[pt] Esta dissertação descreve a aplicação de Modelos Lineares Generalizados (MLGs) à análise de um experimento visando identificar a combinação dos níveis das variáveis independentes: concentração de hidróxido de sódio (A), volume de hipoclorito de sódio (B) e sua interação (AB), que minimiza a variável resposta: proporção de itens com defeitos, em um processo de beneficiamento numa indústria têxtil de pequeno porte. A variável resposta encontra-se na forma de proporção, violando os pressupostos básicos do Modelo Linear Clássico e com isso as estimativas dos coeficientes pelo método de Mínimos Quadrados Ordinários (MQO) é menos confiável. O planejamento utilizado foi o fatorial completo 22 com ponto central e replicado. Após o planejamento, a modelagem pelo MLG é aplicada, só então é possível identificar uma subdispersão dos dados, verificar que o modelo empregado está correto e que o volume de hipoclorito de sódio (B) é o único fator significativo, no processo de alvejamento industrial da empresa. Portanto, como a finalidade é minimizar a resposta, utiliza-se o nível inferior (-1) desta variável. Consequentemente, como o intuito é reduzir os custos com insumos químicos pode-se utilizar o nível mínimo da concentração de hidróxido de sódio (A) e o nível máximo da interação entre os fatores (AB), já que eles não são significativos ao modelo. / [en] This dissertation describes the application of Generalized Linear Models (GLMs) to the analysis of an experiment with the purpose identify the levels combination of independent variables: concentration of sodium hydroxide (A) volume of sodium hypochlorite (B) and their interaction (AB), that minimizes the response variable: proportion of defective items, in a process in a small plant of the textile industry. The response variable takes the form of a proportion, that violates the basic assumptions of the Classic Linear Model and, as a result, the estimates of the coefficients by Ordinary Least Squares method is less reliable. The design employed was a replicated complete 22 factorial design with central point. After doing the planning, the modeling by MLG is applied, and then it is possible to identify a underdispersion data; to verify that the model used is correct and that the volume of sodium hypochlorite (B) is the only significant factor in the industrial process of bleaching the company. Therefore, as the purpose is to minimize the response, it is used the lower level (-1) of this variable. Consequently, as the aim is to reduce costs of chemical inputs can use the minimum level of concentration of hydroxide sodium (A) and the maximum level of interaction between factors (AB), since they are not significant to the model.

[pt] O processamento de linguagem natural busca resolver várias tarefas de complexidade crescente que envolvem o aprendizado de estruturas complexas, como grafos e sequências, para um determinado texto. Por exemplo, a análise de dependência envolve o aprendizado de uma árvore que descreve a estrutura sintática de uma sentença dada. Um método amplamente utilizado para melhorar a representação do conhecimento de domínio em esta tarefa é considerar combinações de atributos usando conjunções lógicas que codificam informação útil com um padrão não-linear. O número total de todas as combinações possíveis para uma conjunção dada cresce exponencialmente no número de atributos e pode resultar em intratabilidade computacional. Também, pode levar a overfitting. Neste cenário, uma técnica para evitar o superajuste e reduzir o conjunto de atributos faz-se necessário. Uma abordagem comum para esta tarefa baseia-se em atribuir uma pontuação a uma árvore de dependência, usando uma função linear do conjunto de atributos. Sabe-se que os modelos lineares esparsos resolvem simultaneamente o problema de seleção de atributos e a estimativa de um modelo linear, através da combinação de um pequeno conjunto de atributos. Neste caso, promover a esparsidade ajuda no controle do superajuste e na compactação do conjunto de atributos. Devido a sua exibilidade, robustez e simplicidade, o algoritmo de perceptron é um método linear discriminante amplamente usado que pode ser modificado para produzir modelos esparsos e para lidar com atributos não-lineares. Propomos a aprendizagem incremental da combinação de um modelo linear esparso com um procedimento de indução de variáveis não-lineares, num cénario de predição estruturada. O modelo linear esparso é obtido através