Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro de Filosofia e Ciências Humanas. / Made available in DSpace on 2012-10-17T11:32:42Z (GMT). No. of bitstreams: 0Bitstream added on 2014-09-25T19:20:41Z : No. of bitstreams: 1 170262.pdf: 3216701 bytes, checksum: 0d8614fce1a0e8fce22727b32d82e1f0 (MD5) / Em suas duas obras de meados dos anos quarenta (A Miséria do Historicismo e A Sociedade Aberta e seus Inimigos) Popper defende a posição de que não existem diferenças metodológicas ou epistemológicas significativas entre as ciências naturais e sociais. Cada uma delas teria como objetivo elaborar explicações causais dos enômenos observados e a seguir testá-los por meio de predições específicas. Em seus últimos ensaios, entretanto, esse ponto de vista é reformulado, já que a importância da causalidade é enfraquecido frente a necessidade do falseacionismo. Hayek, por seu turno, em seus trabalhos sobre a metodologia das ciências sociais, sempre defendeu que as predições nessa classe de fenômenos (que ele classifica como complexos) não podem se referir a eventos discretos, mas sim à classes de eventos. Meu objetivo é confrontar essas duas posições, argumentando que Popper gradualmente incorpora as propostas de Hayek

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2010 / Made available in DSpace on 2012-10-25T07:31:33Z (GMT). No. of bitstreams: 1 285592.pdf: 942677 bytes, checksum: d27da8f48b91079aee8d81b72ef01712 (MD5) / Redes Neurais são amplamente empregadas em problemas de classificaçao e regressão, porém os modelos mais comuns fornecem apenas a estimação de regressão sem nenhuma medida de confiança associada à saída da rede. Medidas de desempenho global como o Erro Médio Quadrático não são capazes de reconhecer regiões onde a resposta da rede possa estar contaminada com incertezas, devido ao ruído presente nos dados ou à baixa densidade de dados de treinamento nessas regiões. Incorporar medidas de confiança na saída da rede, como intervalos de predição, valida a regressão e auxilia tomadores de decisão a estabelecerem critérios de risco, necessários em muitas aplicações práticas. Entretanto, existe uma série de restrições para o calculo do Intervalo de Predição nas redes neurais, que são dificeis de serem cumpridas em problemas reais. Neste trabalho, estudou-se as medidas de confiança fornecida pela rede de função de base radial, algumas das suas deficiencias foram tratadas com o objetivo de obter medidas de confiança mais satisfatórias e com menos restrições sobre o modelo, que possam ajudar os tomadores de decisão em aplicações reais.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Ciência da Computação. / Made available in DSpace on 2012-10-24T01:24:51Z (GMT). No. of bitstreams: 1 258459.pdf: 252997 bytes, checksum: a0457bb78b352c0aab2bb1f48ab79985 (MD5) / Este trabalho descreve a aplicação de uma técnica de regressão não linear (mínimos quadrados) para obter predições intervalares em redes neurais artificiais (RNA#s). Através de uma simulação de Monte Carlo é mostrada uma maneira de escolher um ajuste de parâmetros (pesos) para uma rede neural, de acordo com um critério de seleção que é baseado na magnitude dos intervalos de predição fornecidos pela rede. Com esta técnica foi possível obter as predições intervalares com amplitude desejada e com probabilidade de cobertura conhecida, de acordo com um grau de confiança escolhido. Os resultados e as discussões associadas indicam ser possível e factível a obtenção destes intervalos, fazendo com que a resposta das redes seja mais informativa e consequentemente aumentando sua aplicabilidade. A implementação computacional está disponível em www.inf.ufsc.br/~dandrade. This work describes the application of a nonlinear regression technique (least squares) to create prediction intervals on artificial neural networks (ANN´s). Through Monte Carlo#s simulations it is shown a way of choosing the set of parameters (weights) to a neural network, according to a selection criteria based on the magnitude of the prediction intervals provided by the net. With this technique it is possible to obtain the prediction intervals with the desired amplitude and with known coverage probability, according to the chosen confidence level. The associated results and discussions indicate to be possible and feasible to obtain these intervals, thus making the network response more informative and consequently increasing its applicability. The computational implementation is available in www.inf.ufsc.br/~dandrade.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2009. / Made available in DSpace on 2012-10-24T09:26:05Z (GMT). No. of bitstreams: 1 275533.pdf: 1005019 bytes, checksum: c0f34ed360b28b84cefee8ff97365a04 (MD5) / Devido a sua grande capacidade representacional, as Redes Neurais Artificiais (RNAs) têm sido largamente utilizadas como aproximadores universais de funções na construção de modelos preditivos não-lineares, inclusive em aplicações da indústria petrolífera. Contudo, devido à natureza estocástica do treinamento das RNAs, indicadores de qualidade e confiabilidade para as saídas destes modelos, como os intervalos de predição, são extremamente necessários e desempenham um papel importante em aplicações reais. Muitas das técnicas adotadas para o cálculo dos intervalos de predição estabelecem uma série de restrições que devem ser atendidas pelos dados amostrais usados para treinar a RNA. Uma dessas restrições impõe que a variância dos resíduos seja constante, fato que nem sempre ocorre em aplicações reais, onde a taxa de ruído existente pode variar como função dos dados de entrada, fazendo com que a confiabilidade calculada pelos métodos tradicionais não seja condizente com a real precisão da rede neural. Nesta dissertação, uma extensão para um método de cálculo de intervalos de predição para redes neurais baseado na teoria da regressão não-linear é apresentada. A idéia principal do método proposto consiste em utilizar técnicas de agrupamento para estimar a variância dos resíduos em função do vetor de entrada apresentado à rede e incorporar essa estimativa ao cálculo dos intervalos de predição. Os resultados dos experimentos realizados mostram que tal abordagem pode gerar intervalos de predição com uma melhor representação da precisão das respostas das RNAs. / Due to their large representational capacity, Artificial Neural Networks (ANNs) have been widely used as universal approximators of functions in the construction of nonlinear predictive models, including oil industry applications. However, due to the stochastic nature of the ANN training, indicators of quality and reliability to the outputs of these models, such as the prediction intervals, are extremely necessary and play an important role in real applications. Many of the techniques adopted to calculate the prediction intervals impose a set of constraints that must be respected by the data sample used to train the ANN. One of these restrictions requires that the variance of the residuals must be constant, a fact that does not always occur in real applications, where the existent noise rate may vary as a function of input data, making the reliability calculated by traditional methods become not suitable with the actual accuracy of the neural network. In this work, an extension to a method for calculating prediction intervals for neural networks, based on the theory of nonlinear regression, is presented. The main idea of the proposed method is to estimate an input dependent variance of the residuals using clustering techniques and incorporate this estimate to the computation of the prediction intervals. The results of the performed experiments show that this approach can lead to prediction intervals which better represent the accuracy of the ANNs outputs.

