Esta dissertação aborda o problema de redução do consumo de combustível para veículos. Com esse objetivo, realiza-se o levantamento de um modelo estocástico e de seus parâmetros, o desenvolvimento de um controlador para o veículo, e análise dos resultados. O problema considera a interação com o trânsito de outros veículos, que limita a aplicação de resultados antes disponíveis. Para isto, propõe-se modelar a dinâmica do problema de maneira aproximada, usando sistemas com saltos markovianos, e levantar as probabilidades de transição dos estados da cadeia através de um modelo mais completo para o trânsito no percurso. / This dissertation deals with control of vehicles aiming at the fuel consumption optimization, taking into account the interference of traffic. Stochastic interferences like this and other real world phenomena prevents us from directly applying available results. We propose to employ a relatively simple system with Markov jumping parameters as a model for the vehicle subject to traffic interference, and to obtain the transition probabilities from a separate model for the traffic. This dissertation presents the model identification, the solution of the new problem using dynamic programming, and simulation of the obtained control.

In this thesis we study three different stochastic processes describing the brain activity. The first one is a continuous time version of the stochastic chains with memory of variable length. These stochastic chains take values in the set of neurons and assign, at time t, the value of the last neuron which spiked up to time t. Moreover, we assume neurons interact through a phenomena called chemical synapses. Briefly this means that when a neuron spikes, it loses all its membrane potential and at same time changes the membrane potential of the neurons which are influenced by it. Under this approach we proved the positive recurrent of the process and presented a perfect simulation algorithm able to generate a finite sample of the process under its invariant measure. In the second model we continue considering the chemical synapses interaction and add also an interaction through electrical synapses. The last one happens duo to the presence of specific channels which allow the passage of ions along the the membrane of two neurons and, as consequence, we have a sharing of potential between the neurons. Moreover, we consider also the constant lost of potential of the neurons for the environment which push each neuron to a resting state. For this model we study the long-run behaviour of the process with a finite number of neurons, the hydrodynamic limit for the system and investigate the possible invariant distributions for the limiting process. In the last model considered here we study the brain activity measured through EEG data. We investigate the predictive coding principle which says that neural networks are able to learn the statistical regularities inherent in a stimuli and reduce redundancy by removing the predictable components of the input. To test this conjecture we propose procedures to perform statistical model selection on the EEG data in order to retrieve structural features of stochastic sources. This is done through a case study in which the EEG data is recorded under the effect of two different stochastic rhythmic sources produced by two different context tree models. We present a suitable class of stochastic processes, called here as hidden context tree models, to model EEG signals evoked by rhythmic structures. Then, we propose a consistent statistical procedure to perform statistical model selection in this class and in our case study. / Nessa tese estudamos três diferentes processos estocásticos descrevendo a atividade cerebral. O primeiro processo é uma versão a tempo contínuo das cadeias estocásticas com memória de alcance variável. Essas cadeias tomam valores no conjunto dos neurônios e assumem, no instante t, o valor do último neurônio a disparar antes de t. Além disso, assumimos que os neurônios interagem entre si através de fenômenos chamados sinapses químicas. Resumidamente isso significa que quando um neurônio dispara perde todo seu potencial de membrana e, simultaneamente, muda o potencial de membrana dos neurônios que influencia. Para esse processo estocástico provamos a recorrência positiva e apresentamos um algoritmo de simulação perfeita capaz de gerar uma amostra finita cuja distribuição é a medida invariante do processo. Na segunda classe de modelos continuamos considerando as sinapses químicas e adicionamos ainda interação por sinapses elétricas. A última acontece devido a presença de canais específicos entre dois neurônios que permitem a passagem de íons ao longo de suas membranas, como consequência, temos um compartilhamento de potencial entre os neurônios. Além disso, consideramos também a constante perda de potencial dos neurônios para o meio que age empurrando o potencial de cada neurônio a um estado de repouso. Com esses modelos estudamos o comportamento a longo prazo do processo com um número finito de neurônios, o limite hidrodinâmico desse sistema e investigamos a possível distribuição invariante para o processo limite. Na última classe considerada aqui estudamos a atividade cerebral medida através de dados de EEG. Nós investigamos o princípio do código preditivo que afirma que redes neurais são capazes de aprender as regularidades estatísticas inerentes em um estímulo e reduzir a redundância removendo as componentes previsíveis. Para testar essa conjectura, propomos um procedimento para realizar seleção estatística de modelos em dados de EEG afim de recuperar características estruturais de fontes estocásticas. Isso é feito através de um caso de estudo em que dados de EEG são coletados sob o efeito de duas fontes rítmicas estocásticas distintas produzidas por duas árvores de contextos distintas. Nós apresentamos uma classe de modelos adequada, chamada aqui de modelos de árvore de contextos oculta, para modelar sinais de EEG evocados por estruturas rítmicas. Finalmente, propomos um procedimento estatístico consistente para fazer seleção estatística de modelos nessa nova classe assim como no nosso caso de estudo.

