A self-­‐learning Audio Player was built to learn users habits by analyzing operations the user does when listening to music. The self-­‐learning component is intended to provide a better music experience for the user by generating a special playlist based on the prediction of users favorite songs. The rough set core characteristics are used throughout the learning process to capture the dynamics of changing user interactions with the audio player. The engine is evaluated by simulation data. The simulation process ensures the data contain specific predetermined patterns. Evaluation results show the predictive power and stability of the hybrid engine for learning a users habits and the increased intelligence achieved by combining rough sets and NN when compared with using NN by itself.

No / Multi Stage Flash (MSF) desalination plants are a sustainable source of fresh water in arid regions. Modelling plays an important role in simulation, optimisation and control of MSF processes. In this work an MSF process model is developed, using gPROMS modelling tool. Accurate estimation of Temperature Elevation (TE) due to salinity is important in developing reliable process model. Here, instead of using empirical correlations from literature, a Neural Network based correlation is used to determine the TE. This correlation is embedded in the gPROMS based process model. We obtained a good agreement between the results reported by Rosso et. al. (1996) and those predicted by our model. Effects of seawater temperature (Tseawater) and steam temperature (Tsteam) on the performance of the MSF process are also studied and reported.

O projeto, operação e descomissionamento de uma unidade de tratamento e armazenamento de rejeitos requerem que sejam observados os requisitos regulatórios referentes à garantia da qualidade nuclear, conforme o Regulamento CNENNN1.16 \"Garantia da Qualidade para a Segurança de Usinas Nucleoelétricas e Outras Instalações\", da Comissão Nacional de Energia Nuclear (CNEN). Entretanto, embora a aplicação do regulamento seja obrigatória, o documento da CNEN apresenta requisitos para qualquer tipo de instalação nuclear, sendo por isso genérico e pouco detalhado em relação às ações necessárias para garantir que os requisitos mais específicos de uma unidade de tratamento e armazenamento de rejeitos sejam observados. Além disso, não existem comercialmente ferramentas informatizadas já prontas para utilização, mas somente programas para gestão de qualidade que requerem uma adaptação através da inclusão de conjuntos de dados específicos do programa de controle da qualidade de uma instalação de gestão de rejeitos, ou então o desenvolvimento de uma ferramenta personalizada. Desta forma, o objetivo deste trabalho é buscar informações que permitam o desenvolvimento de bases para um sistema informatizado de garantia da qualidade que esteja em conformidade com o regulamento da CNEN NN-1.16, e que possa vir a englobar os procedimentos específicos para uma instalação de tratamento e gestão de rejeitos radioativos. / The design, operation and decommissioning of a radioactive waste treatment and storage unit requires the compliance with the regulatory requirements for nuclear quality assurance, in accordance with the CNEN-NN.1.16 - \"Quality Assurance for the Safety of Nuclear Power Plants and Other Installations\", of the National Nuclear Energy Commission (CNEN). However, although the regulation is mandatory, the CNEN document presents requirements for any type of nuclear facility, therefore it is generic and not detailed in relation to the actions necessary to ensure that the more specific requirements of a radioactive waste treatment and storage unit are met. In addition, there are no commercially available ready-to-use computer tools, but only quality management programs that require adaptation through the inclusion of specific data sets from the quality control program of a radioactive waste management facility, or the development of a customized tool. Therefore, the objective of this work is to gather information that allows the development of bases for a computerized quality assurance system that is in compliance with the CNEN NN-1.16 regulation, and which may include the specific procedures for an facility of treatment and management of radioactive waste.

