Spelling suggestions: "subject:"genesys"" "subject:"ghenesys""
1 |
Including Smartphone End User Apps in the Context of the Company Contact CenterZak, Edvard January 2014 (has links)
Smartphones are becoming increasingly popular, with the result that customers prefer to carry out at least some customer services using an app on a mobile device. Among app users, smooth transfer to a live agent is seen as an important feature and this means that the company contact center need a solution to handle this as well as increasing numbers of interactions. The question this thesis tries to answer is "how can smartphone end user apps be included in the context of the company contact center"? To answer this question research was conducted regarding the possibilities of an Android smartphone, with the results of this research being used to define a use case, a state flow diagram and create a demonstration app. The thesis showed that it is possible to have an app as an online channel for customer service interactions. New possibilities in comparison to traditional telephony include that customer data such as topic, authentication, location and multimedia can be sent to the contact center before an actual interaction is started.
|
2 |
Estratégias de seleção combinando informação individual e de família utilizando simulação de dados / Selection s strategies combining individual and family information using simulated dataSantos, Lidiane Gomes dos 10 August 2007 (has links)
Made available in DSpace on 2015-03-26T13:55:32Z (GMT). No. of bitstreams: 1
texto completo.pdf: 484099 bytes, checksum: 2183b6947a541e4acdedb364504ccd85 (MD5)
Previous issue date: 2007-08-10 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / The superior phenotypes selection, in individual or families, is a practice of considerable importance for the improvers , once to obtain improved populations it is necessary to select and matings among or inside of families. This work s aim was to compare the efficiency of some arrangements between the individual selection and the selection among families to get combined selection indexes and soon afterwards to verify a cluster analysis was capable to detect different groups. Through the program GENESYS, it was simulated four genomes, each one considering only one characteristic, varying to each other just in value of heritability; then, we have two characteristics of low heritability (0,20 and 0,10), one of medium heritability (0,40) and one with high heritability (0,60). Using those genomes, bases populations of 1000 individuals (500 males and 500 females) with a rate endogamic equivalent to zero were simulated. In each base population, it was aleatory selected 10 males and 100 females corresponding, respectively, to 2% and 20% of selection intensity. When these individuals selected couple, it was maintained a control of 10 females for each male and, as a result, it was kept an initial population with 1000 descending, also maintaining a balance of 10 descending for female. For each characteristic selections, different arrangements were done to obtain combined selection s indexes. Thus, the first obtained index considers 100% for individual phenotype (Individual); the second considers 90% for individual phenotype and 10% for average phenotypic of the family (09P+01F); the third considers 70% for individual phenotype and 30% for average phenotypic of the family (07P+03F); the fourth considers 50% for the two values (05P+05F); the fifth considers 30% for individual phenotype and 70% for average phenotypic of the family (03P+07F); the sixth considers 10% for individual phenotype and 90% for average phenotypic of the family (01P+09F) and the seventh index considers 100% for the average phenotypic of the family (Family). The selected individuals' matings were driven at random. A final population of 1000 individuals was totaled. Each selection s strategy was led by 20 consecutive generations with 10 repetitions seeking to minimize the mistakes and effects of the genetic flotation. For a larger clarity in the interpretation of the results, a grouping analysis was accomplished by optimization by the method of Tocher in three intervals of time, with the first five generations, with the first ten generations and with the 20 total generations. The behavior of the selection s strategies for different herdability s values was not the same. As smaller the value of the heritability is, the difference among the averages phenotypics in each generation is bigger and the total earnings in these averages are smaller. The combination of the individual value with the family s average was more efficient for the lowest heritabilities. For these heritabilities, the individual selection or among families did not show to be a good option. The selection just through the