Made available in DSpace on 2014-06-11T19:24:01Z (GMT). No. of bitstreams: 0 Previous issue date: 2013-05-15Bitstream added on 2014-06-13T19:30:28Z : No. of bitstreams: 1 iwashita_as_me_sjrp.pdf: 872507 bytes, checksum: 3a65e582b2dc78e6845ccfe3ddc8aa3f (MD5) / Técnicas de reconhecimento de padrões têm como principal objetivo classificar um conjunto de amostras baseadas em um conhecimento a prioriou em alguma informação estatística obtida dessas amostras. Tal processo de aprendizado é a fase de maior consumo de tempo na grande maioria das técnicas de reconhecimento de padrõe. O problema ainda pode piorar em ferramentas de classificação interativas, nas quais o usuário é solicitado a rotular amostras que serão utilizadas para o treinamento, e após a classificação, os resultados podem ser refina-dos através de mais amostras rotuladas manualmente. Esta situação pode ser inaceitável para grandes bases de dados. Dado que muitos trabalhos tem sido orientados à implementação de vários algoritmos de reconhecimento de padrôes em ambiente General Purpose Graphics Processing Unit- GPGPU, o presente estudo objetivou a implementação da etapa de treinamento do classificador Floresta de Caminhos Ótimos em Compute Unified Device Architecture- CUDA visando aumentar a sua eficiência. Foi implementada uma otimização, do referido classificador utilizando os métodos tradicionais, ou seja, na Central Processing Unit- CPU, e demonstrou uma fase de treinamento cerca de duas vezes mais rápida que a versão original. A otimização do classificador em CUDA também demonstrou uma fase de treinamento mais rápida que a versão original / Pattern recognition techniques have as main objective to classify a set of samples ba-sed on a priori knowledge or statistical information obtained by these samples. This learning process is the most time-consuming phase in most pattern recognition techniques. The problem may become worse in interactive classification tools, in which the user is asked to label the samples that will be used for training, and after the classification, the results can be refined through more samples manually labeled. However, this may be unacceptable for large databa-ses. Since many studies have been oriented to the implementation of various pattern recognition algorithms on General Purpose Graphics Processing Unit - GPGPU environment, this study ai-med the implementation of the training stage of the Optimum-Path Forest classifier in Compute Unified Device Architecture - CUDA in order to increase its efficiency. We have implemented an optimization of that classifier using the traditional methods, i.e., on the Central Processing Unit - CPU, and it has demonstrated a training phase about two times faster than the original version. The classifier optimization in CUDA has also shown a training phase faster than the original version

Orientador: João Paulo Papa / Coorientador: Alexandro José Baldassin / Banca: Antonio Carlos Sementille / Banca: Alexandre Luís Magalhães Levada / Resumo: Técnicas de reconhecimento de padrões têm como principal objetivo classificar um conjunto de amostras baseadas em um conhecimento a prioriou em alguma informação estatística obtida dessas amostras. Tal processo de aprendizado é a fase de maior consumo de tempo na grande maioria das técnicas de reconhecimento de padrõe. O problema ainda pode piorar em ferramentas de classificação interativas, nas quais o usuário é solicitado a rotular amostras que serão utilizadas para o treinamento, e após a classificação, os resultados podem ser refina-dos através de mais amostras rotuladas manualmente. Esta situação pode ser inaceitável para grandes bases de dados. Dado que muitos trabalhos tem sido orientados à implementação de vários algoritmos de reconhecimento de padrôes em ambiente General Purpose Graphics Processing Unit- GPGPU, o presente estudo objetivou a implementação da etapa de treinamento do classificador Floresta de Caminhos Ótimos em Compute Unified Device Architecture- CUDA visando aumentar a sua eficiência. Foi implementada uma otimização, do referido classificador utilizando os métodos tradicionais, ou seja, na Central Processing Unit- CPU, e demonstrou uma fase de treinamento cerca de duas vezes mais rápida que a versão original. A otimização do classificador em CUDA também demonstrou uma fase de treinamento mais rápida que a versão original / Abstract: Pattern recognition techniques have as main objective to classify a set of samples ba-sed on a priori knowledge or statistical information obtained by these samples. This learning process is the most time-consuming phase in most pattern recognition techniques. The problem may become