Made available in DSpace on 2018-08-02T00:00:57Z (GMT). No. of bitstreams: 1 tese_4714_PPGEE - Dissertação de Mestrado - Clebson Joel Mendes de Oliveira - 2013.pdf: 34789281 bytes, checksum: 8ec4d56937b45f1e5404523103a99f50 (MD5) Previous issue date: 2013-07-15 / Considerando os atuais desafios da robótica que estão relacionados à área da cognição, percebe-se que algumas dessas atividades que são simples para seres humanos ainda não são tarefas triviais para robôs. Logo, ainda há vários problemas não resolvidos de forma robusta, que estão relacionados à falha de robôs quando defrontados com o caos do mundo real, principalmente em ambientes externos dinâmicos, tais como: mapeamento, planejamento de trajetória, localização, navegação e identificação de objetos segundo suas formas e funções. Como muitos desses problemas apresentam chances de serem resolvidos por Visão Computacional, o objetivo deste trabalho foi desenvolver um método de localização visual autônomo online aplicado a ambientes externos dinâmicos, sem considerar informações a priori através da caracterização visual de cenas. Para isso, desenvolveu-se um modelo para caracterização visual de cenas baseado na estimação de Funções Massa de Probabilidade (Probability Mass Functions - PMFs) de características visuais Speeded Up Robust Features (SURF) para os lugares do mapa de um ambiente externo. Utilizando esse modelo para localizar amostras de lugares do mapa, definiu-se um método de localização, que calcula as probabilidades de uma amostra pertencer a lugares candidatos do mapa, e as compara a valores de referência, definidos por curvas Receiver Operating Characteristic (ROC) dos lugares candidatos. Os testes realizados para avaliar o poder de caracterização do modelo desenvolvido, e a qualidade do método de localização proposto utilizaram um mapa visual gerado por um grupo de imagens de caracterização de 28 lugares da Universidade Federal do Espírito Santo (UFES). Já para avaliar a generalização do modelo de caracterização aplicado ao problema de reconhecimento de objetos, foram utilizados grupos de imagens de caracterização de 4 objetos similares. Pelos resultados obtidos, comprova-se que este trabalho alcançou seus objetivos, pois amostras visuais do ambiente externo dinâmico utilizado foram localizadas corretamente, alcançando desempenho global de classificação pelo menos aceitável (> 0, 7) segundo o índice Area Under Curve (AUC). Para o melhor caso do algoritmo foram gastos 3,361 segundos, e também foi possível reconhecer objetos com desempenho global de classificação pelo menos aceitável, gastando 265 milisegundos no melhor caso.

La presente monografía tiene como objetivo minimizar los costos totales de pedidos, proponer un sistema de inventario que permita saber cuánto y cuando pedir, esto será relevante para la nueva política de inventarios. Para ello se han aplicado modelos de inventarios que se ajuste a las condiciones de la empresa Aspersud, la misma que tiene un departamento de Operaciones y Mantenimiento al cual llamamos también departamento de O y M, que se encarga de conservar los institutos IRU y ILN funcionales y seguros, optimizando la vida útil de cada uno de sus componentes. En la actualidad O y M presenta una nueva política de reducción de costos. Adicionalmente, la presente Monografía tiene la finalidad de demostrar la importancia de que toda organización lucrativa o no, debe aplicar un sistema de inventarios que le permita tener un buen control, y tener la certeza de tomar buenas decisiones. No solo se enuncia el modelo matemático de inventario, además de hacer un análisis de la procedencia de dicha fórmula que permite minimizar mis costos de pedido y saber en qué momento se debe reabastecer.