Os Sistemas de Gerenciamento de Bases de Dados Relacionais (SGBDR) foram concebidos para o armazenamento e recuperação de grandes volumes de dados. Tradicionalmente, estes sistemas suportam números, pequenas cadeias de caracteres e datas (que podem ser comparados por identidade ou por relações de ordem { RO), porém vem se tornando necessário organizar, armazenar e recuperar dados mais complexos, como por exemplo dados multimídia (imagens, áudio e vídeo), séries temporais etc. Quando se trata de dados complexos há uma mudança de paradigma, pois as comparações entre elementos são feitas por similaridade em vez das RO utilizadas tradicionalmente, tendo como mais frequentemente utilizados os operadores de comparação por abrangência (Rq) e por k-vizinhos mais próximos (k-NN). Embora muitos estudos estejam sendo feitos nessa área, quando lidando com consultas por similaridade grande parte do esforço é direcionado para criar as estruturas de indexação e dar suporte às operações necessárias para executar apenas o aspecto da consulta que trata da similaridade, sem focar em realizar uma integração homogênea das consultas que envolvam ambos os tipos de operadores simultaneamente nos ambientes dos SGDBRs. Um dos principais problemas nessa integração é lidar com as peculiaridades do operador de busca por k-NN. Todos os operadores de comparação por identidade e por RO são comutativos e associativos entre si. No entanto o operador de busca por k-NN não atende a nenhuma dessas propriedades. Com isso, a expressão de consultas em SQL, que usualmente pode ser feita sem que a expressão da ordem entre os predicados seja importante, precisa passar a considerar a ordem. Além disso, consultas que utilizam comparações por k-NN podem gerar múltiplos empates, e a falta de uma metodologia para resolvê-los pode levar a um processo de desempate arbitrário ou insensível ao contexto da consulta, onde usuários não tem poder para intervir de maneira significativa. Em alguns casos, isso pode levar a uma mesma consulta a retornar resultados distintos em casos onde a estrutura interna dos dados estiver sujeita a modificações, como por exemplo em casos de transações concorrentes em um SGBDR. Este trabalho aborda os problemas gerados pela inserção de operadores de busca por similaridade nos SGBDR, mais especificamente o k-NN, e propõe novas maneiras de representação de consultas com múltiplos predicados, por similaridade ou RO, assim como novos operadores derivados do k-NN que são mais adequados para um ambiente relacional que permita consultas híbridas, e permitem também controle sobre o tratamento de empates. / The Relational Database Management Systems (RDBMS) were originally conceived to store and retrieve large volumes of data. Traditionally, these systems support only numbers, small strings of characters and dates (which could be compared by identity and a Order Relationship { OR). However it has been increasingly necessary to organize, store and retrieve more complex data, such as multimedia (images, audio and video), time series etc. Dealing with those data types requires a paradigm shift, as the comparisons between each element are made by similarity, and not by the traditionally used identity or OR, with the most common similarity operators used being the range (Rq) and k-Nearest Neighbors (k-NN). Despite many studies in the field, when dealing with similarity queries a large part of the effort has been directed towards the data structures and the necessary operations to execute only the similarity side of the query, not paying attention to a more homogenous integration of queries that involve both operator types simultaneously in RDBMS environments. One of the main problems for such integration is the peculiarities of the k-NN operator. Both identity and OR operators possess the commutative and associative properties amongst themselves, but the k-NN operator does not. As such, expressing SQL queries, that usually can disregard the order in which predicates appear, now needs to be aware of the ordering. Furthermore, queries that use k-NN might generate multiple ties, and the lack of a methodology to solve them might lead to an arbitrary or context-detached untying process, where users have little or no control to intervene. In some applications, the lack of a controlled untying process may even lead to each query yielding distinct results if the underlying structures ought be subject to change, as it is be the case of the concurrent transactions in a relational database management system (RDBMS). This work focuses on the problems that arise from the integration of similarity based operators into RDBMS, more specifically the k-NN, and proposes new ways to represent queries with multiple predicates, including similarity, identity or OR, as well as new operators derived from k-NN that are better suited for a RDBMS environment containing hybrid queries, and also enable control over the untying process.

