[pt] O tratamento de ambientes contaminados e a elaboração de programas de monitoramento requerem estimativas dos níveis de concentrações das substâncias,bem como um conhecimento de seu destino, taxa de transporte e tempos de residência. Na ausência de dados obtidos através de monitoramento, modelos ambientais constituem freqüentemente o único modo capaz de prever as concentrações aproximadas dos contaminantes nos compartimentos (meios) que formam o ambiente. A aplicação do modelo ambiental de multimeios Quantitative Water Air Sediment Interaction (QWASI) a um determinado ambiente exige conhecer parâmetros relacionados à área em estudo e aos contaminantes. Para o caso da Baía de Guanabara, muitos desses parâmetros não estão disponíveis. Desse modo, eles serão aproximados com técnicas do problema inverso a partir das concentrações de contaminantes medidas no sedimento e no mexilhão perna-perna. Entre os parâmetros estimados estão as emissões de 10 hidrocarbonetos policíclicos aromáticos (HPAs) nas águas da Baía de Guanabara. Este trabalho também apresenta simulações da evolução da concentração de alguns hidrocarbonetos em função do tempo considerando uma emissão inicial de um HPA em um ponto arbitrário da Baía de Guanabara. / [en] The treatment of polluted environments and the elaboration of monitoring programs request estimates of the levels of concentrations of the substances, as well as a knowledge of its destiny, rates of transport and times of residence. In the absence of data obtained through monitoring, environmental models often provide the only way to predict the approximate concentrations of the pollutants in the compartments (media) that form the environmental. The application of the multimedia environmental model Quantitative Water Air Sediment Interaction (QWASI) to a certain environment demands the knowledge of parameters related to the area in study and to the pollutants. For the case of the Guanabara Bay, many of those parameters are not available. Therefore, they will be approximated with inverse problem techniques starting from the measured concentrations of pollutants in the sediment and in the mussel perna-perna. Among the estimated parameters are the emissions of 10 polycyclic aromatic hydrocarbons (PAHs) in the waters of the Guanabara Bay. This work also presents simulations of the evolution of the concentration of some hydrocarbons infunction of the time considering an initial emission of a PAH in an arbitrary point of the Guanabara Bay.

A modelagem de distribuição de espécies é uma técnica cuja finalidade é estimar modelos baseados em nichos ecológicos. Esses modelos podem auxiliar nos processos de tomadas de decisões, no planejamento e na realização de ações que visem a conservação e a preservação ambiental. Existem diversas ferramentas projetadas para modelagem de distribuição de espécies, dentre elas o framework openModeller, na qual este trabalho está inserido. Várias técnicas de Inteligência Artificial já foram utilizadas para desenvolver algoritmos de modelagem de distribuição de espécies, como Entropia Máxima. No entanto, as ferramentas estatísticas tradicionais não disponibilizam pacotes com o algoritmo de Entropia Máxima, o que é comum para outras técnicas. Além disso, apesar de existir um software gratuito específico para modelagem de distribuição de espécies com o algoritmo de Entropia Máxima, esse software não possui código aberto. Assim, a base deste trabalho é a investigação acerca da modelagem de distribuição de espécies utilizando Entropia Máxima. Desta forma, o objetivo principal é definir diferentes estratégias para o algoritmo de Entropia Máxima no contexto da modelagem de distribuição de espécies. Para atingir esse objetivo, foram estabelecidos um conjunto de alternativas possíveis a serem exploradas e um conjunto de métricas de avaliação e comparação das diferentes estratégias. Os resultados mais importantes desta pesquisa foram: um algoritmo adaptativo de Entropia Máxima, um algoritmo paralelo de Entropia Máxima, uma análise do parâmetro de regularização e um método de seleção de variáveis baseado no princípio da Descrição com Comprimento Mínimo (MDL Minimum Description Length), que utiliza aprendizagem por compressão de dados. / Species distribution modeling is a technique the purpose of which is to estimate models based on ecological niche. These models can assist decision making processes, planning and carrying out actions aiming at environmental conservation and preservation. There are several tools designed for species distribution modeling, such as the open- Modeller framework, in which this work is inserted. Several Artificial Intelligence techniques have been used to develop algorithms for species distribution modeling, such as Maximum Entropy. However, traditional statistical tools do not offer packages with the Maximum Entropy algorithm, which is common to other techniques. Furthermore, although there is specific free software for species distribution modeling with the Maximum Entropy algorithm, this software is not open source. The basis of this work is the investigation of the species distribution modeling using Maximum Entropy. Thus, its aim is to define different strategies for the Maximum Entropy algorithm in the context of the species distribution modeling. For this, a set of possible alternatives to be explored and a set of metrics for evaluation and comparison of the different strategies were established. The most important results were: an adaptive Maximum Entropy algorithm, a parallel Maximum Entropy algorithm, an analysis of the regularization parameter and a variable selection method based on the Minimum Description Length principle, which uses learning by data compression.

