Orientador: João Paulo Papa / Banca: André Carlos Ponce de Leon Ferreira de Carvalho / Banca: Aparecido Nilceu Marana / Resumo: Arquiteturas de aprendizado em profundidade têm sido amplamente estudadas nos últimos anos, principalmente pelo seu alto poder discriminativo em muitos problemas considerados essenciais na área de visão computacional. Entretanto, um problema destes modelos diz res- peito ao grande número de parâmetros a serem ajustados, que podem chegar a milhares. Um outro ponto crítico está relacionado à necessidade de grandes bases de dados para treinar essas técnicas de aprendizado em profundidade, bem como a sua alta propensão ao chamado super-ajuste dos dados. Recentemente, a simplista ideia de desconectar neurônios ou conexões de uma rede, técnicas denominadas de Dropout e Dropconnect, respectivamente, tem se demonstrado muito eficazes e primordiais ao processo de aprendizado, embora ainda necessitem de uma escolha adequada de parâmetros. O presente projeto pretende identificar possíveis soluções para o problema mencionado por meio de técnicas de otimização meta-heurística, objetivando encontrar o número adequado do limiar de desligamento dos neurônios e conexões. Diferentes abordagens de aprendizado em profundidade, tais como, Máquinas de Boltzmann Restritas, Máquinas de Boltzmann em Profundidade, Redes de Crença em Profundidade, Redes Neurais Convolucionais; e diferentes meta-heurísticas, tais como, Algoritmo do Morcego, Algoritmo do Vagalume, Busca do Cuckoo, Otimização por Enxame de Partículas, foram utilizadas a fim de tentar solucionar este problema. Os resultados apresentados... / Abstract: Deep learning architectures have been extensively studied in the last years, mainly due to their discriminative power in many crucial problems in computer vision. However, one problem related to these models concerns with their number of parameters, which can easily reach thousands of hundreds. Another drawback is related to the need for large datasets for train- ing purposes, as well as their high probability of overfitting, mainly because of their complex architecture. Recently, a naïve idea of disconnecting neurones or connections from a network, known as Dropout or Dropconnect, respectively, has shown to be a promising solution to this problem. Nevertheless, it still requires an adequate parameter setting. This project aims to iden- tify possible solutions to the depicted problem by means of meta-heuristic optimization, trying to find the most suitable drop rate. Several machine learning approaches, such as, Restricted Boltzmann Machines, Deep Boltzmann Machines, Deep Belief Networks, Convolutional Neural Networks and several meta-heuristic techniques, such as, Particle Swarm Optimization, Bat Algorithm, Firefly Algorithm, Cuckoo Search, were employed in the context. The presented results show a possible trend in using meta-heuristic optimization to find suitable parameters in a wide range of applications, helping the learning process and improving the network's architecture / Mestre

Orientador: João Fernando Marar / Banca: Antonio Carlos Sementille / Banca: Rodrigo Holdschip / Resumo: Esta pesquisa tem como objetivo analisar o uso da técnica estatística de aprendizado de máquina Maximização de Entropia, voltado para tarefas de processamento de linguagem natural na inferência de emoções em textos obtidos da rede social Facebook. Foram estudados os conceitos primordiais das tarefas de processamento de linguagem natural, os conceitos inerentes a teoria da informação, bem como o aprofundamento no conceito de um modelo entrópico como classificador de textos. Os dados utilizados na presente pesquisa foram obtidos de textos curtos, ou seja, textos com no máximo 500 caracteres. A técnica em questão foi abordada dentro do aprendizado supervisionado de máquina, logo, parte dos dados coletados foram usados como exemplos marcados dentro de um conjunto de classes predefinidas, a fim de induzir o mecanismo de aprendizado a selecionar a classe de emoção mais provável dado o exemplo analisado. O método proposto obteve índice de assertividade médio de 90%, baseado no modelo de validação cruzada. / Abstract: