Spelling suggestions: "subject:"ondaleta"" "subject:"ondaletas""
1 |
Regressão não paramétrica com processos estacionários alpha-mixing via ondaletas / Nonparametric regression with stationary mixing processes.Gomez Gomez, Luz Marina 22 January 2013 (has links)
Nesta tese consideramos um modelo de regressão não paramétrica, quando a variável explicativa e um processo estritamente estacionário e alpha-mixing. São estudadas as condições sobre o processo Xt e sua estrutura de dependência, assim como do domínio da função f a ser estimada. Também são feitas as adaptações necessárias aos procedimentos para obter as taxas de convergência do risco para a norma Lp, no caso de ondaletas deformadas. Em relação às ondaletas adaptativas de Haar, obtêm-se as taxas de convergência do risco do estimador proposto. Mediante estudos de simulação, e avaliado o desempenho dos procedimentos propostos quando aplicados a amostras finitas sob diferentes níveis de perturbação do sinal e diferentes tamanhos da amostra. Também são feitas aplicações a dados reais. / In this thesis we consider a nonparametric regression model, when the exploratory variables are alpha-mixing stationary processes. We obtain convergence rates for risk for Lp norm, via warped wavelets, under suitable regularity conditions. For estimation using design adapted Haar wavelets we obtain convergence rates for the risk of the proposed estimator. The performance of the estimators are assessed via simulation studies with dierent sample sizes and dierent signal-to-noise ratios. Applications to real data are also given.
|
2 |
Regressão não paramétrica com processos estacionários alpha-mixing via ondaletas / Nonparametric regression with stationary mixing processes.Luz Marina Gomez Gomez 22 January 2013 (has links)
Nesta tese consideramos um modelo de regressão não paramétrica, quando a variável explicativa e um processo estritamente estacionário e alpha-mixing. São estudadas as condições sobre o processo Xt e sua estrutura de dependência, assim como do domínio da função f a ser estimada. Também são feitas as adaptações necessárias aos procedimentos para obter as taxas de convergência do risco para a norma Lp, no caso de ondaletas deformadas. Em relação às ondaletas adaptativas de Haar, obtêm-se as taxas de convergência do risco do estimador proposto. Mediante estudos de simulação, e avaliado o desempenho dos procedimentos propostos quando aplicados a amostras finitas sob diferentes níveis de perturbação do sinal e diferentes tamanhos da amostra. Também são feitas aplicações a dados reais. / In this thesis we consider a nonparametric regression model, when the exploratory variables are alpha-mixing stationary processes. We obtain convergence rates for risk for Lp norm, via warped wavelets, under suitable regularity conditions. For estimation using design adapted Haar wavelets we obtain convergence rates for the risk of the proposed estimator. The performance of the estimators are assessed via simulation studies with dierent sample sizes and dierent signal-to-noise ratios. Applications to real data are also given.
|
3 |
Análise de wavelets com máquina de vetor de suporte no eletrencefalograma da doença de Alzheimer / Wavelets analysis with support vector machine in Alzheimer\'s disease EEGKanda, Paulo Afonso Medeiros 07 March 2013 (has links)
INTRODUÇÃO. O objetivo deste estudo foi responder se a transformada wavelet Morlet e as técnicas de aprendizagem de Máquina (ML), chamada Máquinas de Vetores de Suporte (SVM) são adequadas para procurar padrões no EEG que diferenciem controles normais de pacientes com DA. Não há um teste de diagnóstico específico para a doença de Alzheimer (DA). O diagnóstico da DA baseia-se na história clínica, neuropsicológica, exames laboratoriais, neuroimagem e eletroencefalografia. Portanto, novas abordagens são necessárias para permitir um diagnóstico mais precoce e preciso e para medir a resposta ao tratamento. EEG quantitativo (EEGq) pode ser utilizado como uma ferramenta de diagnóstico em casos selecionados. MÉTODOS: Os pacientes eram provenientes do Ambulatório do Grupo de Neurologia Cognitiva e do Comportamento (GNCC) da Divisão de Clínica Neurológica do HCFMUSP ou foram avaliados pelo grupo do Laboratório de Eletrencefalografia Cognitiva do CEREDIC HC-FMUSP. Estudamos EEGs de 74 indivíduos normais (33 mulheres/41 homens, com idade média de 67 anos) e 84 pacientes com provável DA leve a moderada (52 mulheres/32 homens, idade média de 74,7 anos. A transformada wavelet e a seleção de