Spelling suggestions: "subject:"posicionamento"" "subject:"condicionamento""
41 |
Aplicando verificação de modelos baseada nas teorias do módulo da satisfabilidade para o particionamento de hardware/software em sistemas embarcadosTrindade, Alessandro Bezerra 09 February 2015 (has links)
Submitted by Kamila Costa (kamilavasconceloscosta@gmail.com) on 2015-06-15T21:23:16Z
No. of bitstreams: 1
Dissertacao-Alessandro B Trindade.pdf: 1833454 bytes, checksum: 132beb74daa71e138bbfcdc0dcf5b174 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-06-16T15:00:54Z (GMT) No. of bitstreams: 1
Dissertacao-Alessandro B Trindade.pdf: 1833454 bytes, checksum: 132beb74daa71e138bbfcdc0dcf5b174 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-06-16T15:02:16Z (GMT) No. of bitstreams: 1
Dissertacao-Alessandro B Trindade.pdf: 1833454 bytes, checksum: 132beb74daa71e138bbfcdc0dcf5b174 (MD5) / Made available in DSpace on 2015-06-16T15:02:16Z (GMT). No. of bitstreams: 1
Dissertacao-Alessandro B Trindade.pdf: 1833454 bytes, checksum: 132beb74daa71e138bbfcdc0dcf5b174 (MD5)
Previous issue date: 2015-02-09 / Não Informada / When performing hardware/software co-design for embedded systems, does emerge the problem of allocating properly which functions of the system should be implemented in hardware (HW) or in software (SW). This problem is known as HW/SW partitioning and in the last ten years, a significant research effort has been carried out in this area. In this proposed project, we present two new approaches to solve the HW/SW partitioning problem by using SMT-based verification techniques, and comparing the results using the traditional technique of Integer Linear Programming (ILP) and a modern method of optimization by Genetic Algorithm (GA). The goal is to show with experimental results that model checking techniques can be effective, in particular cases, to find the optimal solution of the HW/SW partitioning problem using a state-of-the-art model checker based on Satisfiability Modulo Theories (SMT) solvers, when compared to the traditional techniques. / Quando se realiza um coprojeto de hardware/software para sistemas embarcados, emerge o problema de se decidir qual função do sistema deve ser implementada em hardware (HW) ou em software (SW). Este tipo de problema recebe o nome de particionamento de HW/SW. Na última década, um esforço significante de pesquisa tem sido empregado nesta área. Neste trabalho, são apresentadas duas novas abordagens para resolver o problema de particionamento de HW/SW usando técnicas de verificação formal baseadas nas teorias do módulo da satisfabilidade (SMT). São comparados os resultados obtidos com a tradicional técnica de programação linear inteira (ILP) e com o método moderno de otimização por algoritmo genético (GA). O objetivo é demonstrar, com os resultados empíricos, que as técnicas de verificação de modelos podem ser efetivas, em casos particulares, para encontrar a solução ótima do problema de particionamento de HW/SW usando um verificador de modelos baseado no solucionador SMT, quando comparado com técnicas tradicionais.
|
42 |
[en] APPLICATION OF NONLINEAR MODELS FOR AUTOMATIC TRADING IN THE BRAZILIAN STOCK MARKET / [pt] APLICAÇÃO DE MODELOS NÃO LINEARES EM NEGOCIAÇÃO AUTOMÁTICA NO MERCADO ACIONÁRIO BRASILEIROTHIAGO REZENDE PINTO 16 October 2006 (has links)
[pt] Esta dissertação tem por objetivo comparar o desempenho de
modelos não
lineares de previsão de retornos em 10 ativos do mercado
acionário brasileiro. Entre os modelos escolhidos, pode-se
citar o STAR-Tree, que combina
conceitos da metodologia STAR (Smooth Transition
AutoRegression) e do
algoritmo CART (Classification And Regression Trees),
tendo como resultado final uma regressão com transição
suave entre múltiplos regimes. A
especificação do modelo é feita através de testes de
hipótese do tipo Multiplicador de Lagrange que indicam o
nó a ser dividido e a variável explicativa
correspondente. A estimação dos parâmetros é feita pelo
método de Mínimos
Quadrados Não Lineares para determinar o valor dos
parâmetros lineares
e não lineares. Redes Neurais, modelos ARMAX (estes
lineares) e ainda o
método Naive também foram incluídos na análise. Os
resultados das previsões foram avaliados a partir de
medidas estatísticas e financeiras e se
basearam em um negociador automático que informa o
instante correto de
assumir uma posição comprada ou vendida em cada ativo. Os
melhores desempenhos foram alcançados pelas Redes Neurais,
pelos modelos ARMAX
e pela forma de previsão ARC (Adaptative Regime
Combination) derivada
da metodologia STAR-Tree, sendo ambos ainda superiores ao
retorno das
ações durante o período de teste / [en] The goal of this dissertation is to compare the
performance of non linear
models to forecast return on 10 equities in the Brazilian
Stock Market.