This research aims to analyze the use of entropy maximization machine learning statistical technique, focused on natural language processing tasks in the inferencing of emotions in short texts from Facebook social network. Were studied the primary concepts of natural language processing tasks, IT intrinsic concepts, as well as deepening the concept of Entropy model as a text classifier. All data used for this research came from short texts found in social networks and had 500 characters or less. The model was used within supervised machine learning, therefore, part of the collected data was used as examples marked within a set of predefined classes in order to induce the learning mechanism to select the most probable emotion class given the analyzed sample. The method has obtained the mean accuracy rate of 90%, based on the cross-validation model. / Mestre

STANCANELLI, E. M. G. Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho. 2012. 150 f. Tese (Doutorado em Teleinformática) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2012. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2012-10-31T17:19:27Z No. of bitstreams: 1 2012_tese_emgstancanelli.pdf: 9349222 bytes, checksum: 043bfa5e149b6dd9a9136dce935235b1 (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2012-11-01T17:09:25Z (GMT) No. of bitstreams: 1 2012_tese_emgstancanelli.pdf: 9349222 bytes, checksum: 043bfa5e149b6dd9a9136dce935235b1 (MD5) / Made available in DSpace on 2012-11-01T17:09:25Z (GMT). No. of bitstreams: 1 2012_tese_emgstancanelli.pdf: 9349222 bytes, checksum: 043bfa5e149b6dd9a9136dce935235b1 (MD5) Previous issue date: 2012-09-04 / In order to bear the growth in the traffic volume expected for the coming years, the next generation of mobile communication systems relies on advanced technologies such as multiple orthogonal subcarriers and coordination of multiple transmission points. The radio resources are organized in a higher number of dimensions, making resource allocation and assessment of link-level performance more complex tasks. Based on techniques from machine learning, we investigated novel ways of addressing these tasks in order to perform them efficiently. This thesis provides two proposals: (i) clustering of transmission points and (ii) design of a link-to-system interface. In proposal (i), the k-means algorithm is used to identify the strength signal vectors that are similar to each other, leading to a decrease on the cooperation complexity. In proposal (ii), we make use of artificial neural networks to learn the behavior of link-level simulations, resulting in a link-to-system interface more reliable for certain situations on the cell-edge region. The results obtained in both proposals confirm machine learning as an appropriate approach to the problems addressed, being able to lead to alternative interpretations and efficient solutions. / De modo a suprirem o aumento de tráfego previsto para os próximos anos, os sistemas de comunicações móveis da próxima geração contam com tecnologias avançadas, como múltiplas subportadoras ortogonais e coordenação entre pontos de transmissão. Os recursos de rádio passam a ser organizados em um número maior de dimensões, tornando mais complexas tarefas como a alocação de recursos e a avaliação de desempenho do enlace. Com base em técnicas de aprendizagem de máquinas, foram investigadas novas maneiras de abordar essas tarefas, de modo a realizá-las eficientemente. Esta tese traz duas propostas: (i) agrupamento de pontos de transmissão e (ii) realização de interface enlace-a-sistema. Na proposta (i), utiliza-se o algoritmo k-médias para identificar os vetores de força do sinal similares, resultando em redução na complexidade de cooperação. Na proposta (ii), utilizam-se redes neurais artificiais para que o comportamento de simulações de enlace possa ser aprendido, resultando em uma interface enlace-a-sistema mais confiável para certas situações na região de borda de célula. Os resultados obtidos em ambas as propostas confirmam a aprendizagem de máquinas como abordagem apropriada aos problemas tratados, sendo capaz de conduzir a interpretações alternativas e soluções eficientes.

