Orientador: Prof. Dr. Diogo Coutinho Soriano / Dissertação (mestrado) - Universidade Federal do ABC. Programa de Pós-Graduação em Engenharia Biomédica, 2017. / Interfaces cérebro-computador (BCIs) definem canais de comunicação capazes de mapear sinais cerebrais em sinais de controle para dispositivos externos, sem utilização dos eferentes biológicos, utilizando comumente estratégias não invasivas para tanto, tal como obtido pela eletroencefalografia de superfície. Dentre os principais paradigmas BCI têm-se os potenciais visualmente evocados em regime estacionário (SSVEP - steady state visually evoked potential), o qual se baseia no sincronismo da atividade elétrica do córtex visual com estímulos visuais externos, permitindo assim a identificação dos eletrodos e frequências estimulatórias mais eficientes para a discriminação dos estímulos escolhidos pelo usuário via modulação da sua atenção. Tal paradigma de sistema BCI tem sido utilizado como uma importante estratégia no âmbito do desenvolvimento de tecnologias assistivas, as quais visam aumentar a qualidade de vida de pacientes com severas limitações motoras e de comunicação. Neste contexto, o presente trabalho apresenta contribuições à implementação de sistemas BCI-SSVEP operando de modo off-line e em tempo de execução (on-line). Para tanto, analisa-se aqui um conjunto de estruturas de processamento de sinais que levam ao melhor desempenho na tarefa de reconhecimento de padrões considerando técnicas clássicas de estimação de espectro e análise de correlação canônica (CCA - Canonical Correlation Analysis), um método comumente referenciado por seus bons resultados. Comparativos envolvendo variantes de pré-processamento baseados na filtragem espacial e na seleção de atributos também são apresentados. Dois conjuntos de dados foram analisados em ambiente off-line e um em tempo de execução. O primeiro conjunto de dados off-line foi analisado a partir da coleta de dados em cooperação científica no contexto do projeto DesTiNe, enquanto o segundo conjunto envolveu coleta de dados off-line e em tempo de execução no próprio laboratório de Métodos Computacionais para a Bioengenharia da UFABC. Como contribuições centrais podem-se mencionar: 1) comparativo de desempenho utilizando variantes de técnicas de filtragem espacial, extração e seleção de características em ambiente off-line; 2) implementação de um setup completo experimental para realização de experimentos BCI-SSVEP com neuro-feedback visual e auditivo; 3) Disponibilização de uma base de dados BCI-SSVEP contendo aquisições de 15 sujeitos com 12 sessões de 6 segundos para cada uma das 4 frequências (10, 11, 12 e 13 Hz), totalizando 48 sessões por sujeito, i.e. um total de 720 sessões de 6 s ou 4.320 s de dados disponibilizados para a comunidade científica; 4) Comparação de 3 métodos de extração de características em âmbito off-line (FFT, Welch e CCA); 5) Comparação de 2 métodos de extração de características em âmbito on-line, FFT e CCA; 6) Análise de desempenho on-line versus off-line. / Brain-computer interfaces (BCIs) define communication channels capable of mapping brain signals in control signals to external devices, without the use of biological efferents, using commonly non-invasive strategies for both, as obtained by surface electroencephalography. Among the main BCI paradigms are the steady state visually evoked potentials (SSVEP), which is based on the synchronization of the electrical activity of the visual cortex with external visual stimuli, thus allowing the identification of the electrodes and frequencies stimulus for discriminating the stimuli chosen by the user by modulating its attention. This BCI system paradigm has been widely used in the development of assistive technologies, which aim to increase the quality of life of patients with severe motor and communication limitations. In this context, this work presents contributions to the implementation of BCI-SSVEP systems operating offline and at run-time. To do so, we analyze here a set of signal processing structures that lead to the best pattern recognition performance considering classical techniques as spectrum estimation and Canonical Correlation Analysis (CCA), a commonly cited method for its good results. Comparisons involving preprocessing variants based on spatial filtering and attribute selection are also presented. Two sets of data were analyzed in an offline environment and one at run time. The first set of off-line data was analyzed from data collection in scientific cooperation in the context of DesTiNe project, while the second set involved off-line and run time data analysis in the Laboratory of Computational Methods for Bioengineering at UFABC. As central contributions may be mentioned: 1) comparative performance using variants of techniques of spatial filtering, feature extraction and feature selection in an offline environment; 2) implementation of a complete experimental setup to perform BCI-SSVEP experiments with visual and auditory neuro-feedback; 3) Availability of a BCI-SSVEP database containing acquisitions of 15 subjects with 12 sessions of 6 seconds for each of the 4 frequencies (10, 11, 12 and 13 Hz), totaling 48 sessions per subject, ie a total of 720 sessions of 6 s or 4,320 s of data made available to the scientific community; 4) Comparison of 3 methods of feature extraction in off-line environment (FFT, Welch and CCA); 5) Comparison of 2 methods of feature extraction in online scope, FFT and CCA; 6) Analysis of performance online versus offline.

