A extração de Interações Proteína-Proteína (IPPs) a partir de texto é um problema relevante na área biomédica e um desafio na área de aprendizado de máquina. Na área biomédica, as IPPs são fundamentais para compreender o funcionamento dos seres vivos. No entanto, o número de artigos relacionados com IPPs está aumentando rapidamente, sendo impraticável identicá-las e catalogá-las manualmente. Por exemplo, no caso das IPPs humanas apenas 10% foram catalogadas. Por outro lado, em aprendizado de máquina, métodos baseados em kernels são frequentemente empregados para extrair automaticamente IPPs, atingindo resultados considerados estado da arte. Esses métodos usam informações léxicas, sintáticas ou semânticas como características. Entretanto, os resultados ainda são insuficientes, atingindo uma taxa relativamente baixa, em termos da medida F, devido à complexidade do problema. Apesar dos esforços em produzir kernels, cada vez mais sofisticados, usando árvores sintáticas como árvores constituintes ou de dependência, pouco é conhecido sobre o desempenho de outras abordagens de aprendizado de máquina como, por exemplo, as redes bayesianas. As àrvores constituintes são estruturas de grafos que contêm informação importante da gramática subjacente as sentenças de textos contendo IPPs. Por outro lado, a rede bayesiana permite modelar algumas regras da gramática e atribuir para elas uma distribuição de probabilidade de acordo com as sentenças de treinamento. Neste trabalho de mestrado propõe-se um método para construção automática de redes bayesianas a partir de árvores contituintes para extração de IPPs. O método foi testado em cinco corpora padrões da extração de IPPs, atingindo resultados competitivos, em alguns casos melhores, em comparação a métodos do estado da arte / Extracting Protein-Protein Interactions (PPIs) from text is a relevant problem in the biomedical field and a challenge in the area of machine learning. In the biomedical field, the PPIs are fundamental to understand the functioning of living organisms. However, the number of articles related to PPIs is increasing rapidly, hence it is impractical to identify and catalog them manually. For example, in the case of human PPIs only 10 % have been cataloged. On the other hand, machine learning methods based on kernels are often employed to automatically extract PPIs, achieving state of the art results. These methods use lexical, syntactic and semantic information as features. However, the results are still poor, reaching a relatively low rate of F-measure due to the complexity of the problem. Despite efforts to produce sophisticate kernels, using syntactic trees as constituent or dependency trees, little is known about the performance of other Machine Learning approaches, eg, Bayesian networks. Constituent tree structures are graphs which contain important information of the underlying grammar in sentences containing PPIs. On the other hand, the Bayesian network allows modeling some rules of grammar and assign to them a probability distribution according to the training sentences. In this master thesis we propose a method for automatic construction of Bayesian networks from constituent trees for extracting PPIs. The method was tested in five corpora, considered benchmark of extraction of PPI, achieving competitive results, and in some cases better results when compared to state of the art methods

The increase in the number of deaths due to ground traffic accidents is a global problem. In such context, the development of new vehicular technologies is considered an alternative to improve road safety. Within the field of new vehicle technologies, it is possible to find driver assistance systems. These systems interact in an active or passive way with the driver, reducing their workload by presenting information about their surroundings, which may imply the safer direction of a land vehicle. Taking into account that one of the main reasons for road traffic fatalities in the world is the lane change in a road, hereby we created a cooperative driver assistance system for the lane change, arising from the combination of a kinematic model and a probabilistic graphical one. By combining these two models, we try to improve the response in the assistance of the system, given the direct dependence of the system with a human. Due to the latter, the response of such systems cannot be deterministic in nature. One of the motivations to use probabilistic graphical models is the flexibility of this machines learning technique in modeling the problem addressed in this thesis. In addition to this contribution of applying a specific probabilistic graphical model in our assistance system, other contributions can be found in this thesis, including the development of a Driving simulation platform with a reconfigurable structure. The ability to reconfigure the structure of the driving simulator platform was of great importance for the development and evaluation of the assistance system hereby proposed