Tese (doutorado) - Pontifícia Universidade Católica do Paraná, Curitiba, 2012 / Bibliografia: p. 103-108 / A classificação pode ser considerada a principal tarefa na área de reconhecimento de padrões. Sua função é atribuir uma classe a um padrão de teste desconhecido. É sabido que métodos de classificação baseados em conjunto de classificadores frequentement / The classification may be considered the most important task in the pattern recognition area. It assigns a class to an unknown test pattern. Classification methods based on ensemble of classifiers usually present a better performance than individual cla

Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2016-04-29T11:11:26Z No. of bitstreams: 1 texto completo.pdf: 3023292 bytes, checksum: 6695727050e9686d3b65e792748935d9 (MD5) / Made available in DSpace on 2016-04-29T11:11:26Z (GMT). No. of bitstreams: 1 texto completo.pdf: 3023292 bytes, checksum: 6695727050e9686d3b65e792748935d9 (MD5) Previous issue date: 2015-12-08 / Os microRNAs (miRNAs) são importantes reguladores da expressão gênica em plantas e animais. Assim, miRNAs estão envolvidos na maioria dos processos biológicos, tor- nando o estudo dessas moléculas um dos temas mais relevantes da biologia molecular atualmente. Uma estratégia para encontrar novos miRNAs é procurar seus precursores (pre-miRNAs), que são estruturas ligeiramente maiores (70-120 nt) e têm uma estru- tura secundária na forma de hairpin (grampo de cabelo). No entanto, caracterizar pre-miRNAs in vivo ainda é uma tarefa complexa. Como consequência disto, méto- dos in silico foram desenvolvidos para prever a localização genômica de pre-miRNAs. No entanto, as ferramentas computacionais atuais têm problemas de seletividade, isto é, uma grande quantidade de falsos positivos é reportada. Este trabalho apresenta uma extensão do método desenvolvido por Tempel e Tahi, 2012, com o objetivo de melhorar a seletividade através da técnica de aprendizagem de máquina denominada Random Forest, combinada com o método SMOTE, que lida com conjuntos de dados desbalanceados. Comparando o método proposto com outras importantes abordagens na literatura, mostramos que os procedimentos descritos neste trabalho puderam me- lhorar substancialmente a seletividade, sem comprometer a sensibilidade. Para três conjuntos de dados utilizados nos experimentos realizados, a abordagem proposta al- cançou pelo menos 97 % de sensibilidade e proporcionou um aumento de duas, vinte e seis vezes na seletividade, respectivamente, em comparação com os resultados de ferramentas computacionais atuais. / MicroRNAs (miRNAs) are key gene expression regulators in plants and animals. Thus, miRNAs are involved in the majority of biological process, making the study of these molecules one of the most relevant topics of molecular biology nowadays. A strategy to find new miRNAs is to search for its precursors (pre-miRNAs), which are slightly lar- ger structures (70-120 nt) and have a hairpin structural form. However, characterizing pre-miRNAs in vivo is still a complex task. As a consequence, in silico methods were developed to predict the genomic location of pre-miRNAs. Nevertheless, the current computational tools have problems of selectivity, i.e., a higher number of false positives is reported. This work presents an extension of the method developed by Tempel and Tahi, 2012, with the aim of improving selectivity through machine learning techniques, namely, random forests combined with the SMOTE method that copes with imbalance datasets. Comparing our method with other important approaches in the literature, we have shown that our procedures could substantially improve selectivity without com- promising sensibility. For three datasets used in our experiments, our method achieved at least 97% of sensitivity and could deliver a two-fold, 20-fold, and 6-fold increase in selectivity, respectively, compared with the best results of current computational tools. / Sem Agência de Fomento.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2013. / Made available in DSpace on 2014-08-06T17:43:59Z (GMT). No. of bitstreams: 1 326135.pdf: 3524990 bytes, checksum: 20b931bf01d41bdd7c02ae10fae99cb0 (MD5) Previous issue date: 2013 / Esta dissertação aborda a aplicação dos métodos de Monte Carlo via Cadeias de Markov na aprendizagem de estruturas de redes Bayesianas. Estes métodos têm se mostrado extremamente eficientes nos cálculos aproximados de problemas nos quais é impossível obter uma solução exata. Neste sentido, apresenta um método para gerar estruturas de redes Bayesianas a partir dos dados para que possam ser utilizadas para realizar consultas sobre o domínio do problema e também que permitam extrair conhecimento sobre o problema através dos modelos gráficos gerados. Inicialmente, através do uso de técnicas de verificação de independência condicional entre os nós da rede, alguns vértices (conexões entre os