Este trabalho consiste em realizar um estudo detalhado das vantagens e desvantagens da utilização do FDM (Filter Diagonalization Method) para a análise de dados obtidos pela sequência de Precessão Livre no Estado Estacionário (Steady State Free Precession - SSFP) para aquisição rápida de espectros de Ressonância Magnética Nuclear (RMN). No caso de RMN de baixa resolução, o procedimento de aquisição rápida, SSFP, é uma poderosa ferramenta para melhorar a relação sinal/ruído, apresentando muitas aplicações práticas. Apesar desse sucesso em baixa resolução, a SSFP não é rotineiramente utilizada para aplicações em RMN de alta resolução, provavelmente devido ao (1) artefatos provenientes do truncamento do sinal e (2) as anomalias causadas pela mistura do FID com o eco dos sinais. Existem na literatura inúmeras possíveis técnicas para suprimir este tipo de problemas, porém, nenhuma delas é capaz de realmente eliminar as anomalias geradas devido ao procedimento de aquisição rápida da SSFP. O FDM é um método paramétrico não-linear para fitar sinais no domínio do tempo. Seu objetivo fundamental é resolver o Problema da Inversão Harmônica, HIP, tornando-se robusto e adequado para a análise espectral de sinais no domínio do tempo nos casos onde a Transformada de Fourier falha. Neste trabalho, demonstramos que o FDM pode ser implementado para análises de sinais SSFP, com mais eficiência que os obtidos pelos procedimentos padrões de TF. A temperatura ambiente, espectros de RMN 13C de amostras de brucina, obtidos com tempo entre pulsos de 100ms, podem ser reproduzidos com boa relação sinal/ruído e alta resolução por meio do FDM. A limitação da análise por FDM é mais relevante nos casos de espectros com alta densidade de picos em uma determinada região espectral. Nestes casos, o curto período de observação do sinal na janela do tempo impõe uma série de limitações na resolução obtida pelo FDM. / This work consists in a detailed study of the advantages and disadvantages of the use of the Filter Diagonalization Method, FDM, for data analysis in Steady State Free Precession, SSFP, technique, usually employed to implement fast acquisition of Nuclear Magnetic Resonance, NMR, spectra. In the case of low resolution NMR using fast acquisition procedures, SSFP is a powerful tool to improve signal-to-noise ratio, presenting several important practical applications. Despite its success in the low resolution regime, SSFP is not a routine technique for high resolution applications, so far, mainly because of (1) truncation artifacts and (2) the intrinsic anomalies caused by admixture of free-induction-decay and echo signals. The literature reports many possible techniques to solve such kind of problems, but, none of them is capable to really eliminate the generated spectra anomalies caused by the fast acquisition procedure used in SSFP. FDM is a parametric method for non-liner fitting performed in the time domain. Its main goal is to solve the Harmonic Inversion Problem, HIP, making it robust and suitable for spectral analysis of time signals in the cases where the Fourier Transform, FT, technique fail. In this work we demonstrate that FDM can be used to implement the analysis of the SSFP data, with more efficiency than that achieve by appropriated FT procedures. Room temperature 13C NMR spectra of brucine samples, obtained from pulse sequences with 100 ms repetition time, can be reproduced with good signal-to-noise ratio and high resolution by means of the FDM. The limitation of the FDM analysis is more relevant in the case of spectra with a high density of peaks in a limited spectral frequency region. In these cases, the reduced short observation time window imposes serious limitation to the resolution achieved by the FDM.

