Im Kontext eines kleinen bis mittleren heterogenen Netzes (Software/Hardware) soll nach Analyse und Bewertung vorhandener Lösungen und Hilfsmittel ein modulares System zur Unterstützung der Administration von Hosts, Nutzern und Software entworfen und implementiert werden. Da aufgrund des zeitlichen Rahmens einer Diplomarbeit nur eine begrenzte Lösung möglich ist, soll das System von vornherein modular und auf einfache Erweiterbarkeit ausgelegt werden. Im Rahmen der Arbeit sollen existierende Lösungsansätze und Hilfsmittel aus dem Bereich der Administrationshilfen untersucht und gegebenenfalls auf ihre Weiterverwendbarkeit in diesem Projekt geprüft werden. Die dabei gewonnenen Erkenntnisse (u.a. in Bezug auf Flexibilität und Wiederverwendbarkeit) sollen in das zu erstellende System einfließen.

Das RAfEG-Projekt (Referenzarchitektur für E-Government) hat eine Softwarearchitektur zur Unterstützung der elektronischen Abbildung von öffentlichen Verwaltungsdienstleistungen zum Ziel, wobei insbesondere auch interne Verwaltungsprozessabläufe einbezogen werden. Schwerpunkt ist dabei die Konzeption und Umsetzung einer Referenzimplementierung, die die Erstellung von Anwendungssoftware für eine breite Klasse von E-Government-Anwendungen ermöglicht. Die Architektur als auch die Implementierung selbst ist für heterogene, (räumlich) verteilte Plattformen mit verteilten Prozessabläufen konzipiert. Der vorliegende Informatik-Bericht erstellt dazu einen Systemkatalog, welcher die aktuell in Frage kommenden Systeme, Technologien und Charakteristika mit dem Ziel der Definition und Gewichtung der jeweils zugrunde zu legenden Anforderungskriterien in Form eines Kriterienkataloges zusammenfasst.

Das Ziel des Forschungsprojekts "Referenzarchitektur für E-Government" (RAfEG) ist es, eine Softwarearchitektur zur Unterstützung der elektronischen Abbildung von öffentlichen Verwaltungsdienstleistungen zu entwickeln. Schwerpunkt ist dabei die Konzeption und Umsetzung einer geeigneten auf Open Source Software basierenden Architektur, die den Einsatz für eine breite Klasse von E-Government-Anwendungen unterstützt. Auf der Basis dieser Architektur wird eine Referenzlösung zur Unterstützung und Realisierung von Verwaltungsdienstleistungen auf der Grundlage von optimierten Prozessen erstellt. Die dafür zu berücksichtigenden Softwarekonzepte sollen eine effiziente Nutzung von heterogenen Systemen bzw. heterogenen Hardwareplattformen für große interaktive Anwendungen aus dem Bereich der öffentlichen Verwaltung ermöglichen.