nós) da estrutura inicial foram fixados e não mais alterados, visando minimizar o uso de recursos computacionais. Após fixar esses vértices, o próximo passo consistiu em construir uma estrutura inicial de rede (conectar os demais nós da rede não fixados no passo anterior) a ser alterada durante toda a execução do algoritmo. Para isso, foram utilizados algoritmos de busca heurística. De posse de um modelo inicial de rede e seguindo o fluxo dos métodos de Monte Carlo e Cadeias de Markov, a próxima etapa alterava esse modelo, a cada iteração do algoritmo, de forma aleatória, visando encontrar o modelo que melhor representasse os dados. Os algoritmos de geração de amostras de rede utilizados nessa etapa selecionavam dois nós e uma operação a ser realizada no vértice de conexão entre esses nós (incluir, excluir ou inverter), sempre de forma aleatória. Depois de verificar se a operação realizada na estrutura atual da rede gerava uma rede válida (sem ciclos), a rede era aceita como novo estado da cadeia. Finalmente, para comparar os modelos de rede e selecionar o melhor entre eles, foram utilizadas métricas de score. Analisando as redes geradas durante as execuções do algoritmo, juntamente com os dados capturados na submissão dos casos de teste, pôde-se concluir que os resultados mostraram-se muito satisfatórios, devido, principalmente, às taxas de erros apresentadas nas matrizes de classificação. Como exemplo, na submissão de um dos conjuntos de testes a uma das redes gerada pelo algoritmo, apenas 7% (sete) dos dados foram classificados incorretamente. Pode-se crer que os bons resultados obtidos devem-se ao processo utilizado na coleta de modelos de rede, no qual foram salvos os melhores modelos durante toda a execução do programa.<br> / Abstract : This paper discusses the application of the methods of Markov Chain Monte Carlo in the learning of structures of Bayesian networks. These methods have proved to be extremely effective in approximate calculations of problems in which it is impossible to obtain an exact solution. In this sense, it presents a method for generating structures of Bayesian networks from data that can be used to perform queries on the problem domain and also for extracting knowledge about the problem through the graphic models generated. Initially, through the use of verification techniques for conditional independence between the network nodes, some vertices (connections between nodes) of the initial structure were fixed and not altered in order to minimize the use of computational resources. After fixing these vertices, the next step was to build an initial network structure (connect other network nodes not set in the previous step) to be changed throughout the execution of the algorithm. For this, heuristic search algorithms are used. With this initial network model and following the flow of the Monte Carlo and Markov chains methods, the next step alter this model, in each iteration of the algorithm, randomly, aiming to find the model that best represents the data. The algorithms for generating samples of network used in this step selected two nodes and an operation to be performed at the vertice of connection between these nodes (add, delete or reverse), always randomly. After checking that the operation performed on the current network structure generated a valid network (without cycles), the network was accepted as a new state of the chain. Finally, to compare the network models and select the best among them, metrics score are used. Analyzing the networks generated during the execution of the algorithm, along with the data captured in the submission of test cases, it can be concluded that the results were very satisfactory, mainly due to error rates presented in the matrix of classification. As an example, submission of one of the test sets to the network generated by the algorithm, only 7% (seven) of data were misclassified. It is believed that the good results are due to the process used to collect network models, where it saves the best models throughout the execution of the program.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2013. / Made available in DSpace on 2014-08-06T17:14:04Z (GMT). No. of bitstreams: 1 324092.pdf: 2335387 bytes, checksum: 7fae7ab5dad1b83d5972a8b4b42e0251 (MD5) Previous issue date: 2013 / Com a TV Digital, diversas aplicações interativas podem ser desenvolvidas, como exemplo jogos, t-commerce e t-learning. O controle remoto, que será utilizado para interagir com essas aplicações, mostra-se limitado e é questionável se eles são os me-lhores dispositivos para uma interação mais complexa, como navegação em menus e entrada de texto. O objetivo geral do trabalho foi propor uma solução que visa estender a interatividade da TV digital, para ser utiliza juntamente com uma segunda tela e de modo que possa ser utilizada por múltiplos usuários simultaneamente. A segunda tela visa suprir os