O projeto, operação e descomissionamento de uma unidade de tratamento e armazenamento de rejeitos requerem que sejam observados os requisitos regulatórios referentes à garantia da qualidade nuclear, conforme o Regulamento CNENNN1.16 \"Garantia da Qualidade para a Segurança de Usinas Nucleoelétricas e Outras Instalações\", da Comissão Nacional de Energia Nuclear (CNEN). Entretanto, embora a aplicação do regulamento seja obrigatória, o documento da CNEN apresenta requisitos para qualquer tipo de instalação nuclear, sendo por isso genérico e pouco detalhado em relação às ações necessárias para garantir que os requisitos mais específicos de uma unidade de tratamento e armazenamento de rejeitos sejam observados. Além disso, não existem comercialmente ferramentas informatizadas já prontas para utilização, mas somente programas para gestão de qualidade que requerem uma adaptação através da inclusão de conjuntos de dados específicos do programa de controle da qualidade de uma instalação de gestão de rejeitos, ou então o desenvolvimento de uma ferramenta personalizada. Desta forma, o objetivo deste trabalho é buscar informações que permitam o desenvolvimento de bases para um sistema informatizado de garantia da qualidade que esteja em conformidade com o regulamento da CNEN NN-1.16, e que possa vir a englobar os procedimentos específicos para uma instalação de tratamento e gestão de rejeitos radioativos. / The design, operation and decommissioning of a radioactive waste treatment and storage unit requires the compliance with the regulatory requirements for nuclear quality assurance, in accordance with the CNEN-NN.1.16 - \"Quality Assurance for the Safety of Nuclear Power Plants and Other Installations\", of the National Nuclear Energy Commission (CNEN). However, although the regulation is mandatory, the CNEN document presents requirements for any type of nuclear facility, therefore it is generic and not detailed in relation to the actions necessary to ensure that the more specific requirements of a radioactive waste treatment and storage unit are met. In addition, there are no commercially available ready-to-use computer tools, but only quality management programs that require adaptation through the inclusion of specific data sets from the quality control program of a radioactive waste management facility, or the development of a customized tool. Therefore, the objective of this work is to gather information that allows the development of bases for a computerized quality assurance system that is in compliance with the CNEN NN-1.16 regulation, and which may include the specific procedures for an facility of treatment and management of radioactive waste.

Os Sistemas de Gerenciamento de Bases de Dados Relacionais (SGBDR) foram concebidos para o armazenamento e recuperação de grandes volumes de dados. Tradicionalmente, estes sistemas suportam números, pequenas cadeias de caracteres e datas (que podem ser comparados por identidade ou por relações de ordem { RO), porém vem se tornando necessário organizar, armazenar e recuperar dados mais complexos, como por exemplo dados multimídia (imagens, áudio e vídeo), séries temporais etc. Quando se trata de dados complexos há uma mudança de paradigma, pois as comparações entre elementos são feitas por similaridade em vez das RO utilizadas tradicionalmente, tendo como mais frequentemente utilizados os operadores de comparação por abrangência (Rq) e por k-vizinhos mais próximos (k-NN). Embora muitos estudos estejam sendo feitos nessa área, quando lidando com consultas por similaridade grande parte do esforço é direcionado para criar as estruturas de indexação e dar suporte às operações necessárias para executar apenas o aspecto da consulta que trata da similaridade, sem focar em realizar uma integração homogênea das consultas que envolvam ambos os tipos de operadores simultaneamente nos ambientes dos SGDBRs. Um dos principais problemas nessa integração é lidar com as peculiaridades do operador de busca por k-NN. Todos os operadores de comparação por identidade e por RO são comutativos e associativos entre si. No entanto o operador de busca por k-NN não atende a nenhuma dessas propriedades. Com isso, a expressão de consultas em SQL, que usualmente pode ser feita sem que a expressão da ordem entre os predicados seja importante, precisa passar a considerar a ordem. Além disso, consultas que utilizam comparações por k-NN podem gerar múltiplos empates, e a falta de uma metodologia para resolvê-los pode levar a um processo de desempate arbitrário ou insensível ao contexto da consulta, onde usuários não tem poder para intervir de maneira significativa. Em alguns casos, isso pode levar a uma mesma consulta a retornar resultados distintos em casos onde a estrutura interna dos dados estiver sujeita a modificações, como por exemplo em casos de transações concorrentes em um SGBDR. Este trabalho aborda os problemas gerados pela inserção de operadores de busca por similaridade nos SGBDR, mais especificamente o k-NN, e propõe novas maneiras de representação de consultas com múltiplos predicados, por similaridade ou RO, assim como novos operadores derivados do k-NN que são mais adequados para um ambiente relacional que permita consultas híbridas, e permitem também controle sobre o tratamento de empates. / The Relational Database Management Systems (RDBMS) were originally conceived to store and retrieve large volumes of data. Traditionally, these systems support only numbers, small strings of characters and dates (which could be compared by identity and a Order Relationship { OR). However it has been increasingly necessary to organize, store and retrieve more complex data, such as multimedia (images, audio and video), time series etc. Dealing with those data types requires a paradigm shift, as the comparisons between each element are made by similarity, and not by the traditionally used identity or OR, with the most common similarity operators used being the range (Rq) and k-Nearest Neighbors (k-NN). Despite many studies in the field, when dealing with similarity queries a large part of the effort has been directed towards the data structures and the necessary operations to execute only the similarity side of the query, not paying attention to a more homogenous integration of queries that involve both operator types simultaneously in RDBMS environments. One of the main problems for such integration is the peculiarities of the k-NN operator. Both identity and OR operators possess the commutative and associative properties amongst themselves, but the k-NN operator does not. As such, expressing SQL queries, that usually can disregard the order in which predicates appear, now needs to be aware of the ordering. Furthermore, queries that use k-NN might generate multiple ties, and the lack of a methodology to solve them might lead to an arbitrary or context-detached untying process, where users have little or no control to intervene. In some applications, the lack of a controlled untying process may even lead to each query yielding distinct results if the underlying structures ought be subject to change, as it is be the case of the concurrent transactions in a relational database management system (RDBMS). This work focuses on the problems that arise from the integration of similarity based operators into RDBMS, more specifically the k-NN, and proposes new ways to represent queries with multiple predicates, including similarity, identity or OR, as well as new operators derived from k-NN that are better suited for a RDBMS environment containing hybrid queries, and also enable control over the untying process.

