Esta tese discute a ideia de máquina como Outro comunicativo. Atualizando a compreensão cibernética sobre a relação entre humanos e máquinas, pensadores como o sociólogo francês Bruno Latour propõem uma ontologia pós-humanista em que humanos e não humanos sejam nivelados do ponto de vista social. Com base nessa perspectiva, ganha força já há alguns anos na área da comunicação a ideia de que devemos atribuir a máquinas como o computador a designação de Outro comunicativo. Mas há outras interpretações possíveis para o mesmo fenômeno. Considerada precursora da maior parte das perspectivas críticas ao desenvolvimento tecnológico, a fenomenologia do filósofo alemão Martin Heidegger parece fornecer elementos também para o debate sobre essa questão. Embora situado em meados do século 20 e, portanto, anterior aos desdobramentos recentes da técnica, seu pensamento tem apoiado diversos empreendimentos teóricos que se propõem a interpretar o contexto tecnológico atual, caracterizado pelo aprofundamento da digitalização e informatização da vida humana. Diante disso, esta tese discute o seguinte problema de pesquisa: Como a ideia de máquina como Outro comunicativo deve ser compreendida à luz da fenomenologia de Martin Heidegger? A hipótese é a de que, desse ponto de vista, a atribuição da qualidade de Outro comunicativo também à máquina seja vista como uma manifestação radicalizada do reducionismo tecnológico do real em curso na história do pensamento ocidental. O objetivo do trabalho é, portanto, propor uma alternativa à interpretação cibernética com base na fenomenologia do filósofo alemão. Para tanto, a tese adotou metodologia de base exclusivamente teórica. Primeiro, apresenta as bases da perspectiva cibernética atualizada, a partir de textos fundamentais de autores como Bruno Latour e Arno Bammé e de representantes mais específicos da comunicação, como Erick Felinto, André Lemos, Massimo di Felice e David Gunkel. Em seguida, a tese introduz os conceitos básicos da fenomenologia de Heidegger, em especial a respeito do sentido do ser, com base em obras seminais do autor e em intérpretes como Karl Leidlmair, Peter Trawny, Andreas Luckner e Dieter Mersch. No passo seguinte, a tese aborda a compreensão de Heidegger sobre técnica e tecnologia, relacionando-a com a questão sobre o sentido do ser, apoiada também nas principais obras do pensador e nos intérpretes já citados, além de Günter Seubold. Com base nesses fundamentos, a tese propõe uma conceituação fenomenológica do Outro comunicativo, em diálogo ainda com as concepções de alteridade de Emmanuel Levinas e do seu intérprete Amit Pinchevsky, que discute explicitamente a relação entre o Outro e a comunicação. Por meio dessa metodologia, a tese busca apresentar uma interpretação alternativa à perspectiva cibernética para a questão da máquina como Outro comunicativo, contribuindo, assim, para o enriquecimento do debate em torno desse tema fundamental para o futuro da área da comunicação. / This thesis discusses the idea of machine as a communicative Other. Reconsidering the cybernetic understanding of the relationship between humans and machines, thinkers such as the French sociologist Bruno Latour propose a post-humanist ontology in which humans and nonhumans are socially leveled down. Based on this perspective, the idea that we should assign the designation of communicative Other to machines like the computer has recently gained strength in the field of communication. But there are other possible interpretations for the same phenomenon. Considered to be the forerunner of most of the critical perspectives of technological development, the phenomenology of the German philosopher Martin Heidegger seems to provide elements for the debate on this issue as well. Although established in the middle of the 20th century, and thus prior to the recent developments of technology, his thinking has supported several theoretical projects that aim at interpreting the current technological context, characterized by the deepening of the digitalization and computerization of human life. In view of this, this thesis discusses the following research problem: How can the idea of the machine as communicative Other be understood in the light of Martin Heidegger\'s phenomenology? The hypothesis is that, from this point of view, the ascription of the quality of communicative Other to the machine should be seen as a radicalized manifestation of the technological reductionism of the real undergoing the history of Western