problemas relacionados ao controle remoto e a interatividade, estendendo a interatividade para um dispositivo móvel. O trabalho foi desenvolvido no contexto do t-learning, pois acredita-se que a segunda tela pode colaborar com o seu crescimento, melhorando a experiência do usuário e mantendo o caráter de entretenimento da televi-são. O trabalho também analisa as diferentes soluções propostas na literatura para inte-ragir com a TV, seja criando um novo artefato ou utilizando dispositivos móveis, assim como também analisa a maturidade das pesquisas do t-learning. Um modelo foi pro-posto para incluir o uso de dispositivos móveis de forma integrada com o Set-Top Box, responsável por receber a interatividade, permitindo o suporte a múltiplos usuários e sincronização de dados. Um protótipo foi desenvolvido utilizando uma avaliação nutri-cional, onde dados pessoais são respondidos nos dispositivos móveis enquanto a TV apresenta dados relevantes no contexto coletivo. <br> / Abstract : Many interactive applications can be developed on Digital TV such as games, t-commerce and t-learning. The remote control, which is used to interact with these applications, is limited and it is questionable if it is the best device for a more complex interaction like navigation in menus and text input. The main objective of this work is to propose a solution that aims to extend the interactive digital TV, allowing the use in conjunction with a second screen and allowing multiple users simultaneously. Second screen is intended to address problems related to the remote control and interactivity by extending the interactivity to a mobile device. This work is developed on the t-learning context, it is believed that the second screen can collaborate with their growth, improv-ing the user experience and maintaining the entertainment character of television. This work also analyzes different solutions proposed in the literature to interact with the TV, by creating a new artifact or using mobile devices, as well as analyzing the maturity of t-learning researches. A model is proposed to include the use of mobile devices in an integrated manner with the Set-Top Box, responsible for receiving interactivity, allow-ing support for multiple users and data synchronization. A prototype is presented using a nutritional assessment, where personal data are answered on a mobile device while the TV displays data relevant collective context.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduação em Engenharia Elétrica. / Made available in DSpace on 2012-10-20T23:18:19Z (GMT). No. of bitstreams: 1 203424.pdf: 665123 bytes, checksum: cef5d3ff396de7a041ad52f6496716a0 (MD5)

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2017. / Submitted by Priscilla Sousa (priscillasousa@bce.unb.br) on 2017-10-31T12:50:55Z No. of bitstreams: 1 2017_ViníciusdeOliveiraSilva.pdf: 12072182 bytes, checksum: 8abe6dbc46ba985620334c2ebac9ea8a (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2017-11-07T14:09:45Z (GMT) No. of bitstreams: 1 2017_ViníciusdeOliveiraSilva.pdf: 12072182 bytes, checksum: 8abe6dbc46ba985620334c2ebac9ea8a (MD5) / Made available in DSpace on 2017-11-07T14:09:45Z (GMT). No. of bitstreams: 1 2017_ViníciusdeOliveiraSilva.pdf: 12072182 bytes, checksum: 8abe6dbc46ba985620334c2ebac9ea8a (MD5) Previous issue date: 2017-11-07 / A evolução tecnológica nas últimas décadas contribuiu para a melhoria de computadores com excelente capacidade de processamento, armazenamento e câmeras com maior qualidade digital. Os dispositivos de geração de vídeo têm sido mais fáceis de manipular, mais portáteis e com preços mais baixos. Isso permitiu a geração, armazenamento e transmissão de grandes quantidades de vídeos, o que demanda uam forma de análise automática de informações, independente de assistência humana para avaliação e busca exaustiva de vídeos. Existem várias aplicações que podem se beneficiar de técnicas de inteligência computacional, tais como realidade virtual, robótica, telemedicina, interface homemmáquina, tele-vigilância e assistência aos idosos em acompanhamento constante. Este trabalho descreve um método para o Reconhecimento de Ações Humanas em sequências de imagens usando duas Redes (canais) Neurais Convolutivas (RNCs). O Canal Espacial é treinado usando quadros de uma sequência de imagens com técnicas de transferência de aprendizagem a partir da rede VGG16 (pré-treinada para classificação de objetos). O outro canal, Canal Temporal, recebe pilhas de Fluxo Óptico Denso (FOD) como entrada e é treinado com pesos inicais aleatórios. A técnica foi testada em dois conjuntos de dados públicos de ações humanas: Weizmann e UCF Sports. Na abordagem do Canal Espacial, conseguimos 84,44% de precisão no conjunto de dados Weizmann e 78,46% no conjunto de dados UCF Sports. Com os canais temporal e espacial combinados, obtivemos uma taxa de precisão de 91,11% para o conjunto de dados