Extracting useful knowledge from data sets is a key concept in modern information systems. Consequently, the need of efficient techniques to extract the desired knowledge has been growing over time. Machine learning is a research field dedicated to the development of techniques capable of enabling a machine to \"learn\" from data. Many techniques have been proposed so far, but there are still issues to be unveiled specially in interdisciplinary research. In this thesis, we explore the advantages of network data representation to develop machine learning techniques based on dynamical processes on networks. The network representation unifies the structure, dynamics and functions of the system it represents, and thus is capable of capturing the spatial, topological and functional relations of the data sets under analysis. We develop network-based techniques for the three machine learning paradigms: supervised, semi-supervised and unsupervised. The random walk dynamical process is used to characterize the access of unlabeled data to data classes, configuring a new heuristic we call ease of access in the supervised paradigm. We also propose a classification technique which combines the high-level view of the data, via network topological characterization, and the low-level relations, via similarity measures, in a general framework. Still in the supervised setting, the modularity and Katz centrality network measures are applied to classify multiple observation sets, and an evolving network construction method is applied to the dimensionality reduction problem. The semi-supervised paradigm is covered by extending the ease of access heuristic to the cases in which just a few labeled data samples and many unlabeled samples are available. A semi-supervised technique based on interacting forces is also proposed, for which we provide parameter heuristics and stability analysis via a Lyapunov function. Finally, an unsupervised network-based technique uses the concepts of pinning control and consensus time from dynamical processes to derive a similarity measure used to cluster data. The data is represented by a connected and sparse network in which nodes are dynamical elements. Simulations on benchmark data sets and comparisons to well-known machine learning techniques are provided for all proposed techniques. Advantages of network data representation and dynamical processes for machine learning are highlighted in all cases / A extração de conhecimento útil a partir de conjuntos de dados é um conceito chave em sistemas de informação modernos. Por conseguinte, a necessidade de técnicas eficientes para extrair o conhecimento desejado vem crescendo ao longo do tempo. Aprendizado de máquina é uma área de pesquisa dedicada ao desenvolvimento de técnicas capazes de permitir que uma máquina \"aprenda\" a partir de conjuntos de dados. Muitas técnicas já foram propostas, mas ainda há questões a serem reveladas especialmente em pesquisas interdisciplinares. Nesta tese, exploramos as vantagens da representação de dados em rede para desenvolver técnicas de aprendizado de máquina baseadas em processos dinâmicos em redes. A representação em rede unifica a estrutura, a dinâmica e as funções do sistema representado e, portanto, é capaz de capturar as relações espaciais, topológicas e funcionais dos conjuntos de dados sob análise. Desenvolvemos técnicas baseadas em rede para os três paradigmas de aprendizado de máquina: supervisionado, semissupervisionado e não supervisionado. O processo dinâmico de passeio aleatório é utilizado para caracterizar o acesso de dados não rotulados às classes de dados configurando uma nova heurística no paradigma supervisionado, a qual chamamos de facilidade de acesso. Também propomos uma técnica de classificação de dados que combina a visão de alto nível dos dados, por meio da caracterização topológica de rede, com relações de baixo nível, por meio de medidas de similaridade, em uma estrutura geral. Ainda no aprendizado supervisionado, as medidas de rede modularidade e centralidade Katz são aplicadas para classificar conjuntos de múltiplas observações, e um método de construção evolutiva de rede é aplicado ao problema de redução de dimensionalidade. O paradigma semissupervisionado é abordado por meio da extensão da heurística de facilidade de acesso para os casos em que apenas algumas amostras de dados rotuladas e muitas amostras não rotuladas estão disponíveis. É também proposta uma técnica semissupervisionada baseada em forças de interação, para a qual fornecemos heurísticas para selecionar parâmetros e uma análise de estabilidade mediante uma função de Lyapunov. Finalmente, uma técnica não supervisionada baseada em rede utiliza os conceitos de controle pontual e tempo de consenso de processos dinâmicos para derivar uma medida de similaridade usada para agrupar dados. Os dados são representados por uma rede conectada e esparsa na qual os vértices são elementos dinâmicos. Simulações com dados de referência e comparações com técnicas de aprendizado de máquina conhecidas são fornecidos para todas as técnicas propostas. As vantagens da representação de dados em rede e de processos dinâmicos para o aprendizado de máquina são evidenciadas em todos os casos