Submitted by Samira Prince (prince@ufpa.br) on 2012-06-01T14:22:25Z No. of bitstreams: 2 Dissertacao_AbordagemProbabilisticaCaracterizacao.pdf: 2216925 bytes, checksum: 41db7a9e13836866a105b019e2d7ea99 (MD5) license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) / Approved for entry into archive by Samira Prince(prince@ufpa.br) on 2012-06-01T14:23:08Z (GMT) No. of bitstreams: 2 Dissertacao_AbordagemProbabilisticaCaracterizacao.pdf: 2216925 bytes, checksum: 41db7a9e13836866a105b019e2d7ea99 (MD5) license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) / Made available in DSpace on 2012-06-01T14:23:08Z (GMT). No. of bitstreams: 2 Dissertacao_AbordagemProbabilisticaCaracterizacao.pdf: 2216925 bytes, checksum: 41db7a9e13836866a105b019e2d7ea99 (MD5) license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Previous issue date: 2011 / CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico / Os sequenciadores de nova geração como as plataformas Illumina e SOLiD geram uma grande quantidade de dados, comumente, acima de 10 Gigabytes de arquivos-texto. Particularmente, a plataforma SOLiD permite o sequenciamento de múltiplas amostras em uma única corrida (denominada de corrida multiplex) por meio de um sistema de marcação chamado Barcode. Esta funcionalidade requer um processo computacional para separação dos dados por amostra, pois, o sequenciador fornece a mistura de todas amostras em uma única saída. Este processo deve ser seguro a fim de evitar eventuais embaralhamentos que possam prejudicar as análises posteriores. Neste contexto, o presente trabalho propõe desenvolvimento de um modelo probabilístico capaz de caracterizar sistema de marcação utilizado em sequenciamentos multiplex. Os resultados obtidos corroboraram a suficiência do modelo obtido, o qual permite, dentre outras coisas, identificar faltas em algum passo do processo de sequenciamento; adaptar e desenvolver de novos protocolos para preparação de amostras, além de atribuir um Grau de Confiança aos dados gerados e guiar um processo de filtragem que respeite as características de cada sequenciamento, não descartando sequências úteis de forma arbitrária. / The next generation sequencers such as Illumina and SOLiD platforms generate a large amount of data, commonly above 10 Gigabytes of text files. Particularly, the SOLiD platform allows the sequencing of multiple samples in a single run (called multiplex run) through a marking system called Barcode. This feature requires a computational process for separation of data per sample, therefore, the sequencer provides a mixture of all samples in a single output. This process must be secure to avoid any harm that may scramble further analysis. In this context, this dissertation proposes development of a probabilistic model capable of characterizing the marking system used in multiplex sequencing. The results corroborate the adequacy of the model obtained, which allows, among other things, identify faults in some step in the sequencing process, adapt and develop new protocols for sample preparation, and assign a grade to the reliability of data generated and guide a filtering process that respects the characteristics of each sequence, without discarding sequences useful in an arbitrary manner.

