A Linguagem de Descrição de Serviços Web (WSDL) e a Base para Integração, Descoberta e Descrição Universal de Serviços (UDDI) descrevem sintaticamente os Serviços Web e como encontrá-los, mas não possuem descrição semântica alinhada ao domínio conceitual específico em que os mesmos são utilizados. A utilização de recursos semânticos para a representação de conhecimento de domínio tem o objetivo de melhorar a precisão no processo de busca. O uso de representação de conhecimento de domínios específicos pode resultar em maior precisão. Este trabalho apresenta uma abordagem que faz uso de recursos semânticos com o objetivo de melhorar a descrição do domínio de serviços web e aumentar a precisão do processo de busca. Experimentos indicaram que o uso de conceitos no auxílio à busca por serviços web foi eficiente em um domínio específico.

A classe de um veículo em circulação é uma das informações mais importantes para os sistemas inteligentes de controle e gerenciamento de tráfego. Uma das abordagens utilizadas para se identificar a classe a que um veículo pertence consiste na análise e no reconhecimento de sua assinatura indutiva: uma série temporal representando a variação da impedância de um sensor de tráfego do tipo loop indutivo causada pela passagem do veículo pela zona de detecção do sensor. No entanto, a decisão sobre a classe veicular através desta abordagem torna-se bastante difícil nos casos em que o conjunto de assinaturas indutivas de uma classe apresenta grande variância interna e, ao mesmo tempo, contém exemplares muito similares a exemplares pertencentes a outras classes. Este é o caso, por exemplo, de caminhões com um eixo traseiro e caminhões com eixo traseiro duplo. Observando os caminhões de cada uma dessas classes separadamente o que se constata é que suas estruturas metálicas variam muito e comparando-se os caminhões das duas classes vê-se que suas estruturas metálicas são bastante semelhantes. Os respectivos conjuntos de assinaturas indutivas, em conseqüência, são fortemente correlacionados e, internamente, muito heterogêneos. Esta Tese versa sobre o desenvolvimento de um método de classificação para caminhões com um eixo traseiro e caminhões com eixo traseiro duplo utilizando as assinaturas indutivas destes veículos. Para alcançar percentuais elevados de classificação correta com baixo índice de falsos positivos, além dos problemas da sobreposição entre classes e da alta variância intraclasse, o método proposto foi concebido para contornar outras duas dificuldades presentes: o desbalanceamento de classes e a escassez de dados. Para lidar com o problema da heterogeneidade interna das classes, o desenvolvimento do método de classificação começou com uma etapa de pré-processamento na qual cada classe foi caracterizada morfologicamente e dividida em subclasses morfológicas. Estabeleceu-se uma correspondência de um para um entre as subclasses de cada classe. Com isso, o problema inicial, maior e mais complexo, ficou dividido em alguns problemas menores provavelmente menos complexos. A seguir, ainda na etapa de pré-processamento, para contornar o problema da sobreposição entre classes, os pares de subclasses correspondentes foram submetidos, separadamente, a uma mineração de dados. Partindo-se de hipóteses coerentes, baseadas no conhecimento a priori sobre o fenômeno físico que gera as assinaturas indutivas, a mineração de dados foi direcionada para a identificação de atributos morfológicos e apontou dois destes atributos como potencialmente úteis para diferenciar as duas classes. Para a etapa de classificação das assinaturas, foram escolhidos três classificadores neurais: uma rede Madaline e duas redes RBF. Foram escolhidos os classificadores com os quais se tirou o melhor proveito dos resultados do pré-processamento. Neste processo de escolha foram feitas também comparações de desempenho com outros tipos de classificadores. Depois de testados separadamente, as três redes neurais foram integradas para formar um ensemble. O ensemble de redes neurais proporcionou um alto índice geral de classificações corretas (>98%) e superou os problemas do desbalanceamento das classes e da escassez de dados. Além disso, o ensemble serviu para diminuir a probabilidade de falsos positivos uma vez que a classificação de uma assinatura foi considerada correta se duas redes neurais respondessem corretamente. Os pré-processamentos utilizados, as redes neurais escolhidas, a formação de um ensemble de redes neurais, constituem uma metodologia ainda não relatada na literatura para abordar o problema da classificação veicular por assinaturas indutivas. Para este tipo de aplicação, portanto, o método de classificação proposto corresponde a uma contribuição original e os altos percentuais de classificação obtidos com o ensemble neural permitem considerá-lo como estado da arte.

Este trabalho apresenta uma infraestrutura para categorização, atribuição e recuperação semântica de documentos denominada DocSense. O objetivo intrínseco na concepção da infraestrutura é integrar o processo de categorização de documentos à uma ontologia de topo, de forma a possibilitar que essa ontologia seja estendida e enriquecida semanticamente. Ao final, documentos, na forma de instâncias de classes dessa ontologia, podem ser recuperados por meio de um mecanismo de busca oferecido pela infraestrutura que retorna, não só uma coleção de documentos, mas também o caminho semântico que permitiu a descoberta.