A variedade dos meios porosos é evidente na pluralidade de seus usos. Não por acaso, a avaliação dos escoamentos que neles sucedem é comum a diversos campos de conhecimento. Avanços nas técnicas experimentais e numéricas têm sido observados recentemente. No entanto, progressos posteriores no assunto encontram-se condicionados à evolução da contraparte teórica. Em virtude disso, no presente estudo, foi desenvolvido um modelo analítico para o escoamento em meios porosos. Este modelo se baseia no princípio da entropia máxima (PEM), advindo da teoria da informação. Por meio dele, foi possível a determinação estatística das velocidades locais de um fluido e puderam ser deduzidas expressões embasadas nas Equações de Navier-Stokes, tais quais as Leis de Darcy, de Forchheimer e a Equação de Darcy-Weisbach. Ele permitiu, também, a atribuição de significados físicos mais precisos para grandezas intervenientes no escoamento em meios porosos, como o número de Reynolds e o coeficiente de permeabilidade intrínseca. Dele emergiu, ainda, o parâmetro de entropia, modelador da distribuição de velocidades, capaz de delimitar os regimes de escoamento e que viabiliza a conexão entre a micro e a macroescala do problema. Verificou-se uma grande aderência do modelo proposto a resultados obtidos em escala de bancada, piloto e real, constantes na literatura científica. Por essas razões e pelo fato de o modelo proposto ter como base um número bastante reduzido de premissas, conclui-se que ele é geral e robusto, sendo aplicável às mais distintas áreas que requeiram uma descrição analítica do escoamento em meios porosos. / Given the wide-ranging uses of porous media, it is no coincidence that several distinct fields of knowledge require analysis and evaluation of flows occurring therein. Recent advances in this area have included experimental and numerical techniques. However, further developments in the subject are conditioned to (and held back by) the evolution in its theoretical counterpart. As a result, this study proposes a new analytical model for the flow through porous media, based on information theory\'s principle of maximum entropy (POME). The proposed model allows for the statistical determination of a fluid\'s local velocities. Further, it also permits the deduction of expressions based on the Navier-Stokes Equations, such as Darcy\'s and Forchheimer\'s Laws and the Darcy-Weisbach Equation. It bestows more precise physical meanings to the quantities typically involved in the flow through porous media, such as the Reynolds number and the intrinsic permeability coefficient, as well. Furthermore, the proposed model introduces an entropy parameter, which represents the statistical distribution of velocities and is capable of delimiting flow regimes. This parameter also permits a clear connection between both micro and macro scales of the problem. The proposed model showed great adherence to bench, pilot and real scale results found in scientific literature. For these reasons, and due to its reduced number of premises, the proposed model is concluded to be general and robust, and that it can be applied to countless areas in which an analytical description of flow through porous media is required.

