Dissertação (mestrado)—Universidade de Brasilia, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, Programa de Pós-Graduação em Engenharia Elétrica, 2011. / Submitted by Alaíde Gonçalves dos Santos (alaide@unb.br) on 2012-09-18T14:00:45Z No. of bitstreams: 1 2011_OsvaldoDalbenJunior.pdf: 3404533 bytes, checksum: 553bcf63bc1e8bcf2d4970f112a97520 (MD5) / Approved for entry into archive by Leandro Silva Borges(leandroborges@bce.unb.br) on 2012-09-19T21:17:42Z (GMT) No. of bitstreams: 1 2011_OsvaldoDalbenJunior.pdf: 3404533 bytes, checksum: 553bcf63bc1e8bcf2d4970f112a97520 (MD5) / Made available in DSpace on 2012-09-19T21:17:42Z (GMT). No. of bitstreams: 1 2011_OsvaldoDalbenJunior.pdf: 3404533 bytes, checksum: 553bcf63bc1e8bcf2d4970f112a97520 (MD5) / Um dos atuais desafios na área da forense computacional está relacionado à análise de mídias computacionais apreendidas em grande quantidade pelas orças policiais. Os arquivos armazenados nessas mídias podem conter nomes de pessoas e organizações suspeitos, porém desconhecidos pelas equipes de investigação. O presente trabalho propõe a criação de um modelo de Reconhecimento de Entidades Mencionadas (REM) baseado no Modelo Oculto de Markov (HMM) para extrair nomes de pessoas e organizações de textos não estruturados contidos em mídias apreendidas. O modelo proposto, denominado ICCHMM {Identiication-Classification Context HMM é dividido em dois submodelos - identificação e classificação de entidades - e utiliza as informações do contexto das palavras e um gazetteer como forma de obter melhor desempenho. Experimentos foram realizados aplicados a corpora públicos e forenses e os resultados do ICC-HMM superaram os obtidos por sistemas participantes de avaliações conjuntas específicas para o REM no idioma português, o que sugere que o modelo proposto é aplicável ao cenário forense nacional. _______________________________________________________________________________________ ABSTRACT / One of the current challenges in computer forensics is related to the analysis of computer media seized in large quantities by he police. Files stored in these media may contain names of people and organizations suspected, but unknown by the analysis teams. This paper proposes the creation of a named entity recognition (NER) model based on the Hidden Markov Model (HMM) to extract names of people and organizations contained in unstructured text of seized media. The proposed model, called ICC-HMM (Identification - Classification Context HMM) is divided into two sub-models - identification and classification of entities - and uses the context information of words and a gazetteer in order to obtain better performance. Experiments were carried out on forensic corpora and our results outperformed some of the best NER-based systems in Portuguese language. This suggests that the proposed model is applicable in brazilian computer forensics

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2015-12-15T17:51:47Z No. of bitstreams: 1 BrunoDeLimaBarbosa_DISSERT.pdf: 1669877 bytes, checksum: 0d2845573a1cf257fdfb5c37b2f0380d (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2015-12-29T21:00:58Z (GMT) No. of bitstreams: 1 BrunoDeLimaBarbosa_DISSERT.pdf: 1669877 bytes, checksum: 0d2845573a1cf257fdfb5c37b2f0380d (MD5) / Made available in DSpace on 2015-12-29T21:00:58Z (GMT). No. of bitstreams: 1 BrunoDeLimaBarbosa_DISSERT.pdf: 1669877 bytes, checksum: 0d2845573a1cf257fdfb5c37b2f0380d (MD5) Previous issue date: 2014-09-04 / Neste trabalho, apresentamos nosso entendimento acerca do artigo de Aksoy (2003), executando uma aplica??o do modelo por ele apresentado, com o intuito de gerar dados de fluxos intermitentes, a partir de bancos de dados brasileiros. Em seguida, constru?mos um modelo oculto de Markov como uma nova proposta de abordagem para o problema. Nele utilizamos distribui??es gama para simular os aumentos e decr?scimos dos fluxos dos rios. / In this work, we present our understanding about the article of Aksoy [1], which uses Markov chains to model the flow of intermittent rivers. Then, we executed an application of his model in order to generate data for intermittent streamflows, based on a data set of Brazilian streams. After that, we build a hidden Markov model as a proposed new approach to the problem of simulation of such flows. We used the Gamma distribution to simulate the increases and decreases in river flows, along with a two-state Markov chain. The motivation for us to use a hidden Markov model comes from the possibility of obtaining the same information that the Aksoy?s model provides, but using a single tool capable of treating the problem as a whole, and not through multiple independent processes