thought. The objective of this work is, therefore, to propose an alternative to the cybernetic interpretation based on the phenomenology of the German philosopher. In order to achieve that, the methodology adopted in this thesis is exclusively theoretical. Firstly, it presents the basics of this revised cybernetic perspective according to elementary texts by authors such as Bruno Latour and Arno Bammé and more specific representatives from the area of communication, such as Erick Felinto, André Lemos, Massimo di Felice and David Gunkel. The thesis then introduces the basic concepts of Heidegger\'s phenomenology, especially the meaning of being, based on seminal works by the author and interpreters such as Karl Leidlmair, Peter Trawny, Andreas Luckner and Dieter Mersch. In the next step, the thesis deals with Heidegger\'s understanding of technique and technology, relating it to the question of the meaning of being, supported also in the main works of the philosopher and the interpreters already mentioned, besides Günter Seubold. Based on these foundations, the thesis proposes a phenomenological conceptualization of the communicative Other, also in dialogue with the conceptions of alterity in Emmanuel Levinas and his interpreter Amit Pinchevsky, who explicitly discusses the relationship between the Other and communication. Through this methodology, the thesis aims to present an alternative interpretation to the cybernetic perspective regarding the question of the machine as communicative Other, thus contributing to the enrichment of the debate around this fundamental theme for the future of the area of communication.

A exploração de conjuntos de dados é um problema abordado com frequência em diversos domínios e tem como objetivo uma melhor compreensão de fenômenos simulados ou medidos. Tal atividade é precedida pelas etapas de coleta e armazenamento de dados que buscam registrar o máximo de detalhes sobre algum fenômeno observado. Porém, a exploração efetiva dos dados envolve uma série de desafios. Um deles é a dificuldade em identificar quais dados são realmente relevantes para as análises. Outro problema está relacionado com a falta de garantias de que os fatores fundamentais para a compreensão do problema tenham sido coletados. A transformação interativa de dados é uma abordagem que utiliza técnicas de visualização computacional para resolver ou minimizar esses problemas. No entanto, os trabalhos disponíveis na literatura possuem limitações, como interfaces demasiadamente complexas e mecanismos de interação pouco flexíveis. Assim, este projeto de mestrado teve como objetivo desenvolver novas técnicas visuais interativas para a transformação de dados multidimensionais. A metodologia desenvolvida se baseou no uso de biplots e na ação conjunta dos mecanismos de interação para superar as limitações das técnicas do estado da arte. Os resultados dos experimentos realizados sobre diversos conjuntos de dados dão indícios de que os métodos desenvolvidos possibilitam a obtenção de conjuntos de dados mais representativos. Mais especificamente, foram obtidos melhores resultados em tarefas de classificação de dados ao utilizar os métodos desenvolvidos. / The exploration of datasets is a frequently task in several fields and aims at a better understanding of simulated or measured phenomena. Such activity is preceded by the steps of collecting and storing data, which seek to record as much detail possible about an observed phenomenon. The exploration task is challenging due to many aspects. One of them is the difficulty in identifying which collected data are actually relevant to the analysis. Another one is related to the lack of guarantees that the key factors for understanding the problem have been collected. The interactive transformation of data is a visual based approach that seeks to solve or mitigate these problems. However, the available methods in the literature have limitations in several aspects, such as complex user interfaces and inflexible interactive mechanisms. So, this master project had the goal to develop novel visual techniques for the transformation of datasets. The proposed methodology was based on the use of biplots and interaction mechanisms to overcome the limitations of the state of the art techniques. Empirical results show that by using the proposed approach, it is possible to make the data more representative. Therefore, exploratory activities, classifications, were performed more efficiently and thus provided better results.