individual s phenotypic value can be a good alternative for the characteristic of average herdabilidade and it was the best to the characteristic of high heritabilities. / A seleção de fenótipos superiores, sejam individuais ou famílias, é uma prática de considerável importância para o melhorista , uma vez que a obtenção de populações melhoradas passa pela seleção e acasalamentos entre ou dentro de famílias. O objetivo deste trabalho foi comparar a eficiência de alguns arranjos entre a seleção individual e a seleção entre famílias na obtenção de índices de seleção combinada e em seguida verificar se uma análise de agrupamento foi capaz de detectar grupos distintos. Por meio do programa GENESYS foram simulados quatro genomas, cada um considerando uma única característica, variando entre si apenas no valor da herdabilidade; assim, tem-se duas características de herdabilidade baixa (0,20 e 0,10), uma de herdabilidade média (0,40) e uma com alta herdabilidade (0,60). A partir desses genomas foram simuladas populações bases de 1000 indivíduos (500 machos e 500 fêmeas) com uma taxa endogâmica igual a zero. Em cada população base foram selecionados aleatoriamente 10 machos e 100 fêmeas correspondendo, respectivamente, a uma intensidade de seleção de 2% e 20%. Por meio do acasalamento desses indivíduos selecionados, mantendo o equilíbrio de 10 fêmeas para cada macho, obteve-se uma população inicial com 1000 descendentes, também mantendo um equilíbrio de 10 descendentes por fêmea. Para cada característica foram realizadas seleções com diferentes arranjos para obtenção de índices de seleção combinada. Assim, tem-se o primeiro índice que pondera 100% para o fenótipo individual (Individual); o segundo que considera 90% para fenótipo individual e 10% para média fenotípica da família (09P+01F); o terceiro com 70% para fenótipo individual e 30% para média fenotípica da família (07P+03F); o quarto com 50% para os dois valores (05P+05F); o quinto com 30% para fenótipo individual e 70% para média fenotípica da família (03P+07F); o sexto com 10% para fenótipo individual e 90% para média fenotípica da família (01P+09F) e o sétimo índice que considera 100% para a média fenotípica da família (Família). Os acasalamentos dos indivíduos selecionados foram conduzidos ao acaso. Totalizou-se uma população final de 1000 indivíduos. Cada estratégia de seleção foi conduzida por 20 gerações consecutivas com 10 repetições visando minimizar os erros e efeitos da flutuação genética. Para maior clareza na interpretação dos dados foi realizada análise de agrupamento por otimização pelo método de Tocher em três intervalos de tempo, com as cinco primeiras gerações, com as dez primeiras gerações e com as 20 gerações totais. O comportamento das estratégias de seleção para os diferentes valores de herdabilidade não foram iguais. Quanto menor foi o valor da herdabilidade, maior foi a diferença entre as médias fenotípicas em cada geração e menor foi o ganho total nestas médias. A combinação do valor individual com a média de família foi mais eficiente para as herdabilidades baixas. Para estas herdabilidades, a seleção individual e a entre famílias não se mostraram boa opção. A seleção apenas pelo valor fenotípico individual pode ser boa alternativa para a característica de média herdabilidade e foi a melhor opção para a característica de alta herdabilidade.
|
3 |
Uso de fatores de ponderação para características em diferentes métodos de seleção / Use of weighing factors for traits of different heritabilities in selected populationsGasparino, Eliane 25 February 2002 (has links)
Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2017-05-10T18:44:12Z
No. of bitstreams: 1
texto completo.pdf: 437834 bytes, checksum: a9362b709e4bab8e60ce9fbd5d55af52 (MD5) / Made available in DSpace on 2017-05-10T18:44:12Z (GMT). No. of bitstreams: 1
texto completo.pdf: 437834 bytes, checksum: a9362b709e4bab8e60ce9fbd5d55af52 (MD5)
Previous issue date: 2002-02-25 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / O presente trabalho utilizou dados simulados pelo programa GENESYS, com o objetivo de verificar o efeito das diferentes combinações de fatores de ponderação sobre características de alta, média e baixa herdabilidade, utilizando-se BLUP, seleção individual e índice de seleção. Nesse sentido, foi simulado um genoma constituído de três características quantitativas, governadas por 250 locos por característica, distribuídos em 20 pares de cromossomos de tamanho aleatório. A partir deste genoma, foi simulada uma população-base, constituída de 1.000 animais (500 machos e 500 fêmeas), considerando-se três características, com herdabilidades alta (0,60), média (0,30) e baixa (0,10). Dessa forma, a população inicial foi constituída de 10 machos, 100 fêmeas e 5 filhos/fêmea tomados ao acaso da população. Nesta