Extracting useful knowledge from data sets is a key concept in modern information systems. Consequently, the need of efficient techniques to extract the desired knowledge has been growing over time. Machine learning is a research field dedicated to the development of techniques capable of enabling a machine to \"learn\" from data. Many techniques have been proposed so far, but there are still issues to be unveiled specially in interdisciplinary research. In this thesis, we explore the advantages of network data representation to develop machine learning techniques based on dynamical processes on networks. The network representation unifies the structure, dynamics and functions of the system it represents, and thus is capable of capturing the spatial, topological and functional relations of the data sets under analysis. We develop network-based techniques for the three machine learning paradigms: supervised, semi-supervised and unsupervised. The random walk dynamical process is used to characterize the access of unlabeled data to data classes, configuring a new heuristic we call ease of access in the supervised paradigm. We also propose a classification technique which combines the high-level view of the data, via network topological characterization, and the low-level relations, via similarity measures, in a general framework. Still in the supervised setting, the modularity and Katz centrality network measures are applied to classify multiple observation sets, and an evolving network construction method is applied to the dimensionality reduction problem. The semi-supervised paradigm is covered by extending the ease of access heuristic to the cases in which just a few labeled data samples and many unlabeled samples are available. A semi-supervised technique based on interacting forces is also proposed, for which we provide parameter heuristics and stability analysis via a Lyapunov function. Finally, an unsupervised network-based technique uses the concepts of pinning control and consensus time from dynamical processes to derive a similarity measure used to cluster data. The data is represented by a connected and sparse network in which nodes are dynamical elements. Simulations on benchmark data sets and comparisons to well-known machine learning techniques are provided for all proposed techniques. Advantages of network data representation and dynamical processes for machine learning are highlighted in all cases / A extração de conhecimento útil a partir de conjuntos de dados é um conceito chave em sistemas de informação modernos. Por conseguinte, a necessidade de técnicas eficientes para extrair o conhecimento desejado vem crescendo ao longo do tempo. Aprendizado de máquina é uma área de pesquisa dedicada ao desenvolvimento de técnicas capazes de permitir que uma máquina \"aprenda\" a partir de conjuntos de dados. Muitas técnicas já foram propostas, mas ainda há questões a serem reveladas especialmente em pesquisas interdisciplinares. Nesta tese, exploramos as vantagens da representação de dados em rede para desenvolver técnicas de aprendizado de máquina baseadas em processos dinâmicos em redes. A representação em rede unifica a estrutura, a dinâmica e as funções do sistema representado e, portanto, é capaz de capturar as relações espaciais, topológicas e funcionais dos conjuntos de dados sob análise. Desenvolvemos técnicas baseadas em rede para os três paradigmas de aprendizado de máquina: supervisionado, semissupervisionado e não supervisionado. O processo dinâmico de passeio aleatório é utilizado para caracterizar o acesso de dados não rotulados às classes de dados configurando uma nova heurística no paradigma supervisionado, a qual chamamos de facilidade de acesso. Também propomos uma técnica de classificação de dados que combina a visão de alto nível dos dados, por meio da caracterização topológica de rede, com relações de baixo nível, por meio de medidas de similaridade, em uma estrutura geral. Ainda no aprendizado supervisionado, as medidas de rede modularidade e centralidade Katz são aplicadas para classificar conjuntos de múltiplas observações, e um método de construção evolutiva de rede é aplicado ao problema de redução de dimensionalidade. O paradigma semissupervisionado é abordado por meio da extensão da heurística de facilidade de acesso para os casos em que apenas algumas amostras de dados rotuladas e muitas amostras não rotuladas estão