A Biologia de Sistemas proporciona um olhar holístico sobre os processos biológicos, integrando os diversos componentes intracelulares através de redes altamente complexas. Em particular, redes de co-expressão tem permitido nos últimos anos uma compreensão cada vez maior dos sistemas biológicos e dos mecanismos moleculares que os regem. Por outro lado, as ferramentas matemáticas e estatísticas já desenvolvidas para a análise destas redes e sistemas são, em geral, densas e pouco familiares para profissionais das áreas biológicas e da saúde. Portanto, a fim de possibilitar uma análise ao mesmo tempo relevante e facilitada, nosso grupo criou a ferramenta CEMiTool, que tem por objetivo identificar módulos de coexpressão de genes de modo automático, de maneira fácil e intuitiva para usuários com pouca ou nenhuma experiência com linguagens de programação. A fim de demonstrar a facilidade de uso da ferramenta, aplicamos o CEMiTool a mais de 1000 estudos de transcriptômica, cujos resultados foram utilizados para a confecção de um banco de dados, permitindo a integração de informações entre estudos. Além disso, para facilitar ainda mais o acesso a este tipo de análises, foi criada uma versão online da ferramenta, denominada webCEMiTool, que permite realizar as análises no navegador. Finalmente, criou-se também a ferramenta annotator, permitindo a definição automática de grupos de amostras de estudos de transcriptômica a partir do agrupamento de cadeias de caracteres presentes em dados de anotação. Todo o código está livremente disponível à comunidade. / System biology methods provide a holistic view of biological processes, integrating the several intracellular molecular components via the use of highly complex networks. In particular, co-expression networks have allowed for an increasing understanding of biological systems and the complex molecular mechanisms driving them. On the other hand, previously described tools for the analysis of biological networks are in general relatively difficult to use for life and health scientists given their high mathematical and computational demand. Therefore, in order to provide at the same time a relevant and easy-to-use analysis, we have developed the CEMiTool package, which aims to identify gene coexpression modules in an automatic, easy and intuitive way for users with little to no prior computational expertise. We applied CEMiTool to over 1000 transcriptomics studies and used the results to create a new gene coexpression database, which allows users to integrate information across analyses. Moreover, to further facilitate analyses we developed an online version of the tool named webCEMiTool, which permits users to run coexpression analysis easily via browser. Finally, we also developed annotator, a package for automatically determining experimental groups based on sample annotation string similarity. All code is freely available to the community.

Este trabalho apresenta um sistema neural modular, que processa separadamente informações de contexto espacial e temporal, para a tarefa de reprodução de sequências temporais. Para o desenvolvimento do sistema neural foram considerados redes neurais recorrentes, modelos estocásticos, sistemas neurais modulares e processamento de informações de contexto. Em seguida, foram estudados três modelos com abordagens distintas para aprendizagem de seqüências temporais: uma rede neural parcialmente recorrente, um exemplo de sistema neural modular e um modelo estocástico utilizando a teoria de modelos markovianos escondidos. Com base nos estudos e modelos apresentados, esta pesquisa propõe um sistema formado por dois módulos sucessivos distintos. Uma rede de propagação direta (módulo estimador de contexto espacial) realiza o processamento de contexto espacial identificando a seqüência a ser reproduzida e fornecendo um protótipo do contexto para o segundo módulo. Este é formado por uma rede parcialmente recorrente (módulo de reprodução de sequências temporais) para aprender as informações de contexto temporal e reproduzir em suas saídas a seqüência identificada pelo módulo anterior. Para a finalidade mencionada, este mestrado utiliza a distribuição de Gibbs na saída do módulo para contexto espacial de forma que este forneça probabilidades de contexto espacial, indicando o grau de certeza do módulo e possibilitando a utilização de procedimentos especiais para os casos de dúvida. O sistema neural foi testado em conjuntos contendo trajetórias abertas, fechadas, e com diferentes situações de ambigüidade e complexidade. Duas situações distintas foram avaliadas: (a) capacidade do sistema em