in each of its stages. In addition, the decision to model a cooperative approach in our assistance system is due to the great potential of the vehicular communications with respect to improving transport safety and efficiency. The moderate cost that is being projected in vehicular communications is another relevant fact. Finally, the description and application of our assistance system model can be considered as a possibility in the area for the development of an application that needs a close response to the reality, based on the uncertainties present in the problem under consideration. / O aumento no número de mortes por causa de acidentes de tráfego terrestre é um problema global. No âmbito dessa problemática, o desenvolvimento de novas tecnologias veiculares é considerado uma alternativa para melhorar a segurança viária. Dentro do domínio das novas tecnologias veiculares, é possível encontrar sistemas de assistência ao motorista. Esses sistemas interagem de maneira ativa ou passiva com o motorista, conseguindo reduzir sua carga de trabalho, apresentando informações de seu entorno, o que pode implicar uma direção mais segura de um veículo terrestre. Levando em consideração que um dos principais motivos de mortes por acidentes de tráfego terrestre no mundo é a mudança de faixa em uma pista, neste trabalho, realizamos a tarefa de criar um sistema cooperativo de assistência ao motorista para a mudança de faixa, a partir da combinação de um modelo cinemático e de um modelo gráfico probabilístico. Mediante a combinação destes dois modelos, procuramos melhorar a resposta na assistência por parte do sistema, dada a dependência direta que o sistema tem dos humanos. Por essa última razão, a resposta deste tipo de sistemas não pode ser determinística por natureza. Uma das motivações para utilizar os modelos gráficos probabilísticos é a flexibilidade da técnica de machine learning em modelar o problema abordado nesta tese. Além dessa contribuição de aplicar um modelo gráfico probabilístico específico em nosso sistema de assistência, outras contribuições podem ser encontradas nesta tese, incluindo o desenvolvimento de uma plataforma de simulação para a condução, com uma estrutura reconfigurável. A capacidade de poder reconfigurar a estrutura da plataforma de simulação foi de grande importância para o desenvolvimento e avaliação do sistema de assistência proposto nesta tese, em cada uma de suas etapas. Além disso, a decisão de modelar um enfoque cooperativo, em nosso sistema de assistência, se deve ao grande potencial que tem as comunicações veiculares com respeito à melhora da segurança e da eficiência do transporte. O custo moderado que está sendo projetado nas comunicações veiculares é outro fato relevante. A descrição e aplicação de nosso modelo final podem ser considerados mais uma possibilidade na área para o desenvolvimento de uma aplicação, que precise de uma resposta próxima da realidade, a partir das incertezas presentes no problema considerado.

Sistemas de suporte a decisão são utilizados em cenários com incertezas. Uma decisão normalmente é auxiliada por resultados obtidos com ações passadas em problemas semelhantes. Quando um sistema de suporte a decisão incorpora conhecimento específico de uma área, estes recebem o nome de sistemas especialistas. Tal conhecimento especifico é utilizado para inferência juntamente com as informações de entrada a respeito do problema. O objetivo deste trabalho é a avaliação e modelagem de sistemas de auxílio a decisão, foram analisadas duas abordagens para um mesmo problema alvo, sendo uma de gerenciamento do problema e outra de detecção do problema. A abordagem de gerenciamento utiliza redes Bayesianas para modelagem, tanto do conhecimento específico quanto para a inferência. As variáveis utilizadas, as relações de dependência e as probabilidades condicionais entre as variáveis foram extraídas da literatura. A abordagem de detecção do problema utilizou imagens para extração de características seguida de um algoritmo de agrupamento para comparação com a classificação de um especialista. Uma das áreas de aplicação de sistemas especialistas é na área clínica, podendo auxiliar tanto na detecção, diagnóstico e tratamento de doenças. A cárie dental é um problema generalizado que afeta a maioria das pessoas, tanto em países ricos, como em países pobres. Existem poucos sistemas para auxílio no processo de diagnóstico da cárie, sendo a maior parte dos sistemas existentes determinísticos, focando apenas na detecção da lesão. O sistema de gerenciamento da cárie desenvolvido foi apresentado a dois profissionais da odontologia, a opinião deles mostra que está abordagem é promissora e aplicável em campos como a educação e a atenção básica a saúde. Além da apresentação aos profissionais, foram utilizados casos bem estabelecidos da literatura para analisar as sugestões fornecidas pela Rede, e o resultado foi coerente com o cenário real de tomada de decisão. A metodologia de detecção da cárie resultou em um alto