This thesis presents a learning based approach for detecting classes of objects and patterns with variable image appearance but highly predictable image boundaries. It consists of two parts. In part one, we introduce our object and pattern detection approach using a concrete human face detection example. The approach first builds a distribution-based model of the target pattern class in an appropriate feature space to describe the target's variable image appearance. It then learns from examples a similarity measure for matching new patterns against the distribution-based target model. The approach makes few assumptions about the target pattern class and should therefore be fairly general, as long as the target class has predictable image boundaries. Because our object and pattern detection approach is very much learning-based, how well a system eventually performs depends heavily on the quality of training examples it receives. The second part of this thesis looks at how one can select high quality examples for function approximation learning tasks. We propose an {em active learning} formulation for function approximation, and show for three specific approximation function classes, that the active example selection strategy learns its target with fewer data samples than random sampling. We then simplify the original active learning formulation, and show how it leads to a tractable example selection paradigm, suitable for use in many object and pattern detection problems.

Os artigos científicos são o principal veículo de comunicação para divulgação dos resultados obtidos por milhares de pesquisadores ao redor do mundo. Entretanto, escrever os artigos científicos em publicações de alto impacto é uma tarefa complexa para autores que têm o inglês como segunda língua. Por meio da aprendizagem baseada em exemplos e em experiência, as habilidades de leitura, interpretação e redação de textos científicos podem ser desenvolvidas por intermédio da prática, facilitada por meio de exemplos de trechos de texto reutilizáveis. Para auxiliar na redação de artigos, várias ferramentas computacionais foram desenvolvidas para dar suporte nas várias etapas de concepção do artigo. As ferramentas existentes, que aplicam este tipo de suporte, são todas voltadas para outros temas de pesquisa, incompatíveis com os temas da Engenharia de Produção, que por sua vez possui maneiras particulares de redigir e estruturar o texto. O objetivo da pesquisa desenvolvida consistiu em adaptar e avaliar um instrumento de auxílio à escrita em inglês dirigido a pesquisadores da Engenharia de Produção, fundamentada na aprendizagem baseada em exemplos e em experiências. Para tal fim, foram adaptadas duas ferramentas existentes para auxiliar nas tarefas de leitura, anotação e redação de artigos científicos, avaliadas por meio de dois experimentos com dez alunos de pós-graduação em Engenharia de Produção em universidade pública, nas quais o resultado foi aferido por intermédio de um questionário, buscando identificar os efeitos da utilização sobre o aprendizado e o tempo demandado. O instrumento adaptado oferece, além de exemplos extraídos de artigos publicados, uma estrutura mais coerente com os artigos relacionados à Engenharia de Produção. Os resultados apontam para 90% de aceitação do novo instrumento, em que os alunos relataram um efeito positivo sobre suas habilidades de escrita de artigos, além de uma economia de 11% no tempo dedicado à escrita. Assim sendo, o instrumento tem potencial de auxílio à escrita e sua aplicação traz benefícios reais aos usuários, passíveis de serem adaptadas para qualquer outra área de pesquisa. / Scientific articles are the main communication means of disseminating results obtained by researchers around the world. However, writing scientific articles to highimpact journals is a complex task to authors for whom English is a second language. By means of example- and experience-based learning, reading, interpretation, and writing skills as regards the production of scientific texts can be developed through practice, facilitated by the use of reusable text snippets. Several computational tools have been developed to support the various phases of scientific writing in English. Existing tools that cater to this type of support are all geared to other research topics, incompatible with those inherent to Production Engineering, which has particular features of writing and structuring texts. The purpose of this research was to adapt and assess a new tool to help Production Engineering researchers to write articles English, grounded on example- and experience-based learning. To this end, two existing tools that aid scientists to read, annotate, and write articles in English were adapted and assessed through two experiments with ten Production Engineering graduate students at Brazilian public universities. Data were collected through a questionnaire in order to identify the effect of these tools on participants learning and time required to write articles. The adapted tools provide, in addition to snippets from published articles on Production Engineering, a structure more consistent with this field of knowledge. Results indicate 90% satisfaction rate with the new tool. Also, participants reported a positive effect on their writing skills as well as an 11% reduction in their time spent on scientific writing. Therefore, the tools in question have shown great potential to assist Production Engineering researchers in writing articles; moreover, their features may be adapted to scientific writing in other fields of knowledge.