disponíveis. É também proposta uma técnica semissupervisionada baseada em forças de interação, para a qual fornecemos heurísticas para selecionar parâmetros e uma análise de estabilidade mediante uma função de Lyapunov. Finalmente, uma técnica não supervisionada baseada em rede utiliza os conceitos de controle pontual e tempo de consenso de processos dinâmicos para derivar uma medida de similaridade usada para agrupar dados. Os dados são representados por uma rede conectada e esparsa na qual os vértices são elementos dinâmicos. Simulações com dados de referência e comparações com técnicas de aprendizado de máquina conhecidas são fornecidos para todas as técnicas propostas. As vantagens da representação de dados em rede e de processos dinâmicos para o aprendizado de máquina são evidenciadas em todos os casos

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / This paper has as its main purpose to highlight some mathematical concepts, which are behind the ranking given by a research made on the website mostly used in the world: Google. At the beginning, we briefly approached some High School’s concepts, such as: Matrices, Linear Systems and Probability. After that, we presented some basic notions related to Directed Graphs and Markov Chains of Discrete Time. From this last one, we gave more emphasis to the Steady State Vector because it ensures foreknowledge results from long-term. These concepts are extremely important to our paper, because they will be used to explain the involvement of Mathematic behind the web search “Google”. Then, we tried to detail the ranking operation of the search pages on Google, i.e., how the results of a research are classified, determining which results are presented in a sequential way in order of relevance. Finally we obtained “PageRank”, an algorithm which creates what we call Google’s Matrices and ranks the pages of a search. We finished making a brief comment about the historical arising of the web searches, from their founders to the rise and hegemony of Google. / O presente trabalho tem como objetivo destacar alguns conceitos matemáticos que estão por trás do ranqueamento dado por uma pesquisa feita no site de busca mais usados do mundo, o “Google”. Inicialmente abordamos de forma breve alguns conteúdos da matemática do ensino médio, a exemplo de: matrizes, sistemas lineares, probabilidades. Em seguida são introduzidas noções básicas de grafos dirigidos e cadeias de Markov de tempo discreto; essa última, é dada uma ênfase ao vetor estado estacionário, por ele garantir resultados de previsão de longo prazo. Esses conceitos são de grande importância em nosso trabalho, pois serão usados para explicar o envolvimento da matemática por trás do site de buscas “Google”. Na sequência, buscamos detalhar o funcionamento do ranqueamento das páginas de uma busca no “Google”, isto é, como são classificados os resultados de uma pesquisa, determinando quais resultados serão apresentados de modo sequencial em ordem de relevância. Finalmente, chegamos na obtenção do “PageRank”, algoritmo que gera a chamada Matriz do Google e ranqueia as páginas de uma busca. Encerramos com um breve histórico do surgimento dos sites de buscas, desde os seus fundadores até a ascensão e hegemonia do Google.

Made available in DSpace on 2014-07-29T15:18:25Z (GMT). No. of bitstreams: 1 dissertacao marcus vinicius mendes.pdf: 2369089 bytes, checksum: 841841ae88caf7c6c9adb67b65e533c5 (MD5) Previous issue date: 2009-10-06 / The durability of reinforced concrete structures is damaged by the degrading action of the penetration of substances in the form of gases, vapors and liquids through the pores and cracks. It is known that water both in its pure form or containing dissolved ions such as chloride, sulphate, carbon dioxide or oxygen ions, can compromise the durability of concrete structures. In reinforced concrete structures at the marine environment, for example, the towers of wind power plants, this degradation can be more intense and accelerated. Thus, in the present study were analyzed concretes with different mineral additions (silica fume, blast furnace slag) and water / binder ratios (0.35, 0.45 and 0.55), with the objective to verify if the inside and cover thickness of concrete have some effect on the mechanisms of transport and also the effect of carbonation (only for concrete with w/b equal to 0.55) in the surface layer of concrete is important enough to make dificult the entry of aggressive agents in concrete. For this, the following tests to evaluate the mass transport in concrete were performed: capillary water absorption (NBR 9779:1995), water penetration under pressure (NBR 10787:1994), air permeability (method Figg), penetrability of chloride ion (ASTM C 1202: 2009), non-steadystate migration test (NT BUILD 492:1999). As a result, it was found