Neste trabalho é tratado problema de rastreamento estável de uma trajetória de referência para um modelo de helicóptero de laboratório com 3 graus de liberdade. Duas abordagens são consideradas no problema de controle: a primeira consiste em um compensador PID e a segunda compreende um controlador baseado na aproximação de uma dada função não-linear do sistema. No primeiro caso, é apresentado o compensador PID com o intuito de ilustrar o procedimento de parte do projeto utilizado para o controlador adaptativo, além de servir de referência para avaliação de desempenho. No caso do controlador adaptativo, são propostas duas estratégias de controle: uma Rede Neural Artificial (RNA) e uma Rede Wavelet com Bias (RWB) com adaptação estrutural, ambas combinadas a um compensador PD. A lei de controle proposta é capaz de compensar distúrbios desconhecidos e limitados, bem como dinâmicas não-modeladas do tipo não-estruturadas do helicóptero. O segundo método de Lyapunov é usado na obtenção das leis de adaptação para os pesos da rede, os quais são atualizados em tempo real, e da estabilidade do sistema de controle, garantindo erros de rastreamento pequenos e sinais de controle limitados. A estratégia baseada em uma RNA necessita de um ajuste prévio do número de unidades na camada escondida, enquanto que usando a RWB essa restrição é eliminada por um algoritmo de adaptação da estrutura da rede. A prova de estabilidade do sistema de controle é apresentada e resultados realistas de simulação são discutidos.

Web services have become a de facto standard for integration of systems in distributed environments by providing means for exchanging data in a standardized way over the Internet. In fact, this allows computer-computer interaction regardless the programming languages, platform and operating systems used. However, the way services are defined is not enough for computers to reason about the meaning of the information contained in that exchanged data. In the same way, information produced and consumed by Web Services can also be described so that computers can automatically discovery them in response to given request. This allows computers to dynamically combine several services when only one service is not able to provide the required functionality. However, there are scenarios where only the functionality may not be enough to fulfill the user requirements and a minimum level of quality, which is generally expressed by means of non-functional properties, should be guaranteed. In this thesis, an approach for dynamic web service composition that takes into account the composition overall quality is presented. The proposed approach relies on a heuristics to guide the composition in a efficient manner. In order to show the practical feasibility of the proposed approach, a composer prototype was developed and experimented with public service repository test sets. The results have shown the feasibility of the proposed approach even for large repositories as well as a significant improvement in the quality of the compositions found by this approach.

Este trabalho propõe um método computacional para tratamento, identificação e previsão de sistemas dinâmicos naturais, permitindo o tratamento de dados ruidosos, efetuando a identificação de sistemas dinâmicos desconhecidos analiticamente e gerando simulações e previsões. Para este método computacional são utilizados técnicas estatísticas de suavização exponencial para o tratamento de dados, técnica estatística auto-regressiva e de médias móveis não-linear com entrada de dados exterior Nonlinear Auto Regressive Moving Average with eXogenous inputs - NARMAX integrado a redes neurais artificiais do tipo feedforward para identificação e previsão, permitindo que estes procedimentos sejam efetuados de forma automática, isentando especialistas e demais interessados do tratamento manual de dados e da escolha de modelos analíticos específicos para a este tipo de trabalho. Foi implementado um protótipo para o método computacional proposto e aplicado a um estudo de caso envolvendo bacias hidrográficas em dois cenários reais e complexos no território brasileiro.

O objetivo deste trabalho é a implementação e análise de técnicas para aceleração do aprendizado por reforço em sistemas com múltiplos objetivos. Problemas com múltiplos objetivos, por sua vez, podem ser descritos de várias formas diferentes. O foco aqui é naqueles casos em que um único agente deve aprender simultaneamente e de modo online várias sub-tarefas independentes resultantes de uma decomposição a priori do problema em questão. O agente será responsável pelo aprendizado autônomo de um processo de seleção de ações em que pode ocorrer competição entre as várias sub-tarefas, cada uma das quais representada por um processo decisório distinto. O projeto envolve uma análise empírica baseada em resultados prévios da literatura, seguida de um estudo de variantes mistas de maximização de utilidade e minimização de custos associados às ações propostas pelos processos decisórios de Markov que compõem as sub-tarefas. Como resultado dessa análise são propostas as técnicas de aceleração do aprendizado baseadas em heurísticas testadas e estudadas no contexto de problemas de objetivos simples. Os resultados experimentais obtidos indicam que tais heurísticas adaptadas e aplicadas às políticas de ações dos MDPs são capazes de proporcionar aceleração da convergência dos algoritmos de aprendizado autônomo em problemas com múltiplos objetivos.