Este trabalho consiste no estudo de métodos de otimização aplicados em um problema de controle para sistemas lineares com saltos markovianos (SLSM). SLSM formam uma importante classe de sistemas que têm sido muito úteis em aplicações envolvendo sistemas sujeitos a falhas e outras alterações abruptas de comportamento. Este estudo enfoca diferentes métodos para resolução deste problema. Comparamos o método variacional com o de Newton, sob o ponto de vista do número de problemas resolvidos e pelo nível de sub-otimalidade obtido (relação entre os custos obtidos por estes métodos). Também propomos um novo método, o qual pode ser inicializado com soluções de equações de Riccati acopladas, e o comparamos com o método variacional. Além disso, para a comparação dos métodos, propomos um algoritmo que gerou dez mil exemplos / This work addresses optimizations methods applied to a control problem for linear systems with markovian jumps, which form an important class of systems that have been very useful in applications involving systems subject to failures and other abrupt changes. This study focuses on different methods for solving this problem. We compare the variational approach with the Newton method, in terms of the number of solved problems and the level of sub-optimality (ratio between the costs obtained by these approaches). We also propose a new method, which can be initialized with solutions of coupled Riccati equations, and we compare it with the variational approach. We have proposed an algorithm for creating ten thousand examples for the comparisons

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-12-15T18:17:07Z No. of bitstreams: 1 RebeccaDeMouraDinizGomes_DISSERT.pdf: 2411622 bytes, checksum: 6b5e6ef2c6fd430fe0ff200b6352cd44 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-12-20T21:33:44Z (GMT) No. of bitstreams: 1 RebeccaDeMouraDinizGomes_DISSERT.pdf: 2411622 bytes, checksum: 6b5e6ef2c6fd430fe0ff200b6352cd44 (MD5) / Made available in DSpace on 2016-12-20T21:33:44Z (GMT). No. of bitstreams: 1 RebeccaDeMouraDinizGomes_DISSERT.pdf: 2411622 bytes, checksum: 6b5e6ef2c6fd430fe0ff200b6352cd44 (MD5) Previous issue date: 2016-05-27 / Grande tem sido o interesse nas difus?es an?malas, pois se apresentam nas mais diversas ?reas do conhecimento. A introdu??o de perfil de mem?ria no caminhante aleat?rio torna-o numa din?mica estoc?stica n?o-markoviana, cujas correla??es criam superdifus?o, persistencia e log-periodicidade. Apresentamos uma revis?o da literatura sobre os perfis de mem?ria e introduzimos nosso modelo. O modelo de mem?ria binomial pode selecionar diferentes regi?es de perda de mem?ria, desde a inicial at? a recente. Dessa forma, investigamos o impacto da posi??o da perda de mem?ria no comportamento superdifusivo do caminhante aleat?rio e unificamos muitos dos resultados da literatura. Obtivemos que mem?rias iniciais geram maior superdifus?o medidas pelo coeficiente de Hurst, enquanto que mem?rias recentes tendem a diminuir a superdifus?o, tornando mais caminhantes adeptos da difus?o normal. Tamb?m investigamos o regime de mem?ria curta inicial, com largura tendendo a zero. Observamos log-periodicidade para alguns caminhantes sugerindo regimes diferentes de comportamento log-periodico, incluindo aqueles considerados de difus?o normal. Uma particularidade do modelo binomial s?o os resutados extremamente sim?tricos para o diagrama Hxr. / Great has been the interest in anomalous diffusion because they are present in several areas of knowledge. The introduction of a memory profile in random walk environment give them a non-Markovian stochastic dynamics, whose temporal correlations may create superdiffusion, persistence and log-periodicity. We present an overview of memory profile literature and introduce our model. The binomial memory model can select different memory loss regions, from the old to the recent one. Thus, we investigate the impact of memory loss location on superdiffusive behavior of a random walker and unify some literature results. We verify that old memory generates higher superdiffusion measured by the Hurst coefficient, while recent memory tends to decrease superdiffusion, causing more walkers to undergo normal diffusion. We also investigate the short initial memory region, with zero tending standard deviation. We observe log-periodicity for some walkers suggesting different regions of log-periodic behavior, including those considered as normal diffusion. A particularity of the binomial model is an extremely symmetric result to Hxr diagram.

