Heuristics and policies for online pickup and delivery problems

Master Thesis

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.

Ventilação de Alta Frequência Oscilatória como Método Ventilatório Único e Exclusivo e com Estratégia de Optimização do Volume Pulmonar no Recém-Nascido de Muito Baixo Peso

Objectivo: A Ventilação de Alta Frequência Oscilatória(VAFO) tem resultados promissores na ventilação de RN de pré-termo com Doença das Membranas Hialinas (DMH), embora os resultados dos estudos publicados não sejam uniformes. Esta diferença dos resultados poderá ser atribuída à falta de uniformidade das estratégias utilizadas e à forma de utilização desta técnica de ventilação. A utilização de VAFO precoce com optimização precoce do volume pulmonar, tem sido a estratégia mais eficaz, levando a uma menor incidência de morbilidade pulmonar. Considerámos como objectivos prioritários, a avaliação dos benefícios desta técnica na redução da morbilidade respiratória precoce e tardia, na incidência da retinopatia da prematuridade (ROP) e da hemorragia intraperiventricular (HIPV) e na redução da mortalidade. Desenho do Estudo: Estudo descritivo prospectivo. Os Recém-nascidos (RN) foram seguidos periodicamente desde a altura do nascimento até ao momento da alta hospitalar. Local do estudo: Unidade de Cuidados Intensivos Neonatais(UCIRN) da Maternidade Dr. Alfredo da Costa (Unidade Terciária com 12 postos de ventilação permanentes). Doentes: 424 RN com peso de nascimento inferior ou igual a 1500gr (RN MBP), nascidos na Maternidade entre 1 de Janeiro de 1999 e 1 de Janeiro de 2003 (4 anos). O grupo de extremo baixo peso(peso de nascimento < 1000 gr) foi analisado separadamente. Foram excluídos RN com hidrópsia fetal, anomalias congénitas cardíacas, pulmonares ou da parede abdominal (incluindo hérnia diafragmática) e também RN com pneumonia congénita e aqueles nascidos fora da maternidade ("Outborn"). Foram também excluídos RN optimizados mas sem o critério de optimização definido pelo estudo. Métodos: Em todos os RN MBP foi utilizada VAFO como modalidade ventilatória única e exclusiva e imediatamente após intubação traqueal na Unidade de Cuidados Intensivos Neonatais(UCIN) ou após chegada do RN à UCIN vindo da sala de partos ou do bloco operatório. Iniciámos de imediato a Optimização do Volume Pulmonar (OPT). A administração de surfactante só foi efectuada após optimização do volume pulmonar (1°- critério de pulmão optimizado: definido como a CDP (MAP) que permitiu reduzir o Fi02 para valores < 40%, 2°- critérios de administração de surfactante; CDP X Fi02 > 3 - 4, a / A 02 < 0.22 - 0.17 e / ou evidência radiológica de DMH de grau III - IV). A Doença pulmonar Crónica(DPC) foi definida como a necessidade de suplementação com 02 às 36 semanas de idade pós-concepcional. Resultados: O total da população de RN MBP, nascidos na MAC, correspondeu a 424; destes, 57 RN faleceram (13,4%) e 367 sobreviveram (86,5 %). A mediana do peso de nascimento foi de 989 gr e a da idade gestacional de 28 semanas. Dos sobreviventes a mediana do tempo de ventilação e de suplementação com 02 foi respectivamentre de 2,5 dias (min/Max = 6 horas/70 dias) e 23 dias (min / Max = 2 / 130 dias). A incidência de DPC foi de 9.0 % (33 / 367). Nenhum RN teve alta hospitalar submetido a terapêutica com 02. A incidência de HIPV grau III - IV (grupo total de RN) foi de 9.9% (42 / 424) e a de ROP 3 de 7.7% (24 / 310). A população total de extremo baixo peso, nascida na MAC (RN < 1000 gr), correspondeu a 210 RN; 46 faleceram (21.9%), 164 RN sobreviveram(78.1%). Dos sobreviventes a mediana do tempo de ventilação e do tempo de suplementação com 02 foi respectivamente de 5 dias (min/ Max = 12 horas / 70 dias) e de 40 dias (min / Max = 4 / 130 dias). A incidência de DPC foi neste grupo de 15.9% (26 / 164). Nenhum RN teve alta hospitalar submetido a terapêutica com 02. A incidência de HIPV de grau III - IV (grupo total < 1000 gr) foi de 13.8 %(29 / 210) e a de ROP 3 foi de 13.1 % (20 / 153). Conclusão: A VAFO como modalidade ventilatória única e exclusiva, iniciada imediatamente após intubação traqueal e/ou chegada do RN à UCIN e com optimização precoce do volume pulmonar, melhorou as trocas gasosas, encurtou a necessidade do suporte respiratório e do tempo de suplementação com 02 e melhorou a morbilidade pulmonar no RN MBP com DMH.

