941 resultados para Cadeias de Markov. Algoritmos gen


Relevância:

20.00% 20.00%

Publicador:

Resumo:

Soitinnus: lauluääni, orkesteri.

Relevância:

20.00% 20.00%

Publicador:

Resumo:

No presente trabalho descreve-se uma metodologia de otimização do corte ou traçamento de árvores para obtenção de multiprodutos em nível de fustes individuais. A geração dos padrões ótimos de corte foi realizada através de dois módulos: 1) um algoritmo heurístico que identifica os cortes potenciais (números úteis), que devem ser avaliados ao longo do fuste; e 2) um algoritmo com base na programação dinâmica (PD), que determina a combinação ótima de toras de cada tipo de comprimento a serem retiradas do fuste, visando maximizar o seu comprimento utilizado. Um exemplo da obtenção dos padrões ótimos de corte para um conjunto de 25 fustes é apresentado. O traçamento ótimo e o traçamento real obtido pelo motosserrista foram comparados. O resíduo de madeira deixado na floresta foi reduzido de 16 para 5% através dos padrões de corte ótimos.

Relevância:

20.00% 20.00%

Publicador:

Resumo:

Modelos matemáticos computacionais de otimização de redes de irrigação, sob vazão em marcha, capazes de fornecer dados hidráulicos, são importantes para a verificação do comportamento do sistema quanto à distribuição da carga hidráulica (energia) e da pressão nas tubulações da rede. Este trabalho teve como objetivo estudar a distribuição da carga efetiva e hidráulica da unidade operacional de uma rede de irrigação localizada otimizada por algoritmos genéticos. As variáveis de decisão para otimização, com auxílio de algoritmos genéticos, foram os diâmetros de cada trecho da rede: dois para linhas laterais, quatro para linhas de derivação, quatro para linhas secundárias e um para a linha principal. Foi desenvolvido um código em linguagem MatLab, considerando todas as perdas de energia distribuídas e localizadas entre o início da rede e o conjunto motobomba. A análise de sensibilidade realizada foi baseada na variação, na declividade do terreno (0; 2,5 e 5%). Os resultados mostram que, para as tubulações com vazão em marcha, quando se aumenta a declividade do terreno, ocorre ganho de energia no início da tubulação, que vai perdendo-se de maneira gradual, e diminuição da pressão no início da tubulação, que aumenta gradualmente.

Relevância:

20.00% 20.00%

Publicador:

Resumo:

Sabe-se que Bone morphogenic proteins (BMP) são promotores de osteogênese, mas pesquisas ainda estão sendo feitas no intuito de descobrir sua atuação clínica na reparação de fraturas. As dificuldades inerentes da reparação de fraturas de rádio-ulna de cães abaixo de 6 quilos são conhecidas, principalmente, com a ocorrência freqüente de não-união óssea devido a pouca vascularização da porção distal do radio. Tendo em vista esta realidade objetivou-se a comparação da velocidade de formação de calo ósseo entre o tratamento com placas e parafusos e tratamento com placas e parafusos associados a BMP. Foram realizadas 33 osteossinteses de regiões distais de rádio-ulna de cães, sendo 17 animais do grupo controle (tratamento com placas e parafusos) e 16 animais do grupo BMP (tratamento com placas e parafusos com adição de proteína morfogenética óssea BMP). Avaliou-se, comparativa-mente, o tempo de formação de calo ósseo, por exames radiográficos, aos 30, 60, 90,120, 180 e 210 dias de pós-operatório. Foi encontrada a média de tempo de cicatrização de 127,5 +/- 34,15 dias no grupo controle e, no grupo tratado com a proteína morfogenética óssea, a média foi de 32 +/- 15 dias. Com isto pode-se concluir que as fraturas distais de rádio e ulna, em cães menos de 6 kg, tratadas com proteína morfogenética óssea sofreram redução significativa do tempo de formação de calo ósseo.

Relevância:

20.00% 20.00%

Publicador:

Resumo:

The paper proposed Cyanoaggregatum brasiliense, a new genus and species from the plankton of a subtropical brackish coastal lagoon from Rio Grande do Sul State, South Brazil. It differs from all other members of Chroococcales by its characteristic arrangement of cells in irregular groups distributed in a single, flat or slightly curved layer, on irregular rows, slightly distant from each other, forming a mosaic-like pattern slightly below the surface of the mucilaginous colonial envelope. The cell division in one plane perpendicular to the long axis and the lack of pseudo-filaments indicate its classification in the family Synechococcaceae, sub-family Aphanothecoideae. The general characteristics, the diagnostic criteria and the taxonomic position are discussed, and a comparison between Cyanoaggregatum and its most closely related genera is presented. Physical and chemical data on the studied lagoon and geographical distribution are presented.

Relevância:

20.00% 20.00%

Publicador:

Resumo:

This thesis is concerned with the state and parameter estimation in state space models. The estimation of states and parameters is an important task when mathematical modeling is applied to many different application areas such as the global positioning systems, target tracking, navigation, brain imaging, spread of infectious diseases, biological processes, telecommunications, audio signal processing, stochastic optimal control, machine learning, and physical systems. In Bayesian settings, the estimation of states or parameters amounts to computation of the posterior probability density function. Except for a very restricted number of models, it is impossible to compute this density function in a closed form. Hence, we need approximation methods. A state estimation problem involves estimating the states (latent variables) that are not directly observed in the output of the system. In this thesis, we use the Kalman filter, extended Kalman filter, Gauss–Hermite filters, and particle filters to estimate the states based on available measurements. Among these filters, particle filters are numerical methods for approximating the filtering distributions of non-linear non-Gaussian state space models via Monte Carlo. The performance of a particle filter heavily depends on the chosen importance distribution. For instance, inappropriate choice of the importance distribution can lead to the failure of convergence of the particle filter algorithm. In this thesis, we analyze the theoretical Lᵖ particle filter convergence with general importance distributions, where p ≥2 is an integer. A parameter estimation problem is considered with inferring the model parameters from measurements. For high-dimensional complex models, estimation of parameters can be done by Markov chain Monte Carlo (MCMC) methods. In its operation, the MCMC method requires the unnormalized posterior distribution of the parameters and a proposal distribution. In this thesis, we show how the posterior density function of the parameters of a state space model can be computed by filtering based methods, where the states are integrated out. This type of computation is then applied to estimate parameters of stochastic differential equations. Furthermore, we compute the partial derivatives of the log-posterior density function and use the hybrid Monte Carlo and scaled conjugate gradient methods to infer the parameters of stochastic differential equations. The computational efficiency of MCMC methods is highly depend on the chosen proposal distribution. A commonly used proposal distribution is Gaussian. In this kind of proposal, the covariance matrix must be well tuned. To tune it, adaptive MCMC methods can be used. In this thesis, we propose a new way of updating the covariance matrix using the variational Bayesian adaptive Kalman filter algorithm.

Relevância:

20.00% 20.00%

Publicador:

Resumo:

Kartta kuuluu A. E. Nordenskiöldin kokoelmaan

Relevância:

20.00% 20.00%

Publicador:

Resumo:

Kartta kuuluu A. E. Nordenskiöldin kokoelmaan

Relevância:

20.00% 20.00%

Publicador:

Resumo:

Invokaatio: Q.F.F.Q.S.