[pt] Um método satisfatório para a caracterização de problemas não determinísticos é a identificação de modelos dinâmicos representativos destes problemas. Faz-se inicialmente uma análise comparativa quanto ao domínio, equivalência e adequação de modelos de parâmetro discreto da classe ARMA, de função de Transferência (FT) e de estado, não necessariamente escalares ou invariantes. A seguir, examinam-se aspectos dos procedimentos usuais de identificação destes modelos. O problema de estimação de processos, abordado através do processo de inovações, objetiva um desenvolvimento gradual dos conceitos, no que se refere à determinação da estrutura do modelo. Seguem-se comparações entre algorítmos recursivos de estimação (Kalman e outros), abordando-se o problema da propriedade finitamente recursiva e de convergência. Em geral, as técnicas de identificação conduzem a mais de um modelo passível de ser utilizado na caracterização do processo. O problema de se escolher entre estes modelos é formulado como um problema de teste de hipóteses, ao qual se aplica a técnica de Máxima Verossimilhança, indistintamente para modelos ARMA, FT e de estado. A resolução do teste é imediata a partir do processo de inovações, tendo-se, no caso de modelos ARMA/FT, algumas alternativas bastante simplificadas. A aplicação do teste de hipóteses, no caso não-Gaussiana, é também enfocada. / [en] Non-deterministic problems can be adequately characterized by identifying dynamic models that can represent them. Early in the study, a comparative analysis of the range, equivalence and adequacy of the models is initially performed. Types of models considered in this work are ARMA, transfer function and State models of discrete parameter, not necessarilly scalar or invariant. The usual identification methods are then succinttly examined and compared. The estimation problem of stochastic processes, using the innovation processes, using the innovation process approach, is also analyzed, with a view to a gradual development of concepts as regards the determination of the model structure. Recursive estimation algorithms (Kalman and others) are then compared, and the problem of finitely recursive properties and convergence is examined. Identification thecniques usually leod to more than one model capable of characterizing the stochastic process. The problem of choosing between these models is formulated as a hypothesis testing problem, to which the Maximum Likelyhood thecnique is applied. Test resolution follows immediately from the innovation process, and can indistinctly be applied to ARMA, Transfer Function or state models. In the case of ARMA and Transfer Function models, an even more simplified result can be obtained. The application of hypothesis testing to the non-Gausian assumption is also brought to focus.