de uma modificação do algoritmo perceptron. O método de indução é Entropy-Guided Feature Generation. A avaliação empírica é realizada usando o conjunto de dados para português da CoNLL 2006 Shared Task. O analisador resultante alcança 92,98 por cento de precisão, que é um desempenho competitivo quando comparado com os sistemas de estado- da-arte. Em sua versão regularizada, o analizador alcança uma precisão de 92,83 por cento , também mostra uma redução notável de 96,17 por cento do número de atributos binários e, reduz o tempo de aprendizagem em quase 90 por cento, quando comparado com a sua versão não regularizada. / [en] Natural language processing requires solving several tasks of increasing complexity, which involve learning to associate structures like graphs and sequences to a given text. For instance, dependency parsing involves learning of a tree that describes the dependency-based syntactic structure of a given sentence. A widely used method to improve domain knowledge representation in this task is to consider combinations of features, called templates, which are used to encode useful information with nonlinear pattern. The total number of all possible feature combinations for a given template grows exponentialy in the number of features and can result in computational intractability. Also, from an statistical point of view, it can lead to overfitting. In this scenario, it is required a technique that avoids overfitting and that reduces the feature set. A very common approach to solve this task is based on scoring a parse tree, using a linear function of a defined set of features. It is well known that sparse linear models simultaneously address the feature selection problem and the estimation of a linear model, by combining a small subset of available features. In this case, sparseness helps control overfitting and performs the selection of the most informative features, which reduces the feature set. Due to its exibility, robustness and simplicity, the perceptron algorithm is one of the most popular linear discriminant methods used to learn such complex representations. This algorithm can be modified to produce sparse models and to handle nonlinear features. We propose the incremental learning of the combination of a sparse linear model with an induction procedure of non-linear variables in a structured prediction scenario. The sparse linear model is obtained through a modifications of the perceptron algorithm. The induction method is the Entropy-Guided Feature Generation. The empirical evaluation is performed using the Portuguese Dependency Parsing data set from the CoNLL 2006 Shared Task. The resulting parser attains 92.98 per cent of accuracy, which is a competitive performance when compared against the state-of-art systems. On its regularized version, it accomplishes an accuracy of 92.83 per cent, shows a striking reduction of 96.17 per cent in the number of binary features and reduces the learning time in almost 90 per cent, when compared to its non regularized version.

Este trabajo presenta dos líneas de investigación desarrolladas en los últimos años en torno a la etapa de evaluación en datos de recuento. Los campos de estudio han sido: los datos de recuento, concretamente el estudio del modelo de regresión de Poisson y sus extensiones y la etapa de evaluación como punto de inflexión en el proceso de modelado estadístico. Los resultados obtenidos ponen de manifiesto la importancia de aplicar el modelo adecuado a las características de los datos así como de evaluar el ajuste del mismo. Por otra parte la comparación de pruebas, índices, estimadores y modelos intentan señalar la adecuación o la preferencia de unos sobre otros en determinadas circunstancias y en función de los objetivos del investigador. / This paper presents two lines of research that have been developed in recent years on the evaluation stage in count data. The areas of study have been both count data, specifically the study of Poisson regression modelling and its extension, and the evaluation stage as a point of reflection in the statistical modelling process. The results obtained demonstrate the importance of applying appropriate models to the characteristics of data as well as evaluating their fit. On the other hand, comparisons of trials, indices, estimators and models attempt to indicate the suitability or preference for one over the others in certain circumstances and according to research objectives.