Submitted by (ana.araujo@ufrpe.br) on 2016-06-28T15:42:47Z No. of bitstreams: 1 Danila Maria Almeida de Abreu Silva.pdf: 4560746 bytes, checksum: e5e26a41955264a16144ee035716e1fb (MD5) / Made available in DSpace on 2016-06-28T15:42:47Z (GMT). No. of bitstreams: 1 Danila Maria Almeida de Abreu Silva.pdf: 4560746 bytes, checksum: e5e26a41955264a16144ee035716e1fb (MD5) Previous issue date: 2013-04-04 / The toxinfections caused by eating food contaminated with the bacillus of Salmonella represents a major concern for public health and for large producers of pork and derivatives. The presence of any Salmonella serovar in foods is enough to classify it as unfit for consumption, both domestically and internationally. The Salmonella is a bacterium that affects the animal’s intestinal tract, causing malaise, weight loss and death in consequence of infection. For a study of the dynamics of spreading disease in swine are developed mathematical models that provide the state of the population regarding the infection. The proposed model describes the dynamics of a population over time, divided into three classes of states regarding the presence or absence of the bacillus of Salmonella: Susceptible, Latent and Infected. This dynamics is governed by a system of ordinary differential equations, perturbed by the presence of random factors that pose a risk of infection to the farm. These factors are characterized as white noise whose impact on the dynamics is controlled by two constant functions, T1 and T2. The solution to the system of differential equations is obtained by the Runge-Kutta method of approximating 2a order, computationally implemented and simulated in different scenarios. The average rates of birth and contact were drawn from the literature and used as basis for parameters in the mathematical model. The results of computer simulations to calculate the probability of a farm infection levels reach any given time and observing the rules of management and creation. / As toxinfecções causadas por ingestão de alimentos contaminados pelo bacilo da Salmonella representam uma grande preocupação para a saúde púublica e para as grandes produtoras de carne suína e derivados. A presença de qualquer sorovar de Salmonella em alimentos é o suficiente para classificá-lo como impróprio para consumo, tanto no mercado nacional quanto internacional. A Salmonella é uma bactéria que afeta o trato intestinal do animal, causando indisposição, perda de peso e , na maioria dos casos, morte em consequência da infecção. Para um estudo da dinâmica de espalhamento da doença em suinos, são desenvolvidos modelos matemáticos que fornecem o estado da população em relação à infecção. O modelo proposto descreve a dinâmica de uma população ao longo do tempo, dividida em três classes de estados em relação a presença ou não do bacilo da Salmonella: Suscetível , Latente e Infectado . Esta dinâmica é regida por um sistema de equações diferenciais ordinárias, perturbadas pela presença de fatores aleatórios que representam risco de infecção para a granja. Esses fatores são caracterizados como ruído branco cujo impacto na dinâmica é controlado por duas funções constantes, T1 e T2. A solução para o sistema de equações diferenciais é obtido através do Método Runge-Kutta de aproximação de 2a ordem, implementado computacionalmente e simulado em diferentes cenários. A taxas médias de contato e natalidade foram retiradas da literatura e usadas como parâmetros base para o modelo matemático. O resultado das simulações permitiram calcular a probabilidade de uma granja atingir quaisquer níveis de infecção dado o tempo e observadas as normas de manejo e criação.

