Ingeniero Civil Electricista / El método de las velocidades radiales permite la detección de planetas en otros sistemas solares, al obtener las características y configuración del sistema planetario. Esto es usualmente realizado por métodos secuenciales, que no garantizan obtener una solución global del problema. Una distorsión en la primera señal detectada, en conjunto con la ventana de muestreo no uniforme pueden causar la aparición de componentes artificiales. En este trabajo se desarrolló un método para encontrar una solución global del problema. Determinando tanto el número de componentes como las características de estas. Para esto se implementó dos programas en C, que en conjunto permitirán determinar las características y configuración de sistema. Estos se evalúan tanto en la validez de los resultados que entregan, como de la eficiencia computacional de los mismos. Para la validación se utilizó señales reales proporcionadas por astrónomos y señales artificiales. Se muestra como el periodograma basado en MMSE entrega resultados comparables con los del periodograma Lomb Scargle. Entregando además los parámetros de las componentes detectadas. Se utilizó un análisis de grilla para detectar la configuración del sistema y refinar las soluciones.

Muitas vezes, é de interesse na análise de séries temporais verificar se existe periodicidade numa série dada. Para isso é empregada a análise espectral clássica, utilizando a função densidade espectral e a função periodograma. O objeti,·o desse trabalho é fornecer uma análise espectral alternativa baseada em cruzamentos de ordem superior, ou HOC. Enunciamos um teorema que mostra a relação entre análise espectral clássica e análise espectral utilizando cruzamento de ordem superior. / In the analysis of time series, it is often intercsting to seek for periodicities in a given series, where the classical spectral analysis is used through the spectral density and periodogram functions . The goal of this work is to supply an alternative spectral analysis technique based on Higher Order Crossings or HOC. A theorem showing the relationship between classical spcctral analysis and Higher Order Crossings is given.

Muitas vezes, é de interesse na análise de séries temporais verificar se existe periodicidade numa série dada. Para isso é empregada a análise espectral clássica, utilizando a função densidade espectral e a função periodograma. O objeti,·o desse trabalho é fornecer uma análise espectral alternativa baseada em cruzamentos de ordem superior, ou HOC. Enunciamos um teorema que mostra a relação entre análise espectral clássica e análise espectral utilizando cruzamento de ordem superior. / In the analysis of time series, it is often intercsting to seek for periodicities in a given series, where the classical spectral analysis is used through the spectral density and periodogram functions . The goal of this work is to supply an alternative spectral analysis technique based on Higher Order Crossings or HOC. A theorem showing the relationship between classical spcctral analysis and Higher Order Crossings is given.

Muitas vezes, é de interesse na análise de séries temporais verificar se existe periodicidade numa série dada. Para isso é empregada a análise espectral clássica, utilizando a função densidade espectral e a função periodograma. O objeti,·o desse trabalho é fornecer uma análise espectral alternativa baseada em cruzamentos de ordem superior, ou HOC. Enunciamos um teorema que mostra a relação entre análise espectral clássica e análise espectral utilizando cruzamento de ordem superior. / In the analysis of time series, it is often intercsting to seek for periodicities in a given series, where the classical spectral analysis is used through the spectral density and periodogram functions . The goal of this work is to supply an alternative spectral analysis technique based on Higher Order Crossings or HOC. A theorem showing the relationship between classical spcctral analysis and Higher Order Crossings is given.