Orientador: Rubén Augusto Romero Lázaro / Resumo: Neste trabalho, consideram-se a análise teórica e a implementação computacional dos algoritmos Primal Simplex Canalizado (PSC) e Dual Simplex Canalizado (DSC) especializados. Esses algoritmos foram incorporados em um algoritmo Branch and Bound (B&B) de modo a resolver o problema de Planejamento da Expansão de Sistemas de Transmissão (PEST). Neste caso, o problema PEST foi modelado usando os chamados modelo de Transportes e modelo Linear Disjuntivo (LD), o que produz um problema de Programação Linear Inteiro Misto (PLIM). O algoritmo PSC é utilizado na resolução do problema de Programação Linear (PL) inicial após desconsiderar a restrição de integralidade do problema PLIM original. Juntamente com o algoritmo PSC, foi implementada uma estratégia para reduzir o número de variáveis artificiais adicionadas ao PL, consequentemente reduzindo o número de iterações do algoritmo PSC. O algoritmo DSC é utilizado na reotimização eficiente dos subproblemas gerados pelo algoritmo B&B, através do quadro ótimo do PL inicial, excluindo, assim, a necessidade da resolução completa de cada subproblema e, consequentemente, reduzindo o consumo de processamento e memória. Nesta pesquisa, é apresentada uma nova proposta de otimização, e, consequentemente, a implementação computacional usando a linguagem de programação FORTRAN que opera independentemente de qualquer solver. / Doutor

[pt] O comportamento do consumo de energia elétrica do setor industrial tem sido amplamente investigado ao longo dos últimos anos, devido a sua importância econômica, social e ambiental. Mais especificamente, o consumo de eletricidade dos subsetores da indústria brasileira exerce grande importância para o sistema energético brasileiro. Neste contexto, as projeções de longo prazo do seu consumo de energia elétrica para um país ou uma região são informações de grande relevância na tomada de decisão de órgãos e entidades que atuam no setor energético. A abordagem bottom-up determinística tem sido utilizada para obter a previsão de longo prazo em diversas áreas de pesquisa. Neste trabalho, propõe-se uma metodologia que combina a abordagem bottom-up com os modelos lineares hierárquicos para a previsão de longo prazo considerando os cenários de eficiência energética. Além disso, foi utilizada a inferência bayesiana para a estimação dos parâmetros do modelo, permitindo a incorporação de incerteza nessas previsões. Os resultados utilizando os dados de consumo de eletricidade de subsetores da indústria brasileira mostraram que a metodologia proposta consegue capturar a tajetória do consumo de eletricidade, em particular, dos subsetores de papel e celulose, e de metais não-ferrosos e outros de metalurgia. Por exemplo, os intervalos de credibilidade de 95 por cento construídos a partir do modelo estocástico contemplam os valores reais observados nos anos de 2015 e 2016. / [en] The electricity consumption behaviour in the Brazilian industry has been extensively investigated over the past years due to its economic, social and environmental importance. Specifically, the electricity consumption of the subsectors of Brazilian industry have great importance for the Brazilian energy system. In this context, the long-term projections of energy consumption of a country or region are highly relevant information to decision-making of organs and entities operating in the energy sector. The deterministic bottom-up approach has been used for the long-term forecast in several areas of research. In this paper, we propose a methodology that combines the bottom-up approach with hierarchical linear models for long-term forecasting considering energy efficiency scenarios. In addition, Bayesian inference was used to estimate the parameters of the model, allowing the uncertainty incorporation in these forecasts. The results using the electricity consumption data from subsectors of the Brazilian industry showed that the proposed methodology is able to capture the trajectory of their electricity consumption, in particular of the pulp and paper, and of non-ferrous metals and other metallurgical subsectors. For example, the 95 percent credibility intervals constructed from the stochastic model contemplate the actual values observed in the years 2015 and 2016.