valor de acurácia, 96.88%, mostrando que tal metodologia é promissora em comparação com outros trabalhos da área. Além da contribuição para a área de informática odontológica, os resultados mostram que a extração da estrutura e das probabilidades condicionais da rede a partir da literatura é uma metodologia que pode ser utilizada em outras áreas com cenário similar ao do diagnóstico da cárie. Nos próximos passos do projeto alguns pontos referentes a modelagem de sistemas e redes Bayesianas serão analisados, como escalabilidade e testes de validação, tanto quantitativamente como qualitativamente, isto inclui o desenvolvimento de métodos computacionalmente efetivos para a geração de casos aleatórios utilizando o Método de Monte Carlo / Decision support systems are used in uncertainty scenarios; normally a decision is choose using similar problems actions results. Decision support systems could incorporate specific knowledge; such systems are called expert systems. The specific knowledge is used for inference about the problem scenario. This work objective is the evaluation and modeling of decision support systems, we analyzed two distinct approaches for the same problem, one for detection, another for management. The management approach uses Bayesian networks for modeling the specific knowledge and the inference engine. The variables choice, the dependences relationship and the conditional probabilities were extracted from the scientific literature. The detection approach used images and feature extraction to perform a clustering and compare the output labels with a specialist classification. One application of expert systems is clinical, supporting diseases detection, diagnosis and treatment. Dental caries is a generalized problem that affects major part of the population, few systems exists for support the caries diagnostic process, the major part is deterministic, focusing only the detection problem. The caries management system developed here was shown to two odontology professionals, and they opinion encourage such approach to be applied in fields like odontology education and basic health. Beyond this, we used well-established cases to analyze the network output suggestions, the result obtained was coherent with the real decision making scenario. The caries detection approach resulted in a high accuracy, 96.88%, showing that methodology is promising. Besides the contribution for dental informatics field, the results obtained here shows that the extraction of the network structure from the literature could be used in problems similar with caries diagnoses. The project next steps are to analyze some points of systems modeling and Bayesian networks, like scalability and validation tests, both quantitative and qualitative, and including the development of computational effectives methods for the use of Monte Carlo methodology

Informações que caracterizam o risco quebra de produção agrícola são necessárias para a precificação de prêmio do seguro agrícola de produção e de renda. A distribuição de probabilidade da variável rendimento agrícola é uma dessas informações, em especial aquela que descreve a variável aleatória rendimento agrícola condicionada aos fatores de risco climáticos. Este trabalho objetiva aplicar redes Bayesianas (grafo acíclico direcionado, ou modelo hierárquico Bayesiano) a estimação da distribuição de probabilidade de rendimento da soja em alguns municípios do Paraná, com foco na analise comparativa de riscos. Dados meteorológicos (ANA e INMET, período de 1970 a 2011) e de sensoriamento remoto (MODIS, período de 2000 a 2011) são usados conjuntamente para descrever espacialmente o risco climático de quebra de produção. Os dados de rendimento usados no estudo (COAMO, período de 2001 a 2011) requerem agrupamento de todos os dados ao nível municipal e, para tanto, a seleção de dados foi realizada nas dimensões espacial e temporal por meio de um mapa da cultura da soja (estimado por SVM - support vector machine) e os resultados de um algoritmo de identificação de ciclo de culturas. A interpolação requerida para os dados de temperatura utilizou uma componente de tendência estimada por dados de sensoriamento remoto, para descrever variações espaciais da variável que são ofuscadas pelos métodos tradicionais de interpolação. Como resultados, identificou-se relação significativa entre a temperatura observada por estações meteorológicas e os dados de sensoriamento remoto, apoiando seu uso conjunto nas estimativas. O classificador que estima o mapa da cultura da soja apresenta sobre-ajuste para safras das quais as amostras usadas no treinamento foram coletadas. Além da seleção de dados, a identificação de ciclo também permitiu obtenção de distribuições de datas de plantio da cultura da soja para o estado do Paraná. As redes bayesianas apresentam grande potencial e algumas vantagens quando aplicadas na modelagem de risco agrícola. A representação da distribuição de probabilidade por um grafo facilita o entendimento de problemas