applications as a pattern detection tool. Given its general nature, optimizations developed for the proposed framework immediately benefit all the detection cases. I demonstrate a software implementation of the proposed technique and show that it can be applied in simple detection cases as well as in concurrent detection of multiple kinds of alignments with different geometric interpretations, in datasets containing multiple types of data. This dissertation also presents an extension of the general detection scheme to data with Gaussian-distributed uncertainty. The proposed extension produces smoother distributions of values in the accumulator array and makes the framework more robust to the detection of spurious subspaces.