Submitted by JEFERSON BACK VANDERLINDE null (jefersonbv@yahoo.com.br) on 2017-11-01T16:38:25Z No. of bitstreams: 1 jeferson_tese_final_20171101.pdf: 4860852 bytes, checksum: 2f99c37969be3815f82b1b4455a40230 (MD5) / Approved for entry into archive by LUIZA DE MENEZES ROMANETTO (luizamenezes@reitoria.unesp.br) on 2017-11-13T15:38:34Z (GMT) No. of bitstreams: 1 vanderlinde_jb_dr_ilha.pdf: 4860852 bytes, checksum: 2f99c37969be3815f82b1b4455a40230 (MD5) / Made available in DSpace on 2017-11-13T15:38:34Z (GMT). No. of bitstreams: 1 vanderlinde_jb_dr_ilha.pdf: 4860852 bytes, checksum: 2f99c37969be3815f82b1b4455a40230 (MD5) Previous issue date: 2017-09-06 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Neste trabalho, consideram-se a análise teórica e a implementação computacional dos algoritmos Primal Simplex Canalizado (PSC) e Dual Simplex Canalizado (DSC) especializados. Esses algoritmos foram incorporados em um algoritmo Branch and Bound (B&B) de modo a resolver o problema de Planejamento da Expansão de Sistemas de Transmissão (PEST). Neste caso, o problema PEST foi modelado usando os chamados modelo de Transportes e modelo Linear Disjuntivo (LD), o que produz um problema de Programação Linear Inteiro Misto (PLIM). O algoritmo PSC é utilizado na resolução do problema de Programação Linear (PL) inicial após desconsiderar a restrição de integralidade do problema PLIM original. Juntamente com o algoritmo PSC, foi implementada uma estratégia para reduzir o número de variáveis artificiais adicionadas ao PL, consequentemente reduzindo o número de iterações do algoritmo PSC. O algoritmo DSC é utilizado na reotimização eficiente dos subproblemas gerados pelo algoritmo B&B, através do quadro ótimo do PL inicial, excluindo, assim, a necessidade da resolução completa de cada subproblema e, consequentemente, reduzindo o consumo de processamento e memória. Nesta pesquisa, é apresentada uma nova proposta de otimização, e, consequentemente, a implementação computacional usando a linguagem de programação FORTRAN que opera independentemente de qualquer solver. / In this research, the theoretical analysis and computational implementation of the specialized dual simplex algorithm (DSA) and primal simplex algorithm (PSA) for bounded variables is considered. These algorithms have been incorporated in a Branch and Bound (B&B) algorithm to solve the Transmission Network Expansion Planning (TNEP) problem. In this case, the TNEP problem is modeled using transportation model and linear disjunctive model (DM), which produces a mixed-integer linear programming (MILP) problem. After relaxing the integrality of investment variables of the original MILP problem, the PSA is used to solve the initial linear programming (LP) problem. Also, it has been implemented a strategy in PSA to reduce the number of artificial variables which are added into the LP problem, and consequently reduces the number of iterations of PSA. Through optimal solution of the initial LP, the DSA is used in efficient reoptimization of subproblems, resulting from the B&B algorithm, thus excludes the need for complete resolution of each subproblems, which results reducing the CPU time and memory consumption. This research presents the implementation of the proposed approach using the FORTRAN programming language which operates independently and does not use any commercial solver.

Made available in DSpace on 2014-07-29T14:52:04Z (GMT). No. of bitstreams: 1 TESE LUICE gomes.pdf: 3188724 bytes, checksum: c4156187d61efe808b3d021846f674dd (MD5) Previous issue date: 2010-08-31 / The plant genetic resources stored ex situ are considered as a genetic repository, and are raw material for the development of the world agriculture. In rice, despite its high genetic variability, the lack of information of accessions to compose a databank prevents its use to help the choice of genitors for the breeding programs. The Embrapa Rice Core Collection (ERiCC) was developed from 10,000 accessions from Embrapa GeneBank, and it was set up by 550 accessions, divided in three subsets: 1) 94 lines and cultivars from Brazil (LCB); 2) 148 lines and cultivars from abroad (LCI); and 3) 308 traditional varieties (VT), obtained from germplasm collection expeditions in Brazil. This work aimed: 1) to evaluate the extension of genetic variability of 550 accessions from ERiCC by means of agronomic traits characterization using mixed models and multivariate statistics; 2) to perform a comparative analysis of the genetic divergence considering the agronomical and SSR markers characterizations; and 3) to identify the genotypes with higher genetic diversity and with