Urban land use and land cover change analysis and modeling a case study area Malatya, Turkey

Dissertation submitted in partial fulfillment of the requirements for the Degree of Master of Science in Geospatial Technologies.

Predicting market movement with Artificial Neural Networks

This paper presents an application of an Artificial Neural Network (ANN) to the prediction of stock market direction in the US. Using a multilayer perceptron neural network and a backpropagation algorithm for the training process, the model aims at learning the hidden patterns in the daily movement of the S&P500 to correctly identify if the market will be in a Trend Following or Mean Reversion behavior. The ANN is able to produce a successful investment strategy which outperforms the buy and hold strategy, but presents instability in its overall results which compromises its practical application in real life investment decisions.

Write-erase and read paper memory transistor

Applied Physics Letters, Vol.93, issue 20

Three transducers for one photodetector: essays for optical communications

Dissertation presented to obtain the PhD degree in Electrical and Computer Engineering - Electronics

Landslide susceptibility assessment in Karanganyar regency - Indonesia - Comparison of knowledge-based and Data-driven Models

Dissertation submitted in partial fulfillment of the requirements for the Degree of Master of Science in Geospatial Technologies.

Urban sprawl analysis and modeling in Asmara, Eritreia: Application of Geospatial Tools

Dissertation submitted in partial fulfillment of the requirements for the Degree of Master of Science in Geospatial Technologies.

Urban land cover change detection analysis and modeling spatio-temporal Growth dynamics using Remote Sensing and GIS Techniques: A case study of Dhaka, Bangladesh

Dissertation submitted in partial fulfillment of the requirements for the Degree of Master of Science in Geospatial Technologies.

Analysis of urban land use and land cover changes: a case of study in Bahir Dar, Ethiopia

Dissertation submitted in partial fulfillment of the requirements for the Degree of Master of Science in Geospatial Technologies

Digital microfluidic devices: the role of the dielectric layer

Digital microfluidics (DMF) is a field which has emerged in the last decade as a re-liable and versatile tool for sensing applications based on liquid reactions. DMF allows the discrete displacement of droplets, over an array of electrodes, by the application of voltage, and also the dispensing from a reservoir, mixing, merging and splitting fluidic operations. The main drawback of these devices is due to the need of high driving volt-ages for droplet operations. In this work, alternative dielectric layers combinations were studied aiming the reduction of these driving voltages. DMF chips were designed, pro-duced and optimized according to the theory of electrowetting-on-dielectric, adopting different combinations of parylene-C and tantalum pentoxide (Ta2O5) as dielectric ma-terials, and Teflon as hydrophobic layer. With both devices’ configurations, i.e., Parylene as single dielectric, and multilayer chips combining Parylene and Ta2O5, it was possible to perform all the fluidic opera-tions in the microliter down to hundreds of nanoliters range. Multilayer chips presented significant reduction on driving voltages for droplet op-erations in silicone oil filler medium: from 70 V (parylene only) down to 30 V (parylene/Ta2O5) for dispensing; and from 50 V (parylene only) down to 15 V (parylene/Ta2O5) for movement. Peroxidase colorimetric reactions were successfully performed as proof-of-concept, using multilayer configuration devices.

Contributo para a modelação do estudo do comportamento de barragens de aterro com o auxílio de redes neuronais artificiais

O conhecimento do comportamento das barragens de aterro é essencial para garantir o seu funcionamento adequado e para que os objetivos de utilização delineados inicialmente para o respetivo aproveitamento hidráulico possam ser cumpridos. Os fatores de maior relevância num estudo deste tipo de barragens, considerando que apenas estão sob solicitações estáticas, são as pressões de água, registadas em piezómetros, os caudais percolados e os deslocamentos superficiais, geralmente medidos em marcas de nivelamento ou em alvos colocados em peças de centragem forçada. Na presente dissertação pretende-se, com base no conhecimento dos registos dessas medições feitas anteriormente e recorrendo a modelos de inteligência artificial, predizer o valor que se obteria em próximas medições, ajudando assim a decidir qual o melhor procedimento para remediar ou tratar um problema de comportamento relacionado com as variáveis em estudo. Esta dissertação divide-se essencialmente em três partes. Primeiramente, introduzem-se os conceitos relativos à segurança de barragens de aterro, de acordo com o regulamento de segurança adotado em Portugal, dando relevo ao tipo de observação a que são submetidas. Seguidamente, introduz-se o conceito de redes neuronais artificiais e apresenta-se a base de dados, criada com o intuito de uniformizar e melhorar a organização dos valores em estudo das barragens de aterro, que têm sido acompanhadas pelo Laboratório Nacional de Engenharia Civil. Com esta pretende-se facilitar a utilização destes elementos por programas de inteligência artificial. Por último, é feito o enquadramento de um caso de estudo, uma barragem de aterro no Norte de Portugal – barragem de Valtorno-Mourão. Utilizando o Neuroph Studio, os dados relativos à observação desta barragem são aplicados numa rede neuronal artificial, Multi Layer Perceptron Backpropagation Neural Network, permitindo antever comportamentos futuros. Os resultados obtidos são discutidos e perspetivam-se trabalhos para continuar a desenvolver a investigação efetuada.