that the mineral addition used generally provided an improvement in front of the concrete mechanisms of mass transport. In one of the properties, namely the diffusion coefficient (non-steady-state migration) of concrete with the use of silica fume and blast furnace slag, this has been reduced dramatically, around 11 times for the concrete with w/b equal to 0.55, when it is compared with concrete without mineral addition. It was observed that the inner region of concrete behaved better, in an unexpected way, than concrete cover region for some properties (capillary absorption, water penetration under pressure, penetration of chloride ions). From this conclusion, it can be said that the inner part of concrete is composed of transition zones (aggregated interface / mortar) exposed to facilitate the entry of fluids, gases and ions. About the effect of carbonation, this affected the capillary absorption and air permeability. The results led to explain that the clogging of the pores resulting from the product of carbonation (CaCO3), promoted the refinement of the pores, thus increasing capillary force and, consequently, increasing the capillary absorption. However, for air permeability this effect has damaged the passage of air through the surface layer. Finally, it is important noting that significant correlations were found among tests that evaluated the mechanisms of mass transport, namely, penetration of chloride ions and capillary absorption, diffusion coefficient (non-steady-state migration) and capillary absorption, permeability air and water penetration under pressure, penetration of chloride ions and the diffusion coefficient. / A durabilidade das estruturas de concreto armado é prejudicada pela ação deteriorante da penetração de substâncias na forma de gases, vapores e líquidos através de poros e fissuras. Sabe-se que a água, tanto no seu estado puro ou com íons dissolvidos, como os cloretos, sulfato, dióxido de carbono ou oxigênio, pode comprometer a durabilidade das estruturas de concreto. Em estruturas de concreto armado localizadas em ambiente marítimo como, por exemplo, as torres de energia eólica, essa deterioração pode ser mais intensa e acelerada. Diante disso, no presente trabalho foram analisados concretos com diferentes adições minerais (sílica ativa e escória de alto-forno) e relações água/aglomerante (0,35; 0,45 e 0,55), tendo como objetivo principal verificar se a parte interna e o cobrimento do concreto exercem algum efeito nos mecanismos de transporte e, se o efeito da carbonatação (somente para concretos de relação a/g igual a 0,55) na camada superficial do concreto é relevante a ponto de dificultar a entrada de agentes agressivos no concreto. Para isso, foram realizados os seguintes ensaios para avaliar o transporte de massa no concreto: absorção de água por capilaridade (NBR 9779:1995), penetração de água sob pressão (NBR 10787:1994), permeabilidade ao ar (método de Figg), penetrabilidade de cloretos (ASTM C 1202: 2009), ensaio de migração em regime não estacionário (NT BUILD 492:1999). Como resultado constatou-se que as adições minerais empregadas propiciaram de maneira geral uma melhoria dos concretos frente aos mecanismos de transporte de massa. Em uma das propriedades avaliadas, a saber, o coeficiente de difusão (migração regime não estacionário) dos concretos com o emprego de sílica ativa e escória de alto-forno, esse foi reduzido drasticamente, em torno de 11 vezes para os concretos com relação a/ag igual a 0,55, quando comparado com os concretos sem adição mineral. Quanto à região do concreto, notou-se para algumas propriedades (absorção capilar, penetração de água sob pressão, penetrabilidade de cloretos) que a região interna comportou-se melhor, de maneira inesperada, que a região do cobrimento. Diante dessa conclusão, criou-se uma hipótese para tal comportamento que consistiu em afirmar que a parte interna é composta por zonas de transição (interface agregado/pasta) expostas que facilitam a entrada de fluidos, gases e íons. Já com relação ao efeito da carbonatação, esta afetou a absorção capilar e a permeabilidade ao ar. Os resultados levaram a explicar que a colmatação dos poros, advindos do produto (CaCO3) da carbonatação promoveu o refinamento dos poros, aumentando, assim, a força capilar e, conseqüentemente, o aumento da absorção capilar. No entanto, para permeabilidade ao ar esse efeito dificultou a passagem de ar através da camada superficial. Por último, cabe destacar, que correlações importantes foram obtidas entre os ensaios que avaliaram os mecanismos de transporte de massa, a saber, penetrabilidade de cloretos e absorção capilar, coeficiente de difusão (migração regime não estacionário) e absorção capilar, permeabilidade ao ar e penetração de água sob pressão, penetrabilidade de cloreto e coeficiente de difusão.