the best agronomic performances, aiming to promote the most efficient use of such germplasm in breeding programs. The agronomic characterization of 550 accessions was performed in nine field experiments, evaluating 18 phenological-agronomic traits. The data were analyzed using the mixed linear and AMMI models. There was wide variation range of genotypical values for most evaluated traits. In different environments, it was observed VT accessions among the high-yielding materials, demonstrating the potential of this group of germplasm, particularly important due to its high genetic variability, to contribute to the development of cultivars regionally adapted. The AMMI approach allowed a good discrimination of ERiCC rice genotypes in relation to the adaptive performance, identifying the accessions CA880078, CA990001, CA870071 (subset VT), and CNA0009113 (LCI) as having good yield and broad adaptation to distinct environments. The comparative analysis of genetic diversity between agronomic and molecular data was performed using the 242 lines and cultivars accessions from ERiCC, which were characterized by 86 fluorescent SSR markers, and five agronomic traits with genotypic values predicted (values without from the effects of interaction genotypes x environment, from a joint analysis of nine experiments. The genetic divergence among accessions was estimated by the average Euclidian distance for phenotypical data, and by the Rogers modified by Wright (RW) genetic distance. The datasets were jointly analyzed by descriptive and multivariate statistics, using correlation analyses from hierarchical grouping of Ward and UPGMA methods. The phenotypical and molecular data showed a broad distribution of dissimilarity indexes, despite they showed different patterns of variation between them. Low molecular distances were associated to low phenotypical distances, however to high molecular distances, occurred a high broad range of phenotypical variation. The correlation between genetical and phenotypical dissimilarities was significant for both lowland and upland accessions, despite with different values (r=0.156 and r=0.409, respectively). Due to the low relation between phenotypical and molecular data, the analysis of genotypes to be used in breeding programs must include both evaluations to a better accession characterization. Considering the high yielding accessions, the higher molecular distances were identified among the accessions from lowland system of cultivation, among which BR IRGA 413 and CNA0005014, BR IRGA 413 and CNA0005853, and CNA0004552 and CNA0005014. Considering the upland accessions, maximum genetic distances were identified in CNA0000482 and CNA0006422, CNA0001006 and CNA0006422, and CNA0001006 and CNA0003490. The molecular analysis was able to identify accessions with reduced genetic relationship, that if used as genitors, will result in a progeny with a high probability to find new allelic combinations. On the other hand, the phenotypical characterization is important to identify accessions not just genetically divergent, but with superior agronomic trait performances for breeding programs. The results of this work will permit to increase the activities related to the characterization of accessions from rice Genebank, giving support of breeding programs to choose the best accessions to obtain new cultivars, with favorable traits, and broad genetic basis. In addition, a continuous program of phenotypical and molecular characterization of germplasm will be able to identify accessions to increase the genetic variability of ERiCC. / Os recursos genéticos vegetais armazenados ex situ são considerados reservatórios de genes e funcionam como matéria-prima para o desenvolvimento da agricultura mundial. Na cultura do arroz, apesar da extensa variabilidade genética existente, a deficiência de informações que integrem dados que possam efetivamente auxiliar na escolha de genótipos importantes para os programas de melhoramento constitui o principal fator que limita a utilização mais ampla dos acessos armazenados nos bancos de germoplasma. A Coleção Nuclear de Arroz da Embrapa (CNAE) representa a variabilidade genética de mais de 10 mil acessos constituintes do Banco Ativo de Germoplasma (BAG) da Embrapa Arroz e Feijão, e é composta por 550 acessos subdivididos em três estratos: 1) 94 Linhagens e Cultivares Brasileiras (LCB), provenientes de programas de melhoramento de instituições brasileiras; 2) 148 Linhagens e Cultivares Introduzidas (LCI), provenientes de programas de melhoramento de outros países; e 3) 308 Variedades Tradicionais (VT), que reúne acessos obtidos por