Weizmann. Mostramos que quadros estáticos pertencentes a uma certa sequência de imagens curiosamente possibilitam classificar a ação realizada em tal seqüência. Acreditamos que, uma vez que a rede VGG16 foi pré-treinada para um conjunto de dados de 1000 classes de objetos diferentes e algumas ações estão associadas a certos tipos de objetos, isso contribuiu significativamente para a aprendizagem da rede espacial. Isso indica que a técnica de transferência de aprendizado foi usada de forma eficiente para reconhecer ações humanas, usando uma rede previamente treinada para reconhecer objetos. / The technological evolution in the last decades has contributed to the improvement of computers with excellent processing and storage capacity and cameras with higher digital quality. Nowadays, video generation devices are simpler to manipulate, more portable and with lower prices. This allowed easy generation, storage and transmission of large amounts of videos, which demands a form of automatic analysis, independent of human assistance for evaluation and exhaustive search of videos. There are several applications that can benefit from such techniques such as virtual reality, robotics, tele-medicine, humanmachine interface, tele-surveillance and assistance to the elderly in timely caregiving. This work describes a method for human action recognition in a sequence of images using two convolutional neural networks (CNNs). The Spatial network stream is trained 1using frames from a sequence of images with transfer learning techniques from the VGG16 network (pre-trained for classification of objects). The other stream channel, Temporal stream, receives stacks of Dense Optical Flow (DOF) as input and it is trained from scratch. The technique was tested in two public action video datasets: Weizmann and UCF Sports. In the Spatial stream approach we achieve 84.44% of accuracy on Weizmann dataset and 78.46% on UCF Sports dataset. With the Temporal and Spatial streams combined, we obtained an accuracy rate of 91.11% for the Weizmann dataset. We showed that still frames belonging to a certain sequence of images curiously make it possible to classify the action performed in such a sequence. We believe that, since the VGG16 network was pre-trained for a dataset of 1000 classes of different objects and some actions are associated with certain types of objects, this contributed significantly to the learning of the spatial network. This indicates that the transfer learning technique was used efficiently to recognize human actions, using a previously trained network to recognize objects.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2015. / Submitted by Camila Duarte (camiladias@bce.unb.br) on 2017-02-08T11:58:57Z No. of bitstreams: 1 2016_AlexandreNatãVicente.pdf: 2792600 bytes, checksum: 05eecdd75b494d329e7b92c084506335 (MD5) / Approved for entry into archive by Ruthléa Nascimento(ruthleanascimento@bce.unb.br) on 2017-03-03T17:00:45Z (GMT) No. of bitstreams: 1 2016_AlexandreNatãVicente.pdf: 2792600 bytes, checksum: 05eecdd75b494d329e7b92c084506335 (MD5) / Made available in DSpace on 2017-03-03T17:00:45Z (GMT). No. of bitstreams: 1 2016_AlexandreNatãVicente.pdf: 2792600 bytes, checksum: 05eecdd75b494d329e7b92c084506335 (MD5) / A melhoria da resolução especial de imagens de placas de veículos em cenários reais possui papel importante no campo da investigação criminal e da ciência forense. Neste trabalho, um método de super-resolução de única imagem baseado em aprendizado é proposto, o qual utiliza o conhecimento a priori de que a entrada é formada por um conjunto de imagens de algarismos de placas capturadas em baixíssima qualidade e baixíssima resolução. O método proposto emprega uma árvore de decisão para classificar cada imagem de entrada e o resultado da classificação é utilizado para ponderar o peso da imagem do bloco na etapa de reconstrução. Adicionalmente, a equalização de histograma é aplicada para melhorar a eficácia do classificador. Para demonstrar que o método proposto produz resultados satisfatórios, experimentos com imagens sintéticas e imagens do mundo real são realizados e analisados. / Spatial resolution enhancement of license plate images in real scenarios plays an important role in criminal investigation and forensic science. This work presents a learning-based single-image super-resolution method based on a priori knowledge that the input is composed of license plate digit images captured at poor quality and very low resolution. The proposed method employs a decision tree to classify each input image and the classification results are used to weight the image patches in the reconstruction step. Additionally, the histogram equalization technique is performed to improve the effectiveness of the classifier. Experiments conducted on synthetic and real-world images demonstrate that the proposed method is capable of producing satisfactory results.