Este trabalho investiga Aprendizado Indutivo de Máquina como função das linguagens de descrição, utilizadas para expressar instancias, conceitos e teoria do domínio. A ampliação do poder de representação do aprendizado proporcional e abordada no contexto de indução construtiva, no domínio de funções booleanas, com a proposta de uma estratégia de composição de atributos denominada root-fringe. Avaliações experimentais dessa e de outras estratégias de construção de novos atributos foram conduzidas e os resultados analisados. Dois métodos de poda, para tratamento de ruídos, em aprendizado de arvores de decisão, foram avaliados num ambiente de indução construtiva e os resultados discutidos. Devido a limitação do aprendizado proposicional, foram investigadas formas de ampliação dos limites do aprendizado, através da ampliação do poder representacional das linguagens de descrição. Foi escolhida Programação Lógica Indutiva - PLI - que e um paradigma de aprendizado indutivo que usa restrições de Lógica de Primeira Ordem como linguagens de descrição. O aprendizado em PLI só é factível quando as linguagens utilizadas estão restritas e é fortemente controlado, caso contrário, o aprendizado em PLI se torna indecidível. A pesquisa em PLI se direcionou a formas de restrição das linguagens de descrição da teoria do domínio e de hipóteses. Três algoritmos que \"traduzem\" a teoria do domínio de sua forma intencional, para extensional, são apresentados. As implementações de dois deles são discutidas. As implementações realizadas deram origem a dois ambientes experimentais de aprendizado: o ambiente proposicional experimental, do qual fazem parte o ambiente experimental construtivo, e o ambiente experimental relacional. / This work investigates Inductive Machine Learning as a function of the description languages employed to express instances, concepts and domain theory. The enlargement of the representational power of propositional learning methods is approached via constructive induction, in the domain of boolean functions, through the proposal of a bias for composing attributes, namely, the bias root-fringe. Experimental evaluation of root-fringe, as well as other biases for constructing new attributes was conducted and the results analyzed. Two pruning methods for decision trees were evaluated in an environment of constructive induction and the results discussed. Due to the limitations of propositional learning, ways of enlarging the limits of the learning process were investigated through enlarging the representational power of the description languages. It was chosen Inductive Logic Programming - ILP - that is an inductive learning paradigm that uses restrictions of First Order Logic as description languages. Learning using ILP is only feasible when the languages are restricted and are strongly controlled; otherwise, learning in ILP becomes undecidible. Research work in ILP was directed towards restricting domain theory and hypotheses description languages. Three algorithms that \"translate\" the intentional expression of a domain theory into its extensional expression are presented. The implementations of two of them are discussed. The implementations gave rise to two experimental learning environments: the propositional environment, which includes the constructive environment, and the relational environment.

Em Aprendizado de Máquina e Mineração de Dados, muitos dos trabalhos de classificação reportados na literatura envolvem classificação plana (flat classification), em que cada exemplo é associado a uma dentre um conjunto finito (e normalmente pequeno) de classes, todas em um mesmo nível. Entretanto, existem problemas de classificação mais complexos em que as classes a serem preditas podem ser dispostas em uma estrutura hierárquica. Para esses problemas, a utilização de técnicas e conceitos de classificação hierárquica tem se mostrado útil. Uma das linhas de pesquisa com grande potencial para a utilização de tais técnicas é a Bioinformática. Dessa forma, esta dissertação apresenta um estudo envolvendo técnicas de classificação hierárquica aplicadas à predição de classes funcionais de proteínas. No total foram investigados doze algoritmos hierárquicos diferentes, sendo onze deles representantes da abordagem Top-Down, que foi o enfoque da investigação realizada. O outro algoritmo investigado foi o HC4.5, um algoritmo baseado na abordagem Big- Bang. Parte dos algoritmos estudados foram desenvolvidos com base em uma variação da abordagem Top-Down, denominada de Top-Down Ensemble, que foi proposta neste estudo. Alguns do algoritmos baseados nessa nova abordagem apresentaram resultados promissores, superando os resultados dos demais algoritmos. Para avaliação dos resultados, foi utilizada uma medida específica para problemas hierárquicos, denominada taxa de acerto dependente da profundidade. Além dessa, outras três medidas de avaliação foram utilizadas, de modo a comparar os resultados reportados por diferentes medidas / In Machine