reproduzir trajetórias a partir de pontos iniciais treinados; e (b) capacidade de generalização do sistema reproduzindo trajetórias considerando pontos iniciais ou finais em situações não treinadas. A situação (b) é um problema de difícil ) solução em redes neurais devido à falta de contexto temporal, essencial na reprodução de seqüências. Foram realizados experimentos comparando o desempenho do sistema modular proposto com o de uma rede parcialmente recorrente operando sozinha e um sistema modular neural (TOTEM). Os resultados sugerem que o sistema proposto apresentou uma capacidade de generalização significamente melhor, sem que houvesse uma deterioração na capacidade de reproduzir seqüências treinadas. Esses resultados foram obtidos em sistema mais simples que o TOTEM. / This work presents a new modular neural system to deal separately with spatial and temporal context information, during temporal sequence processing. Given the initial and final states of the sequence, the neural system can reproduce the whole sequence linking these points. The proposed model involves concepts on recurrent neural networks, stochastic models, modular neural systems and context information processing. Three models based on distinct approaches to learn temporal sequences were particularly important in this work: a partially recurrent neural network, a modular neural system and a stochastic model based on the Hidden Markov Models theory. This master thesis presents a new modular neural system composed of two supervised neural networks. A feedforward neural network (spatial context estimator) to identify the desired sequence to be reproduced and to provide a spatial context prototype to the second module. This is a partially recurrent neural network to reproduce the sequence identified by the former module. Moreover, the first module employs the Gibbs distribution in the spatial context estimator outputs in such a way to obtain the uncertainty of the sequence identification task. Thus, with these probability values, special procedures may be used whenever a doubt occurs. The proposed system was evaluated in different domains containing open and closed sequences with different levels of complexity due to space dimension and level of ambiguity of the trained trajectories. The system was evaluated according to its ability to reproduce the sequence whenever versions of the initial and final points are provided. A version may be exactly the points seen during the training stage or points trained as intermediate states. The latter is considered a difficult task for recurrent neural networks due to the lack of temporal context information. Experiments were done comparing the performance of the proposed modular neural system with the performance of a recurrent neural network itself and a modular neural system (a model called TOTEM) for sequence reproduction. The results suggest that the proposed modular neural system presented ability to generalize significant1y better that of the recurrent neural network without deteriorating its ability to reproduce sequences starting from trained situations. The neural system may reproduce the results of the TOTEM with a simpler topology.

Modulare Endoprothesensysteme gehören heute in der Primär- und Revisionsendoprothetik zum Standard in der Orthopädischen Chirurgie. Eine besondere Gruppe sind die sogenannten „Megaendoprothesen“, die vor allem bei der Überbrückung bzw. dem Ersatz sehr großer Defekte an langen Röhrenknochen im Bereich der oberen und unteren Extremitäten einschließlich des Beckens zum Einsatz kommen. Nachdem sie primär für die Tumorchirurgie entwickelt wurden und hier auch die wichtigsten Erfahrungen gesammelt worden sind, hat sich der Anwendungsbereich mittlerweile deutlich erweitert. So bieten sie elegante Lösungsmöglichkeiten auch in der Revisionschirurgie und in bestimmten Fällen periprothetischer Frakturen. Als gewichtige Vorzüge sind insbesondere die unkomplizierte Handhabung und der intraoperativ nahezu unbegrenzte Handlungsspielraum herauszuheben. Auf der anderen Seite sind wir mit der steigenden Zahl der Fälle auch in zunehmendem Maße mit schwerwiegenden Problemen und Komplikationen konfrontiert, beispielhaft seien nur die Hüftluxation und die Infektion genannt. Die Zielsetzung dieser Arbeit bestand nun zum Einen in einer umfassenden Bestandsaufnahme auf dem Gebiet der Megaendoprothesen anhand der Literatur, zum Anderen in einer speziellen Analyse der Ergebnisse des Modularen Endoprothesensystems München-Lübeck (MML). Es wurden 572 Operationen mit dem MML-System aus 5 Kliniken im Zeitraum von 1994 bis 2010 ausgewertet, wobei besonderes Augmerk auf Probleme und Komplikationen gelegt wurde. Schlüsselwörter: Meagaendoprothese, Modulares Endoprothesensystem, Tumorendoprothesen, Knochentumoren, Revisionsoperation