[pt] A tecnologia de rádio cognitivo está em pleno desenvolvimento na academia e indústria, sendo apresentada como uma solução para o reduzir o congestionamento do espectro radioelétrico. Dessa forma, diversos estudos têm sido desenvolvidos para obter novas técnicas de compartilhamento do espectro entre usuários ditos primários e secundários. Estas técnicas devem ser robustas o suficiente para minimizar as colisões de ocupação do espectro entre os usuários supracitados, quando o acesso dinâmico ao espectro for aplicado. O presente estudo investigou as soluções de ocupação compartilhada do espectro, em especial nos para serviços de voz na faixa de 450 MHz. A modelagem de ocupação dos canais, a partir de medidas de transmissões reais, permitiu o desenvolvimento de algoritmo robusto que realiza a predição de espaços espectrais (white spaces) dentro de canais destinados a usuários primários. Esse método proposto define, estatisticamente, uma janela de intervalos de tempo futuros que pode ser utilizada por usuários secundários, por apresentar maior probabilidade de possuir espaços espectrais livres, minimizando as possíveis colisões. O emprego do método proposto aumenta a vazão de informações de modo seguro e,com alto desempenho, otimizando,assim,a utilização do espectro radioelétrico. / [en] The cognitive radio technology is being developedin universities and industry as a solution to the radio spectrum scarcity. This technology willallow spectrum sharing between primary and secondary telecommunication users. The techniques employed must be robust enough to minimize spectrum occupancy collisions, when the dynamic spectrum access is applied. This study investigates the trends of spectrum usersoccupation, particularly in voice services in the 450 MHz frequency band.An users occupancy model was developed taking into accountmeasured data of real transmissions. It allowed the development of a robust algorithm that predicts spectral vacancy in channels allocated to primary users. The method selects, statistically, a group of future time intervals that can be used by secondary users, due to a higher probability of having a free spectral space. The use of this new technique minimizes possible collisions, increasing the flow of information in secure way and optimizing the radio spectrum use.

[pt] Recomendações específicas da União Internacional de Telecomunicações estabelecem objetivos de desempenho para enlaces de comunicações digitais terrestres. Esses objetivos impôem restrições a parâmetros tais como a taxa de segundos errados, a taxa de segundos severamente errados e a taxa de erro de bloco de fundo, a partir dos quais se define a disponibilidade do enlace. Os valores destes parâmetros são afetados por diversos fatores de degradação, sendo os principais deles a atenuação devido a chuvas e a interferências. Neste estudo é apresentada uma metodologia para a estimação destes parâmetros que considera, de forma conjunta, os efeitos devidos a essas degradações. O estudo considera, de forma analítica, as relações entre os diversos parâmetros envolvidos, e a caracterização estatística de cada um deles. Resultados numéricos ilustram o uso dos estimadores desenvolvidos no trabalho em situações de interesse prático. / [en] Specific recommendations published by The International Telecommunications Union establish performance objectives for digital communication links. These objectives impose constraints to parameters like the errored second rate, the severely errored second rate and the background block error ratio. Based on these parameters is defined the link availability. The values of these parameters are affected by various degradation factors, being the attenuation due to rain and external interferences the principal ones. This study presents a methodology to estimate the performance parameters for the parameters that jointly considers the effects due to these two degradations and uses analytical relations among the parameters involved as well as their statistical characterization. Numerical results illustrate the use of the developed estimators in situations of practical interest.

[pt] O esforço de caracterização da influência da vegetação sobre enlaces de radiocomunicação é de grande importância para o dimensionamento de modernos sistemas de comunicação. Baseado em uma extensa campanha de medições, este trabalho pretende caracterizar e propor um modelo de predição de perda de propagação sobre espaços vegetados em banda estreita na faixa de 700 MHz adequado às características morfológicas brasileiras. / [en] The characterization effort of vegetation influence on radiocommunication link fading has a great importance on the design of modern communication systems. Based on an intensive narrow band measurement campaign, this work intends to characterize and propose a model for predicting propagation loss over vegetated areas at the UHF range of 700 MHz.