Engineered MRI nanoprobes based on superparamagnetic iron oxide nanoparticles

This project aimed to engineer new T2 MRI contrast agents for cell labeling based on formulations containing monodisperse iron oxide magnetic nanoparticles (MNP) coated with natural and synthetic polymers. Monodisperse MNP capped with hydrophobic ligands were synthesized by a thermal decomposition method, and further stabilized in aqueous media with citric acid or meso-2,3-dimercaptosuccinic acid (DMSA) through a ligand exchange reaction. Hydrophilic MNP-DMSA, with optimal hydrodynamic size distribution, colloidal stability and magnetic properties, were used for further functionalization with different coating materials. A covalent coupling strategy was devised to bind the biopolymer gum Arabic (GA) onto MNPDMSA and produce an efficient contrast agent, which enhanced cellular uptake in human colorectal carcinoma cells (HCT116 cell line) compared to uncoated MNP-DMSA. A similar protocol was employed to coat MNP-DMSA with a novel biopolymer produced by a biotechnological process, the exopolysaccharide (EPS) Fucopol. Similar to MNP-DMSA-GA, MNP-DMSA-EPS improved cellular uptake in HCT116 cells compared to MNP-DMSA. However, MNP-DMSA-EPS were particularly efficient towards the neural stem/progenitor cell line ReNcell VM, for which a better iron dose-dependent MRI contrast enhancement was obtained at low iron concentrations and short incubation times. A combination of synthetic and biological coating materials was also explored in this project, to design a dynamic tumortargeting nanoprobe activated by the acidic pH of tumors. The pH-dependent affinity pair neutravidin/iminobiotin, was combined in a multilayer architecture with the synthetic polymers poy-L-lysine and poly(ethylene glycol) and yielded an efficient MRI nanoprobe with ability to distinguish cells cultured in acidic pH conditions form cells cultured in physiological pH conditions.

Métodos de aprendizagem automática: um estudo baseado na avaliação e previsão de clientes bancários

Data Mining surge, hoje em dia, como uma ferramenta importante e crucial para o sucesso de um negócio. O considerável volume de dados que atualmente se encontra disponível, por si só, não traz valor acrescentado. No entanto, as ferramentas de Data Mining, capazes de transformar dados e mais dados em conhecimento, vêm colmatar esta lacuna, constituindo, assim, um trunfo que ninguém quer perder. O presente trabalho foca-se na utilização das técnicas de Data Mining no âmbito da atividade bancária, mais concretamente na sua atividade de telemarketing. Neste trabalho são aplicados catorze algoritmos a uma base de dados proveniente do call center de um banco português, resultante de uma campanha para a angariação de clientes para depósitos a prazo com taxas de juro favoráveis. Os catorze algoritmos aplicados no caso prático deste projeto podem ser agrupados em sete grupos: Árvores de Decisão, Redes Neuronais, Support Vector Machine, Voted Perceptron, métodos Ensemble, aprendizagem Bayesiana e Regressões. De forma a beneficiar, ainda mais, do que a área de Data Mining tem para oferecer, este trabalho incide ainda sobre o redimensionamento da base de dados em questão, através da aplicação de duas estratégias de seleção de atributos: Best First e Genetic Search. Um dos objetivos deste trabalho prende-se com a comparação dos resultados obtidos com os resultados presentes no estudo dos autores Sérgio Moro, Raul Laureano e Paulo Cortez (Sérgio Moro, Laureano, & Cortez, 2011). Adicionalmente, pretende-se identificar as variáveis mais relevantes aquando da identificação do potencial cliente deste produto financeiro. Como principais conclusões, depreende-se que os resultados obtidos são comparáveis com os resultados publicados pelos autores mencionados, sendo os mesmos de qualidade e consistentes. O algoritmo Bagging é o que apresenta melhores resultados e a variável referente à duração da chamada telefónica é a que mais influencia o sucesso de campanhas similares.