Submitted by Kizzy Fernanda Terra Ferreira dos Reis (kizzyterra@gmail.com) on 2017-09-06T13:00:50Z No. of bitstreams: 1 texto-final-dissertacao-kizzy.pdf: 21050814 bytes, checksum: defd2f1878efcd46846500f9e0b62ebe (MD5) / Approved for entry into archive by Janete de Oliveira Feitosa (janete.feitosa@fgv.br) on 2017-09-06T14:59:15Z (GMT) No. of bitstreams: 1 texto-final-dissertacao-kizzy.pdf: 21050814 bytes, checksum: defd2f1878efcd46846500f9e0b62ebe (MD5) / Made available in DSpace on 2017-09-26T13:48:45Z (GMT). No. of bitstreams: 1 texto-final-dissertacao-kizzy.pdf: 21050814 bytes, checksum: defd2f1878efcd46846500f9e0b62ebe (MD5) Previous issue date: 2017-07-10 / This study comprises the problem of isochrone maps reconstruction as well as their application in the identification of user mode choice preferences. We propose a computational modeling of isochrones based on the theory of implicit functions in order to draw the curve on a map and evaluate geometrical properties of interest. Besides, we discuss the theory of consumer choice applied to urban transportation, suggesting modifications in the utility function of McFadden e Domenich (DOMENCICH; MCFADDEN, 1975) which models urban travel demand to embody isochrone curves properties. At long last, we implement a concept demonstration that constitutes a public utility application for mobile devices that supports the decision making of users through the transport mode suggestion in order to increase their quality of life and facilitate their daily life / Este trabalho constitui um estudo sobre o problema da reconstrução de mapas isócronos bem como sua aplicação na identificação das preferências dos usuários de modais de transportes. Propõe-se uma modelagem computacional das curvas isócronas baseada na teoria das funções implícitas a fim de permitir que se possa desenhar a curva sobre um mapa e computar propriedades geométricas de interesse. Ademais, discute-se nesse contexto a teoria do consumidor aplicada ao transporte urbano, sugerindo a adaptação da função de utilidade de McFadden e Domenich (DOMENCICH; MCFADDEN, 1975), que modela a escolha de modais, através da incorporação de propriedades de curvas isócronas. Implementa-se uma demonstração de conceito constituída em um aplicativo de utilidade pública para dispositivos móveis que dá suporte às tomadas de decisões dos usuários através da comparação de modais com o intuito de aumentar sua qualidade de vida e facilitar seu cotidiano

Este trabalho apresenta um sistema neural modular, que processa separadamente informações de contexto espacial e temporal, para a tarefa de reprodução de sequências temporais. Para o desenvolvimento do sistema neural foram considerados redes neurais recorrentes, modelos estocásticos, sistemas neurais modulares e processamento de informações de contexto. Em seguida, foram estudados três modelos com abordagens distintas para aprendizagem de seqüências temporais: uma rede neural parcialmente recorrente, um exemplo de sistema neural modular e um modelo estocástico utilizando a teoria de modelos markovianos escondidos. Com base nos estudos e modelos apresentados, esta pesquisa propõe um sistema formado por dois módulos sucessivos distintos. Uma rede de propagação direta (módulo estimador de contexto espacial) realiza o processamento de contexto espacial identificando a seqüência a ser reproduzida e fornecendo um protótipo do contexto para o segundo módulo. Este é formado por uma rede parcialmente recorrente (módulo de reprodução de sequências temporais) para aprender as informações de contexto temporal e reproduzir em suas saídas a seqüência identificada pelo módulo anterior. Para a finalidade mencionada, este mestrado utiliza a distribuição de Gibbs na saída do módulo para contexto espacial de forma que este forneça probabilidades de contexto espacial, indicando o grau de certeza do módulo e possibilitando a utilização de procedimentos especiais para os casos de dúvida. O sistema neural foi testado em conjuntos contendo trajetórias abertas, fechadas, e com diferentes situações de ambigüidade e complexidade. Duas situações distintas foram avaliadas: (a) capacidade do sistema em reproduzir trajetórias a partir de pontos iniciais treinados; e (b) capacidade de generalização do sistema reproduzindo trajetórias considerando pontos iniciais ou finais em situações não treinadas. A situação (b) é um problema de difícil ) solução em redes