atributos foram processadas pelo software Letswave. A análise SVM dos atributos (bandas delta, teta, alfa e beta) foi calculada usando-se a ferramenta WEKA (Waikato Ambiente para Análise do Conhecimento). RESULTADOS: Na classificação dos grupos controles e DA obteve-se Acurácia de 90,74% e área ROC de 0,90. Na identificação de um único probando dentre todos os demais se conseguiu acurácia de 81,01% e área ROC de 0,80. Desenvolveu-se um método de processamento de EEG quantitativo (EEGq) para uso na diferenciação automática de pacientes com DA versus indivíduos normais. O processo destina-se a contribuir como complemento ao diagnóstico de demência provável principalmente em serviços de saúde onde os recursos sejam limitados / INTRODUCTION. The aim of this study was to answer if Morlet wavelet transform and machine learning techniques (ML), called Support Vector Machines (SVM) are suitable to look for patterns in EEG to differentiate normal controls from patients with AD. There is not a specific diagnostic test for Alzheimer\'s disease (AD). The diagnosis of AD is based on clinical history, neuropsychological testing, laboratory, neuroimaging and electroencephalography. Therefore, new approaches are needed to allow an early diagnosis and accurate to measure response to treatment. Quantitative EEG (qEEG) can be used as a diagnostic tool in selected cases. METHODS: The patients came from the Clinic Group Cognitive Neurology and Behavior (GNCC), Division of Clinical Neurology HCFMUSP or evaluated by the group of the Laboratory of Cognitive electroencephalography CEREDIC HCFMUSP. We studied EEGs of 74 normal subjects (33 females/41 men, mean age 67 years) and 84 patients with mild to moderate probable AD (52 females/32 men, mean age 74.7 years. Wavelet transform and the selection of attributes were processed by software Letswave. SVM analysis of attributes (bands delta, theta, alpha and beta) was calculated using the tool WEKA (Waikato Environment for Knowledge analysis). RESULTS: The group classification of controls and DA obtained an accuracy of 90.74% and ROC area 0.90. The identification of a unique proband among all others was achieved with accuracy of 81.01% and ROC area 0.80. It was developed a method of processing EEG quantitative (qEEG) for use in automatic differentiation of AD patients versus normal subjects. This process is intended to complement the diagnosis of probable dementia primarily in health services where resources are limited
|
4 |
Mapeamento digital de solos: Metodologias para atender a demanda por informação espacial em solos / Digital soil mapping: Methods to meet the demand for soil spatial informationCaten, Alexandre Ten 07 November 2011 (has links)
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Soil has increasingly being recognized as having an important role in ecosystems as
well as for food production and global climate regulation. For this reason, the demand for
relevant and updated information on soil is increasing. Digital Soil Mapping (DSM) provides
this information at different spatial resolution with associated quality indicators. The aim of
this study was to analyze the main methodological approaches used for DSM of soil classes
through a literature review of national researches and to propose procedures for data analysis
in DSM projects of soil classes. The use of DSM techniques for mapping soil classes in Brazil
is recent, the first publication on this subject occurred only in 2006. Among the predictive
functions, logistic regressions is the predominantly used technique. Quality evaluation of the
predictive models employed error matrix and kappa index in most cases. The use of wavelet
transform proved to be a methodology of great potential for analyzing the spatial resolution of
terrain attributes maximum variability. The proposed methodology of data exclusion for
environmental covariates located too near at the border of soil classes polygons has enabled
the generation of less complex and more accurate Decision Tree (DT) models. It was also
shown that the amount of data required for DT model training is between five and 15% of the
total data set. Collected field observations indicated a predicted accuracy close to 70% for DT
models produced by those sampling densities. / O solo é cada vez mais reconhecido como tendo um importante papel nos
ecossistemas, assim como para a produção de alimentos e regulação do clima global. Por esse
motivo, a demanda por informações relevantes e atualizadas em solos está em uma crescente.