worse in interactive classification tools, in which the user is asked to label the samples that will be used for training, and after the classification, the results can be refined through more samples manually labeled. However, this may be unacceptable for large databa-ses. Since many studies have been oriented to the implementation of various pattern recognition algorithms on General Purpose Graphics Processing Unit - GPGPU environment, this study ai-med the implementation of the training stage of the Optimum-Path Forest classifier in Compute Unified Device Architecture - CUDA in order to increase its efficiency. We have implemented an optimization of that classifier using the traditional methods, i.e., on the Central Processing Unit - CPU, and it has demonstrated a training phase about two times faster than the original version. The classifier optimization in CUDA has also shown a training phase faster than the original version / Mestre

Orientador: José Roberto Ruggiero / Banca: Paulo Bandiera Paiva / Banca: Paula Regina Kuser Falcão / Banca: Luis Paulo Barbour Scott / Banca: Fátima Pereira de Souza / Resumo: Os compostos de platina são muito importantes para o tratamento de vários tumores malignos. Entretanto, a predição de sítios de ligação para estes compostos é muito difícil de ser feita devido ao processo de coordenação da platina. Portanto, neste trabalho, é apresentado um estudo in silico que fornece uma compreensão da superfície molecular em nível atômico da estrutura tridimensional da cisplatina e transplatina e seus sítios de ligação em relação às proteínas alvo para uma melhor compreensão das interações entre ligantes e proteínas. Esta abordagem tem a finalidade de oferecer novas ideias para a concepção de fármacos a partir de compostos de platina através do estudo da superfície molecular entre proteína e ligante. O objetivo deste trabalho foi elaborar uma nova abordagem baseada em parâmetros geométricos e físico-químicos para encontrar sítios de ligação de compostos de platina pela implementação de novos algoritmos de computação paralela para Graphic Processing Units (GPUs). Os algoritmos foram testados e validados pela análise de sítios de ligação das proteínas cuprozinc superóxido dismutase, ubiquitina, mioglobina, monômero de chaperona e BCL-2. Os resultados indicaram que estes sítios de ligação foram preditos com um significativo sucesso. O presente método teve uma melhor predição de sítios de ligação para a cisplatina e transplatina nas cinco proteínas selecionadas se comparado aos métodos HexServer e PatchDock / Abstract: Platinum compounds are very important to treatment of various malignant tumors. However, prediction of platinum-binding sites is very hard to be made. Herein, a study in silico provides an understanding of the molecular surface in atomic level of the three-dimensional structure of cisplatin and transplatin and their binding sites in order to offer some insights in drug designing. The goal of this work was to implement a new approach based on geometric and physicochemical parameters to find platinum-binding sites using a new parallel computing algorithms for graphics processing units (GPUs). These algorithms were tested and validated by analysing platinum-binding sites of proteins cuprozinc superoxide dismutase, ubiquitin, myoglobin, monomer chaperone and BCL-2. The results indicated that these binding sites were predicted with significant success. In our analysis HexServer and PatchDock server did not find putative binding-sites for cisplatin and transplatin as we found for the five chosen proteins. Herein, we have shown that the present method have had a better prediction of platinum-binding site than HexServer and PatchDock methods / Doutor

Orientador: Aleardo Manacero Junior / Banca: Alexandro José Baldassin / Banca: Paulo Sérgio Lopes de Souza / Resumo: A indústria de tecnologia da informação tem permitido uma explosão de dados coletados nos últimos anos. Isso ocorreu, entre outros fatores, pela expansão do acesso à rede por meio de uma infinidade de equipamentos. Uma análise detalhada dos dados armazenados pode, por exemplo, extrair informações valiosas sobre o comportamento dos indivíduos, permitindo uma relação personalizada de acordo com os interesses dos usuários. Essa tarefa pode ser feita usando algoritmos de agrupamento de dados. Porém, esse é um processo que requer grande esforço computacional tanto pela ordem de complexidade dos algoritmos existentes como pelos crescentes volumes processados. Nesse contexto, execuções sequenciais não são viáveis e sua paralelização é o caminho natural. Isso exige remodelar algoritmos para explorar o