Os artigos científicos são o principal veículo de comunicação para divulgação dos resultados obtidos por milhares de pesquisadores ao redor do mundo. Entretanto, escrever os artigos científicos em publicações de alto impacto é uma tarefa complexa para autores que têm o inglês como segunda língua. Por meio da aprendizagem baseada em exemplos e em experiência, as habilidades de leitura, interpretação e redação de textos científicos podem ser desenvolvidas por intermédio da prática, facilitada por meio de exemplos de trechos de texto reutilizáveis. Para auxiliar na redação de artigos, várias ferramentas computacionais foram desenvolvidas para dar suporte nas várias etapas de concepção do artigo. As ferramentas existentes, que aplicam este tipo de suporte, são todas voltadas para outros temas de pesquisa, incompatíveis com os temas da Engenharia de Produção, que por sua vez possui maneiras particulares de redigir e estruturar o texto. O objetivo da pesquisa desenvolvida consistiu em adaptar e avaliar um instrumento de auxílio à escrita em inglês dirigido a pesquisadores da Engenharia de Produção, fundamentada na aprendizagem baseada em exemplos e em experiências. Para tal fim, foram adaptadas duas ferramentas existentes para auxiliar nas tarefas de leitura, anotação e redação de artigos científicos, avaliadas por meio de dois experimentos com dez alunos de pós-graduação em Engenharia de Produção em universidade pública, nas quais o resultado foi aferido por intermédio de um questionário, buscando identificar os efeitos da utilização sobre o aprendizado e o tempo demandado. O instrumento adaptado oferece, além de exemplos extraídos de artigos publicados, uma estrutura mais coerente com os artigos relacionados à Engenharia de Produção. Os resultados apontam para 90% de aceitação do novo instrumento, em que os alunos relataram um efeito positivo sobre suas habilidades de escrita de artigos, além de uma economia de 11% no tempo dedicado à escrita. Assim sendo, o instrumento tem potencial de auxílio à escrita e sua aplicação traz benefícios reais aos usuários, passíveis de serem adaptadas para qualquer outra área de pesquisa. / Scientific articles are the main communication means of disseminating results obtained by researchers around the world. However, writing scientific articles to highimpact journals is a complex task to authors for whom English is a second language. By means of example- and experience-based learning, reading, interpretation, and writing skills as regards the production of scientific texts can be developed through practice, facilitated by the use of reusable text snippets. Several computational tools have been developed to support the various phases of scientific writing in English. Existing tools that cater to this type of support are all geared to other research topics, incompatible with those inherent to Production Engineering, which has particular features of writing and structuring texts. The purpose of this research was to adapt and assess a new tool to help Production Engineering researchers to write articles English, grounded on example- and experience-based learning. To this end, two existing tools that aid scientists to read, annotate, and write articles in English were adapted and assessed through two experiments with ten Production Engineering graduate students at Brazilian public universities. Data were collected through a questionnaire in order to identify the effect of these tools on participants learning and time required to write articles. The adapted tools provide, in addition to snippets from published articles on Production Engineering, a structure more consistent with this field of knowledge. Results indicate 90% satisfaction rate with the new tool. Also, participants reported a positive effect on their writing skills as well as an 11% reduction in their time spent on scientific writing. Therefore, the tools in question have shown great potential to assist Production Engineering researchers in writing articles; moreover, their features may be adapted to scientific writing in other fields of knowledge.