Lições Albertianas : para a teoria e a prática da arquitetura contemporânea

Este trabalho se fundamenta na constatação da importância que os aspectos artísticos desempenham na produção e na apreciação da arquitetura, qualificando-a ao mesmo tempo em que problematizam seu ensino e sua avaliação. Considerando essa ambivalência como um traço distintivo que resiste há muito tempo à tentativa de objetivar a disciplina, o processo da subjetividade na arquitetura é aqui abordado a partir de um personagem do Renascimento, época em que efetivamente se estabelece e se consolida a crítica arquitetônica. Leon Battista Alberti, na condição de autor do primeiro tratado de arquitetura do período e de obras que contribuíram para as transformações estéticas de seu tempo, nos mostra, através da teoria e da prática profissional, a atualidade de uma postura que assume as incertezas que caracterizam a disciplina.

Aspectos matemáticos do problema de aprendizagem em inteligência artificial

O objetivo deste trabalho é apresentar a base teórica para o problema de aprendizagem através de exemplos conforme as ref. [14], [15] e [16]. Aprender através de exemplos pode ser examinado como o problema de regressão da aproximação de uma função multivaluada sobre um conjunto de dados esparsos. Tal problema não é bem posto e a maneira clássica de resolvê-lo é através da teoria de regularização. A teoria de regularização clássica, como será considerada aqui, formula este problema de regressão como o problema variacional de achar a função f que minimiza o funcional Q[f] = 1 n n Xi=1 (yi ¡ f(xi))2 + ¸kfk2 K; onde kfk2 K é a norma em um espa»co de Hilbert especial que chamaremos de Núcleo Reprodutivo (Reproducing Kernel Hilbert Spaces), ou somente RKHS, IH definido pela função positiva K, o número de pontos do exemplo n e o parâmetro de regularização ¸. Sob condições gerais a solução da equação é dada por f(x) = n Xi=1 ciK(x; xi): A teoria apresentada neste trabalho é na verdade a fundamentação para uma teoria mais geral que justfica os funcionais regularizados para a aprendizagem através de um conjunto infinito de dados e pode ser usada para estender consideravelmente a estrutura clássica a regularização, combinando efetivamente uma perspectiva de análise funcional com modernos avanços em Teoria de Probabilidade e Estatística.