população iniciou-se o processo de avaliações genéticas, utilizando os três métodos de seleção por 10 gerações de seleção. O processo de seleção foi repetido para cada método 10 vezes, com o propósito de avaliar o efeito da flutuação genética atribuída à amostragem gamética. Foram avaliadas as combinações de fatores de ponderação para as características de alta, média e baixa herdabilidade: 0,00-0,00-1,00; 0,05-0,05-0,90; 0,10-0,10- 0,80; 0,10-0,20-0,70; 0,20-0,30-0,50; e 0,33-0,33-0,34. Os resultados de ganhos fenotípicos para a característica de baixa herdabilidade, obtidos através do índice de seleção, revelou aumento de até 615% quando a seleção focalizou somente essa característica, características; de média e alta herdabilidade apresentaram perdas em seus ganhos fenotípicos de 97 e 92%, respectivamente. As variações observadas para ganhos e perdas por fixação de alelos favoráveis e desfavoráveis foram relativamente pequenas e atribuídas, possivelmente, às oscilações gênicas. Da mesma forma, a redução na variabilidade genética foi mais acentuada para as combinações estudadas ao final das 10 gerações de seleção. A seleção individual também apresentou acréscimos nos ganhos fenotípicos à medida que maiores valores foram atribuídos às características. Os valores fenotípicos observados foram altos para a característica de baixa herdabilidade quando o BLUP foi utilizado. A maior variação, de 445%, foi verificada entre as combinações 0,10-0,10-0,80 e 0,10-0,20-0,70. O estudo também revelou que grande parte dos ganhos fenotípicos na característica de baixa herdabilidade foi perdida para as demais características apenas pela perda de uma unidade no fator de ponderação para esta característica. Comparando os três métodos de seleção dentro de cada combinação de fatores de ponderação, verificou-se a superioridade do BLUP na maioria dos casos, para todas as características estudadas. / The data simulated by the “Genesys” program in the present study were used to verify the effects from different combinations of the weighing factors on the traits for high, medium and low heritabilities, by using the BLUP, individual selection, and selection index methods. So, a simulation was performed for a genome consisting of three qualitative traits each one governed by 250 loci distributed into 20 pairs of randomly sized chromosomes. A base-population constituted by 1.000 animals (500 males and 500 females) was simulated from this genome, by considering three traits with high (0.60), medium (0.30) and low (0.10) heritabilities. Thus, the initial population consisted of 10 males, 100 females and 5 offsprings/female randomly taken from the population. The genetic evaluation process was began in this population, by using those three selection methods for each 10 selected generations. The selection process was repeated 10 times for each method in order to evaluate the effects of the genetic fluctuations attributed to the gamete sampling. The combinations of the weighing factors, that is, 0.00- 0.00-1.00; 0.05-0.05-0.90; 0.10-0.10-0.80; 0.10-0.20-0.70; 0.20-0.30-0.50, and 0.33-0.33-0.34 were evaluated for the traits of high, medium, and low heritabilities. The results of the phenotypic gains for low heritability, obtained through selection index, showed an increase up to 615% when the selection focused only upon this trait, while the medium and high heritabilities presented losses of 97% and 92% in their phenotypic gains, respectively. The variation observed in the gains and losses by fixation of both favorable and unfavorable alleles were relatively low and probably is due to gene oscillations. After 10 selected generations, a higher reduction occurred in the genetic variability. The individual selection also presented increments in the phenotypic gains as higher values were attributed to the traits. High phenotypic values were observed for low heritability, when using the BLUP method. The highest variation (445%) was found among the combinations 0.10-0.10-0.80 and 0.10-0.20-0.70. This study also showed that a great part of the phenotypic gains in the trait of low heritability was lost for the other traits, just due to a lost unit in the weighing factor for this trait. When comparing those three selection methods within each combination of the weighing factors, the superiority of the BLUP method was shown in most cases for all studied traits. / Tese importada do Alexandria
|
4 |
Efeito do número de genes na avaliação genética utilizando dados simulados / Effect of number of genes on genetic evaluation using simulated dataAssis, Giselle Mariano Lessa de 14 February 2005 (has links)
Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2017-06-02T19:09:41Z
No. of bitstreams: 1
texto completo.pdf: 372842 bytes, checksum: 12b29825980afde297d6a985988fe93c (MD5) / Made available in DSpace on 2017-06-02T19:09:41Z (GMT). No. of bitstreams: 1