expedições de coleta de germoplasma realizadas em vários estados do Brasil. Este trabalho teve como principais objetivos: 1) avaliar a extensão da variabilidade genética dos 550 acessos pertencentes à CNAE por meio da caracterização agronômica via metodologias de modelos mistos e estatísticas multivariadas; 2) realizar a análise comparativa da divergência genética entre acessos, determinada pela avaliação de caracteres agronômicos e marcadores moleculares SSR; e 3) identificar os genótipos com maior diversidade genética e com melhores atributos agronômicos, a fim de indicar uma melhor utilização destes recursos genéticos em programas de melhoramento. Na caracterização agronômica foram avaliados 550 acessos em experimentos conduzidos em nove locais no Brasil, envolvendo um total de 18 caracteres fenológico-agronômicos. Os dados foram analisados empregando-se a abordagem de modelos lineares mistos e modelo AMMI de análise. Verificou-se grande amplitude de variação dos valores genotípicos para a maioria dos caracteres avaliados. Nos diferentes ambientes, houve ocorrência de genótipos do estrato VT entre os mais produtivos, o que demonstra o potencial deste grupo de germoplasma, particularmente importante por sua grande variabilidade genética, em contribuir para o desenvolvimento de cultivares regionalmente adaptadas. A abordagem AMMI permitiu uma boa discriminação dos genótipos de arroz da CNAE quanto ao seu comportamento adaptativo, identificando os acessos CA880078, CA990001, CA870071 (do estrato VT), e CNA0009113 (LCI) com estabilidade, produtividade satisfatória e ampla adaptação à diferentes ambientes. Para a análise comparativa da diversidade genética entre dados agronômicos e moleculares foram considerados 242 acessos da CNAE, os quais foram caracterizados utilizando-se 86 marcadores SSR fluorescentes, sendo que para os dados agronômicos, foram realizadas análises conjuntas dos experimentos e considerados os valores genotípicos preditos de cinco caracteres (valores livres dos efeitos de interação genótipos x ambientes). A divergência genética entre os acessos foi estimada pelo procedimento de distância Euclidiana média para os dados fenotípicos, e por meio da distância de Rogers modificada por Wright (RW) para os dados moleculares, analisando-se os conjuntos de dados por meio de estatísticas descritivas e multivariadas, empregando-se análises de correlação entre matrizes de dissimilaridade e análises de agrupamento hierárquico de Ward e UPGMA. Os dados fenotípicos e moleculares apresentaram uma ampla distribuição dos índices de dissimilaridade, embora tenham apresentado diferentes padrões dessa variação. Baixas distâncias moleculares estiveram associadas a baixas distâncias baseada nos valores genotípicos, no entanto para elevadas distâncias moleculares houve ocorrência de ampla escala de variação fenotípica. A correlação entre as dissimilaridades genéticas e valores genotípicos foi significativa tanto no conjunto de acessos irrigados quanto no de sequeiro, porém, com diferentes magnitudes (r=0,156 e r=0,409, respectivamente). Devido esta baixa relação entre os dados fenotípicos e moleculares, o estudo de genótipos para fins de uso no melhoramento genético deve incluir ambas avaliações para a melhor caracterização dos acessos. Entre os materiais mais produtivos, as maiores distâncias moleculares foram identificadas entre os genótipos do sistema de cultivo irrigado, dentre eles BR IRGA 413 e CNA0005014, BR IRGA 413 e CNA0005853, e CNA0004552 e CNA0005014. Entre os materiais de sequeiro, máximas distâncias genéticas foram identificadas entre os acessos CNA0000482 e CNA0006422, CNA0001006 e CNA0006422, e CNA0001006 e CNA0003490. A análise molecular permitiu que fossem identificados genótipos de vínculo genético reduzido, que quando utilizados como parentais em cruzamentos, possibilitarão que as progênies obtidas apresentem maiores chances de combinações alélicas inéditas. Por sua vez, a caracterização fenotípica tem papel fundamental na identificação de materiais que além de divergentes, apresentem desempenho agronômico superior para os programas de melhoramento. Os resultados deste trabalho permitirão aumentar eficazmente as atividades relacionadas à caracterização de acessos do Banco Ativo de Germoplasma de arroz, subsidiando os programas de melhoramento na escolha de genótipos a serem utilizados para a obtenção de novas cultivares, com características favoráveis, de ampla base genética. Em adição, um programa contínuo de caracterização fenotípica e molecular de germoplasma permitirá ainda a escolha de acessos para a ampliação da variabilidade genética da CNAE.