O desafio para a área de monitoramento de processos, em indústrias químicas, ainda é a etapa de detecção, com a necessidade de desenvolvimento de sistemas confiáveis. Pode-se resumir que um sistema é confiável, ao ser capaz de detectar as situações anormais, de modo precoce, e, ao mesmo tempo, de minimizar a geração de alarmes falsos. Ao se ter um sistema confiável, pode-se empregá-lo para auxiliar o operador, de fábricas, no processo de tomada de decisões. O objetivo deste estudo é apresentar uma metodologia, baseada na técnica, modelo oculto de Markov (HMM, acrônimo de ?Hidden Markov Model?), para se detectar situações anormais em caldeiras de recuperação química. As aplicações de maior sucesso de HMM são na área de reconhecimento de fala. Pode-se citar como aspectos positivos: o raciocínio probabilístico, a modelagem explícita, e a identificação a partir de dados históricos. Fez-se duas aplicações. O primeiro estudo de caso é no ?benchmark? de um sistema de evaporação múltiplo efeito de uma fábrica de produção de açúcar. Identificou-se um HMM, característico de operação normal, para se detectar cinco situações anormais no atuador responsável por regular o fluxo de xarope de açúcar para o primeiro evaporador. A detecção, para as três situações abruptas, é imediata, uma vez que o HMM foi capaz de detectar alterações, abruptas, no sinal da variável monitorada. Em relação às duas situações incipientes, foi possível detectá-las ainda em estágio inicial; ao ser o valor de f (vetor responsável por representar a intensidade de um evento anormal, com o tempo), no instante da detecção, próximo a zero, igual a 2,8% e 2,1%, respectivamente. O segundo estudo de caso é em uma caldeira de recuperação química, de uma fábrica de produção de celulose, no Brasil. O objetivo é monitorar o acúmulo de depósitos de cinzas sobre os equipamentos da sessão de transferência de calor convectivo, através de medições de perda de carga. Este é um dos principais desafios para se aumentar a eficiência operacional deste equipamento. Após a identificação de um HMM característico de perda de carga alta, pôde-se verificar a sua capacidade de informar o estado atual e, por consequência, a tendência do sistema, de modo similar à um preditor. Pôde-se demonstrar também a utilidade de se definir limites de controle, com o objetivo de se ter a informação sobre a distância entre o estado atual e os níveis de alarme de perda de carga. / The greatest challenge faced by the area of process monitoring in chemical industries still resides in the fault detection task, which aims at developing reliable systems. One may say that a system is reliable if it is able to perform early fault detection and, at the same time, to reduce the generation of false alarms. Once there is a reliable system available, it can be employed to help operators, in factories, in the decisionmaking process. The aim of this study is presenting a methodology, based on the Hidden Markov Model (HMM) technique, suggesting its use in the detection of abnormal situations in chemical recovery boilers. The most successful applications of HMM are in the area of speech recognition. Some of its advantages are: probabilistic reasoning, explicit modeling and the identification based on process history data. This study discusses two applications. The first one is on a benchmark of a multiple evaporation system in a sugar factory. A HMM representative of the normal operation was identified, in order to detect five abnormal situations at the actuator responsible for controlling the syrup flow to the first evaporator. The detection result for the three abrupt situations was immediate, since the HMM was capable of detecting the statistical changes on the signal of the monitored variable as soon as they occurred. Regarding to the two incipient situations, the detection was done at an early stage. For both events, the value of vector f (responsible for representing the strength of an abnormal event over time), at the time it occurred, was near zero, equal to 2.8 and 2.1%, respectively. The second case study deals with the application of HMM in a chemical recovery boiler, belonging to a cellulose mill, in Brazil. The aim is monitoring the accumulation of ash deposits over the equipments of the convective heat transfer section, through pressure drop measures. This is one of the main challenges to be overcome nowadays, bearing in mind the interest that exists in increasing the operational efficiency of this equipment. Initially, a HMM for high values of pressure drop was identified. With this model, it was possible to check its capacity to inform the current state, and consequently, the tendency of the system (similarly as a predictor). It was also possible to show the utility of defining control limits, in order to inform the operator the relative distance between the current state of the system and the alarm levels of pressure drop.