[pt] Realizar previsões de preços no mercado de ações é uma tarefa difícil devido ao fato de o mercado financeiro ser um ambiente altamente dinâmico, complexo e caótico. Para algumas teorias financeiras, usar as informações disponíveis para tentar prever o preço de uma ação a curto prazo é um esforço em vão já que ele sofre a influência de diversos fatores externos e, em decorrência, sua variação assemelha-se à de um passeio aleatório. Estudos recentes, como (37) e (51), abordam o problema com modelos de predição específicos para o comportamento do preço de uma ação isolada. Neste trabalho, apresenta-se uma proposta para prever variações de preço tendo como base conjuntos de ações consideradas similares. O objetivo é criar um modelo capaz de prever se o preço de diferentes ações tendem a subir ou não a curto prazo, considerando informações de ações pertencentes a conjuntos similares com base em duas fontes de informações: os dados históricos das ações e as notícias do Google Trends. No estudo proposto, primeiramente é aplicado um método para identificar conjuntos de ações similares para então criar um modelo de predição baseado em redes neurais LSTM (long shortterm memory) para esses conjuntos. Mais especificamente, foram conduzidos dois experimentos: (1) aplicação do algoritmo K-Means para a identificação dos conjuntos de ações similares, seguida da utilização de uma rede neural LSTM para realizar as previsões, e (2) aplicação do algoritmo DBSCAN para a criação dos conjuntos seguida da mesma rede LSTM para prever as variações de preço. O estudo foi realizado em um conjunto com 51 ações do mercado acionário brasileiro, e os experimentos sugeriram que utilizar um método para criar conjuntos de ações similares melhora os resultados em aproximadamente 7 porcento de acurácia e f1-score, e 8 porcento de recall e precision quando comparados a modelos para ações isoladas. / [en] Predicting stock market prices is a hard task. The main reason for that is due to the fact its environment is highly dynamic, intrinsically complex and chaotic. The traditional economic theories tell us that trying to predict short-term stock price movements is a wasted effort because the market is influenced by several external events and its behavior approximates a random walk. Recent studies, such as (37) and (51), address this problem and create specific prediction models for the price behavior of an isolated stock. This work presents a proposal to predict price movements based on stock sets considered similar. Our goal is building a model to identify whether the price tends to bullishness or bearishness in the (near) future, considering stock information from similar sets based on two sources of information: historical stock data and Google Trends news. Firstly, the proposed study applies a method to identify similar stock sets and then creates a predictive model based on LSTM (long short-term memory) for these sets. More specifically, two experiments were conducted: (1) using the K-Means algorithm to identify similar stock sets and then using a LSTM neural network to predict stock price movements for these stock sets; (2) using the DBSCAN algorithm to identify similar stock sets and then using the same LSTM neural network to forecast stock price movements. The study was conducted over 51 stocks of the brazilian stock market. The results suggested that using an algorithm to identify similar stock clusters yields an improvement of approximately 7 percent in accuracy and f1-score and 8 percent in recall and precision when compared to specific models for isolated stocks.

[pt] A otimização do desempenho dos modelos de aprendizado de máquina supervisionados representa um desafio constante, especialmente em contextos com conjuntos de dados de alta dimensionalidade ou com numerosos atributos correlacionados. Neste estudo, é proposto um método para o enriquecimento de conjuntos de dados tabulares, fundamentado na utilização de estatísticas provenientes de um grafo construído a partir da similaridade entre as instâncias presentes neste conjunto de dados, buscando capturar correlações estruturais entre esses dados. As instâncias assumem o papel de vértices no grafo, enquanto as conexões entre elas refletem sua similaridade. O conjunto de características originais (FO) é enriquecido com as estatísticas extraídas do grafo (FG) na busca pela melhora do poder preditivo dos modelos de aprendizado de máquina. O método foi avaliado em dez conjuntos de dados públicos de distintas áreas de conhecimento, em dois cenários distintos, sobre sete modelos de aprendizado de máquina, comparando a predição sobre o conjunto de dados inicial (FO) com o conjunto de dados enriquecido com as estatísticas extraídas do seu grafo (FO+FG). Os resultados revelaram melhorias significativas na métrica de acurácia, com um aprimoramento médio de aproximadamente 4,9 por cento. Além de sua flexibilidade para integração com outras técnicas de enriquecimento existentes, o método se apresenta como uma alternativa eficaz, sobretudo em situações em que os conjuntos de dados originais carecem das características necessárias para as abordagens tradicionais de enriquecimento com a utilização de grafo. / [en] The optimization of supervised machine learning models performancerepresents a constant challenge, especially in contexts with high-dimensionaldatasets or numerous correlated attributes. In this study, we propose a methodfor enriching tabular datasets, based on the use of statistics derived from agraph constructed from the similarity between instances in the dataset, aimingto capture structural correlations among the data. Instances take on the role ofvertices in the graph, while connections between them reflect their similarity.The original feature set (FO) is enriched with statistics extracted from thegraph (FG) to enhance the predictive power of machine learning models. Themethod was evaluated on ten public datasets from different domains, in twodistinct scenarios, across seven machine learning models, comparing predictionon the initial dataset (FO) with the dataset enriched with statistics extractedfrom its graph (FO+FG). The results revealed significant improvements inaccuracy metrics, with an average enhancement of approximately 4.9 percent. Inaddition to its flexibility for integration with existing enrichment techniques,the method presents itself as a effective alternative, particularly in situationswhere original datasets lack the necessary characteristics for traditional graph-based enrichment approaches.