Conversão grafema-fone para um sistema de reconhecimento de voz com suporte a grandes vocabulários para o português brasileiro

O processamento de voz tornou-se uma tecnologia cada vez mais baseada na modelagem automática de vasta quantidade de dados. Desta forma, o sucesso das pesquisas nesta área está diretamente ligado a existência de corpora de domínio público e outros recursos específicos, tal como um dicionário fonético. No Brasil, ao contrário do que acontece para a língua inglesa, por exemplo, não existe atualmente em domínio público um sistema de Reconhecimento Automático de Voz (RAV) para o Português Brasileiro com suporte a grandes vocabulários. Frente a este cenário, o trabalho tem como principal objetivo discutir esforços dentro da iniciativa FalaBrasil [1], criada pelo Laboratório de Processamento de Sinais (LaPS) da UFPA, apresentando pesquisas e softwares na área de RAV para o Português do Brasil. Mais especificamente, o presente trabalho discute a implementação de um sistema de reconhecimento de voz com suporte a grandes vocabulários para o Português do Brasil, utilizando a ferramenta HTK baseada em modelo oculto de Markov (HMM) e a criação de um módulo de conversão grafema-fone, utilizando técnicas de aprendizado de máquina.

Metodologia de auxílio na tomada de decisão na formação de conjuntos de unidades consumidoras de energia elétrica

A edição dos procedimentos de distribuição de energia elétrica (PRODIST) confirmou a análise comparativa entre empresas de distribuição de energia elétrica estabelecida pela Resolução 024/2000 como base para o estabelecimento das metas dos indicadores de continuidade DEC (Índice de Duração Equivalente de Interrupção por Consumidor) e FEC (Índice de Frequência Equivalente de Interrupção por Consumidor). O estabelecimento das metas é influenciado diretamente pela definição dos conjuntos de unidades consumidoras das empresas de distribuição de energia elétrica, portanto, é de interesse das empresas distribuidoras uma boa definição desses conjuntos. Este trabalho apresenta o desenvolvimento de uma metodologia baseada em técnicas de aprendizado de máquina que auxilie as empresas de distribuição de energia elétrica na tomada de decisão da definição de conjuntos de unidades consumidoras objetivando melhor compatibilidade das metas para os indicadores de DEC e FEC com a realidade dos conjuntos em relação às características ambientais e de infra-estrutura da área de concessão da empresa distribuidora.

Carcinoma hepatocelular e as infecções pelos vírus das hepatites B e C na Amazônia Oriental: estudo clínico-sorológico e de biologia molecular

Com o objetivo de contribuir para um melhor conhecimento do eventual envolvimento das infecções pelos vírus das hepatites B e C, na etiopatogenia do carcinoma hapatocelular (CHC) na Amazônia Oriental, estudaram-se 36 pacientes internados em três hospitais públicos em Belém (PA), de janeiro de 1992 a março de 1999. Os critérios de inclusão adotados foram: o clínico, associado à imagenologia compatível, níveis séricos de alfafetoproteína (AFP) acima de 400ng/ml e/ou histopatologia compatível. Foram avaliados os aspectos clínicos, exames bioquímicos e hematológicos, imagenologia, histopatologia, níveis séricos de AFP e exames sorológicos das hepatites B e C. A presença dos ácidos nucléicos virais, o HBV-DNA e o HCV-RNA, foi avaliada a partir da detecção no soro pela reação em cadeia da polimerase. Observou-se um predomínio do sexo masculino (p<0.01), com reação M/F de 6,2: 1. Média e medianas gerais de idade foram, respectivamente, 50,8 e 53,0 anos, com amplitude de 6-81 anos. A maioria dos pacientes (52,7%) era procedente da zona rural, sendo a profissão de lavrador a mais freqüente (p<0,01). Etilismo foi encontrado em 33,3% dos casos. Dor abdominal e hepatomegalia, presentes em 94,4% dos casos, foram os sintomas e sinais mais freqüentes. Observou-se a presença de cirrose em 83,3% dos casos, sendo 80% enquadrados nas classes B e C (child-pugh). Cinqüenta por cento apresentaram complicações durante o diagnóstico, sendo as mais freqüentes a encefalopatia hepática e a hemorragia digestiva alta, relacionadas à doença hepática crônica de base. Marcadores sorológicos de infecção pelo HBV e pelo HCV foram encontrados em, respectivamente, 88,9% e 8,3% da casuística. Em 11,1% não se encontrou marcador sorológico. O HbsAg foi encontrado em 58, 3%. Anti-HBc foi encontrado em 86%, estando associado ao anti- HBs em 25%. Entre os HbsAg positivos: o anti- Hbe foi encontrado em 85%; o antiHBc IgM em 57,1%; e o anti-HD não foi detectado. O HBV- DNA foi encontrado em 37,7% do total de casos e em 65% dos HbsAG positivos. O HCV-RNA foi encontrado em 8,5% da amostra estudada e em 100% dos casos anti-HCV positivos. Não foi observada positividade para o HBV-DNA e para o HCV-RNA em soros de pacientes HbsAG ou anti- HCV negativos. A AFP esteve acima da normalidade em 88,9% dos casos, estando acima de 400 ng/ml em 75% e em 27,8% a titulações foi superior a 70.000 ng/ml. A ultrassonografia abdominal mostrou tumores com múltiplos nódulos em 63,9% e, nódulo único em 36,1% dos casos. O tipo histológico predominante foi carcinoma bem diferenciado do tipo trabecular (p<0,05). Os casos HbsAg positivos apresentaram menor média de idade e níveis de AFP mais elevados (p<0,01). A maioria dos pacientes se encontravam em fase avançada de doenças com uma taxa de óbito durante o diagnóstico de 38,9%. Conclui-se que, na Amazônia Oriental, a infecção pelo HBV parece exercer importância na etiologia do CHC, ressaltando-se a necessidade de incrementação de medidas preventivas, como vacinação e programa de detecção precoce do tumor em populações de risco. São necessários estudos adicionais controlados ou direcionados, para os possíveis co-fatores de importância na região, o que pode contribuir para um melhor entendimento dos mecanismos envolvidos na hepatocarcinogênese.

Imputação de dados baseado em otimização por enxame de partículas considerando os principais mecanismos de ausência de dados

Durante o processo de extração do conhecimento em bases de dados, alguns problemas podem ser encontrados como por exemplo, a ausência de determinada instância de um atributo. A ocorrência de tal problemática pode causar efeitos danosos nos resultados finais do processo, pois afeta diretamente a qualidade dos dados a ser submetido a um algoritmo de aprendizado de máquina. Na literatura, diversas propostas são apresentadas a fim de contornar tal dano, dentre eles está a de imputação de dados, a qual estima um valor plausível para substituir o ausente. Seguindo essa área de solução para o problema de valores ausentes, diversos trabalhos foram analisados e algumas observações foram realizadas como, a pouca utilização de bases sintéticas que simulem os principais mecanismos de ausência de dados e uma recente tendência a utilização de algoritmos bio-inspirados como tratamento do problema. Com base nesse cenário, esta dissertação apresenta um método de imputação de dados baseado em otimização por enxame de partículas, pouco explorado na área, e o aplica para o tratamento de bases sinteticamente geradas, as quais consideram os principais mecanismos de ausência de dados, MAR, MCAR e NMAR. Os resultados obtidos ao comprar diferentes configurações do método à outros dois conhecidos na área (KNNImpute e SVMImpute) são promissores para sua utilização na área de tratamento de valores ausentes uma vez que alcançou os melhores valores na maioria dos experimentos realizados.