In this thesis we study three different stochastic processes describing the brain activity. The first one is a continuous time version of the stochastic chains with memory of variable length. These stochastic chains take values in the set of neurons and assign, at time t, the value of the last neuron which spiked up to time t. Moreover, we assume neurons interact through a phenomena called chemical synapses. Briefly this means that when a neuron spikes, it loses all its membrane potential and at same time changes the membrane potential of the neurons which are influenced by it. Under this approach we proved the positive recurrent of the process and presented a perfect simulation algorithm able to generate a finite sample of the process under its invariant measure. In the second model we continue considering the chemical synapses interaction and add also an interaction through electrical synapses. The last one happens duo to the presence of specific channels which allow the passage of ions along the the membrane of two neurons and, as consequence, we have a sharing of potential between the neurons. Moreover, we consider also the constant lost of potential of the neurons for the environment which push each neuron to a resting state. For this model we study the long-run behaviour of the process with a finite number of neurons, the hydrodynamic limit for the system and investigate the possible invariant distributions for the limiting process. In the last model considered here we study the brain activity measured through EEG data. We investigate the predictive coding principle which says that neural networks are able to learn the statistical regularities inherent in a stimuli and reduce redundancy by removing the predictable components of the input. To test this conjecture we propose procedures to perform statistical model selection on the EEG data in order to retrieve structural features of stochastic sources. This is done through a case study in which the EEG data is recorded under the effect of two different stochastic rhythmic sources produced by two different context tree models. We present a suitable class of stochastic processes, called here as hidden context tree models, to model EEG signals evoked by rhythmic structures. Then, we propose a consistent statistical procedure to perform statistical model selection in this class and in our case study. / Nessa tese estudamos três diferentes processos estocásticos descrevendo a atividade cerebral. O primeiro processo é uma versão a tempo contínuo das cadeias estocásticas com memória de alcance variável. Essas cadeias tomam valores no conjunto dos neurônios e assumem, no instante t, o valor do último neurônio a disparar antes de t. Além disso, assumimos que os neurônios interagem entre si através de fenômenos chamados sinapses químicas. Resumidamente isso significa que quando um neurônio dispara perde todo seu potencial de membrana e, simultaneamente, muda o potencial de membrana dos neurônios que influencia. Para esse processo estocástico provamos a recorrência positiva e apresentamos um algoritmo de simulação perfeita capaz de gerar uma amostra finita cuja distribuição é a medida invariante do processo. Na segunda classe de modelos continuamos considerando as sinapses químicas e adicionamos ainda interação por sinapses elétricas. A última acontece devido a presença de canais específicos entre dois neurônios que permitem a passagem de íons ao longo de suas membranas, como consequência, temos um compartilhamento de potencial entre os neurônios. Além disso, consideramos também a constante perda de potencial dos neurônios para o meio que age empurrando o potencial de cada neurônio a um estado de repouso. Com esses modelos estudamos o comportamento a longo prazo do processo com um número finito de neurônios, o limite hidrodinâmico desse sistema e investigamos a possível distribuição invariante para o processo limite. Na última classe considerada aqui estudamos a atividade cerebral medida através de dados de EEG. Nós investigamos o princípio do código preditivo que afirma que redes neurais são capazes de aprender as regularidades estatísticas inerentes em um estímulo e reduzir a redundância removendo as componentes previsíveis. Para testar essa conjectura, propomos um procedimento para realizar seleção estatística de modelos em dados de EEG afim de recuperar características estruturais de fontes estocásticas. Isso é feito através de um caso de estudo em que dados de EEG são coletados sob o efeito de duas fontes rítmicas estocásticas distintas produzidas por duas árvores de contextos distintas. Nós apresentamos uma classe de modelos adequada, chamada aqui de modelos de árvore de contextos oculta, para modelar sinais de EEG evocados por estruturas rítmicas. Finalmente, propomos um procedimento estatístico consistente para fazer seleção estatística de modelos nessa nova classe assim como no nosso caso de estudo.