complexos, por suposições de causalidade, e facilita o ajuste, estruturação e aplicação do modelo probabilístico. A distribuição log-normal demonstrou-se a mais adequada para a modelagem das variáveis de ambiente (soma térmica, chuva acumulada e maior período sem chuva), e a distribuição beta para produtividade relativa e índices de estado (amplitude de NDVI e de EVI). No caso da regressão beta, o parâmetro de precisão também foi modelado com dependência das variáveis explicativas melhorando o ajuste da distribuição. O modelo probabilístico se demonstrou pouco representativo subestimando bastante as taxas de prêmio de seguro em relação a taxas praticadas no mercado, mas ainda assim apresenta contribui para o entendimento comparativo de situações de risco de quebra de produção da cultura da soja. / Information that characterize the risk of crop losses are necessary to crop and revenue insurance underwriting. The probability distribution of yield is one of this information. This research applies Bayesian networks (direct acyclic graph, or hierarchical Bayesian model) to estimate the probability distribution of soybean yield for some counties in Paraná state (Brazil) with focus on risk comparative analysis. Meteorological data (ANA and INMET, from 1970 to 2011) and remote sensing data (MODIS, from 2001 to 2011) were used to describe spatially the climate risk of production loss. The yield data used in this study (COAMO, from 2001 to 2011) required grouping to county level and, for that, a process of data selection was performed on spatial and temporal dimensions by a crop map (estimated by SVM - support vector machine) and by the results of a crop cycle identification algorithm. The interpolation required to spatialize temperature required a trend component which was estimated by remote sensing data, to describe the spatial variations of the variable obfuscated by traditional interpolation methods. As results, a significant relation between temperature from meteorological stations and remote sensing data was found, sustaining the use of the supposed relation between the two variables. The soybean map classifier shown over-fitting for the crop seasons for which the training samples were collected. Besides the data collection, a seeding dates distribution of soybean in Paraná state was obtained from the crop cycle identification process. The Bayesian networks showed big potential and some advantages when applied to agronomic risk modeling. The representation of the probability distribution by graphs helps the understanding of complex problems, with causality suppositions, and also helps the fitting, structuring and application of the probabilistic model. The log-normal probability distribution showed to be the best to model environment variables (thermal sum, accumulated precipitation and biggest period without rain), and the beta distribution to be the best to model relative yield and state indexes (NDVI and EVI ranges). In the case of beta regression, the precision parameter was also modeled with explanation variables as dependencies increasing the quality of the distribution fitting. In the overall, the probabilistic model had low representativity underestimating the premium rates, however it contributes to understand scenarios with risk of yield loss for the soybean crop.

Nesta tese são apresentados um novo modelo estatístico para cálculo de probabilidade de paternidade e sua implementação em software. O modelo proposto utiliza o genótipo como informação básica, em contraste com outros modelos que usam alelos. Por esta diferença, o modelo proposto resulta mais abrangente, mas que, sob certas restrições, reproduz os resultados dos modelos que usam alelos. Este modelo foi implementado em um software que recebe descrições da genealogia e dos marcadores em uma linguagem dedicada a isso e constrói uma rede bayesiana para cada marcador. O usuário pode definir livremente a genealogia e os marcadores. O cálculo da probabilidade de paternidade é feito, sobre as redes construídas, por um software para inferência em redes bayesianas e a probabilidade de paternidade combinada considerando todos os marcadores é calculada, resultando em um \"índice de paternidade. / This thesis presents a novel statistical model for calculation of the probability of paternity and its implementation as a software. The proposed model uses genotype as basic information. Other models use alleles as basic information. As a result the proposed model is broader, in the sense that, under certain constraints the results from the other models are reproduced. The software implementation receives pedigree and markers data, in a specifically designed language, as input and builds one bayesian network for each marker. The user can freely define any pedigree and any marker. Paternity probabilities for each locus are calculated, from the built networks, by a software for inference on Bayesian Networks and these probabilities are combined into a single \"paternity index\".