O desafio para a área de monitoramento de processos, em indústrias químicas, ainda é a etapa de detecção, com a necessidade de desenvolvimento de sistemas confiáveis. Pode-se resumir que um sistema é confiável, ao ser capaz de detectar as situações anormais, de modo precoce, e, ao mesmo tempo, de minimizar a geração de alarmes falsos. Ao se ter um sistema confiável, pode-se empregá-lo para auxiliar o operador, de fábricas, no processo de tomada de decisões. O objetivo deste estudo é apresentar uma metodologia, baseada na técnica, modelo oculto de Markov (HMM, acrônimo de ?Hidden Markov Model?), para se detectar situações anormais em caldeiras de recuperação química. As aplicações de maior sucesso de HMM são na área de reconhecimento de fala. Pode-se citar como aspectos positivos: o raciocínio probabilístico, a modelagem explícita, e a identificação a partir de dados históricos. Fez-se duas aplicações. O primeiro estudo de caso é no ?benchmark? de um sistema de evaporação múltiplo efeito de uma fábrica de produção de açúcar. Identificou-se um HMM, característico de operação normal, para se detectar cinco situações anormais no atuador responsável por regular o fluxo de xarope de açúcar para o primeiro evaporador. A detecção, para as três situações abruptas, é imediata, uma vez que o HMM foi capaz de detectar alterações, abruptas, no sinal da variável monitorada. Em relação às duas situações incipientes, foi possível detectá-las ainda em estágio inicial; ao ser o valor de f (vetor responsável por representar a intensidade de um evento anormal, com o tempo), no instante da detecção, próximo a zero, igual a 2,8% e 2,1%, respectivamente. O segundo estudo de caso é em uma caldeira de recuperação química, de uma fábrica de produção de celulose, no Brasil. O objetivo é monitorar o acúmulo de depósitos de cinzas sobre os equipamentos da sessão de transferência de calor convectivo, através de medições de perda de carga. Este é um dos principais desafios para se aumentar a eficiência operacional deste equipamento. Após a identificação de um HMM característico de perda de carga alta, pôde-se verificar a sua capacidade de informar o estado atual e, por consequência, a tendência do sistema, de modo similar à um preditor. Pôde-se demonstrar também a utilidade de se definir limites de controle, com o objetivo de se ter a informação sobre a distância entre o estado atual e os níveis de alarme de perda de carga. / The greatest challenge faced by the area of process monitoring in chemical industries still resides in the fault detection task, which aims at developing reliable systems. One may say that a system is reliable if it is able to perform early fault detection and, at the same time, to reduce the generation of false alarms. Once there is a reliable system available, it can be employed to help operators, in factories, in the decisionmaking process. The aim of this study is presenting a methodology, based on the Hidden Markov Model (HMM) technique, suggesting its use in the detection of abnormal situations in chemical recovery boilers. The most successful applications of HMM are in the area of speech recognition. Some of its advantages are: probabilistic reasoning, explicit modeling and the identification based on process history data. This study discusses two applications. The first one is on a benchmark of a multiple evaporation system in a sugar factory. A HMM representative of the normal operation was identified, in order to detect five abnormal situations at the actuator responsible for controlling the syrup flow to the first evaporator. The detection result for the three abrupt situations was immediate, since the HMM was capable of detecting the statistical changes on the signal of the monitored variable as soon as they occurred. Regarding to the two incipient situations, the detection was done at an early stage. For both events, the value of vector f (responsible for representing the strength of an abnormal event over time), at the time it occurred, was near zero, equal to 2.8 and 2.1%, respectively. The second case study deals with the application of HMM in a chemical recovery boiler, belonging to a cellulose mill, in Brazil. The aim is monitoring the accumulation of ash deposits over the equipments of the convective heat transfer section, through pressure drop measures. This is one of the main challenges to be overcome nowadays, bearing in mind the interest that exists in increasing the operational efficiency of this equipment. Initially, a HMM for high values of pressure drop was identified. With this model, it was possible to check its capacity to inform the current state, and consequently, the tendency of the system (similarly as a predictor). It was also possible to show the utility of defining control limits, in order to inform the operator the relative distance between the current state of the system and the alarm levels of pressure drop.

Identify some digestive features in people through Electrogastrogram (EGG) is important because this is a cheap, non-invasive and less bother way than traditional endoscopy procedure. This work evaluates the learning behavior of Artificial Neural Networks (ANN) and Hidden Markov Model (HMM) on components extracted by Independent Component Analysis (ICA) algorithms. In this research, an experiment was made with statistical analysis that shows the relationship between neutral, negative or positive images and digestive reactions. Training some classifiers with an EGG signal database, where the emotional states of individuals are known during processing, would it be possible to carry out the other way? Meaning, just from the EGG signal, estimate the emotional state of individuals. The initial challenge is to treat the EGG signal, which is mixed with the signals from other organs such as heart and lung. For this, the FastICA and Tensorial Methods algorithms were used, in order to produce a set of independent components, where one can identify the stomach component. Then, the EGG signal classification is performed through ANN and HMM models. The results have shown that extracting only the stomach signal component before the experiment can reduce the learning error rate in classifiers. / Identificar características digestivas de pessoas através da Eletrogastrografia (EGG) é importante pois esta costuma ser uma opção barata, não-invasiva e incomoda menos que o tradicional procedimento de Endoscopia. Este trabalho avalia o comportamento do aprendizado das Redes Neurais Artificiais (RNA) e do Modelo Oculto de Markov (HMM) diante de componentes extraídas por algoritmos de Análise de Componentes Independentes (ICA). Nesta pesquisa é realizado um experimento com análise estatística cujo objetivo apresenta a relação entre a visualização de imagens neutras, negativas ou positivas e as reações digestivas. Treinando alguns classificadores com uma base de dados de sinais EGG, onde se conhece os estados emocionais dos indivíduos durante a sua obtenção, seria possível realizar o caminho inverso? Em outras palavras, apenas a partir dos sinais EGG, pode-se estimar o estado emocional de indivíduos? O desafio inicial é tratar o sinal EGG que encontra-se misturado aos sinais de outros órgãos como coração e pulmão. Para isto foi utilizado o algoritmo FastICA e os métodos tensoriais, com o intuito de produzir um conjunto de componentes independentes onde se possa identificar a componente do estômago. Em seguida, a classifição do sinal EGG é realizada por meio dos modelos de RNA e HMM. Os resultados mostraram que classificar apenas as componentes com mais presença da frequência do sinal do estômago pode reduzir a taxa de erro do aprendizado dos classificadores no experimento realizado.