potencial de plataformas massivamente paralelas, de acordo com as particularidades da arquitetura alvo. Neste trabalho se propõe uma implementação paralela do algoritmo Fuzzy Minimals para GPU, como uma solução de alto desempenho e baixo custo para contornar dificuldades frequentes no agrupamento de dados. Com o objetivo de avaliar o desempenho de nossa solução, também desenvolvemos versões paralelas em MPI e OpenMP. Nossos experimentos mostram que a solução para GPU alcança resultados expressivos com um baixo custo, mantendo uma precisão significativa / Abstract: IT industry has witnessed an explosion of data collected for the past few years. This took place, among other factors, due to the expansion of network access through several devices. For example, a detailed analysis of the stored data can extract some valuable information about human behaviors, allowing a customized experience that matches the interests of users . This task can be performed by clustering algorithms. However, this is a time-consuming process due to the asymptotic complexity of existing algorithms and the increasing volumes of data processed. In this context, sequential executions are not feasible and their parallelization is the natural path. This requires redesigning algorithms to take advantage of massively parallel platforms according to the particularities of targeted architectures. In this paper, it is proposed a novel parallel implementation of the Fuzzy Minimals algorithm on GPU, as a high-performance lowcost solution for common clustering issues. In order to evaluate the performance of our implementation, we have also designed parallel versions using MPI and OpenMP. Our experiments show that our parallel solution on GPU can achieve a high performance at a low cost, preserving a significant accuracy / Mestre

Made available in DSpace on 2015-09-17T15:26:03Z (GMT). No. of bitstreams: 0 Previous issue date: 2015-04-23. Added 1 bitstream(s) on 2015-09-17T15:46:12Z : No. of bitstreams: 1 000844682.pdf: 3799605 bytes, checksum: 4faa53f62a46c2b9eeeb5a9a5234ab05 (MD5) / Os compostos de platina são muito importantes para o tratamento de vários tumores malignos. Entretanto, a predição de sítios de ligação para estes compostos é muito difícil de ser feita devido ao processo de coordenação da platina. Portanto, neste trabalho, é apresentado um estudo in silico que fornece uma compreensão da superfície molecular em nível atômico da estrutura tridimensional da cisplatina e transplatina e seus sítios de ligação em relação às proteínas alvo para uma melhor compreensão das interações entre ligantes e proteínas. Esta abordagem tem a finalidade de oferecer novas ideias para a concepção de fármacos a partir de compostos de platina através do estudo da superfície molecular entre proteína e ligante. O objetivo deste trabalho foi elaborar uma nova abordagem baseada em parâmetros geométricos e físico-químicos para encontrar sítios de ligação de compostos de platina pela implementação de novos algoritmos de computação paralela para Graphic Processing Units (GPUs). Os algoritmos foram testados e validados pela análise de sítios de ligação das proteínas cuprozinc superóxido dismutase, ubiquitina, mioglobina, monômero de chaperona e BCL-2. Os resultados indicaram que estes sítios de ligação foram preditos com um significativo sucesso. O presente método teve uma melhor predição de sítios de ligação para a cisplatina e transplatina nas cinco proteínas selecionadas se comparado aos métodos HexServer e PatchDock / Platinum compounds are very important to treatment of various malignant tumors. However, prediction of platinum-binding sites is very hard to be made. Herein, a study in silico provides an understanding of the molecular surface in atomic level of the three-dimensional structure of cisplatin and transplatin and their binding sites in order to offer some insights in drug designing. The goal of this work was to implement a new approach based on geometric and physicochemical parameters to find platinum-binding sites using a new parallel computing algorithms for graphics processing units (GPUs). These algorithms were tested and validated by analysing platinum-binding sites of proteins cuprozinc superoxide dismutase, ubiquitin, myoglobin, monomer chaperone and BCL-2. The results indicated that these binding sites were predicted with significant success. In our analysis HexServer and PatchDock server did not find putative binding-sites for cisplatin and transplatin as we found for the five chosen proteins. Herein, we have shown that the present method have had a better prediction of platinum-binding site than HexServer and PatchDock methods