Learning and Data Mining, most of the research in classification reported in the literature involve flat classification, where each example is assigned to one class out of a finite (and usually small) set of flat classes. Nevertheless, there are more complex classification problems in which the classes to be predicted can be disposed in a hierarchy. In this context, the use of hierarchical classification techniques and concepts have been shown to be useful. One research with great potential is the application of hierarchical classification techniques to Bioinformatics problems. Therefore, this MSc thesis presents a study involving hierarchical classification techniques applied to the prediction of functional classes of proteins. Twelve different algorithms were investigated - eleven of them based on the Top-Down approach, which was the focus of this study. The other investigated algorithm was HC4.5, an algorithm based on the Big-Bang approach. Part of these algorithms are based on a variation of the Top-Down approach, named Top-Down Ensembles, proposed in this study. Some of the algorithms based on this new approach presented promising results, which were better than the results presented by other algorithms. A specific evaluation measure for hierarchical classification, named depth-dependent accuracy, was used to evaluate the classification models. Besides, other three evaluation measures were used in order to compare the results reported by them

A Realidade Virtual tem apresentado importantes contribuições para a área de saúde, principalmente no domínio de treinamento, o qual visa a aquisição de conhecimento e habilidades na realização de determinados procedimentos. Um procedimento ainda não simulado consiste na aplicação de anestesia local para tratamento odontológico, especificamente para bloqueio do nervo alveolar inferior. A execução de tal procedimento apresenta uma alta taxa de insucesso, elevando os riscos aos pacientes e a insegurança dos aprendizes. Dessa forma, e considerando a complexidade para a criação de uma simulação realista o presente trabalho visou ao desenvolvimento de um protótipo de sistema computacional baseado em Realidade Virtual, para simulação de parte do procedimento de anestesia (tarefa de inserção de agulha), enfatizando a etapa do procedimento de aplicação da anestesia que envolve a correta manipulação e inserção da agulha. Ou em termos de Realidade Virtual, a parte que envolve a interação humano-computador, contemplando aspectos visuais e hápticos. A abordagem háptica e uma parte importante em sistemas computacionais desse tipo e o realismo e considerado um dos principais objetivos no desenvolvimento de sistemas dessa natureza. Adicionalmente, uma analise da interação humano-computador foi realizada, indicando que embora diversas limitações tecnológicas ainda existam, o sistema pode ser considerado uma ferramenta auxiliar de treinamento para a tarefa, complementando os métodos tradicionais. Também, uma métrica objetiva perceptual para avaliação da interação háptica foi formulada, visto que na literatura as formas subjetivas dominam amplamente os testes e uma métrica encontrada na literatura falha diante de determinadas situações, especialmente aquelas relacionadas com a inserção de agulha, etapa do procedimento de anestesia simulada no presente estudo. / Virtual Reality has made important contributions to the health care, especially in the training field, which aims to acquisition of knowledge and skills in performing certain procedures. A procedure still not simulated consists of making local anesthesia for dental treatment, specifically to block inferior alveolar nerve. The execution of this procedure has a high failure rate, increasing the risk to patients and the insecurity of beginners. Thus, and considering the complexity for creating a realistic simulation, this work aims to develop a computer system prototype based on Virtual Reality, for simulation of anesthesia procedure stage (needle insertion task), emphasizing the stage of the anesthesia administration procedure that involves the correct handling and needle insertion. Or in terms of Virtual Reality, the part that involves human-computer interaction, taking into account visual and haptic aspects. The haptic approach is an important part in computer systems of this kind and the realism is considered one of the main objectives in the development of these systems. Additionally, an analysis of human-computer interaction was examined, indicating that although there are still several technological limitations, the system can be regarded as an auxiliary training tool for the task, complementing traditional methods. Also, a perceptual objective metric for evaluation of haptic interaction was formulated, because in the literature the subjective ways dominate the tests and a metric found in the literature fails on certain situations, especially those related to the insertion needle, stage of the anesthesia procedure simulated in this study.