Submitted by Maicon Juliano Schmidt (maicons) on 2015-06-09T17:46:58Z No. of bitstreams: 1 Henrique Manfron Seffrin_.pdf: 4996070 bytes, checksum: facf64690edf2c78dfd329c9ec67d18c (MD5) / Made available in DSpace on 2015-06-09T17:46:58Z (GMT). No. of bitstreams: 1 Henrique Manfron Seffrin_.pdf: 4996070 bytes, checksum: facf64690edf2c78dfd329c9ec67d18c (MD5) Previous issue date: 2015-02-20 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / CNPQ – Conselho Nacional de Desenvolvimento Científico e Tecnológico / Pesquisas têm mostrado que os alunos apresentam ganhos mais significativos de aprendizagem através do ensino individualizado, pois o professor pode se focar nas dificuldades de cada um. Por ser uma estratégia de custo elevado, os Sistemas Tutores Inteligentes (STI) oferecem uma alternativa mais viável. Esses sistemas, através de técnicas de Inteligência Artificial, são capazes de se adaptar às características de cada aluno, provendo assistência individualizada. Esta adaptação personalizada é fornecida pelo componente Modelo de Aluno, que é capaz de avaliar e mapear o conhecimento de cada estudante. Na literatura, são encontrados diversos trabalhos que lidam com a questão de avaliação de conhecimento do aluno, dentre os quais encontram-se alguns trabalhos relacionados ao domínio de álgebra. Estes trabalhos, geralmente, apresentam modelagens com redes Bayesianas, que são estruturas probabilísticas amplamente utilizadas por apresentarem resultados muito interessantes no que se refere à avaliação do conhecimento dos estudantes. No entanto, nestes trabalhos, estas estruturas relacionam apenas os conceitos algébricos, ou modelam relações entre operações algébricas, com suas principais propriedades e falsas concepções. Esses trabalhos não buscam definir as relações entre os conceitos algébricos e as respectivas operações, e como os primeiros podem estar interferindo, positivo ou negativamente, na aprendizagem dos segundos. Por exemplo, na álgebra, há conceitos chave, como incógnita e a igualdade entre os lados da equação, que interferem diretamente na compreensão de certas operações algébricas. Se um estudante não os compreende, dificilmente ele será capaz de aplicar corretamente as operações relacionadas em todas as situações. Desse modo, é desejável que os modelos de inferência sejam capazes de identificar se o estudante compreende tais conceitos. Além disso, outra limitação dos trabalhos relacionados de modelos de alunos voltados para a álgebra se refere a como eles tratam as evidências. Como estes trabalhos utilizam os itens de avaliação para isto, a cada novo exercício, é necessário inserir um novo nodo na rede, e estabelecer as relações com cada conceito abordado por este item. Isso torna o projeto da rede trabalhoso e dependente de cada exercício aplicado no STI. Nesse contexto, este trabalho propõe um modelo de aluno algébrico que além de inferir o conhecimento algébrico dos estudantes de conceitos (como incógnita, igualdades, operações inversas), habilidades (operações algébricas) e falsas concepções, busca definir as relações entre conceitos e habilidades. Como foco inicial deste trabalho serão utilizadas as equações de 1o grau. Para a inferência, será empregada a estrutura de Redes Bayesianas Dinâmicas (RBD), usando como evidência a operação aplicada pelo aluno em cada passo da resolução de uma equação. Nesta estrutura de RBD, cada time slice corresponde à resolução de um passo, o que torna o modelo proposto independente dos exercícios aplicados pelo STI. Dessa forma, o modelo de inferência proposto pode ser utilizado em qualquer equação algébrica, sem a necessidade de qualquer alteração na rede, como ocorre nos outros trabalhos relacionados. Visando verificar a capacidade de inferência desta rede, foram conduzidas avaliações. A partir dos históricos dos alunos, que utilizaram o PAT2Math, foram obtidas as evidências para a rede; e a partir dos dados dos pós-testes, realizados pelos mesmos alunos, formam obtidos os percentuais a serem comparados com a inferência da rede. Como os resultados não foram satisfatórios, empregou-se a regra do limiar, instanciando toda a variável que o ultrapassasse. Avaliada sob os limiares de 96% e 98%, a rede demostrou resultados mais precisos com o limiar de 96%, no qual as diferenças entre os resultados da rede e os percentuais dos pós-testes permaneceram, em sua maioria, em até 5%. / Students learn more through personalized instruction, because the teacher can focus on each learner. Being a impracticable strategy in terms of cost, Intelligent Tutoring Systems (ITS) offers a feasible alternative. By using Artificial Intelligence techniques, these systems are able to adapt themselves to the students, providing individualized instruction. Such adaptation is provided by the Student Model, which is able to assess and map the knowledge of each student. In the literature there are several studies that deal with knowledge evaluation in ITS, some of them are related to algebra. These studies present a Bayesian Network modeling, probabilistic structures that are widely used because of their interesting results concerning the evaluation of the student knowledge. However, in this studies, the network structure only models algebraic concepts, or only model a relationship between algebraic operations and its main properties and common misconceptions. These studies do not aim to represent the relationship between concepts and algebraic operations and how the former can be interfering, in a positive or negative way, on the learning of the second one. For example, in algebra, there are key concepts, such as the unknown and equality among sides of the equation, which directly interferes with the understanding of some algebraic operations. If a student does not understand these concepts, he would hardly be able to apply correctly the related operations in every situation. Thus, it is desirable that the inference model be able to identify if the student understands such concepts. In addition, another limitation of the related work of algebraic student models refers to how they deal with the evidence. As these studies use the assessment items for evidence, for each new exercise, it is necessary to insert a new node in the network, and establish relationships with each concept addressed by this item. This makes the network design laborious and dependent on each ITS exercise. In this context, this work proposes an algebraic student model that, in addition to infer the student knowledge of algebraic concepts (as unknown, equality, inverse operation), skills (algebraic operations) and common misconceptions, defines the relationship between concepts and skill. An initial focus of this study will be the 1st degree equations. For the inference model we use the Dynamic Bayesian Networks (DBN), in which the evidences are the operations applied by the student to solve each equation step. In this structure of DBN, each time slice corresponds to a resolution step, which makes the proposed model independent of the ITS exercises. Thus, the proposed inference model can be used in every algebraic equation, without need to make changes in the network, as occurs with other works.In order to verify the inference capacity of the network, evaluations were conducted. From the resolution history of the students, that interact with PAT2Math, the evidences for the network were obtained; and from the post-test data, solved by the same students, the percentages to compare with the results of the network were obtained. As the results aren’t very satisfactory, we applied the threshold rule, every variable that exceeded this value are instantiated. The network were evaluated under the threshold of 96% and 98%. The proposed DBN has shown more accurate inference with the 96% threshold, in which the differences between the results of the network and the percentages of the post-test remained mostly with ceiling of 5%.

