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.

A repressão ao tráfico de drogas tem sido um dos principais focos de ação da segurança pública nacional e internacional, devido aos graves problemas de saúde pública associados ao consumo, bem como a grande quantidade de crimes associados ou resultantes deste consumo. Os resultados do Relatório Mundial de Drogas de 2013 das Nações Unidas mostram que a demanda estimada por drogas não está reduzindo consideravelmente. Conforme este relatório, a maconha continua sendo a substância ilícita mais utilizada no mundo, embora tenha havido uma redução no crescimento de seus usuários. Uma das formas de combater o tráfico de drogas, direcionando as investigações e apontando as possíveis rotas, é a identificação de sua origem pela rastreabilidade. Isso pode ser realizado através da observação da composição química ou orgânica do material, baseando‐se no conceito de marcadores. No caso da maconha, em que o uso direto de partes da planta, os marcadores podem ser identificados na composição da própria planta, influenciados pelas características genotípicas das plantas e pelas condições ambientais a que estas estão submedidas durante o desenvolvimento. Assim, foram realizadas análises da concentração química elementar, das relações isotópicas de 15N/14N e 13C/12C e de marcadores genéticos específicos em amostras de Cannabis coletadas em diferentes pontos ou locais de cultivo no Nordeste brasileiro, cultivadas em ambiente controlado e apreendidas em ações policiais, a fim de identificar corretamente o local de cultivo (rastrear sua origem). Os resultados obtidos foram processados no método estatístico multivariado de análise discriminante múltipla. As análises de concentração química elementar e o sistema de marcadores genéticos utilizados para rastrear a origem da Cannabis mostraram capacidade de classificar corretamente as amostras avaliadas, de acordo com o seu local de cultivo ou coleta. Por outro lado, a relação isotópica não foi adequada para separar as amostras de tecido vegetal de Cannabis, de acordo com seu local de cultivo ou coleta no Nordeste brasileiro. Dessa forma, verificou-se que as análises da concentração química elementar e de genotipagem por sistema de marcadores (multiplex 13-loci STR) podem ser utilizadas como marcadores ou indicadores para rastrear a origem de amostras de Cannabis, inclusive com a exatidão necessária para uso policial e forense. / The repression of drug trafficking has been one of the main action focus of national and international public security, due to the serious public health problems associated to the drug consumption, as well as the large amount of crimes associated or resulting from drug consumption. The results of World Report on Drugs of 2013 by the United Nations show that the estimated demand for drugs is not reducing considerably. According to this report, marijuana continues to be the most used illicit substance in the world, although there had been a reduction in the increase of its users. One of the ways to combat drug trafficking, leading investigations and pointing out possible routes, is the identification of its origin through traceability. That can be accomplished through the observation of the chemical or organic material composition, based on markers concept. In the case of marijuana, in which direct use of parts of the plant, the markers can be identified in the composition of the plant itself, influenced by the plant genotypic characteristics and the environmental conditions to which they are submeasured during development. Thus, analysis of elemental chemical concentration, stable isotopes analysis (15N/14N and 13C/12C) and specific genetic markers were performed on Cannabis samples collected in different cultivation sites in Brazilian Northeast, samples from plants grown in a controlled environment and police seized samples, in order to identify correctly the cultivation place (trace its origin). The achieved results were processed in the multiple discriminant analysis (MDA). The analysis of elemental chemical concentration and the genetic markers system used to trace the origin of Cannabis showed the ability to classify correctly the evaluated samples, according to their cultivation or collection site. On the other hand, the stable isotopes analysis was not suitable for sorting out the samples of Cannabis plant tissue, in accordance with their cultivation place in Brazilian Northeast. Therefore, it has verified that analysis of elemental chemical concentration and genotyping by markers system (multiplex 13 – loci STR) may be used as markers or indicators to trace out the origin of Cannabis samples, even with the required accuracy for police and forensic use.