Diversas áreas de pesquisa são dedicadas à compreensão de fenômenos que exigem a coleta ininterrupta de sequências de amostras, denominadas fluxos de dados. Esses fenômenos frequentemente apresentam comportamento variável e são estudados por meio de indução não supervisionada baseada em agrupamento de dados. Atualmente, o processo de agrupamento tem exibido sérias limitações em sua aplicação a fluxos de dados, devido às exigências impostas pelas variações comportamentais e pelo modo de coleta de dados. Embora tem-se desenvolvido algoritmos eficientes para agrupar fluxos de dados, há a necessidade de estudos sobre a influência de variações comportamentais nos parâmetros de algoritmos (e.g., taxas de aprendizado e limiares de proximidade), as quais interferem diretamente na compreensão de fenômenos. Essa lacuna motivou esta tese, cujo objetivo foi a proposta de uma abordagem para a adaptação do viés indutivo de algoritmos de agrupamento de fluxos de dados de acordo com variações comportamentais dos fenômenos em estudo. Para cumprir esse objetivo projetou-se: i) uma abordagem baseada em uma nova arquitetura de rede neural artificial que permite avaliação de comportamento de fenômenos por meio da estimação de cadeias de Markov e entropia de Shannon; ii) uma abordagem para adaptar parâmetros de algoritmos de agrupamento tradicional de acordo com variações comportamentais em blocos sequenciais de dados; e iii) uma abordagem para adaptar parâmetros de agrupamento de acordo com a contínua avaliação da estabilidade de dados. Adicionalmente, apresenta-se nesta tese uma taxonomia de técnicas de detecção de variação comportamental de fenômenos e uma formalização para o problema de agrupamento de fluxos de dados / Several research fields have described phenomena that produce endless sequences of samples, referred to as data streams. These phenomena usually present behavior variation and are studied by means of unsupervised induction based on data clustering. In order to cope with the characteristics of data streams, researchers have designed clustering algorithms with low time and space complexity requirements. However, predefined and static parameters (thresholds, number of clusters and learning rates) found in current algorithms still limit the application of clustering to data streams. This limitation motivated this thesis, which proposes a continuous approach to evaluate behavior variations and adapt algorithm inductive bias by changing its parameters. The main contribution of this thesis is the proposal of three approaches to adapt induction bias: i) an approach based on the design of an adaptive artificial self-organizing neural network architecture that enables behavior evaluation by means of Markov chain and Shannon entropy estimations; ii) an approach to adapt traditional data clustering algorithms according to behavior variations in sequences of data chunks; and iii) an approach based on the proposed neural network architecture to continuously adapt parameters by means of the evaluation of data stability. Additionally, in order to analyze the essential characteristics of data streams, this thesis presents a formalization for the problem of data stream clustering and a taxonomy on approaches to detect behavior variations

O presente trabalho trata do estudo e análise da influência da saturação magnética no torque de uma máquina síncrona com ímã permanente no rotor. A máquina síncrona em es-tudo trata-se de uma máquina cuja forma de onda de força contra eletromotriz é trapezoidal. Inicialmente é feito um estudo sobre os efeitos da saturação magnética nos três principais parâmetros da máquina, indutância de fase, relutância (vista pelo circuito que tem como fonte de fluxo magnético os ímãs permanentes) e a força contra eletromotriz. Em seguida, realiza-se um estudo sobre o torque eletromagnético para a máquina e a importância dos parâmetros estudados, demonstrando a forte dependência da qualidade do torque com estes parâmetros. Com base nos estudos sobre saturação e torque, objetiva-se, portanto, descrever o comportamento de cada um dos parâmetros quando da saturação da máquina e quanto/como cada um deles afeta o torque eletromagnético da máquina. A fim de se estudar cada componente do torque separadamente, avalia-se a máquina por meio do Método da Permeabilidade Fixa. Por fim, faz-se simulações em elementos finitos empregando o método apresentado e os resultados são analisados. / This work deals with the influence of magnetic saturation on torque of permanent mag-net synchronous machine. At first, a study of magnetic saturation is carried out in order to understand its influence on three main machines parameters, phase inductance, magnet re-luctance and back electromotive force. A study describing the electric torque and its compo-nents is carried out. This study explain the importance of each machines parameter on electric torques smoothness and amplitude. In order to investigate and describe each torques com-ponent, a review on Frozen Permeability Method is developed. At last, some simulation by means of finite element method with Frozen Permeability Method are carried out. The results are shown and analyzed.