Orientador: José Augusto Chinellato / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Física Gleb Wataghin / Made available in DSpace on 2018-09-03T07:30:39Z (GMT). No. of bitstreams: 1 Perassa_EderArnedo_D.pdf: 3556275 bytes, checksum: c4e6180df4a4a5dcbfe476b7d331bee4 (MD5) Previous issue date: 2017 / Resumo: Neste trabalho, estudamos os métodos de estatística bayesiana e máxima entropia na análise de dados em eventos de raios cósmicos. Inicialmente, fizemos um resumo sobre o desenvolvimento da física de raios cósmicos em que descrevemos alguns resultados teóricos e experimentais recentes. A seguir, apresentamos uma breve revisão do método bayesiano e o aplicamos na determinação da composição em massa dos primários em eventos de raios cósmicos. Além disso, introduzimos o método de máxima entropia e propomos um método de parametrização do perfil longitudinal de chuveiros atmosféricos extensos. Em todas as aplicações, foram mostrados os algoritmos desenvolvidos e os resultados obtidos a partir de dados de eventos simulados. Os resultados indicaram que tais métodos podem ser utilizados satisfatoriamente como ferramentas na análise de dados em eventos de raios cósmicos / Abstract: In this work, we study bayesian statistics and maximum entropy methods in cosmic ray events data analysis. At first, we summarized developments in cosmic rays physics, describing some recent theoretical and experimental results. We present briefly a review of bayesian method and apply it to the problem of determining mass composition primary cosmic ray events. Moreover, we introduce the maximum entropy method and propose a method for the parametrization of the longitudinal profile of extensive air showers. In all applications, the algorithms developed and the results obtained from simulated event data were shown. The results suggested that such methods can be satisfactorily used as tools in cosmic rays events data analysis / Doutorado / Física / Doutor em Ciências / 277612/2007 / CAPES

Made available in DSpace on 2017-07-24T19:38:02Z (GMT). No. of bitstreams: 1 Mauricio Aparecido.pdf: 11649152 bytes, checksum: 907f11d64c1167074cacc8ec4b4226a1 (MD5) Previous issue date: 2010-02-22 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Abstract Abstract / Resumo Resumo

Conselho Nacional de Desenvolvimento CientÃfico e TecnolÃgico / No sÃculo XXI a humanidade produziu mais novos dados (informaÃÃes) do que em toda sua histÃria. Entender a natureza dos diversos sistemas que geram essa abundÃncia de dados se tornou um dos grandes desafios desse sÃculo. Uma forma de analisar formalmente esses grandes bancos de dados à empregando a teoria da informaÃÃo desenvolvida por Claude Shannon. Essa teoria permite, usando o princÃpio da mÃxima entropia, encontrar as distribuiÃÃes de probabilidades que melhor descrevem os comportamentos coletivos desses sistemas. Nessa dissertaÃÃo, discutimos a possibilidade de usar modelos tipo Ising para descrever observaÃÃes de sistemas reais. Devido a suas limitaÃÃes, empregar o modelo de Ising implica em supor que os elementos que constituem o sistema real sà podem estar em dois estados, por exemplo ativo ou inativo. AlÃm disso, o modelo de Ising da conta apenas de interaÃÃes entre pares de elementos e desconsidera a possibilidade de interaÃÃes entre grupos maiores de elementos. Como discutiremos, mesmo com essas limitaÃÃes tal modelo pode descrever bem resultados observados em alguns sistemas naturais, como por exemplo redes de neurÃnios. Especificamente, discutiremos resultados de trabalhos anteriores que mostram que usando apenas as mÃdias de atividade de cada neurÃnio e a correlaÃÃo entre os mesmo, usando a teoria de Shannon, observa-se que os estados visitados pela rede seguem à distribuiÃÃo de Ising. Para testar a aplicabilidade desse mÃtodo em diversos sistemas geramos dados sintÃticos, obtidos de modelos tipo Ising em trÃs situaÃÃes: ferromagnÃtico, anti-ferro e vidro de spins (spin glass). NÃs chamamos o sistema que gera os dados sintÃticos de sistema subjacente. Usamos mÃtodos de maximizaÃÃo de entropia para tentar construir sistemas modelos que consigam reproduzir as mÃdia e correlaÃÃes observadas nos dados sintÃticos. Dessa forma, verificamos em que situaÃÃes nossos mÃtodos conseguem de fato gerar um sistema modelo que reproduza o sistema subjacente que gerou os dados. Esses resultados podem estabelecer um limite de aplicabilidade para a tÃcnica discutida.