A identificação de regiões cromossômicas, ou blocos de dependência dentro do genoma humano, que são transmitidas em conjunto para seus descendentes (haplótipos) tem sido um desafio e alvo de várias iniciativas de pesquisa, muitas delas utilizando dados de plataformas de marcadores moleculares do tipo SNP (Single Nucleotide Polymorphisms - SNPs), com alta densidade dentro do DNA humano. Este trabalho faz uso de uma modelagem estocástica de campos Markovianos de alcance variável, em uma amostra estratificada de diferentes populações, para encontrar blocos de SNPs, independentes entre si, estruturando assim o genoma em regiões ilhadas de dependência. Foram utilizados dados públicos de SNPs de diferentes populações mundiais (projeto HapMap), além de uma amostra da população brasileira. As regiões de dependência configuram janelas de influência as quais foram usadas para caracterizar as diferentes populações de acordo com sua ancestralidade e os resultados obtidos mostraram que as janelas da população brasileira têm, em média, tamanho maior, evidenciando a sua história recente de miscigenação. É também proposta uma otimização da função de verossimilhança do problema para obter as janelas de consenso maximais de todas as populações. Dada uma determinada janela de consenso, uma medida de distância apropriada para variáveis categóricas, é adotada para medir sua homogeneidade/heterogeneidade. Janelas homogêneas foram identificadas na região HLA (Human Leukocyte Antigen) do genoma, a qual está associada à resposta imunológica. O tamanho médio dessas janelas foi maior do que a média encontrada no restante do cromossomo, confirmando a alta dependência existente nesta região, considerada como bastante conservada na evolução humana. Finalmente, considerando a distribuição dos SNPs entre as populações nas janelas mais heterogêneas, a Análise de Correspondência foi aplicada na construção de um classificador capaz de determinar o percentual relativo de ancestralidade de um indivíduo, o qual, submetido à validação, obteve uma eficiência de 90% de acerto da população originária. / The identification of chromosome regions, or dependency blocks in the human genome, that are transmitted together to offspring (haploids) has been a challenge and object of several research initiatives, many of them using platforms of molecular markers such as SNP (Single Nucleotide Polymorphisms), with high density inside the human DNA. This work makes use of a stochastic modeling of Markov random fields, in a stratified sample of different populations, to find SNPs blocks, independent of each other, thus structuring the genome in stranded regions of dependency. Public data from different worldwide populations were used (HapMap project), beyond a Brazilian population. The dependence regions constitute windows of influence which were used to characterize the different populations according of their ancestry and the results showed that the Brazilian populations windows have, on average, a bigger size, showing their recent history of admixture. It is also proposed an optimization of likelihood function of the problem for the maximal windows of consensus from all populations. Given a particular window of consensus, a distance measure appropriated to categorical variables, it is adopted to evaluate its homogeneity/heterogeneity. Homogeneous windows were identified within region of genome called HLA (Human Leukocyte Antigen), which is associated with the immune response. The average size of these windows was bigger than the average found in the rest of the chromosome, confirming the high dependence verified in this region, considered highly conserved in the human evolution. Finally, considering the distribution of the SNPs among the populations in the most heterogeneous windows, the Correspondence Analysis was applied to build a classifier able to determine, for a given individual, the ancestry proportion from each population considered, which, submitted to a validation, obtained a 90% accuracy of the original population.