Os últimos anos foram marcados por um avanço expressivo da tecnologia, principalmente na área de computação. Estes avanços, quando somados à diversidade de produtos oferecidos por empresas de diferentes segmentos, e aos esforços destas em capturar e armazenar dados de seus clientes e de suas operações, ajudam a explicar a quantidade de informações que atualmente é produzida. As organizações, em geral, têm se mostrado eficientes em capturar, organizar e armazenar grandes quantidades de dados, mas nem todas os utilizam adequadamente, no sentido de transformá-los em conhecimentos úteis para suas atividades. Algoritmos de aprendizado de máquina são uma ferramenta computacional poderosa para aquisição de conhecimento a partir da experiência. A utilização desses algoritmos permite avanços e descobertas que conferem vantagem competitiva às empresas. A tarefa de aprendizado de máquina mais comum é o aprendizado supervisionado, cujo objetivo é aprender um modelo preditivo a partir de um conjunto de dados. Esse modelo deve ser capaz de generalizar o conhecimento adquirido para dados desconhecidos. Isso permite que o modelo tenha uma boa capacidade preditiva. Uma aplicação importante e bastante utilizada do aprendizado supervisionado são os problemas de classificação, comumente encontrados na indústria financeira. Um dos desafios dessa indústria é prever a capacidade de pagamento de seus clientes, classificando-os como bons ou maus pagadores. Neste trabalho, cinco algoritmos de aprendizado de máquina supervisionado foram investigados e aplicados à um problema real de classificação: regressão logística, classificadores bayesianos, k-vizinhos mais próximos, random forests e redes neurais. Como o desempenho desses algoritmos é afetado pelas variáveis utilizadas, técnicas de seleção de variáveis foram aplicadas ao conjunto de dados original. O uso dessas técnicas permite reduzir o tempo computacional, removendo informações redundantes e irrelevantes. Medidas de desempenho para classificação binária foram utilizadas para avaliar o desempenho preditivo dos modelos gerados pelos cinco algoritmos e compará-los. Como é cada vez mais importante ter modelos facilmente interpretáveis, foram também avaliadas a interpretabilidade e a complexidade dos modelos gerados. / The last few years were remarkable by relevant advances in technology, mainly related to computers. These advances, when added to the diversity of products offered by companies from different segments and their efforts in capturing and storing data from their customers and operations, helps to explain the amount of information that is currently being produced. Overall, the organizations have been efficient in capturing, organizing, and storing large amounts of data, but not all of them uses it adequately to make them useful knowledge for their activities. Learning algorithms are a powerful machine toll to acquire knowledge based on experience. The use of these algorithms allows advances and discoveries that brings a competitive advantage to the companies. The most common machine learning task is supervised learning, whose objective is to learn a predictive model from a set of data. This model should be able to generalize the acquired knowledge to a set of unknown data. This allows the model to have a good predictive capability. An important and widely used application of supervised learning are the classification problems, commonly seen in the financial industry. One of the challenges of this industry is to predict the payment capacity of its customers, rating them as good or bad payers. In this study, five supervised machine learning algorithms, logistic regression, Bayesian classifiers, k-neighbors, random forests and neural networks were investigated and applied to a real classification problem. Since the performance of these algorithms are affected by the variables used, variable selection techniques were applied to the original data set. The use of these techniques allows a computational reduction time by removing redundant and irrelevant information. Performance measures for binary classification were used to evaluate the predictive performance of the models generated by the five algorithms and to compare them. Since it is increasing the importance to have easily interpretable models, the interpretability and complexity of the models generated were also evaluated.