Submitted by Silvana Teresinha Dornelles Studzinski (sstudzinski) on 2016-03-17T16:13:01Z No. of bitstreams: 1 Leonardo Ribeiro Machado_.pdf: 1406241 bytes, checksum: d0229eb3cc9a08809b94e758fa60d7e6 (MD5) / Made available in DSpace on 2016-03-17T16:13:01Z (GMT). No. of bitstreams: 1 Leonardo Ribeiro Machado_.pdf: 1406241 bytes, checksum: d0229eb3cc9a08809b94e758fa60d7e6 (MD5) Previous issue date: 2011-03-31 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O desempenho de um SGBD é um fator crítico a ser considerado durante a sua utilização. Diversas técnicas são atualmente empregadas na tentativa de aumentar o desempenho de um SGBD. Esta pesquisa integra tecnologias de agentes e de mineração de dados para a criação de modelos probabilísticos (bayesianos) de decisão aptos a auxiliar no processo de melhoria de desempenho de um SGBD. Este modelo é usado, então, como base da ferramenta ATTuneDB de sintonia de SGBD. A partir da carga real de operação de um SGBD PostgreSQL, a ferramenta utiliza este modelo para identificar o regime de trabalho do SGBD e encontrar o melhor conjunto de valores para os parâmetros deste SGBD, apoiando o administrador do SGBD na tarefa de otimizar o desempenho deste. / The performance of a DBMS is a critical factor to be considered while using it. Several techniques are currently employed in an attempt to increase the performance of a DBMS. This research integrates agent technologies and data mining for building probabilistic decision models (Bayesian) able to assist the performance improvement process of a DBMS. This model is used to build the ATTuneDB DBMS fine-tuning tool. Receiving information about the real workload being submitted to a PostgreSQL DBMS, and using the probabilistic model, the tool is able to identify the type of the workload, and find the best set of value for the parameters of this DBMS, thus, supporting the DBA on the task of optimizing the DBMS performance.

Este estudo visa compreender a adequação dos rendimentos às necessidades e condições de vida dos brasileiros. Observando os dados da Pesquisa de Orçamentos Familiares (POF) realizada pelo IBGE (Instituto Brasileiro de Geografia e Estatística) para o período: 2008 e 2009, o estudo identifica um modelo que se concentra na investigação sobre o fato de 75% dos domicílios brasileiros declararem dificuldades orçamentárias. Para desenvolver um modelo, foi utilizada a percepção declarada e subjetiva de adequação da renda, informada pelo chefe de família ou pessoa de referência no domicílio. O referencial teórico baseia-se no comportamento do consumidor e foca nos recursos econômicos. O método quantitativo foi desenvolvido com Inteligência Artificial, mais especificamente Redes Bayesianas. Redes Bayesianas são estruturas em forma de grafos onde as distribuições de probabilidade são representadas por nós ligados por arcos acíclicos, que podem representar ou não relações causais entre as variáveis. No final pretende-se contribuir para o conhecimento e melhoria no desenho de políticas públicas e para as empresas em geral, dando um panorama sobre o que afeta as dificuldades das famílias, proporcionando uma visão que vai além da tradicional divisão de classes econômicas. / This study aims to understand the adequacy of Brazilians´ income to their needs and living conditions. According to the data from the Household Budget Survey (POF) conducted by IBGE (Brazilian Institute of Geography and Statistics) for the years of 2008 - 2009, the study identifies a model which focuses on the investigations about the fact that 75% of Brazilian households reported budgetary difficulties. To develop a model, was used the perceived adequacy of income declared by the householder or reference person in the household. The theoretical framework was based on consumer behavior and focuses on economic resources. The quantitative method was developed by Artificial Intelligence, specifically Bayesian Networks. Bayesian Networks are structures in the form of graphs for which the probability distributions are represented by nodes connected by acyclic arcs, which may or may not represent causal relationships between variables. At the end we intend to contribute to knowledge and improvement in the design of public policies and business in general, giving a more detailed look at what affects the difficulties of families, providing a vision that goes beyond the traditional division of economic classes.