A utilização de turbinas a gás, tanto para propulsão aeronáutica como para geração de energia, vem crescendo significativamente nas últimas décadas em todo o mundo. Devido à alta complexidade dos componentes do motor e à tecnologia avançada empregada, os gastos financeiros com a manutenção e operação de turbinas a gás são muito elevados. Uma grande preocupação para quem utiliza este tipo de motor é proporcionar uma alta potência gerada, melhorar os níveis de segurança, aumentar a confiabilidade, e manter uma alta disponibilidade e baixas emissões de poluentes, tudo isso no menor custo possível. Com o intuito de melhorar cada vez mais estes fatores, este campo de pesquisa tornou-se uma área muito atrativa e promissora. Com os olhos voltados para a operação do motor, vem crescendo a quantidade de adeptos que utilizam sistemas computacionais de monitoramento de desempenho de turbinas a gás. No entanto, esta não é uma tarefa trivial, pois envolve complexidade muito grande a ser aplicada em um ambiente extremamente não-linear. Degradações de desempenho de turbinas a gás podem ocorrer de diversas maneiras durante a operação do motor. A queda no desempenho acarreta maior consumo de combustível, desgaste dos componentes, alterações no fluxo do fluido pelos módulos do motor, emissão excessiva de poluentes, entre outros. Por isso há a necessidade de utilizar técnicas cada vez mais poderosas para realizar um diagnóstico eficaz que possa compreender o comportamento de uma turbina a gás em funcionamento. Redes Neurais Artificiais (RNA) é uma das técnicas em plena evolução e que estão sendo utilizadas atualmente pela comunidade científica. O interesse na utilização de RNA, no diagnóstico de falhas de turbinas a gás, vem crescendo acentuadamente, principalmente devido à redução nos gastos com a manutenção do motor e à confiabilidade obtida. Nesta tese, foi desenvolvido um sistema computacional que utiliza técnicas de RNA que detectam, isolam e avaliam falhas que podem ocorrer em uma turbina a gás. Este sistema é capaz de diagnosticar, com confiabilidade, falhas simples, bem como múltiplas falhas, que podem aparecer nos componentes do motor mesmo quando operado em condições adversas. Técnicas de pré-processamento dos padrões de falhas foram analisadas, testadas e comparadas com outros experimentos realizados, objetivando uma otimização de todo processo envolvido. Foi verificada também a robustez do sistema computacional quanto à presença de ruídos oriundos da aquisição das informações pelos sensores acoplados ao motor em operação. Algumas estratégias foram aplicadas com o intuito de quantificar o grau de confiabilidade do sistema, atestando a viabilidade da aplicação. Por fim, os resultados obtidos foram analisados e comentados qualitativamente, abordando também suas limitações e propostas para trabalhos futuros. Com o intuito de ajudar estudantes e pesquisadores a dar continuidade a este trabalho, os conceitos mais importantes de Redes Neurais Artificiais foram incluídos.

Este trabalho trata de um estudo sobre o desenvolvimento de um sistema de compra e venda de ações aplicado à Bolsa de Valores do Estado de São Paulo (BOVESPA). O sistema tratado aqui faz o reconhecimento de padrões de movimentação dos preços de um ativo, Petrobrás PN (PETR4), fazendo uma previsão da direção de seu movimento futuro (alta ou baixa). A direção prevista serve como base para a tomada automática de decisão de compra ou venda, comprando na previsão de alta ou vendendo na previsão de baixa. O reconhecimento do padrão é feito utilizando-se redes neurais NARX (Nonlinear Autoregressive with Exogenous Inputs). Algoritmos genéticos são utilizados para melhoria da qualidade do treinamento da rede neural. Também são tratadas aqui algumas verificações de resultados quanto à topologia e quantidade de atrasos nas entradas das redes NARX, bem como variações na escolha dos dados de bolsa de valores usados como entradas do modelo. O desempenho do sistema de compra e venda é comparado com o resultado baseado na estratégia buy and hold.

As Máquinas de Vetores de Suporte (SVMs) são consideradas ferramentas com grande capacidade de generalização e são utilizadas em tarefas de classificação, clusterização e regressão. Foram originalmente criadas para trabalhar com problemas contendo duas classes, entretanto, muitas aplicações reais necessitam de um método para discriminação em múltiplas classes, como são os casos da identificação biométrica, categorização de textos, reconhecimento de caracteres, entre outros. Além das SVMs existem métodos de classificação puramente geométricos que são interessantes por sua rapidez, seu baixo custo em memória e sua capacidade de classificar dados linearmente separáveis. Um desses métodos é o Diagrama de Voronoi, que em conjunto com seu grafo dual conhecido por Triangulação de Delaunay, são aplicados em áreas como Arqueologia, Astronomia, Cartografia, Geometria Computacional, entre outras. Neste trabalho é proposto um mecanismo para utilizar a estrutura geométrica da Triangulação de Delaunay para definir o esquema de treinamento dos hiperplanos obtidos através das SVMs. A partir deste ponto, é proposta uma função para tratamento das regiões consideradas como não-classificáveis encontradas com a ocorrência das interseções entre os hiperplanos gerados. Com a aplicação dos métodos, as partições obtidas no plano permitem uma classificação multiclasse eficiente e com bons resultados de generalização mesmo com o uso de quantidade significativa de classes contendo poucas amostras.