O Mapeamento Digital de Solos (MDS) possibilita gerar essas informações demandadas em
diferentes resoluções espaciais e com indicadores de qualidade associados. O objetivo deste
estudo foi analisar as principais abordagens metodológicas utilizadas nos mapeamentos
digitais de classes de solos através de uma revisão de literatura dos trabalhos nacionais, assim
como propor procedimentos para a análise dos dados a serem utilizados em projetos de
mapeamento digital de classes de solos. O emprego de técnicas de MDS para o mapeamento
de classes de solos é recente no país, a primeira publicação nesse sentido ocorreu apenas em
2006. Entre as funções preditivas utilizadas predomina o emprego da técnica de regressões
logísticas. Quanto à avaliação da qualidade dos modelos preditivos o emprego da matriz de
erros e do índice kappa têm sido os procedimentos mais usuais. O emprego da transformada
wavelet mostrou-se como uma metodologia de grande potencial para a análise da resolução
espacial de máxima variabilidade de atributos de terreno a serem usados em projetos de MDS.
A metodologia proposta de exclusão dos dados oriundos de covariáveis ambientais
localizadas na bordas dos polígonos de solos possibilitou a geração de modelos por Árvore de
Decisão (AD) menos complexos e mais precisos. Assim como o volume de dados necessários
para o treinamento de modelos preditivos por AD está entre cinco e 15% do conjunto total de
dados como mostrou este estudo. Observações coletadas a campo indicaram uma acurácia dos
mapas preditos próxima a 70% para os modelos oriundos dessas densidades de amostragem.
|
5 |
Signal characteristics of acoustic emissions from the axial strain in polyethylene manhole / CaracterizaÃÃo do sinal de emissÃo acÃstica proveniente da deformaÃÃo axial em poÃo de visita de polietilenoMarcos Daniel Gouveia Filho 02 February 2015 (has links)
Conselho Nacional de Desenvolvimento CientÃfico e TecnolÃgico / The use of new materials in the sanitation industry aims to improve water treatment conditions and optimize the performance of the structures of sewage systems. Studies show that investments in sanitation are four times more effective than health. Manhole (PV) is an integral structure of the collection networks of major importance sewage because it is the sewage flow of the meeting from various facilities that are guided and follow for further processing. Non-destructive tests are widely used in modern industry worldwide to evaluate the quality and detection of changes in structure, small surface flaws, presence of cracks and other physical disruptions, being capable of detecting flaws in structures prematurely allowing constant monitoring and real time frame. The technique of acoustic emission (AE) is effective both during subsequent tests the implementation of the structure, guaranteeing their structural integrity, and in the real-time monitoring of the frame subject to the usual charging service, while performing its function without need of interrupting. To properly investigate the structure is necessary to know how the defects are and their respective acoustic activity. In this study, the acoustic emission signals generated in polyethylene manholes by variable axial deformation during loading are characterized both in time domain and in the frequency domain creating the signature of the defect. / A utilizaÃÃo de novos materiais na indÃstria do saneamento, visa melhorar as condiÃÃes do tratamento de Ãgua e otimizar o desempenho das estruturas de redes coletoras de esgoto. Estudos comprovam que os investimentos realizados em saneamento bÃsico sÃo quatro vezes mais efetivos que na saÃde. PoÃo de visita (PV) à uma estrutura integrante das redes coletoras de esgotos de grande importÃncia, pois nele ocorre o encontro do fluxo de esgotos provenientes de diversas instalaÃÃes que sÃo orientados e seguem para o posterior tratamento. Os ensaios nÃo destrutivos sÃo largamente utilizados na indÃstria moderna em todo o mundo para avaliaÃÃo da qualidade e detecÃÃo de variaÃÃes na estrutura, pequenas falhas superficiais, presenÃa de trincas e outras interrupÃÃes fÃsicas, sendo capaz de detectar prematuramente falhas em estruturas permitindo a monitoraÃÃo constante da estrutura e em tempo real. A tÃcnica de emissÃo acÃstica (EA) à eficaz tanto na fase de testes subsequentes à implementaÃÃo da estrutura, garantindo sua integridade estrutural, quanto no monitoramento em tempo real d a estrutura sujeita a carregamento usual de serviÃo, enquanto desempenha sua funÃÃo, sem necessidade de interrupÃÃo. Para investigar corretamente a estrutura à necessÃrio conhecer como os defeitos se manifestam e sua respectiva atividade acÃstica. Neste trabalho, os sinais de emissÃo acÃstica gerados em poÃos de visita de polietileno por deformaÃÃo axial durante carregamento variÃvel sÃo caracterizados tanto no domÃnio do tempo quanto no domÃnio da frequÃncia criando a assinatura do defeito.