Sistemas de transporte marítimo são essenciais para o Comércio Global, em especial, navios-tanques e seus centros de carga e descarga de produtos líquidos ou gasosos inflamáveis; portanto, é crucial entender como estes sistemas podem falhar, para que seus operadores sejam capazes de manter a sua capacidade de operação. É preciso que cada e toda análise quantitativa de risco compreenda algumas das atividades básicas que devem ser desenvolvidas, para permitir a quantificação dos riscos envolvidos e associados, na operação do sistema ou do processo. Basicamente, devem ser calculadas as probabilidades de ocorrência dos eventos indesejados identificados, bem como a magnitude de suas consequências. O objetivo deste trabalho é aferir se a técnica denominada Rede Bayesiana RB é a mais adequada, comparando-a com as técnicas de árvores de falhas e de eventos, para realizar uma Análise de Risco da operação ou processo de descarga de líquidos inflamáveis, como etanol anidro e/ou produtos petrolíferos, de um naviotanque para um terminal portuário específico Terminal de Granéis Líquidos TGL com foco na interface entre dois sistemas: o navio e o porto, observado o elemento humano, ou seja, o erro humano (Análise da Confiabilidade Humana). Além disso, será realizado um estudo das consequências do vazamento de um líquido inflamável transportado pelo navio, olhando para o pior cenário, a partir da ruptura da tubulação ou do compartimento do navio-tanque. A análise tem por base as recomendações da Organização Internacional Marítima OIM (em inglês, IMO). A OIM tem adotado a Avaliação Formal da Segurança AFS (em inglês, Formal Safety Assessment FSA), como seu modo oficial de receber as sugestões de seus membros para criar ou modificar qualquer regulamentação correlacionada. Este processo é composto de cinco passos que a OIM descreve na guia AFS (IMO, 2002). Este trabalho irá mostrar todas as etapas, mas irá focar, com especial atenção, a segunda etapa Risk Assessment, porque será aplicada ao caso sob análise, envolvendo o comportamento humano. Existem muitas técnicas e muito trabalho envolvido na estimação das probabilidades dos eventos. O mesmo ocorre para a avaliação de suas consequências. Uma vez definida a quantidade total de vazamento, um software poderá ser usado para calcular as consequências. O mesmo será feito para na Análise de Risco, utilizando RB, e, neste ponto, o trabalho apresenta uma nova contribuição. / Maritime transportation systems are essential for World Trade, in special, Tankers ships and yours loading and unloading facilities; therefore, it is crucial to understand how these systems may fail, to be able to maintain their capacity. It need that each and every quantitative risk assessment comprises some basic activities that have to be developed to allow the quantification of the risks involved in the operation of a system or process. Basically, it must be estimated the likelihood of the identified undesired events as well as the magnitude of their consequences. The objective of this study is to assess if the technique called Bayesian Networks BN is the best suited, with respect to the Fault Tree Analysis FTA and the Event Tree Analysis ETA, to perform an Risk Analysis of the operation or process of unloading of flammable bulk liquids, such as anhydrous ethanol and/or oil products, from a Tanker to a port terminal specified the Bulk Liquid Terminal BLT, focusing on the interface between the two systems: ship and port with the inclusion of the human factor, i.e., human error: Human Reliability Analysis HRA. Furthermore, a consequence analysis of a specific liquid bulk leakage will be performed, looking at the worst scenario case, from the rupture of a pipeline or tank from a Tanker. The analysis came from based on the recommendations of the International Maritime Organization IMO. The IMO has adopted the FSA (Formal Safety Assessment) as its official way of receiving suggestions of its members to create or modify any regulation correlated. It is a process composed by five steps that IMO has described in its Guidelines for FSA (IMO, 2002). This thesis will to show all steps, but will look carefully to step two (Risk Assessment) because it will be applied in the example situation, involving human behavior (HRA). There are many techniques and much work involved in the estimation of the likelihood of the events. The same occurs for the evaluation of their consequences. Once defined the total leaked quantity, software will be used to calculate the consequences. The same will be done to Risk Analysis, using BN, and at this point, the work is a new contribution.