Submitted by (ana.araujo@ufrpe.br) on 2016-07-06T15:01:17Z No. of bitstreams: 1 Herbetes de Holanda Cordeiro.pdf: 1261935 bytes, checksum: da7eb431e201178bcb2d605739806e64 (MD5) / Made available in DSpace on 2016-07-06T15:01:17Z (GMT). No. of bitstreams: 1 Herbetes de Holanda Cordeiro.pdf: 1261935 bytes, checksum: da7eb431e201178bcb2d605739806e64 (MD5) Previous issue date: 2005-12-16 / The term "Biometria" means, literally, measured of the life. In the world of the security or crime, one on the basis of mentions the methods to it automatized for identification of people its physical characteristics or mannering aspects. In this work, an analysis was proceeded from the main Systems Biométricos de Identificação, in order to integrate them it the too much areas of abrangência of the Biometria, that include since the diagnosis and treatment of illnesses, studies on Botany, Zoology, Epidemiologia and Bioestatística, until the most excellent applications contemporaries, as "Cells Trunk" and "Genoma Project". In another source, it was become fullfilled basically description of some discrete and continuous-chosen Probabilist Models for being the most cited in Biométrica literature and after an exhausting survey of its respective applications. On the other hand, it is also figured as fulcrum of this dissertação, the "Study of the Malaria" and the delineation of the partner-economic models torepresent it in Brazil, where it continues answering for great number of deaths, mainly in the region North. To materialize this last objective, they had been collected in 2004 partner-economic data and of incidence of this illness in the country, in 90 Cities of the regions North, South and Southeast, data these estruturadores of the gotten models. To the end, an analysis of this infection in the cited polar regions of development is made, with presentation of results and suggestions for later works of modeling. / O termo “Biometria” significa, literalmente, medida da vida. No mundo da segurança ou criminalidade, refere-se aos métodos automatizados para identificação de pessoas com base em suas características físicas ou aspectos comportamentais. Neste trabalho, procedeu-se uma análise dos principais Sistemas Biométricos de Identificação, de modo a integrá-los às demais áreas de abrangência da Biometria, que incluem desde o diagnóstico e tratamento de doenças, estudos sobre Botânica, Zoologia, Epidemiologia e Bioestatística, até as mais relevantes aplicações contemporâneas, como “Células Tronco” e “Projeto Genoma”. Em outra vertente, realizou-se a descrição de alguns Modelos Probabilísticos e uma pesquisa de suas aplicações à Biometria. Por outro lado, afigura-se também como fulcro desta dissertação, o “Estudo da Malária” e o delineamento dos modelos sócio-econômicos para representá-la no Brasil, onde continua respondendo por grande número de óbitos, principalmente na região Norte. Para materializar este último objetivo, foram coletados em 2004 dados sócio-econômicos e de incidência desta doença no país, em 90 Municípios das regiões Norte, Sul e Sudeste, dadosesses estruturadores dos modelos obtidos. Ao final, é feita uma análise dessa infecção nos citados pólos de desenvolvimento, com apresentação de resultados e sugestões para ulteriores trabalhos de modelagem.

Submitted by Mario BC (mario@bc.ufrpe.br) on 2016-07-26T16:30:42Z No. of bitstreams: 1 Cristiane Almeida Saraiva.pdf: 654226 bytes, checksum: e8f2868121f9f239abad81f4e3eba456 (MD5) / Made available in DSpace on 2016-07-26T16:30:42Z (GMT). No. of bitstreams: 1 Cristiane Almeida Saraiva.pdf: 654226 bytes, checksum: e8f2868121f9f239abad81f4e3eba456 (MD5) Previous issue date: 2007-03-30 / With the propose to choose priors more fited for discrete data, we study technics for determination of priors just as Laplace’s Methods, Jeffreys’s Methods and Haldane’s Methods which are conjugated prior. We take a sample of ten grange among the fifty three ones existent of the Pernambuco’s State to estimate the probability of commercial egg (big type). We suppose that the distribution from the sample data is binomial and we use the methods quoted above. The software used for that was the package Winbugs 1.4 where we compute the average, standard deviation, 95% credible interval and their amplitude. For each one of the methods it was observed that 20.000 iterations were sufficient since the balance of the chain already had established with 12.500 iterations. The estimated parameter p=0,664 was obtained by the Laplace’s Method, Jeffreys’s Method and Haldane’s Method. / Objetivando selecionar prioris mais adequadas para dados discretos estudamos técnicas para determinação de prioris, tais como métodos de Laplace, método de Jeffreys e método de Haldane em que as prioris sâo conjugadas. Foi tomada uma amotra de dez granjas dentre as 53 existentes do Estado de Pernambuco com o propósito de estimar a probabilidade de ovos comerciais (grandes). Tendo em vista que os ovos são classificados como industrial, pequeno, médio, grande, extra e jumbo, classificamos os ovos em pequeno e grande. Os ovos industriais, pequenos e médios foram tidos como pequeno e os ovos grandes, extra e jumbo , como grande. Com a suposição de que os dados amostrais seguem uma distribuição binomial e utilizando prioris determinadas pelos métodos acima descritos, utilizamos o software Winbugs 1.4 com o qual foram calculados a média, desvio padrão, intervalo de credibilidade de 95% e sua amplitude. Para cada um dos métodos utilizamos 20.000 iterações das quais as 10.000 primeiras foram descartadas observando-se que o equilíbrio da cadeia iniciou-se com 12.500 iterações. Obtivemos uma estimativa média do parâmetro p o qual foi semelhante nos métodos de Laplace, Jeffreys e Haldane, correspondendo a aproximadamente p= 0,664.

