A área da Tecnologia da Informação no Brasil sofre um problema latente com a falta de planejamento e atrasos constantes em projetos, determinando para os profissionais vinculados a ela um ambiente altamente desmotivador para a condução de seus trabalhos. Supõe-se que o que possa corroborar para tal problema seja a formação educacional deficitária dos indivíduos que atuam neste segmento, principalmente aqueles relacionados a cargos executivos e que estejam exercendo atividades de gestão. De acordo com teóricos como Edgard Morin (2004), em se tratando de educação fundamental, média ou superior os aspectos educacionais podem ser considerados deficitários justamente porque, ao segmentar o conhecimento, eles promovem uma alienação do indivíduo, eliminando sua capacidade criativa e reflexiva. Seria interessante, portanto, que ao avaliar a capacidade cognitiva de uma pessoa, a inteligência a ser mensurada não seja abordada através de um único espectro de conhecimento, mas através de muitos deles. A teoria das Inteligências Múltiplas, desenvolvida por Howard Gardner vem de encontro a essa necessidade, pois de acordo com o autor, a inteligência de um indivíduo deve ser mensurada através de uma gama de nove espectros: Linguística, Musical, Lógico-Matemática, Espacial, Corporal Cinestésica, Interpessoal, Intrapessoal, Naturalista e Existencial. Isto posto, este trabalho aborda uma metodologia computacional para classificação e descoberta de padrões em indivíduos, sejam esses alunos ou profissionais graduados, de uma determinada área. Além da metodologia, foi proposto um estudo de caso, considerando cursos superiores relacionados à área de Computação no Brasil. / Brazils Information Technology area suffers a latent problem with the lack of planning and constant projects delays, determining for its professionals a highly demotivating work environment. It is assumed that a thing that could corroborate to this problem would be the deficient educational background of individuals who work in this segment, especially those related to management positions activities. According to theorists such as Edgard Morin, concerning both basic education, high school or college level, educational aspects can be considered deficient precisely why, when targeting a divided knowledge apprenticeship, they promote alienation of the individual, eliminating their creative and reflective capacity. It would be interesting, therefore, that a person cognitive ability evaluation considers many kinds of knowledge in instead of few ones. The theory of Multiple Intelligences by Howard Gardner meets this need. According to the author, an individual intelligence should be measured over a range of nine spectra: Linguistic, Musical, Logical-Mathematical, Spatial, Bodily-Kinesthetic, Interpersonal, Intrapersonal, Naturalist and Existential. In this way, this thesis discusses a computational methodology for classification and discovery of patterns in individuals, considering both undergraduate students or graduated professionals in a specific area. In addition to the methodology, a case study was proposed, considering computer-related higher education courses in Brazil.

Este trabalho faz um estudo do uso da entropia como ferramenta para o reconhecimento de padrões em imagens. A entropia é um conceito utilizado em termodinâmica para medir o grau de organização de um meio. Entretanto, este conceito pode ser ampliado para outras áreas do conhecimento. A adoção do conceito em Teoria da Informação e, por consequência, em reconhecimento de padrões foi introduzida por Shannon no trabalho intitulado \"A Mathematical Theory of Communication\", publicado no ano de 1948. Neste mestrado, além da entropia clássica de Boltzman-Gibbs-Shannon, são investigadas a entropia generalizada de Tsallis e suas variantes (análise multi-escala, múltiplo índice q e seleção de atributos), aplicadas ao reconhecimento de padrões em imagens. Utilizando bases de dados bem conhecidas na literatura, realizou-se estudos comparativos entre as técnicas. Os resultados mostram que a entropia de Tsallis, através de análise multi-escala e múltiplo índice q, tem grande vantagem sobre a entropia de Boltzman-Gibbs-Shannon. Aplicações práticas deste estudo são propostas com o intuito de demonstrar o potencial do método. / This work studies the use of entropy as a tool for pattern recognition in images. Entropy is a concept used in thermodynamics to measure the degree of organization of a system. However, this concept can be extended to other areas of knowledge. The adoption of the concept in information theory and, consequently, in pattern recognition was introduced by Shannon in the paper entitled \"A Mathematical Theory of Communication\", published in 1948. In this master thesis, the classical Boltzmann-Gibbs-Shannon entropy, the generalized Tsallis entropy and its variants (multi-scale analysis, multiple q index, and feature selection) are studied, applied to pattern recognition in images. Using well known databases, we performed comparative studies between the techniques. The results show that the Tsallis entropy, through multiscale analysis and multiple q index has a great advantage over the classical Boltzmann-Gibbs- Shannon entropy. Practical applications of this study are proposed in order to demonstrate the potential of the method.