Sistemas de suporte a decisão são utilizados em cenários com incertezas. Uma decisão normalmente é auxiliada por resultados obtidos com ações passadas em problemas semelhantes. Quando um sistema de suporte a decisão incorpora conhecimento específico de uma área, estes recebem o nome de sistemas especialistas. Tal conhecimento especifico é utilizado para inferência juntamente com as informações de entrada a respeito do problema. O objetivo deste trabalho é a avaliação e modelagem de sistemas de auxílio a decisão, foram analisadas duas abordagens para um mesmo problema alvo, sendo uma de gerenciamento do problema e outra de detecção do problema. A abordagem de gerenciamento utiliza redes Bayesianas para modelagem, tanto do conhecimento específico quanto para a inferência. As variáveis utilizadas, as relações de dependência e as probabilidades condicionais entre as variáveis foram extraídas da literatura. A abordagem de detecção do problema utilizou imagens para extração de características seguida de um algoritmo de agrupamento para comparação com a classificação de um especialista. Uma das áreas de aplicação de sistemas especialistas é na área clínica, podendo auxiliar tanto na detecção, diagnóstico e tratamento de doenças. A cárie dental é um problema generalizado que afeta a maioria das pessoas, tanto em países ricos, como em países pobres. Existem poucos sistemas para auxílio no processo de diagnóstico da cárie, sendo a maior parte dos sistemas existentes determinísticos, focando apenas na detecção da lesão. O sistema de gerenciamento da cárie desenvolvido foi apresentado a dois profissionais da odontologia, a opinião deles mostra que está abordagem é promissora e aplicável em campos como a educação e a atenção básica a saúde. Além da apresentação aos profissionais, foram utilizados casos bem estabelecidos da literatura para analisar as sugestões fornecidas pela Rede, e o resultado foi coerente com o cenário real de tomada de decisão. A metodologia de detecção da cárie resultou em um alto valor de acurácia, 96.88%, mostrando que tal metodologia é promissora em comparação com outros trabalhos da área. Além da contribuição para a área de informática odontológica, os resultados mostram que a extração da estrutura e das probabilidades condicionais da rede a partir da literatura é uma metodologia que pode ser utilizada em outras áreas com cenário similar ao do diagnóstico da cárie. Nos próximos passos do projeto alguns pontos referentes a modelagem de sistemas e redes Bayesianas serão analisados, como escalabilidade e testes de validação, tanto quantitativamente como qualitativamente, isto inclui o desenvolvimento de métodos computacionalmente efetivos para a geração de casos aleatórios utilizando o Método de Monte Carlo / Decision support systems are used in uncertainty scenarios; normally a decision is choose using similar problems actions results. Decision support systems could incorporate specific knowledge; such systems are called expert systems. The specific knowledge is used for inference about the problem scenario. This work objective is the evaluation and modeling of decision support systems, we analyzed two distinct approaches for the same problem, one for detection, another for management. The management approach uses Bayesian networks for modeling the specific knowledge and the inference engine. The variables choice, the dependences relationship and the conditional probabilities were extracted from the scientific literature. The detection approach used images and feature extraction to perform a clustering and compare the output labels with a specialist classification. One application of expert systems is clinical, supporting diseases detection, diagnosis and treatment. Dental caries is a generalized problem that affects major part of the population, few systems exists for support the caries diagnostic process, the major part is deterministic, focusing only the detection problem. The caries management system developed here was shown to two odontology professionals, and they opinion encourage such approach to be applied in fields like odontology education and basic health. Beyond this, we used well-established cases to analyze the network output suggestions, the result obtained was coherent with the real decision making scenario. The caries detection approach resulted in a high accuracy, 96.88%, showing that methodology is promising. Besides the contribution for dental informatics field, the results obtained here shows that the extraction of the network structure from the literature could be used in problems similar with caries diagnoses. The project next steps are to analyze some points of systems modeling and Bayesian networks, like scalability and validation tests, both quantitative and qualitative, and including the development of computational effectives methods for the use of Monte Carlo methodology