Orientadores: Nancy Lopes Garcia, Alexsandro Giacomo Grimbert Gallo / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matemática Estatística e Computação Científica / Made available in DSpace on 2018-08-24T12:54:22Z (GMT). No. of bitstreams: 1 Carvalho_WalterAugustoFonsecade_D.pdf: 1034671 bytes, checksum: 25dd72305f343655bedfde62a785a259 (MD5) Previous issue date: 2014 / Resumo: Esta tese é dedicada ao estudo dos processos de renovação binários obtidos como agregação de estados a partir de processos Markovianos com alfabeto finito. Na primeira parte, utilizamos uma abordagem matricial para obter condições sob as quais o processo agregado pertence a cada uma das seguintes classes: (1) Markoviano de ordem finita, (2) processo de ordem infinita com probabilidades de transição contínuas, (3) processo Gibbsiano. A segunda parte trata da distância d entre processos de renovação binários. Obtivemos condições sob as quais esta distância pode ser atingida entre tais processos / Abstract: This thesis is devoted to the study of binary renewal processes obtained as aggregation of states from Markov processes with finite alphabet. In the rst part, we use a matrix approach to obtain conditions under which the aggregated process belongs to each of the following classes: (1) Markov of finite order, (2) process of infinite order with continuous transition probabilities, (3) Gibbsian process. The second part deals with the distance d between binary renewal processes. We obtain conditions under which this distance can be achieved between these processes / Doutorado / Estatistica / Doutor em Estatística

Esta dissertação aborda o problema de redução do consumo de combustível para veículos. Com esse objetivo, realiza-se o levantamento de um modelo estocástico e de seus parâmetros, o desenvolvimento de um controlador para o veículo, e análise dos resultados. O problema considera a interação com o trânsito de outros veículos, que limita a aplicação de resultados antes disponíveis. Para isto, propõe-se modelar a dinâmica do problema de maneira aproximada, usando sistemas com saltos markovianos, e levantar as probabilidades de transição dos estados da cadeia através de um modelo mais completo para o trânsito no percurso. / This dissertation deals with control of vehicles aiming at the fuel consumption optimization, taking into account the interference of traffic. Stochastic interferences like this and other real world phenomena prevents us from directly applying available results. We propose to employ a relatively simple system with Markov jumping parameters as a model for the vehicle subject to traffic interference, and to obtain the transition probabilities from a separate model for the traffic. This dissertation presents the model identification, the solution of the new problem using dynamic programming, and simulation of the obtained control.

Este trabalho consiste no estudo de métodos de otimização aplicados em um problema de controle para sistemas lineares com saltos markovianos (SLSM). SLSM formam uma importante classe de sistemas que têm sido muito úteis em aplicações envolvendo sistemas sujeitos a falhas e outras alterações abruptas de comportamento. Este estudo enfoca diferentes métodos para resolução deste problema. Comparamos o método variacional com o de Newton, sob o ponto de vista do número de problemas resolvidos e pelo nível de sub-otimalidade obtido (relação entre os custos obtidos por estes métodos). Também propomos um novo método, o qual pode ser inicializado com soluções de equações de Riccati acopladas, e o comparamos com o método variacional. Além disso, para a comparação dos métodos, propomos um algoritmo que gerou dez mil exemplos / This work addresses optimizations methods applied to a control problem for linear systems with markovian jumps, which form an important class of systems that have been very useful in applications involving systems subject to failures and other abrupt changes. This study focuses on different methods for solving this problem. We compare the variational approach with the Newton method, in terms of the number of solved problems and the level of sub-optimality (ratio between the costs obtained by these approaches). We also propose a new method, which can be initialized with solutions of coupled Riccati equations, and we compare it with the variational approach. We have proposed an algorithm for creating ten thousand examples for the comparisons