Among the chosen ones, it can be cited the STAR-Tree,
which matches
concepts from the STAR (Smooth Transition AutoRegression)
methodology
and the CART (Classification And Regression Trees)
algorithm, having
as the resultant structure a regression with smooth
transition among
multiple regimes. The model specification is done by
Lagrange Multiplier
hypothesis tests that indicate the node to be splitted and
the corresponding
explanatory variable. The parameter estimation is done by
the Non Linear
Least Squares method that determine the linear and non
linear parameters.
Neural Netwoks, ARMAX models (these ones linear) and the
Naive method
were also included in the analysis. The forecasting
results were calculated
using statistical and financial measures and were based on
an automatic
negociator that signaled the right instant to take a short
or a long position in
each stock. The best results were reached by the Neural
Networks, ARMAX
models and ARC (Adaptative Regime Combination )
forecasting method
derived from STAR-Tree, with all of them performing better
then the equity
return during the test period.
|
43 |
[en] TREE-STRUCTURED SMOOTH TRANSITION REGRESSION MODELS / [pt] MODELOS DE REGRESSÃO COM TRANSIÇÃO SUAVE ESTRUTURADOS POR ÁRVORESJOEL MAURICIO CORREA DA ROSA 22 July 2005 (has links)
[pt] O objetivo principal desta tese introduzir um modelo
estruturado por árvores
que combina aspectos de duas metodologias: CART
(Classification and Regression
Tree) e STR (Smooth Transition Regression). O modelo aqui
denominado
STR-Tree. A idéia especificar um modelo não-linear
paramétrico através da estrutura
de uma árvore de decisão binária. O modelo resultante pode
ser analisado
como uma regressão com transição suave entre múltiplos
regimes. As decisões
sobre as divisões dos nós são inteiramente baseadas em
testes do tipo Multiplicadores
de Lagrange. Uma especificação alternativa baseada em
validação cruzada
também utilizada. Um experimento de Monte Carlo utilizado
para avaliar o
desempenho da metodologia proposta comparando-a com outras
técnicas comumente
utilizadas. Como resultado verifica-se que o modelo STR-
Tree supera o
tradicional CART quando seleciona a arquitetura de árvores
simuladas. Além do
mais, utilizar testes do tipo Multiplicadores de Lagrange
gera resultados melhores
do que procedimentos de validação cruzada. Quando foram
utilizadas bases
de dados reais, o modelo STR-Tree demonstrou habilidade
preditiva superior ao
CART. Através de uma aplicação, extende-se a metodologia
para a análise de
séries temporais. Neste caso, o modelo denominado STAR-
Tree, sendo obtido
através de uma árvore de decisão binária que ajusta
modelos autoregressivos de
primeira ordem nos regimes. A série de retornos da taxa de
câmbio Euro/Dólar
foi modelada e a capacidade preditiva e o desempenho
financeiro do modelo
foi comparado com metodologias padrões como previsões
ingênuas e modelos
ARMA. Como resultado obtido um modelo parcimonioso que
apresenta desempenho
estatístico equivalente às estratégias convencionais,
porém obtendo
resultados financeiros superiores. / [en] He main goal of this Thesis is to introduce a tree-
structured model that combines
aspects from two methodologies: CART (Classification and
Regression Trees)
and STR (Smooth Transition Regression). The model is
called STR-Tree, The
idea is to specify a nonlinear parametric model through
the structure of a binary
decision tree. The resulting modelo can be analyzed as a
smooth transition
regression model with multiple regimes. The decisions for
splitting the nodes
of the tree are entirely based on Lagrange Multipliers
tests. An alternative
specification that uses cross- validation is also tried. A
Monte Carlo Experiment
is used to evaluate the performance of the proposed
methodology and to compare
with other techniques that are commonly used. The results
showed that the STRTree
model outperformed the traditional CART when specifying
the architecture
of a simulated tree. Moreover, the use of Lagrange
Multipliers tests gave better
results than a cross-validation procedure. After applying
the model to real
datasets, it could be seen that STR-Tree showed superior
predictive ability when
compared to CART. The idea was extended to time series
analysis through an
application. In this situation, we call the model as STAR-
Tree which is obtained
through a binary decision tree that fits first-order
autoregressive models for
different regimes. The model was fitted to the returns of
Euro/Dolar exchange
rate time series and then evaluated statistically and
financially. Comparing with
the naive approach and ARMA methodology, the STAR-Tree was
parsimonious
and presented statistical performance equivalent to
others. The financial results
were better than the others.
|
Page generated in 0.067 seconds