As proteínas são moléculas que desempenham funções essenciais para a vida. Para entender a função de uma proteína é preciso conhecer sua estrutura tridimensional. No entanto, encontrar a estrutura da proteína pode ser um processo caro e demorado, exigindo profissionais altamente qualificados. Neste sentido, métodos computacionais têm sido investigados buscando predizer a estrutura de uma proteína a partir de uma sequência de aminoácidos. Em geral, tais métodos computacionais utilizam conhecimentos de estruturas de proteínas já determinadas por métodos experimentais, para tentar predizer proteínas com estrutura desconhecida. Embora métodos computacionais como, por exemplo, o Rosetta, I-Tasser e Quark tenham apresentado sucesso em suas predições, são apenas capazes de produzir estruturas significativamente semelhantes às já determinadas experimentalmente. Com isso, por utilizarem conhecimento a priori de outras estruturas pode haver certa tendência em suas predições. Buscando elaborar um algoritmo eficiente para Predição de Estruturas de Proteínas livre de tendência foi desenvolvido um Algoritmo de Estimação de Distribuição (EDA) específico para esse problema, com modelagens full-atom e algoritmos ab initio. O fato do algoritmo proposto ser ab initio é mais interessante para aplicação envolvendo proteínas com baixa similaridade, com relação às estruturas já conhecidas. Três tipos de modelos probabilísticos foram desenvolvidos: univariado, bivariado e hierárquico. O univariado trata o aspecto de multi-modalidade de uma variável, o bivariado trata os ângulos diedrais (Φ Ψ) de um mesmo aminoácido como variáveis correlacionadas. O hierárquico divide o problema em subproblemas e tenta tratá-los separadamente. Os resultados desta pesquisa mostraram que é possível obter melhores resultados quando considerado a relação bivariada (Φ Ψ). O hierárquico também mostrou melhorias nos resultados obtidos, principalmente para proteínas com mais de 50 resíduos. Além disso, foi realiza uma comparação com algumas heurísticas da literatura, como: Busca Aleatória, Monte Carlo, Algoritmo Genético e Evolução Diferencial. Os resultados mostraram que mesmo uma metaheurística pouco eficiente, como a Busca Aleatória, pode encontrar a solução correta, porém utilizando muito conhecimento a priori (predição que pode ser tendenciosa). Por outro lado, o algoritmo proposto neste trabalho foi capaz de obter a estrutura da proteína esperada sem utilizar conhecimento a priori, caracterizando uma predição puramente ab initio (livre de tendência). / Proteins are molecules that perform critical roles in the living organism and they are essential for their lifes. To understand the function of a protein, its 3D structure should be known. However, to find the protein structure is an expensive and a time-consuming task, requiring highly skilled professionals. Aiming to overcome such a limitation, computational methods for Protein Structure Prediction (PSP) have been investigated, in order to predict the protein structure from its amino acid sequence. Most of computational methods require knowledge from already determined structures from experimental methods in order to predict an unknown protein. Although computational methods such as Rosetta, I-Tasser and Quark have showed success in their predictions, they are only capable to predict quite similar structures to already known proteins obtained experimentally. The use of such a prior knowledge in the predictions of Rosetta, I-Tasser and Quark may lead to biased predictions. In order to develop a computational algorithm for PSP free of bias, we developed an Estimation of Distribution Algorithm applied to PSP with full-atom and ab initio model. A computational algorithm with ab initio model is mainly interesting when dealing with proteins with low similarity with the known proteins. In this work, we developed an Estimation of Distribution Algorithm with three probabilistic models: univariate, bivariate and hierarchical. The univariate deals with multi-modality of the distribution of the data of a single variable. The bivariate treats the dihedral angles (Proteins are molecules that perform critical roles in the living organism and they are essential for their lifes. To understand the function of a protein, its 3D structure should be known. However, to find the protein structure is an expensive and a time-consuming task, requiring highly skilled professionals. Aiming