Este trabalho trata do problema da construção de atributos para classificação quando atributos e rótulos são binários. A abordagem adotada visa reduzir efeitos de interação entre atributos, amenizando a necessidade dos classificadores lidarem com essas interações. Para tanto, é introduzida uma nova técnica que usa uma matriz de cálculo de paridade para transformar as coordenadas do vetor de atributos binários. Tal matriz permite a manipulação de diversas medidas derivadas da teoria da informação. A transformação resultante induz a formação de grupos de variáveis binárias. Baseando-se nessa técnica, um algoritmo inédito de análise de componentes independentes de variáveis binárias é apresentado, assim como um algoritmo que induz a independência condicional entre os atributos (dado o valor do rótulo). Um terceiro algoritmo apresentado reduz a Informação de Interação entre os atributos, uma medida associada ao grau de redundância ou colaboração entre atributos. Tal algoritmo é empregado no problema do projeto de operadores em dois níveis para imagens, em que múltiplos operadores são combinados para a obtenção de uma imagem final. Nesse caso, o algoritmo apresentado guia a estratégia de divisão de uma imagem em sub-regiões. É apresentado um arcabouço para o projeto de operadores de imagens em dois níveis, incorporando métodos de seleção de atributos e comparação de modelos. Os resultados mostram que o método proposto propicia melhor desempenho, em comparação com operadores de nível único. / This work addresses the task of feature extraction for classification when both labels and features are binary. Our approach aims to build features with reduced interaction effects, thus relieving the classifiers from dealing explicitly with interactions. We introduce a new technique for building binary features by means of a parity calculating matrix that changes the coordinates of a binary vector. That matrix can be built purposefully for manipulating specific information theoretic measures. The resulting transform gives rise to groups of binary variables. A new algorithm for independent component analysis of binary features is proposed, based on this technique. In the context of classification, a new algorithm is presented that reduces the conditional dependence of features, given the label. A third algorithm presented in this text reduces the Interaction Information between pairs of features, a measure associated with redundancy or collaboration among predictors. This algorithm is used in the context of designing two-level operators for binary images. This type of operator combines the responses of several first-level operators to create the output image. In this case, the interaction reducing algorithm handles the division of the image into subregions. A complete framework for designing these operators is provided, involving feature selection and model comparison techniques. Experimental results show that the proposed method generates more accurate operators, compared to the single-level ones.