Este estudo analisa a forma como o reconhecimento das diferenças de pessoas com deficiência se produz no contexto do ensino superior. Para tanto, tomou-se como campo empírico de investigação uma Instituição de Ensino Superior (IES) comunitária - Universidade Regional do Noroeste do Estado do Rio Grande do Sul - UNIJUÍ. A investigação procurou ir além dos indicadores numéricos que expressam o quanto a universidade tem dado conta de metas de inclusão, ou quantos estudantes com deficiência estão incluídos e concentrou-se nos sujeitos participantes da pesquisa, naquilo que eles podem narrar sobre si mesmo, seus desafios, conflitos, entendimentos e produções sobre o reconhecimento à diferença. Em abordagem qualitativa que utiliza o método de entrevistas narrativas, a pesquisa procurou interpretar as narrativas de quatro estudantes com deficiência que estão matriculados em cursos de graduação e são assistidos pelo Núcleo de Acompanhamento e Acessibilidade Institucional na UNIJUÍ. A ancoragem teórica principal situa-se nos estudos do filósofo alemão Axel Honneth. As categorias de análise foram delimitadas a partir das esferas descritas na teoria do reconhecimento da diferença, quais sejam: a esfera do amor (autoconfiança) que se refere às relações primárias do amor com familiares e colegas, definindo o significado de ser um sujeito com deficiência; a esfera do direito (autorrespeito) que envolve a dimensão da cidadania, no direito à educação, à diferença e à acessibilidade; e a esfera da solidariedade (autoestima), nas relações sociais que se refere à capacidade própria de conquistar a formação universitária e a dimensão do trabalho em suas vidas. A partir desta investigação, as leituras e as interpretações das narrativas possibilitaram olhar para o reconhecimento da diferença como sendo um dos grandes desafios para a inclusão dos estudantes com deficiência no ensino superior, desde a esfera afetiva, do amor com quem se relacionam; da esfera jurídica na garantia do ingresso e permanência na universidade em sua imersão nos processos socioeducacionais inclusivos e da esfera da solidariedade, da ética na inserção futura de sua escolha profissional e, assim, foi possível mostrar que a Tese que se construiu neste trabalho investigativo pode ser expressa da seguinte forma: As pessoas com deficiência somente estarão incluídas, tanto no âmbito educacional como social, quando houver o reconhecimento de suas diferenças. / 173 f.

Esta tese de Mestrado apresenta um estudo do comportamento de fonemas da língua portuguesa para sistemas de reconhecimento de voz baseados em fonemas. dentro desse vasto campo de pesquisa, é dada ênfase à análise para segmentação de voz contínua em categorias fonéticas, baseada em medidas de energia, informação espectral e informação de sonoridade do segmento. Durante a análise dos resultados dos trabalhos de segmentação, notou-se que na fala coloquial da língua portuguesa, há forte tendência a pronunciar na forma surda (ou seja, sem vibração das cordas vocais) as vogais presentes em sílabas átonas postônicas, e que isto causava uma mudança de comportamento nos fonemas oclusivos /p/ e /t/, quando seguidos por essas vogais surdas. Assim, esta tese também abordará a tarefa de reconhecimento de fonemas oclusivos surdos quando seguidos de uma reda neural, resultando em uma boa taxa de reconhecimento.

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.

A estimação dos coeficientes preditores, em sistemas de codificação de voz baseados em LPC, e realizada través de minimização do valor esperado de uma função do erro de predição. Normalmente utiliza-se uma função quadrática, pois com isso minimiza-se a energia do erro de predição, alem de ser possível uma solução analítica para o problema. Entretanto, não e necessariamente verdade que a minimização da energia do erro de predição esteja associada a maximização do fator de qualidade (ponderado pela curva de resposta do ouvido humano) do sinal decodificado. Neste trabalho, funções de erro alternativas são analisadas e, a seguir, a possibilidade de se adotar um erro de predição relativo e testada. Os resultados obtidos indicam que, apesar do erro quadrático apresentar um bom desempenho quando comparado as funções de erro alternativas, a utilização de um erro de predição relativo pode ser útil em algumas situações.