Submitted by Marta Toyoda (1144061@mackenzie.br) on 2018-02-26T20:16:03Z No. of bitstreams: 2 Antonio Luiz Basile.pdf: 17687865 bytes, checksum: 2a522597431038d77d0589adb79c778c (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Paola Damato (repositorio@mackenzie.br) on 2018-03-08T11:22:02Z (GMT) No. of bitstreams: 2 Antonio Luiz Basile.pdf: 17687865 bytes, checksum: 2a522597431038d77d0589adb79c778c (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-03-08T11:22:02Z (GMT). No. of bitstreams: 2 Antonio Luiz Basile.pdf: 17687865 bytes, checksum: 2a522597431038d77d0589adb79c778c (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2017-06-13 / Understanding other stellar systems is crucial to a better knowledge of the Solar System, as is the study of extrasolar planets orbiting the habitable zone of their host star central to the understanding of the conditions that allowed life to develop on our own planet. Presently there are thousands of confirmed planets, mostly detected by the Kepler satellite as they eclipse their host star. This overload of data urges an automatic data search for planetary transit detection within the stellar light curves. Box-Fitting Least Squares (BLS) is a good candidate for this task due to the intrinsic shape of the transiting light curve. Further improvement is obtained by parallelization of the BLS according to the number of bins. Both the sequential and parallel algorithms were applied to six chosen Kepler planetary systems (Kepler-7, Kepler-418, Kepler-439, Kepler-511, Kepler-807, Kepler-943) and to different light curve lengths. In all cases, speedup increased from 3 to 45 times as the number of bins increased, because the performance of the sequential version degrades with an increase in the number of bins, while remaining mainly constant for the parallel version. For smaller planets with longer orbital periods, a large number of bins is necessary to obtain the correct period detection. / A compreensão de outros sistemas estelares é crucial para um melhor conhecimento do Sistema Solar, assim como o estudo de planetas extrasolares orbitando a zona habitável de sua estrela hospedeira é central para a compreensão das condições que permitiram a vida desenvolver-se em nosso próprio planeta. Atualmente existem milhares de planetas confirmados, detectados principalmente pelo satélite Kepler, que eclipsam sua estrela hospedeira. Esta sobrecarga de dados requer uma busca automática de dados para detecção de trânsito planetário dentro das curvas de luz estelares. O algoritmo Box-Fitting Least Squares (BLS) é um bom candidato para esta tarefa devido à forma intrínseca da curva de luz em trânsito. Melhoria adicional é obtida por paralelização do BLS de acordo com o número de bins. Ambos os algoritmos, sequencial e paralelo, foram aplicados a seis sistemas planetários Kepler (Kepler-7, Kepler-418, Kepler-439, Kepler-511, Kepler-807, Kepler-943) e a curvas de luz de comprimentos distintos. Em todos os casos, o speedup aumentou, entre 3 e 45 vezes, à medida que o número de bins aumentou, pois o desempenho da versão sequencial degradou com o aumento no número de bins, permanecendo praticamente constante para a versão paralela. Para planetas menores com períodos orbitais mais longos, um grande número de bins é necessário para obter a detecção de período correto.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-07-11T17:32:14Z No. of bitstreams: 1 JhonnataBezerraDeCarvalho_DISSERT.pdf: 3154941 bytes, checksum: aab207a1be81d327327698a3f8ff9a2d (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-07-15T21:46:07Z (GMT) No. of bitstreams: 1 JhonnataBezerraDeCarvalho_DISSERT.pdf: 3154941 bytes, checksum: aab207a1be81d327327698a3f8ff9a2d (MD5) / Made available in DSpace on 2016-07-15T21:46:07Z (GMT). No. of bitstreams: 1 JhonnataBezerraDeCarvalho_DISSERT.pdf: 3154941 bytes, checksum: aab207a1be81d327327698a3f8ff9a2d (MD5) Previous issue date: 2016-02-03 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior (CAPES) / O classificador M?quina de Suporte Vetorial, que vem do termo em ingl?s \textit{Support Vector Machine}, ? utilizado em diversos problemas em v?rias ?reas do conhecimento. Basicamente o m?todo utilizado nesse classificador ? encontrar o hiperplano que maximiza a dist?ncia entre os grupos, para aumentar o poder de generaliza??o do classificador. Neste trabalho, s?o tratados alguns problemas de classifica??o bin?ria com dados obtidos atrav?s da eletroencefalografia (EEG) e eletromiografia (EMG), utilizando a M?quina de Suporte Vetorial com algumas t?cnicas complementares, destacadas a seguir como: An?lise de Componentes Principais para a identifica??o de regi?es ativas do c?rebro, o m?todo do periodograma que ? obtido atrav?s da An?lise de Fourier, para ajudar a discriminar os grupos e a suaviza??o por M?dias M?veis Simples para a redu??o dos ru?dos existentes nos dados. Foram desenvolvidas duas fun??es no $software$ \textbf{R}, para a realiza??o das tarefas de treinamento e classifica??o. Al?m disso, foram propostos 2 sistemas de pesos e uma medida sumarizadora para auxiliar na decis?o do grupo pertencente. A aplica??o dessas t?cnicas, pesos e a medida sumarizadora no classificador, mostraram resultados bastantes satisfat?rios, em que os melhores resultados encontrados foram, uma taxa m?dia de acerto de 95,31\% para dados de est?mulos visuais, 100\% de classifica??o correta para dados de epilepsia e taxas de acerto de 91,22\% e 96,89\% para dados de movimentos de objetos para dois indiv?duos. / The classifier support vector machine is used in several problems in various areas of knowledge. Basically the method used in this classier is to end the hyperplane that maximizes the distance between the groups, to increase the generalization of the classifier. In this work, we treated some problems of binary classification of data obtained by electroencephalography (EEG) and electromyography (EMG) using Support Vector Machine with some complementary techniques, such as: Principal Component Analysis to identify the active regions of the brain, the periodogram method which is obtained by Fourier analysis to help discriminate between groups and Simple Moving Average to eliminate some of the existing noise in the data. It was developed two functions in the software R, for the realization of training tasks and classification. Also, it was proposed two weights systems and a summarized measure to help on deciding in classification of groups. The application of these techniques, weights and the summarized measure in the classier, showed quite satisfactory results, where the best results were an average rate of 95.31% to visual stimuli data, 100% of correct classification for epilepsy data and rates of 91.22% and 96.89% to object motion data for two subjects.