neurais devido à falta de contexto temporal, essencial na reprodução de seqüências. Foram realizados experimentos comparando o desempenho do sistema modular proposto com o de uma rede parcialmente recorrente operando sozinha e um sistema modular neural (TOTEM). Os resultados sugerem que o sistema proposto apresentou uma capacidade de generalização significamente melhor, sem que houvesse uma deterioração na capacidade de reproduzir seqüências treinadas. Esses resultados foram obtidos em sistema mais simples que o TOTEM. / This work presents a new modular neural system to deal separately with spatial and temporal context information, during temporal sequence processing. Given the initial and final states of the sequence, the neural system can reproduce the whole sequence linking these points. The proposed model involves concepts on recurrent neural networks, stochastic models, modular neural systems and context information processing. Three models based on distinct approaches to learn temporal sequences were particularly important in this work: a partially recurrent neural network, a modular neural system and a stochastic model based on the Hidden Markov Models theory. This master thesis presents a new modular neural system composed of two supervised neural networks. A feedforward neural network (spatial context estimator) to identify the desired sequence to be reproduced and to provide a spatial context prototype to the second module. This is a partially recurrent neural network to reproduce the sequence identified by the former module. Moreover, the first module employs the Gibbs distribution in the spatial context estimator outputs in such a way to obtain the uncertainty of the sequence identification task. Thus, with these probability values, special procedures may be used whenever a doubt occurs. The proposed system was evaluated in different domains containing open and closed sequences with different levels of complexity due to space dimension and level of ambiguity of the trained trajectories. The system was evaluated according to its ability to reproduce the sequence whenever versions of the initial and final points are provided. A version may be exactly the points seen during the training stage or points trained as intermediate states. The latter is considered a difficult task for recurrent neural networks due to the lack of temporal context information. Experiments were done comparing the performance of the proposed modular neural system with the performance of a recurrent neural network itself and a modular neural system (a model called TOTEM) for sequence reproduction. The results suggest that the proposed modular neural system presented ability to generalize significant1y better that of the recurrent neural network without deteriorating its ability to reproduce sequences starting from trained situations. The neural system may reproduce the results of the TOTEM with a simpler topology.

Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2017-04-05T15:39:48Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) everson_verissimo_dissertacao.pdf: 2502424 bytes, checksum: 0f98e5de2dc7eab2b63e0c0ccd1a6703 (MD5) / Made available in DSpace on 2017-04-05T15:39:48Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) everson_verissimo_dissertacao.pdf: 2502424 bytes, checksum: 0f98e5de2dc7eab2b63e0c0ccd1a6703 (MD5) Previous issue date: 2013-08-14 / CAPES / Apesar dos avanços em técnicas da Aprendizagem de Máquina, muito esforço ainda é despendido na concepção de um classificador que consiga aprender bem uma dada tarefa. Váriasabordagenssurgiramparaatenuaresseesforçoatravésdacombinaçãodeclassificadores. A combinação de classificadores permite que o projetista do sistema não necessite escolher o classificador mais eficiente dentre vários, nem descartar classificadores que podem possuir informaçãoimportantesobreatarefa. Estratégiasdecombinaçãopermitemqueváriosalgoritmos trabalhem em conjunto a fim de melhorar a precisão de todo o sistema numa dada tarefa. O objetivodestetrabalhoéproporummétododecombinaçãodeclassificadoresqueagregueas vantagensdeduasabordagens: máquinasdecomitêemisturasdeespecialistas. Asmáquinasde comitêvisamcombinarclassificadoresqueresolvempadrõesdetodooespaçodecaracterísticas. Quandocombinados,lidammelhorcomsuperfíciesdedecisãocomplexasqueumclassificador individualmente e são capazes de incorporar novos classificadores mesmo após o uso. Nas MisturasdeEspecialistas,cadaumdosclassificadoreséumespecialistaemumadeterminada áreadoespaçodecaracterísticaseemboraresolvapadrõesdetodooespaçodecaracterísticas,se