texto completo.pdf: 372842 bytes, checksum: 12b29825980afde297d6a985988fe93c (MD5)
Previous issue date: 2005-02-14 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Foram simulados quatro distintos tipos de populações por meio do programa GENESYS com os objetivos de: verificar a influência do número de genes e do tamanho da população na estimação de componentes de variância e na predição de valores genéticos; verificar a adequabilidade do modelo infinitesimal como pressuposição nas análises genéticas; comparar as metodologias clássica e Bayesiana na análise genética de dados selecionados; e verificar a influência do nível de informação a priori ao utilizar metodologia Bayesiana. Dois processos seletivos foram aplicados por 10 gerações a partir da população-base formada por 120 (população pequena) ou por 2.400 indivíduos com registros (população grande): Seleção ao Acaso e Seleção Fenotípica. Foi considerado que dois diferentes números de genes governavam a característica sob seleção, para cada tamanho de população: 900 ou 10 pares de locos. Para as populações pequenas, foram realizadas 500 repetições de cada processo seletivo e para as populações grandes, 300 repetições. Na análise Bayesiana, três níveis de informação a priori foram considerados: não- informativo, pouco informativo e informativo. Os componentes de variância foram estimados utilizando-se somente a população-base, somente a população da 10a geração após seleção ou todas as populações, desde a população-base até a 10a geração após seleção. Os valores genéticos foram preditos para a população-base e para a 10a geração após seleção, considerando, porém, diferentes conjuntos de dados no processo de predição. A Porcentagem de Erro entre os componentes de variâncias estimados e os reais foi utilizada para comparar as metodologias, assim como as diferentes populações e gerações analisadas. Os valores genéticos, por sua vez, foram comparados por meio do Quadrado Médio do Desvio, da Porcentagem de indivíduos Selecionados em Comum entre os 15% melhores indivíduos e pela Correlação de Ordem entre os valores reais e preditos. Conforme os resultados obtidos, pôde-se concluir que quando a característica é governada por elevado número de genes, os componentes de variância genética aditiva e ambiental são satisfatoriamente estimados em populações selecionadas grandes ou pequenas pelas metodologias usuais, desde que os registros de todos os indivíduos e a matriz completa de parentesco sejam conhecidos. Por outro lado, quando a característica é governada por reduzido número de genes, estimativas menos acuradas do componente de variância genética aditiva são obtidas em populações grandes e, caso as informações de parentescos e registros anteriores sejam desconhecidos, o erro na estimação desse componente aumenta consideravelmente, em populações grandes ou pequenas. Verificou-se também que os valores genéticos são superestimados sob seleção fenotípica quando os registros de todos os indivíduos e a matriz completa de parentesco são incluídos nas análises, independentemente do tamanho da população. A queda na acurácia é ainda mais acentuada quando a característica é governada por reduzido número de genes, sendo a classificação correta dos indivíduos também prejudicada. A inclusão do registro de todos os indivíduos, assim como da matriz de parentesco completa beneficiam a classificação adequada dos indivíduos. Verificou-se também que o modelo infinitesimal não é adequado para ser utilizado como pressuposição nas análises genéticas quando a característica é governada por poucos genes, independentemente do tamanho da população. Ao comparar as metodologias REML e Bayesiana verificou-se que, em geral, essas metodologias produzem resultados bastante semelhantes na estimação dos componentes de variância. Para análises com menor quantidade de dados, no entanto, estimativas mais acuradas são obtidas ao se utilizar priors informativos por meio da análise Bayesiana. Concluiu-se também que a acurácia na predição dos valores genéticos, assim como a classificação dos indivíduos não são alteradas pelo nível de informação a priori das análises Bayesianas, cujos resultados também se assemelham aos da metodologia EBLUP. / Four different population types were simulated using GENESYS program with the following objectives: to verify the influence of the number of genes and the population size on variance component estimation and on breeding values prediction; to verify the infinitesimal model as an appropriate assumption on genetic analyses; to compare the classic and Bayesian methodologies on the genetic analysis of selected data; and to verify the influence of a priori information level in Bayesian methodology. Two selective processes were applied