A modelagem de distribuição de espécies é uma técnica cuja finalidade é estimar modelos baseados em nichos ecológicos. Esses modelos podem auxiliar nos processos de tomadas de decisões, no planejamento e na realização de ações que visem a conservação e a preservação ambiental. Existem diversas ferramentas projetadas para modelagem de distribuição de espécies, dentre elas o framework openModeller, na qual este trabalho está inserido. Várias técnicas de Inteligência Artificial já foram utilizadas para desenvolver algoritmos de modelagem de distribuição de espécies, como Entropia Máxima. No entanto, as ferramentas estatísticas tradicionais não disponibilizam pacotes com o algoritmo de Entropia Máxima, o que é comum para outras técnicas. Além disso, apesar de existir um software gratuito específico para modelagem de distribuição de espécies com o algoritmo de Entropia Máxima, esse software não possui código aberto. Assim, a base deste trabalho é a investigação acerca da modelagem de distribuição de espécies utilizando Entropia Máxima. Desta forma, o objetivo principal é definir diferentes estratégias para o algoritmo de Entropia Máxima no contexto da modelagem de distribuição de espécies. Para atingir esse objetivo, foram estabelecidos um conjunto de alternativas possíveis a serem exploradas e um conjunto de métricas de avaliação e comparação das diferentes estratégias. Os resultados mais importantes desta pesquisa foram: um algoritmo adaptativo de Entropia Máxima, um algoritmo paralelo de Entropia Máxima, uma análise do parâmetro de regularização e um método de seleção de variáveis baseado no princípio da Descrição com Comprimento Mínimo (MDL Minimum Description Length), que utiliza aprendizagem por compressão de dados. / Species distribution modeling is a technique the purpose of which is to estimate models based on ecological niche. These models can assist decision making processes, planning and carrying out actions aiming at environmental conservation and preservation. There are several tools designed for species distribution modeling, such as the open- Modeller framework, in which this work is inserted. Several Artificial Intelligence techniques have been used to develop algorithms for species distribution modeling, such as Maximum Entropy. However, traditional statistical tools do not offer packages with the Maximum Entropy algorithm, which is common to other techniques. Furthermore, although there is specific free software for species distribution modeling with the Maximum Entropy algorithm, this software is not open source. The basis of this work is the investigation of the species distribution modeling using Maximum Entropy. Thus, its aim is to define different strategies for the Maximum Entropy algorithm in the context of the species distribution modeling. For this, a set of possible alternatives to be explored and a set of metrics for evaluation and comparison of the different strategies were established. The most important results were: an adaptive Maximum Entropy algorithm, a parallel Maximum Entropy algorithm, an analysis of the regularization parameter and a variable selection method based on the Minimum Description Length principle, which uses learning by data compression.

A variedade dos meios porosos é evidente na pluralidade de seus usos. Não por acaso, a avaliação dos escoamentos que neles sucedem é comum a diversos campos de conhecimento. Avanços nas técnicas experimentais e numéricas têm sido observados recentemente. No entanto, progressos posteriores no assunto encontram-se condicionados à evolução da contraparte teórica. Em virtude disso, no presente estudo, foi desenvolvido um modelo analítico para o escoamento em meios porosos. Este modelo se baseia no princípio da entropia máxima (PEM), advindo da teoria da informação. Por meio dele, foi possível a determinação estatística das velocidades locais de um fluido e puderam ser deduzidas expressões embasadas nas Equações de Navier-Stokes, tais quais as Leis de Darcy, de Forchheimer e a Equação de Darcy-Weisbach. Ele permitiu, também, a atribuição de significados físicos mais precisos para grandezas intervenientes no escoamento em meios porosos, como o número de Reynolds e o coeficiente de permeabilidade intrínseca. Dele emergiu, ainda, o parâmetro de entropia, modelador da distribuição de velocidades, capaz de delimitar os regimes de escoamento e que viabiliza a conexão entre a micro e a macroescala do problema. Verificou-se uma grande aderência do modelo proposto a resultados obtidos em escala de bancada, piloto e real, constantes na literatura científica. Por essas razões e pelo fato de o modelo proposto ter como base um número bastante reduzido de premissas, conclui-se que ele é geral e robusto, sendo aplicável às mais distintas áreas que requeiram uma descrição analítica do escoamento em meios porosos. / Given the wide-ranging uses of porous media, it is no coincidence that several distinct fields of knowledge require analysis and evaluation of flows occurring therein. Recent advances in this area have included experimental and numerical techniques. However, further developments in the subject are conditioned to (and held back by) the evolution in its theoretical counterpart. As a result, this study proposes a new analytical model for the flow through porous media, based on information theory\'s principle of maximum entropy (POME). The proposed model allows for the statistical determination of a fluid\'s local velocities. Further, it also permits the deduction of expressions based on the Navier-Stokes Equations, such as Darcy\'s and Forchheimer\'s Laws and the Darcy-Weisbach Equation. It bestows more precise physical meanings to the quantities typically involved in the flow through porous media, such as the Reynolds number and the intrinsic permeability coefficient, as well. Furthermore, the proposed model introduces an entropy parameter, which represents the statistical distribution of velocities and is capable of delimiting flow regimes. This parameter also permits a clear connection between both micro and macro scales of the problem. The proposed model showed great adherence to bench, pilot and real scale results found in scientific literature. For these reasons, and due to its reduced number of premises, the proposed model is concluded to be general and robust, and that it can be applied to countless areas in which an analytical description of flow through porous media is required.