Espondiloartrites são um grupo de doenças com características clínicas, radiológicas e laboratoriais comuns, que afetam principalmente as articulações sacroilíacas e possuem um forte potencial de morbidade e impacto socioeconômico. O protocolo padrão para diagnóstico da sacroiliíte utiliza seis cortes coronais de imagens de ressonância magnética. Contudo, a avaliação visual das articulações sacroilíacas pode apresentar desafios aos especialistas, além de uma variação intrapessoal e interpessoal. Nesse sentido, o objetivo desse projeto foi desenvolver e comparar métodos de extração de atributos e classificação computadorizada a fim de detectar padrões nas imagens que levem a sua classificação como positiva ou negativa para presença de sacroiliíte ativa. O projeto obteve aprovação do Comitê de Ética do Hospital das Clínicas de Ribeirão Preto. Imagens de exames de ressonância magnética de 51 pacientes, obtidas com sequência Spectral Attenuated Inversion Recovery (SPAIR) e 46 com sequência Short Tau Inversion Recovery (STIR) foram utilizadas retrospectivamente, sendo que cada exame contém 6 imagens obtidas em corte coronal. Cada exame foi classificado por um especialista em positivo ou negativo para sacroiliíte ativa, totalizando 22 exames positivos e 29 negativos para SPAIR e 20 exames positivos e 26 negativos para STIR. Para evitar desbalanceamento de classes, o método de síntese de dados Syntetic Minority Over-sampling Technique foi utilizado. Cada imagem foi segmentada manualmente e colada em um fundo escuro para separar a região de interesse. Para reduzir possíveis ruídos, um pré-processamento utilizando uma transformação de perspectiva warp foi aplicado em cada uma das imagens, ampliando o tamanho da região de interesse para que cobrisse o fundo escuro. Os atributos extraídos para caracterizar as imagens foram estatísticos de níveis de cinza, textura de Haralick baseados na matriz de coocorrência de níveis de cinza, textura de Tamura baseados na direcionalidade do histograma, atributos espectrais baseados na transformada de Fourier, energias da wavelet de Haar, Gabor e estimativa da dimensão fractal. Cada paciente foi caracterizado pela média e desvio padrão de cada um dos atributos para suas 6 imagens do exame, formando um vetor de 230 componentes. Para reduzir o impacto da dimensionalidade, métodos de seleção de atributos ReliefF, Wrapper e teste Mann-Whitney U foram utilizados. Para classificação, foram utilizados os métodos de aprendizado de máquina naive bayes, árvore de decisão J48, floresta aleatória, perceptron multicamadas, k-vizinhos mais próximos e máquina de vetores de suporte. A classificação foi realizada utilizando validação cruzada 10-fold e foi avaliada pelas métricas sensibilidade, especificidade, área sob a curva ROC (receiver operating characteristic) (AUC), e pelas taxas de acerto e erro. Métodos de aprendizado profundo também foram utilizados. Foi efetuada uma comparação entre a concordância das sequências SPAIR e STIR utilizando coeficiente Kappa. A AUC máxima alcançada foi de 0,975 utilizando o perceptron multicamadas com seleção de atributos reliefF. / Spondyloarthritis are a group of diseases with common clinical, radiological and laboratory characteristics that mainly affect the sacroiliac joints and have a strong potential for morbidity and socioeconomic impact. The standard protocol for the diagnosis of sacroiliitis uses six coronal sections of magnetic resonance imaging. However, the visual evaluation of the sacroiliac joints may present challenges to the specialists, as well as an intrapersonal and interpersonal variation. In this sense, the objective of this project is to develop and compare methods of feature extraction and computerized classification in order to detect patterns in the images that lead to the classification between positive and negative for sacroiliitis. The project was approved by the Ethics Committee of the Hospital das Clínicas of Ribeirão Preto. Images of the exam of 51 patients for Spectral Attenuated Inversion Recovery and 46 for Short Tau Inversion Recovery were used retrospectively, and each exam contains 6 images. Each exam was classified by a specialist in positive and negative for sacroiliitis, totaling 22 positive and 29 negative exams for SPAIR and 20 positives and 26 negative for STIR. To avoid class imbalance, we used the data synthesis method Syntetic Minority Over-sampling Technique. Each image was manually segmented and pasted to a black background to separate the region of interest. To reduce possible high-frequency noise between the region of interest and the black background, a pre-processing using a warp perspective transformation was applied to each of the images, increasing the size of the region of interest to cover the entire black background. The extracted features to characterize were gray level statistics, Haralick texture based on gray level co-occurrence matrix, Tamura texture based on histogram directionality, spectral attributes based on Fourier transform, Haar wavelet energies, Gabor and fractal dimension estimation. Each patient was characterized by the mean and standard deviation of each of the features for their 6 images of the exam, forming a vector of 230 components. The feature selection methods ReliefF, Wrapper and Mann-Whitney U test was used. For classification, we used the conventional methods of machine learning naive bayes, decision tree J48, random forest, multilayer perceptron, k-nearest neighbors and support vector machine. The classification was performed using 10-fold cross validation and was evaluated by the sensitivity, specificity, area under the receiver operating characteristic (AUC), and complemented by the values of the hit rate and error rate. Deep learning methods was used. The comparison between SPAIR and STIR sequences was performed using kappa statistics. The highest AUC obteined was 0,975 using multilayer perceptron and ReliefF feature selection method.

Procurando contornar problemas inerentes às abordagens cognitiva e estatística em reconhecimento de voz, propõe-se a utilização de uma rede neuronal. Implementou-se um modelo simples de rede neuronal para o reconhecimento de alguns fonemas vocálicos pertencentes a um vocabulário de comando. O treinamento da rede foi feito com elocuções provindas de quatro locutores. Um conjunto distinto de locutores forneceu dados aplicados à entrada da rede para a realização dos testes. Em relação a outros sistemas de reconhecimento, a utilização da rede neuronal apresenta as vantagens de ser um algoritmo iterativo simples, mostrando pra o caso aplicado um comportamento estável e com possibilidades de aprendizagem para distinguir entre novas realizações de fonemas. A rede neuronal caracteriza-se pelo esforço necessário para o estabelecimento de sua estrutura e processo de aprendizagem. Concluída esta fase, a realização das funções de classificação e reconhecimento é imediata.