dedicaaresolverproblemasbemmaissimples,atingindoumdesempenhosuperioremrelaçãoa umclassificadorsópararesolveroproblematodo. OmétodopropostoéchamadodeComitê de Misturas de Especialistas e corresponde a uma máquina de comitês formada por misturas de especialistas. Assim, o método herda a escalabilidade e a tolerância a erros das máquinas decomitêeasimplicidadedetreinamentodasmisturasdeespecialistas. Experimentosforam realizadosparaverificarasuperioridadedocomitêdemisturasdeespecialistassobretrêsfatores de mudanças entre as misturas: técnicas de decomposição de tarefas, número de grupos e características. / Despite the advance of the techniques in Machine Learning, much effort is taken to conceiveaclassifierthatlearnswellaparticulartask. Severalapproacheshavebeenproposed to attenuate this effort through combination of classifiers. Combination of classifiers allows thatnotonlythemosteffectiveclassifiersbechosenamongseveral,nordiscardclassifiersthat mayhaveimportantinformationaboutthetask. Strategiesallowthatseveralalgorithmswork togetherinordertoimproveaccuracyofthewholesystemgivenatask. Thegoalofthiswork is to propose a method to combine classifiers that put together advantages of two approaches: committeemachinesandmixtureofexperts. CommitteeMachinesaimtocombineclassifiersthat solvepatternsfromalloverthespace. Whencombined,theydealbetterwithcomplexdecision boundaries than a single classifier and they are capable of incorporating new classifiers even aftertheuse. Inthemixtureofexperts,eachoneoftheclassifiersisanexpertinacertainregion ofthefeaturespaceand,althoughitsolvespatternsfromthewholefeaturespace,theclassifier is dedicated to solve well simpler problems, reaching a better performance in comparison to a unique classifier to solve the entire problem. Also, there is a hybrid approach, the mixture of experts, in which each classifier solves patterns from the entire space as a committe, but it is trained with patterns from a smaller region, similarly to modular neural networks. The proposedmethodisentitledCommitteeofMixtureofExpertsandcorrespondstoacommittee machineformedbymixtureofexperts. So,themethodinheritsscalabilityanderrortolerance from committee machines and training simplicity from the mixture of experts. Experiments weremadetoverifythesuperiorityofthecommitteeofmixturesofexpertsoverthreefactorsof changingamongthemixtures: taskdecompositionmethods,numberofgroupsandfeatures.

Siendo las bases de datos el centro del proceso creativo en la era del ordenador1 (Manovich) y siendo su medio de elección, Internet, partiendo de la hipótesis de que para que se adapten a este espacio las narrativas dinámicas deben amoldarse a las características inherentes al mismo, haciendo uso de las bases de datos - esto debe ser su enfoque principal para la supervivencia en este medio. Como forma de adaptar la narrativa a Internet, en esta investigación se distinguen dos modos que pueden completar ideas así como proyectos presentes y emergentes: la primera se titula bionarrativas ¿ se trata de estructuras que se auto generan, infinitas, que se construyen y se desarrollan sin control alguno del autor y siguen libremente sin la opción de encontrar un fin; la segunda se titula narrativas ecológicas - estructuras narrativas que se recrean, o no, a través de la intervención colaborativa, y cuya principal característica es hacer uso de bases de datos existentes, en el sentido de la remix, recontextualizándolas a través de enlaces semióticos (aquí entran todos los datos multimedia, como el vídeo, la fotografía, las imágenes gráficas, la animación, el sonido, el texto u otros elementos medias mezclados), que se podrán adaptar a estructuras prediseñadas. Para representar estos dos modos se han creado estructuras narrativas orgánicas, basadas en las ya existentes y en las propuestas realizadas, entre ellas podemos destacar: la acción injerto y la computación ubicua como las posibilidades futuras que serán desarrolladas en las narrativas dinámicas en línea, permitiendo el entendimiento de la principal rivalidad en las narrativas - la inmersión y la interactividad. La implicación humano-humano puede ser mucho más inmersiva que la Inteligencia artificial y puede facilitar más posibilidades de crear algo inesperado y no previsto por el autor de la estructura. El arte en red está entorno al ser humano y en lo referente a las narrativas, ellas también deberán estar basadas en el factor presencia y acción colaborativa del mismo. / Moreira Abrantes Ferreira Da Silva, ME. (2013). Narrativas Dinámicas. Estructuras Interactivas de los Nuevos Medios en la Red [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/31382