to overcome such a limitation, computational methods for Protein Structure Prediction (PSP) have been investigated, in order to predict the protein structure from its amino acid sequence. Most of computational methods require knowledge from already determined structures from experimental methods in order to predict an unknown protein. Although computational methods such as Rosetta, I-Tasser and Quark have showed success in their predictions, they are only capable to predict quite similar structures to already known proteins obtained experimentally. The use of such a prior knowledge in the predictions of Rosetta, I-Tasser and Quark may lead to biased predictions. In order to develop a computational algorithm for PSP free of bias, we developed an Estimation of Distribution Algorithm applied to PSP with full-atom and ab initio model. A computational algorithm with ab initio model is mainly interesting when dealing with proteins with low similarity with the known proteins. In this work, we developed an Estimation of Distribution Algorithm with three probabilistic models: univariate, bivariate and hierarchical. The univariate deals with multi-modality of the distribution of the data of a single variable. The bivariate treats the dihedral angles (Φ Ψ) within an amino acid as correlated variables. The hierarchical approach splits the original problem into subproblems and attempts to treat these problems in a separated manner. The experiments show that, indeed, it is possible to achieve better results when modeling the correlation (Φ Ψ). The hierarchical model also showed that is possible to improve the quality of results, mainly for proteins above 50 residues. Besides, we compared our proposed techniques among other metaheuristics from literatures such as: Random Walk, Monte Carlo, Genetic Algorithm and Differential Evolution. The results show that even a less efficient metaheuristic such as Random Walk managed to find the correct structure, however using many prior knowledge (prediction that may be biased). On the other hand, our proposed EDA for PSP was able to find the correct structure with no prior knowledge at all, so we can call this prediction as pure ab initio (biased-free).

As proteínas são moléculas que desempenham funções essenciais para a vida. Para entender a função de uma proteína é preciso conhecer sua estrutura tridimensional. No entanto, encontrar a estrutura da proteína pode ser um processo caro e demorado, exigindo profissionais altamente qualificados. Neste sentido, métodos computacionais têm sido investigados buscando predizer a estrutura de uma proteína a partir de uma sequência de aminoácidos. Em geral, tais métodos computacionais utilizam conhecimentos de estruturas de proteínas já determinadas por métodos experimentais, para tentar predizer proteínas com estrutura desconhecida. Embora métodos computacionais como, por exemplo, o Rosetta, I-Tasser e Quark tenham apresentado sucesso em suas predições, são apenas capazes de produzir estruturas significativamente semelhantes às já determinadas experimentalmente. Com isso, por utilizarem conhecimento a priori de outras estruturas pode haver certa tendência em suas predições. Buscando elaborar um algoritmo eficiente para Predição de Estruturas de Proteínas livre de tendência foi desenvolvido um Algoritmo de Estimação de Distribuição (EDA) específico para esse problema, com modelagens full-atom e algoritmos ab initio. O fato do algoritmo proposto ser ab initio é mais interessante para aplicação envolvendo proteínas com baixa similaridade, com relação às estruturas já conhecidas. Três tipos de modelos probabilísticos foram desenvolvidos: univariado, bivariado e hierárquico. O univariado trata o aspecto de multi-modalidade de uma variável, o bivariado trata os ângulos diedrais (Φ Ψ) de um mesmo aminoácido como variáveis correlacionadas. O hierárquico divide o problema em subproblemas e tenta tratá-los separadamente. Os resultados desta pesquisa mostraram que é possível obter melhores resultados quando considerado a relação bivariada (Φ Ψ). O hierárquico também mostrou melhorias nos resultados obtidos, principalmente para proteínas com mais de 50 resíduos. Além disso, foi realiza uma comparação com algumas heurísticas da literatura, como: Busca Aleatória, Monte Carlo, Algoritmo Genético e Evolução Diferencial. Os resultados mostraram que mesmo uma metaheurística pouco eficiente, como a Busca