Dissertação (mestrado)—Universidade de Brasília, Faculdade UnB Gama, Programa de Pós-Graduação em Engenharia Biomédica, 2018. / A esquizofrenia é uma transtorno psíquico grave que afeta cerca de 1% da população mundial, e seu diagnóstico é realizado por um médico especializado baseando-se no Manual do Diagnóstico e Estatístico de Transtornos Mentais DSM-5. Contudo, este tipo de diagnóstico geralmente acontece de forma tardia e diminuindo as chances de tratamento. Diante da complexidade do diagnóstico clássico da esquizofrenia apresentado pelo manual e da descoberta de mudanças anatômicas em áreas do cérebro existentes em pacientes com a doença, estudos recentes que utilizaram as características anatômicas para classificação obtiveram resultados promissores. Apesar de mostrarem-se promissores, apenas algumas regiões do cérebro foram utilizadas para classificação, porém, a esquizofrenia apresenta alterações anatômicas em diversas áreas, não havendo um padrão de escolha definitivo para o problema. Por outro lado, houve avanços em técnicas de aprendizado de máquina como o Aprendizado Profundo (do inglês, deep learning). Nestas técnicas não há a necessidade da escolha de características para a classificação do estudo, em outras palavras, sendo uma técnica em que as estruturas aprendem as melhores características que descrevem o problema de forma automática, diferentemente de técnicas clássicas de classificação como a SVM (do inglês, Support Vector Machine), em que existe a necessidade da escolha destas características como forma de entrada. Neste contexto, a pesquisa propõe a aplicação de uma técnica de deep learning chamada Rede Neural Convolucional (CNN, do inglês Convolutional Neural Network ) para classificação automática de imagens de ressonância magnética estrutural do cérebro e diagnóstico da esquizofrenia, além de realizar a extração das características aprendidas no treinamento para utilização em outros classificadores clássicos para comparação. O método proposto consiste no desenvolvimento de uma estrutura convolucional baseada em CNN, produzindo métricas de desempenho como precisão, acurácia e sensibilidade relativos ao diagnóstico. Foi utilizado um banco de dados de MRI do encéfalo humano ponderadas em T2 de 87 indivíduos diagnosticados previamente com esquizofrenia e 85 indivíduos saudáveis de controle. O estudo ainda apresenta uma comparação de desempenho relativos ao tamanho da rede convolucional e o tamanho dos filtros utilizados, de modo a apresentar a rede que melhor se adéque ao problema. É realizada ainda uma validação cruzada dos dados, utilizando um método de holdout com reamostragem aleatória com 530 iterações para cada predição e um método de k-fold com k=20, afim de medir e comparar os algoritmos de aprendizado para produzir um resultado mais confiável e reprodutível, estimando o desempenho e normalizando a generalização do sistema. Em cada validação 70% das imagens foram utilizadas para treinamento e 30% para classificação e validação do sistema. Além disso, uma camada de dropout foi introduzida para prevenir a ocorrência de overfitting. Resultados utilizando k-fold apresentam uma acurácia média de 84% para uma rede convolucional de tamanho 3, com camadas de dropout antes e depois da camada de conexão. Portanto, o uso de técnicas de deep learning para auxílio ao diagnóstico de esquizofrenia mostra-se promissor, onde houve um avanço nos resultados previamente obtidos utilizando o mesmo banco de dados. Desta forma evidenciando que com o avanço de técnicas de classificação de imagens, mais próximo será a utilização destes modelos de forma segura para o auxílio ao diagnóstico de doenças. Ainda, a região que maior apresentou interferência e peso para classificação mostrou compatibilidade com a literatura existente. / Schizophrenia is a severe psychiatric disorder that affects about 1% of the world’s population and is diagnosed by a physician based on the Diagnostic and Statistical Manual of Mental Disorders DSM-5. However, this type of diagnosis usually happens belatedly, lowering treatment success. Given the complexity of the classic diagnosis of schizophrenia presented by the manual and the discovery of anatomical changes in areas of the brain existing in patients with the disease, recent studies that used anatomical characteristics for classification have obtained promising results. Although studies are promising, only a few regions of the brain have been used for classification, but schizophrenia has anatomical changes in several areas, and there is no definitive pattern of choice for the problem. On the other hand, there have been advances in machine learning techniques such as deep learning. In these techniques, there is no need to choose characteristics for the classification of the study; in other words, it is a technique which structures learn the best characteristics that describes the problem automatically, unlike the classical techniques of classification such as SVM (Support VectorMachine) which there is a need to choose these features as input. In this context, the research