for 10 generations starting from base population formed by 120 (small population) or by 2,400 individuals with records (large population): Random Selection and Phenotypic Selection. It was considered that two different numbers of genes governed the trait under selection, for each population size: 900 or 10 pairs of loci. Five hundred repetitions of each selective process for small populations and three hundred repetitions were accomplished for large populations. On Bayesian analysis, three a priori information levels were considered: no-informative, slightly informative and informative. Variance components were estimated using only base population, only population of the 10 th generation after selection or all of populations, from base population up to 10 th selection generation. Breeding values were predicted for base population and for 10 th selection generation, considering, however, different groups of data on the prediction process. Error Percentage between estimated and real variance components was used to compare the methodologies, as well as the different populations and generations analyzed. Genetic values were compared using Average Square Deviation, Percentage of Common Individuals selected among the 15% better individuals and Rank Correlation among predicted and real values. According to the results, it was concluded that when the trait is xgoverned by high number of genes, the genetic additive and environmental variance component are well estimated by usual methodologies in large or small selected populations, since data of all animals and complete relationship matrix are known. On the other hand, when the trait is governed by reduced number of genes, less accurate estimates of additive genetic variance are obtained in large populations and, when relationship information and previous data are unknown, estimate errors of that component increase considerably, in large or small populations. It was also verified that breeding values are overestimated under phenotypic selection when data of all individuals and complete relationship matrix are included on analyses, independently of population size. Accuracy decrease is more accentuated when the trait is governed by reduced number of genes, being the correct classification of individuals also affected. The inclusion of all data, as well as complete relationship matrix benefit the appropriate classification of individuals. It was also verified that the infinitesimal model is not appropriate to be used as assumption in genetic analyses when the trait is governed by few genes, independently of population size. When comparing REML and Bayesian methodologies, it was verified that, in general, these methodologies produce similar results on variance components estimation. However, when analyses are performed with smaller amount of data, informative priors using Bayesian analysis yields more accurate estimates. Finally, accuracy of breeding values prediction, as well as the rank of individuals are not changed by a priori information level on Bayesian analyses, whose results are also similar to the EBLUP methodology.
|
5 |
A Second Generation Generic Systems Simulator (GENESYS) for a Gigascale System-on-a-Chip (SoC).Nugent, Steven Paul 14 April 2005 (has links)
Future opportunities for gigascale integration will be governed by a hierarchy of theoretical and practical limits that can be codified as follows: fundamental, material, device, circuit, and system. An exponential increase in on-chip integration is driving System-on-Chip (SoC) methodologies as a dominant design solution for gigascale ICs. Therefore, a second generation generic systems simulator (GENESYS) is developed to address a need for rapid assessment of technology/architecture tradeoffs for multi-billion transistor SoCs while maintaining the depth of core modeling codified in the hierarchy of limits. A newly developed system methodology incorporates a hiearchical block-based model, a dual interconnect distribution for both local and global interconnects, a generic on-chip bus model, and cell placement algorithms. A comparison of simulation results for five commercial SoC implementations shows increased accuracy in predicting die size, clock frequency, and total power dissipation. ITRS projections for future technology requirments are applied with results indicating that increasing static power dissipation is a key impediment to making continued improvements in chip performance. Additionally, simulations of a generic chip multi-processor architecture utilizing several interconnect schemes shows that the most promising candidate for the future of on-chip global interconnect networks will be hierarchical bus structures providing a high degree of connectivity while maintaining high operating frequencies.
|
Page generated in 0.0249 seconds