Aleatória, pode encontrar a solução correta, porém utilizando muito conhecimento a priori (predição que pode ser tendenciosa). Por outro lado, o algoritmo proposto neste trabalho foi capaz de obter a estrutura da proteína esperada sem utilizar conhecimento a priori, caracterizando uma predição puramente ab initio (livre de tendência). / Proteins are molecules that perform critical roles in the living organism and they are essential for their lifes. To understand the function of a protein, its 3D structure should be known. However, to find the protein structure is an expensive and a time-consuming task, requiring highly skilled professionals. Aiming to overcome such a limitation, computational methods for Protein Structure Prediction (PSP) have been investigated, in order to predict the protein structure from its amino acid sequence. Most of computational methods require knowledge from already determined structures from experimental methods in order to predict an unknown protein. Although computational methods such as Rosetta, I-Tasser and Quark have showed success in their predictions, they are only capable to predict quite similar structures to already known proteins obtained experimentally. The use of such a prior knowledge in the predictions of Rosetta, I-Tasser and Quark may lead to biased predictions. In order to develop a computational algorithm for PSP free of bias, we developed an Estimation of Distribution Algorithm applied to PSP with full-atom and ab initio model. A computational algorithm with ab initio model is mainly interesting when dealing with proteins with low similarity with the known proteins. In this work, we developed an Estimation of Distribution Algorithm with three probabilistic models: univariate, bivariate and hierarchical. The univariate deals with multi-modality of the distribution of the data of a single variable. The bivariate treats the dihedral angles (Proteins are molecules that perform critical roles in the living organism and they are essential for their lifes. To understand the function of a protein, its 3D structure should be known. However, to find the protein structure is an expensive and a time-consuming task, requiring highly skilled professionals. Aiming to overcome such a limitation, computational methods for Protein Structure Prediction (PSP) have been investigated, in order to predict the protein structure from its amino acid sequence. Most of computational methods require knowledge from already determined structures from experimental methods in order to predict an unknown protein. Although computational methods such as Rosetta, I-Tasser and Quark have showed success in their predictions, they are only capable to predict quite similar structures to already known proteins obtained experimentally. The use of such a prior knowledge in the predictions of Rosetta, I-Tasser and Quark may lead to biased predictions. In order to develop a computational algorithm for PSP free of bias, we developed an Estimation of Distribution Algorithm applied to PSP with full-atom and ab initio model. A computational algorithm with ab initio model is mainly interesting when dealing with proteins with low similarity with the known proteins. In this work, we developed an Estimation of Distribution Algorithm with three probabilistic models: univariate, bivariate and hierarchical. The univariate deals with multi-modality of the distribution of the data of a single variable. The bivariate treats the dihedral angles (Φ Ψ) within an amino acid as correlated variables. The hierarchical approach splits the original problem into subproblems and attempts to treat these problems in a separated manner. The experiments show that, indeed, it is possible to achieve better results when modeling the correlation (Φ Ψ). The hierarchical model also showed that is possible to improve the quality of results, mainly for proteins above 50 residues. Besides, we compared our proposed techniques among other metaheuristics from literatures such as: Random Walk, Monte Carlo, Genetic Algorithm and Differential Evolution. The results show that even a less efficient metaheuristic such as Random Walk managed to find the correct structure, however using many prior knowledge (prediction that may be biased). On the other hand, our proposed EDA for PSP was able to find the correct structure with no prior knowledge at all, so we can call this prediction as pure ab initio (biased-free).