|
6 |
Análise de wavelets com máquina de vetor de suporte no eletrencefalograma da doença de Alzheimer / Wavelets analysis with support vector machine in Alzheimer\'s disease EEGPaulo Afonso Medeiros Kanda 07 March 2013 (has links)
INTRODUÇÃO. O objetivo deste estudo foi responder se a transformada wavelet Morlet e as técnicas de aprendizagem de Máquina (ML), chamada Máquinas de Vetores de Suporte (SVM) são adequadas para procurar padrões no EEG que diferenciem controles normais de pacientes com DA. Não há um teste de diagnóstico específico para a doença de Alzheimer (DA). O diagnóstico da DA baseia-se na história clínica, neuropsicológica, exames laboratoriais, neuroimagem e eletroencefalografia. Portanto, novas abordagens são necessárias para permitir um diagnóstico mais precoce e preciso e para medir a resposta ao tratamento. EEG quantitativo (EEGq) pode ser utilizado como uma ferramenta de diagnóstico em casos selecionados. MÉTODOS: Os pacientes eram provenientes do Ambulatório do Grupo de Neurologia Cognitiva e do Comportamento (GNCC) da Divisão de Clínica Neurológica do HCFMUSP ou foram avaliados pelo grupo do Laboratório de Eletrencefalografia Cognitiva do CEREDIC HC-FMUSP. Estudamos EEGs de 74 indivíduos normais (33 mulheres/41 homens, com idade média de 67 anos) e 84 pacientes com provável DA leve a moderada (52 mulheres/32 homens, idade média de 74,7 anos. A transformada wavelet e a seleção de atributos foram processadas pelo software Letswave. A análise SVM dos atributos (bandas delta, teta, alfa e beta) foi calculada usando-se a ferramenta WEKA (Waikato Ambiente para Análise do Conhecimento). RESULTADOS: Na classificação dos grupos controles e DA obteve-se Acurácia de 90,74% e área ROC de 0,90. Na identificação de um único probando dentre todos os demais se conseguiu acurácia de 81,01% e área ROC de 0,80. Desenvolveu-se um método de processamento de EEG quantitativo (EEGq) para uso na diferenciação automática de pacientes com DA versus indivíduos normais. O processo destina-se a contribuir como complemento ao diagnóstico de demência provável principalmente em serviços de saúde onde os recursos sejam limitados / INTRODUCTION. The aim of this study was to answer if Morlet wavelet transform and machine learning techniques (ML), called Support Vector Machines (SVM) are suitable to look for patterns in EEG to differentiate normal controls from patients with AD. There is not a specific diagnostic test for Alzheimer\'s disease (AD). The diagnosis of AD is based on clinical history, neuropsychological testing, laboratory, neuroimaging and electroencephalography. Therefore, new approaches are needed to allow an early diagnosis and accurate to measure response to treatment. Quantitative EEG (qEEG) can be used as a diagnostic tool in selected cases. METHODS: The patients came from the Clinic Group Cognitive Neurology and Behavior (GNCC), Division of Clinical Neurology HCFMUSP or evaluated by the group of the Laboratory of Cognitive electroencephalography CEREDIC HCFMUSP. We studied EEGs of 74 normal subjects (33 females/41 men, mean age 67 years) and 84 patients with mild to moderate probable AD (52 females/32 men, mean age 74.7 years. Wavelet transform and the selection of attributes were processed by software Letswave. SVM analysis of attributes (bands delta, theta, alpha and beta) was calculated using the tool WEKA (Waikato Environment for Knowledge analysis). RESULTS: The group classification of controls and DA obtained an accuracy of 90.74% and ROC area 0.90. The identification of a unique proband among all others was achieved with accuracy of 81.01% and ROC area 0.80. It was developed a method of processing EEG quantitative (qEEG) for use in automatic differentiation of AD patients versus normal subjects. This process is intended to complement the diagnosis of probable dementia primarily in health services where resources are limited
|
Page generated in 0.0372 seconds