O Reconhecimento de Entidades Mencionadas (REM) é uma subtarefa da extração de informações e tem como objetivo localizar e classificar elementos do texto em categorias pré-definidas tais como nome de pessoas, organizações, lugares, datas e outras classes de interesse. Esse conhecimento obtido possibilita a execução de outras tarefas mais avançadas. O REM pode ser considerado um dos primeiros passos para a análise semântica de textos, além de ser uma subtarefa crucial para sistemas de gerenciamento de documentos, mineração de textos, extração da informação, entre outros. Neste trabalho, estudamos alguns métodos de Aprendizado de Máquina aplicados na tarefa de REM que estão relacionados ao atual estado da arte, dentre eles, dois métodos aplicados na tarefa de REM para a língua portuguesa. Apresentamos três diferentes formas de avaliação destes tipos de sistemas presentes na literatura da área. Além disso, desenvolvemos um sistema de REM para língua portuguesa utilizando Aprendizado de Máquina, mais especificamente, o arcabouço de máxima entropia. Os resultados obtidos com o nosso sistema alcançaram resultados equiparáveis aos melhores sistemas de REM para a língua portuguesa desenvolvidos utilizando outras abordagens de aprendizado de máquina. / Named Entity Recognition (NER), a task related to information extraction, aims to classify textual elements according to predefined categories such as names, places, dates etc. This enables the execution of more advanced tasks. NER is a first step towards semantic textual analysis and is also a crucial task for systems of information extraction and other types of systems. In this thesis, I analyze some Machine Learning methods applied to NER tasks, including two methods applied to Portuguese language. I present three ways of evaluating these types of systems found in the literature. I also develop an NER system for the Portuguese language utilizing Machine Learning that entails working with a maximum entropy framework. The results are comparable to the best NER systems for the Portuguese language developed with other Machine Learning alternatives.

<p>This thesis is concerned with scheduling the use of resources, or allocating resources, so as to meet future demands for the entities produced by the resources. We consider applications in mobile communications such as scheduling users' transmissions so that the amount of transmitted information is maximized, and scenarios in the manufacturing industry where the task is to distribute work among production units so as to minimize the number of missed orders.</p><p>The allocation decisions are complicated by a lack of information concerning the future demand and possibly also about the capacities of the available resources. We therefore resort to using probability theory and the maximum entropy principle as a means for making rational decisions under uncertainty.</p><p>By using probabilities interpreted as a reasonable degree of belief, we find optimum decision rules for the manufacturing problem, bidding under uncertainty in a certain type of auctions, scheduling users in communications with uncertain channel qualities and uncertain arrival rates, quantization of channel information, partitioning bandwidth between interfering and non-interfering areas in cellular networks, hand-overs and admission control. Moreover, a new method for making optimum approximate Bayesian inference is introduced.</p><p>We further discuss reasonable optimization criteria for the mentioned applications, and provide an introduction to the topic of probability theory as an extension to two-valued logic. It is argued that this view unifies a wide range of resource-allocation problems, and we discuss various directions for further research.</p>