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.

O treinamento de redes neurais artificiais, que pode ser visto como um problema de otimização, apresenta algumas dificuldades. Os algoritmos existentes para o treinamento de redes não são totalmente eficientes. Alguns apresentam falha de generalização ou baixa velocidade de convergência. Este trabalho propõe uma nova ferramenta para o treinamento de redes neurais artificiais do tipo feedforward chamada Time Assíncrono. O time assíncrono é uma estrutura que utiliza vários algoritmos com características diferentes. Os diferentes algoritmos trabalhando de modo paralelo, através do time assíncrono, aumentam a chance do treinamento obtido ser eficiente. É apresentada uma aplicação numérica do time assíncrono para o treinamento de uma rede neural artificial para reconhecimento de caracteres. Os resultados obtidos nesta análise prática mostra que o time assíncrono melhora o treinamento da rede. O erro quadrático médio obtido com o treinamento usando o time assíncrono é melhor do que os erros obtidos pelos algoritmos trabalhando sozinhos. Todo o trabalho foi realizado utilizando a rede de computadores do laboratório AT&T do tipo IBM-PC. Os algoritmos utilizados foram feitos em ambiente Matlab.

Redes neurais caracterizadas por cadeias de osciladores acoplados são um dentre vários tipos de redes que possuem propriedades peculiares relacionadas com a sua estrutura topológica. A dinâmica que descreve o comportamento dessas redes é modelada por sistemas de equações diferenciais, nos quais cada neurônio (nó) é considerado como um oscilador. Estudos realizados em redes desse tipo, em tarefas de reconhecimento de padrões estáveis gerados aleatoriamente, têm apresentado resultados computacionais satisfatórios. Esta tese propôs um desenvolvimento teórico e computacional que forneceu um algoritmo, para o estudo do desempenho de redes neurais em forma de osciladores de Ciclo-Limite de Stuart-Landau, no reconhecimento de figuras fractais. Neste trabalho apresentaremos contextos reais em que podemos encontrar características deste tipo de redes e motivações. Em seguida, serão expostos conceitos de redes de Hopfield, reconhecimento de padrões, teorias dos fractais e dos osciladores de Ciclo-Limite de Stuart-Landau; tais conceitos, por sua vez, serviram como ferramentas principais para o algoritmo construído que será explicado posteriormente. Antes de apresentá-lo, será exposta a maneira como a dinâmica desses osciladores pode se tornar caótica, por meio de simulações computacionais alterando numericamente variáveis intrínsecas, como tempos de disparos entre neurônios, ou quantidades destes no sistema. Estas descobertas serviram como confirmações para elaborar e compor do algoritmo, bem como orientaram as simulações de reconhecimento de figuras fractais. Por fim, será apresentada a conclusão dos resultados encontrados. / Neural networks characterized by chains of coupled oscillators are one of several types of networks which have peculiar properties related with their topological structure. The dynamics that describes the behavior of these networks is modeled by systems of differential equations, of which each neuron (node) is considered as an oscillator. Studies on such networks, in tasks of recognizing randomly generated stable patterns, have presented satisfactory computational results. This thesis proposed a theoretical and computational development that provided an algorithm for the study of the performance of neural networks in the form of Cycle-Limit oscillators of Stuart-Landau, in the recognition of fractals. In this work we will present real contexts in which we can find characteristics of this type of networks and motivations. Next, concepts of Hopfield networks, pattern recognition, fractals theories and the Stuart-Landau Cycle-Limit oscillators will be presented; these concepts, in turn, served as the main tools for the algorithm constructed that will be explained later. Before presenting it, it will be exposed how the dynamics of these oscillators can become chaotic, through computer simulations numerically altering intrinsic variables, such as firing times between neurons, or quantities of these in the system. These findings served as confirmations for elaborating and composing the algorithm, as well as guiding the simulations of the recognition of fractals. Finally, the results will be presented.