The aim of this study is to develop an automated model to extract buildings from aerial images. The fuzzy k-NN classification method is used to extract the buildings by using color information. Also in the thesis, the advantages of the relevance feedback systems are discussed. The software, BuildingLS, is developed in C#. The model is evaluated in 5 different test areas with more than 700 building.

A Human-Machine Interface is a device that allows humans to inter- act with and use machines. One such device is a Brain-Computer Interface which allows the user to communicate to a computer system through thought patterns. A commonly used technique, electroencephalography, uses multiple sensors positioned on the subject’s cranium to extract electrical changes as a representation of thought patterns. This report investigates the use of a single EEG sensor as a user-friendly BCI implementation. The primary goal of this report is to determine if specific mental tasks can be reliably detected with such a system. / text

abstract: Convolutional Neural Network (CNN) has achieved state-of-the-art performance in numerous applications like computer vision, natural language processing, robotics etc. The advancement of High-Performance Computing systems equipped with dedicated hardware accelerators has also paved the way towards the success of compute intensive CNNs. Graphics Processing Units (GPUs), with massive processing capability, have been of general interest for the acceleration of CNNs. Recently, Field Programmable Gate Arrays (FPGAs) have been promising in CNN acceleration since they offer high performance while also being re-configurable to support the evolution of CNNs. This work focuses on a design methodology to accelerate CNNs on FPGA with low inference latency and high-throughput which are crucial for scenarios like self-driving cars, video surveillance etc. It also includes optimizations which reduce the resource utilization by a large margin with a small degradation in performance thus making the design suitable for low-end FPGA devices as well. FPGA accelerators often suffer due to the limited main memory bandwidth. Also, highly parallel designs with large resource utilization often end up achieving low operating frequency due to poor routing. This work employs data fetch and buffer mechanisms, designed specifically for the memory access pattern of CNNs, that overlap computation with memory access. This work proposes a novel arrangement of the systolic processing element array to achieve high frequency and consume less resources than the existing works. Also, support has been extended to more complicated CNNs to do video processing. On Intel Arria 10 GX1150, the design operates at a frequency as high as 258MHz and performs single inference of VGG-16 and C3D in 23.5ms and 45.6ms respectively. For VGG-16 and C3D the design offers a throughput of 66.1 and 23.98 inferences/s respectively. This design can outperform other FPGA 2D CNN accelerators by up to 9.7 times and 3D CNN accelerators by up to 2.7 times. / Dissertation/Thesis / Masters Thesis Computer Science 2020

Recommender systems apply machine learning methods to solve the task of providing appropriate suggestions to users in both static and dynamic environments. An example of this is a movie service like Netflix that recommends movies to its users. Although many algorithms have been proposed, making predictions for users with few ratings remains a challenge in recommender systems. In this study the performance of the algorithm k-NN, both user- and item-based, was empirically evaluated. This was done using the MovieLens 1M and 100K datasets in scenarios where the users have between 1 and 9 ratings, simulating cold-start scenarios of various degree. The results were then compared with the accuracy of the algorithm in a simulated normal case, to see how the cold-start affected the two algorithms, and which one of them that handled it best. In summary, this report shows that user-based k-NN performs better in relation to item-based k-NN for new users having few rated items. Overall the accuracy improved as the number of ratings increased for the new users for both user- and item-based k-NN.