proposes the development of a deep learning technique called the Convolutional Neural Network (CNN) for automatic classification of brain magnetic resonance imaging and diagnosis of schizophrenia, also extracting the learne characteristics in training for use in other classical classifiers for comparison. The proposed method consists in developing a trellis structure based on CNN, producing performance metrics such as precision, accuracy and sensitivity for the diagnosis. An MRI database of the human brain T2-weighted of 87 individuals previously diagnosed with schizophrenia and 85 healthy control subjects was used. The study also shows a performance comparison for the size of convolutional network and filter size used to display the network that best describes the problem. A cross-validation of the data is performed, using a holdout method with random subsampling of 530 iterations for each prediction and a k-fold using k=20, in order to measure and compare the learning algorithms to produce a more reliable and reproducible result, estimating the performance and normalizing the generalization of the system. In each validation, 70% of the images were used for training and 30% for system classification and validation. In addition, a dropout layer was introduced to prevent the occurrence of overfitting. Preliminary results have an average accuracy of 84% for a convolutional network of size 3, with dropout layers before and after the connection layer. Therefore, the use of deep learning techniques to aid in the diagnosis of schizophrenia is promising, where there was an improvement in the results previously obtained using the same database, indicating that with the advancement of image classification techniques, the closer will be the use of these models in a safe way for diagnosis of diseases. Also, the region that presented the greatest interference and weight for classification was compatible with the existing literature.

Orientador: José Remo Ferreira Brega / Banca: Edgard Afonso Lamounier Júnior / Banca: Danilo Medeiros Eler / Resumo: Visualização de Informação (VI) é uma disciplina focada na exploração, monitoramento e descoberta de informações, colaboração profissional e apresentações de dados compreensíveis. VI 3D pode ser usada para dados inerentemente tridimensionais ou em visualizações que requerem entendimento de formas (e.g., design de automóvel, moléculas). Além disso, interação por meio dispositivos de entrada além de mouse e teclado auxilia a investigação de novas consultas. VI 3D interativa (VI3DI) pode ser desenvolvida com técnicas e recursos da Realidade Virtual, que envolve aplicações 3D com ambientes virtuais, proporcionando imersão, interação e envolvimento. Imersão pode se dar por sistemas de multi-projeção, os quais usam clusters gráficos (CGs); interação pode fazer uso de dispositivos de entrada diversificados. Navegadores web são interessantes para VI3DI, devido a facilidade de execução, portabilidade e recursos disponíveis. O objetivo desta dissertação é, com base no entendimento dos domínios e tendências presentes nos trabalhos científicos em que multi-projeção e dispositivos de interação são utilizados na web, propor, implementar, aplicar e avaliar um design para aplicações VI3DI na web. É realizada uma revisão sistemática da literatura, revelando a falta de estudos e recursos sobre uso de ambos multi-projeção e dispositivos de interação diversificados na web. Assim, propõe-se um design de solução para aplicações VI3DI web, apoiando a multi-projeção por meio de CGs mestreescravo e... / Abstract: Information Visualization (IV) is a discipline focused on exploring, monitoring, and discovering information, professional collaboration, and understandable data presentations. 3D IV can be used for inherently three-dimensional data or in visualizations that require understanding shapes (e.g., automotive design, molecules). In addition, interaction via input devices besides mouse and keyboard helps the investigation of new queries. Interactive 3D IV (I3DIV) can be developed with techniques and resources from Virtual Reality, which involves 3D applications with virtual environments, providing immersion, interaction, and engagement. Immersion can be provided by multi-projection systems, which use graphical clusters (GCs); interaction can make use of diversified input devices. Web browsers are interesting for VI3DI, due to ease of execution, portability and features available. The purpose of this dissertation is to, based on the understanding of the domains and tendencies present in the scientific works in which multi-projection and interaction devices are used on the web, propose, implement, apply, and evaluate a design for VI3DI applications on the web. A systematic review of the literature is conducted, revealing the lack of studies and resources on the use of both multi-projection and diversified interaction devices on the web. Thus, we propose the design of a solution for VI3DI web applications, supporting the multi-projection through master-slave and decentralized GCs, and ... / Mestre