Alguns aspectos relevantes da comunicação homem-máquina por meio da fala são discutidos neste trabalho, propondo-se uma abordagem estatística ao problema de reconhecimento de voz. Neste contexto, é proposto um modelo para discriminação dos elementos acústico-fonéticos presentes no sinal de voz, denominado decodificador fonético. A estrutura básica do modelo é uma cadeia de Markov, formada segundo algumas evidências linguísticas. A descrição matemática do modelo, compostas pelos algoritmos de estimação de verossimilhança e de estimação dos parâmetros do modelo, é apresentada. Foram realizadas simulações com uma linguagem artificial, criada de forma a testar a capacidade de decodificação acústico-fonética do modelo, onde observou-se um bom desempenho na segmentação do sinal de voz em elementos acústico-fonéticos básicos.

Este trabalho visa estudar o efeito da inclusão de técnicas de chaveamento no treinamento de Redes Neurais Artificiais do tipo feedforward observando se tais técnicas de treinamento produzem Redes Neurais Artificiais mais tolerantes a perdas de unidades escondidas. Apresentamos também, um estudo comparativo dos algoritmos de treinamento Back-Propagation e Filtro de Kalman Estendido na sua forma original e com a presença da técnica de chaveamento. No final é apresentado um exemplo prático de utilização de Redes Neurais Artificiais, dentro do tópico reconhecimento de padrões, que é o reconhecimento de determinados sinais eletrocardiográficos, validando a técnica ora apresentada. O traballho foi realizado em um microcomputador IBM-PC, e utilizada a ferramenta MATLAB.

Neste trabalho foi desenvolvida uma camada de pre-processamento derivada de uma expansão de uma estrutura clássica de rede neural sem realimentação, que utiliza como algoritmo de treinamento o método de retropropagação do erro, aplicada ao reconhecimento de fonemas multilocutor. Esta camada de pré-processamento atua de forma que a rede possa determinar automaticamente o melhor conjunto de dados de entrada da rede, baseados em faixas de frequências, através dos erros propagados pela própria rede, de forma que esta não convirja para uma melhor classificação dos fonemas de entrada. Foram testadas para esse fim algumas estratégias associadas ao treinamento envolvido nesta camada de pré-processamento. Os experimentos condiziram ao desenvolvimento de uma estratégia capaz de reduzir o erro de classificação em média em 10% em relação ao obtido sem sua utilização.

Este trabalho teve por objetivo desenvolver metodologias para processamento inteligentes de alarmes. O problema de processamento de alarmes está presente em qualquer sistema sofisticado de supervisão e controle - plantas industriais, sistemas elétricos de potência, etc. e pode ser descrito resumidamente como: dado um conjunto de alarmes, determinar os eventos primários que causariam os alarmes. A importância do processamento de alarmes está associada à fase posterior, isto é, a determinação dos procedimentos de restauração à normalidade. Técnicas de inteligência artificial são adequadas para este propósito.Foram montados dois protótipos de Processadores de Inteligência Artificial : Redes Neurais e Sistemas de Produção. Fez-se uma comparação entre os dois métodos operando em tempo real, tendo-se obtido resultados animadores.

Este trabalho visa a avaliação de uma classe de algoritmos de visão computacional conhecida genericamente como Transformada de Hough em máquinas distribuídas baseadas em "transputers". Esta técnica pode ser utilizada para detectar curvas e formas em imagens digitalizadas, demandando grande quantidade de memória e considerável esforço computacional. Optou-se por muItiprocessadores baseados em "transputers" pelo fato desta tecnologia ter se mostrado bastante promissora em aplicações envolvendo computação gráfica. Adicionalmente, há poucos trabalhos no Brasil abordando a utilização de "transputers" em processamento de imagem e visão computacional. Em primeiro lugar, esta pesquisa faz um levantamento dos aspectos teóricos envolvidos, tais como a caracterização dos problemas a serem tratados e dos tipos de máquinas usados em processamento de imagem. A seguir, são abordadas questões referentes à implementação da técnica em estudo e são discutidos os resultados obtidos com diversas topologias e organizações de dados e tarefas.