A palinologia ao acesso de todos?: estudo comparativo de duas técnicas de análise de sedimentos

Dissertação mest., Biologia e Geologia, Universidade do Algarve, 2006

Percurso evolutivo do Ensino Superior em Portugal: a utilização do e-learning

O desenvolvimento das redes de comunicação desencadeou a possibilidade de proporcionar novos cenários de ensino e aprendizagem, embora com perfis ainda não completamente definidos. A problemática do e-learning entrou na agenda de debates dos temas educacionais, sendo que atualmente é um dos temas dos mais discutidos no domínio da utilização das tecnologias na educação/formação. O trabalho configura um levantamento acerca do número de cursos disponibilizados atualmente no Ensino Superior Português. Selecionando 95 universidades do sistema Público e Privado, foram considerados os cursos de 1º, 2º e 3º de estudos disponibilizados pelas mesmas, e contabilizado o número de cursos na modalidade de e-learning oferecidos. O Ensino Superior em Portugal passa por um período de acentuada massificação. Multiplicou o número de instituições, de cursos e de alunos neste nível de ensino. Como tal, e para contextualizar a situação atual que o Ensino Superior encara, e tomando as estatísticas disponíveis, é feita a descrição do número de inscritos, as idades e o número de cursos em funcionamento na última década. A generalização das redes de comunicação e a possibilidade de aprender à distância, estão a propiciar novos cenários de aprendizagem e formação. A grande vantagem deste sistema recaí sobre flexibilização do acesso aos materiais de estudo. As maiores limitações ao uso do sistema relacionam-se com os custos associados à aquisição de equipamentos e à manutenção das comunicações. O uso das tecnologias no ensino superior representa diversas mais-valias para o processo de ensino-aprendizagem, como a flexibilidade de ensino, o acesso à educação de um maior número de indivíduos, sem que a presença física seja um requisito obrigatório e aumento do trabalho colaborativo. Numa perspetiva global, proporciona um ambiente cada vez mais enriquecido para o ensino e a aprendizagem.

Desenho de modelos neuronais para a deteção de sismos

A performance dos detetores sísmicos atualmente utilizados pode e deve ser melhorada. Atualmente existem vários algoritmos para a deteção de sismos de forma automática, desde os sistemas simples baseados em STA/LTA, aos mais sofisticados baseados em reconhecimento de padrões. Este estudo pretende dar continuidade ao desenvolvimento de uma abordagem de deteção de eventos sísmicos ao nível da estação local, utilizando uma técnica bastante conhecida, chamada Máquina de Vetores de Suporte (SVM). SVM é amplamente utilizada em problemas de classificação, devido a sua boa capacidade de generalização. Nesta experiência, a técnica baseada em SVM é aplicada em diferentes modos de operações. Os resultados mostraram que a técnica proposta dá excelentes resultados em termos de sensibilidade e especificidade, além de exigir um tempo de deteção suficientemente pequeno para ser utilizado num sistema de aviso precoce (early-warning system). Começamos pela classificação de dados de forma Off-line, seguido da validação do classificador desenvolvido. Posteriormente, o processamento de dados é executado de forma contínua (On-line). Os algoritmos foram avaliados em conjuntos de dados reais, provenientes de estações sísmicas da Rede de Vigilância Sísmica de Portugal, e em aplicações reais da área de Sismologia (simulação de funcionamento em ambiente real). Apesar de apenas duas estações serem consideradas, verificou-se que utilizando a combinação de detetores, consegue-se uma percentagem de deteção idêntica para quando utilizado um único modelo (Abordagem OR) e o número de falsos alarmes para a combinação de modelos é quase inexistente (Abordagem AND). Os resultados obtidos abrem várias possibilidades de pesquisas futuras.

Design of neuro-fuzzy models by evolutionary and gradient-based algorithms

All systems found in nature exhibit, with different degrees, a nonlinear behavior. To emulate this behavior, classical systems identification techniques use, typically, linear models, for mathematical simplicity. Models inspired by biological principles (artificial neural networks) and linguistically motivated (fuzzy systems), due to their universal approximation property, are becoming alternatives to classical mathematical models. In systems identification, the design of this type of models is an iterative process, requiring, among other steps, the need to identify the model structure, as well as the estimation of the model parameters. This thesis addresses the applicability of gradient-basis algorithms for the parameter estimation phase, and the use of evolutionary algorithms for model structure selection, for the design of neuro-fuzzy systems, i.e., models that offer the transparency property found in fuzzy systems, but use, for their design, algorithms introduced in the context of neural networks. A new methodology, based on the minimization of the integral of the error, and exploiting the parameter separability property typically found in neuro-fuzzy systems, is proposed for parameter estimation. A recent evolutionary technique (bacterial algorithms), based on the natural phenomenon of microbial evolution, is combined with genetic programming, and the resulting algorithm, bacterial programming, advocated for structure determination. Different versions of this evolutionary technique are combined with gradient-based algorithms, solving problems found in fuzzy and neuro-fuzzy design, namely incorporation of a-priori knowledge, gradient algorithms initialization and model complexity reduction.