Criação de clusters de clientes de um banco através do self-organizing maps hierárquico: comparação entre HSOM e SOM

Trabalho de Projeto apresentado como requisito parcial para obtenção do grau de Mestre em Estatística e Gestão de Informação

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

Trans-Synaptic Signaling by Activity-Dependent Cleavage of Neuroligin-1

Throughout the brain, patterns of activity in postsynaptic neurons influence the properties of synaptic inputs. Such feedback regulation is central to neural network stability that underlies proper information processing and feature representation in the central nervous system. At the cellular level, tight coupling of presynaptic and postsynaptic function is fundamental to neural computation and synaptic plasticity. The cohort of protein complexes at the pre and postsynaptic membrane allows for tight synapse-specific segregation and integration of diverse molecular and electrical signals.(...)

State detection in a financial portfolio: a self-organizing maps approach for financial time series

This study analyses financial data using the result characterization of a self-organized neural network model. The goal was prototyping a tool that may help an economist or a market analyst to analyse stock market series. To reach this goal, the tool shows economic dependencies and statistics measures over stock market series. The neural network SOM (self-organizing maps) model was used to ex-tract behavioural patterns of the data analysed. Based on this model, it was de-veloped an application to analyse financial data. This application uses a portfo-lio of correlated markets or inverse-correlated markets as input. After the anal-ysis with SOM, the result is represented by micro clusters that are organized by its behaviour tendency. During the study appeared the need of a better analysis for SOM algo-rithm results. This problem was solved with a cluster solution technique, which groups the micro clusters from SOM U-Matrix analyses. The study showed that the correlation and inverse-correlation markets projects multiple clusters of data. These clusters represent multiple trend states that may be useful for technical professionals.

Analysis and visualization of energy use for university campus

The reduction of greenhouse gas emissions is one of the big global challenges for the next decades due to its severe impact on the atmosphere that leads to a change in the climate and other environmental factors. One of the main sources of greenhouse gas is energy consumption, therefore a number of initiatives and calls for awareness and sustainability in energy use are issued among different types of institutional and organizations. The European Council adopted in 2007 energy and climate change objectives for 20% improvement until 2020. All European countries are required to use energy with more efficiency. Several steps could be conducted for energy reduction: understanding the buildings behavior through time, revealing the factors that influence the consumption, applying the right measurement for reduction and sustainability, visualizing the hidden connection between our daily habits impacts on the natural world and promoting to more sustainable life. Researchers have suggested that feedback visualization can effectively encourage conservation with energy reduction rate of 18%. Furthermore, researchers have contributed to the identification process of a set of factors which are very likely to influence consumption. Such as occupancy level, occupants behavior, environmental conditions, building thermal envelope, climate zones, etc. Nowadays, the amount of energy consumption at the university campuses are huge and it needs great effort to meet the reduction requested by European Council as well as the cost reduction. Thus, the present study was performed on the university buildings as a use case to: a. Investigate the most dynamic influence factors on energy consumption in campus; b. Implement prediction model for electricity consumption using different techniques, such as the traditional regression way and the alternative machine learning techniques; and c. Assist energy management by providing a real time energy feedback and visualization in campus for more awareness and better decision making. This methodology is implemented to the use case of University Jaume I (UJI), located in Castellon, Spain.

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.

Using data mining for prediction of hospital length of stay: an application of the CRISP-DM Methodology

Hospitals are nowadays collecting vast amounts of data related with patient records. All this data hold valuable knowledge that can be used to improve hospital decision making. Data mining techniques aim precisely at the extraction of useful knowledge from raw data. This work describes an implementation of a medical data mining project approach based on the CRISP-DM methodology. Recent real-world data, from 2000 to 2013, were collected from a Portuguese hospital and related with inpatient hospitalization. The goal was to predict generic hospital Length Of Stay based on indicators that are commonly available at the hospitalization process (e.g., gender, age, episode type, medical specialty). At the data preparation stage, the data were cleaned and variables were selected and transformed, leading to 14 inputs. Next, at the modeling stage, a regression approach was adopted, where six learning methods were compared: Average Prediction, Multiple Regression, Decision Tree, Artificial Neural Network ensemble, Support Vector Machine and Random Forest. The best learning model was obtained by the Random Forest method, which presents a high quality coefficient of determination value (0.81). This model was then opened by using a sensitivity analysis procedure that revealed three influential input attributes: the hospital episode type, the physical service where the patient is hospitalized and the associated medical specialty. Such extracted knowledge confirmed that the obtained predictive model is credible and with potential value for supporting decisions of hospital managers.

Hand gesture recognition for human computer interaction : a comparative study of different image features

Hand gesture recognition for human computer interaction, being a natural way of human computer interaction, is an area of active research in computer vision and machine learning. This is an area with many different possible applications, giving users a simpler and more natural way to communicate with robots/systems interfaces, without the need for extra devices. So, the primary goal of gesture recognition research is to create systems, which can identify specific human gestures and use them to convey information or for device control. For that, vision-based hand gesture interfaces require fast and extremely robust hand detection, and gesture recognition in real time. In this study we try to identify hand features that, isolated, respond better in various situations in human-computer interaction. The extracted features are used to train a set of classifiers with the help of RapidMiner in order to find the best learner. A dataset with our own gesture vocabulary consisted of 10 gestures, recorded from 20 users was created for later processing. Experimental results show that the radial signature and the centroid distance are the features that when used separately obtain better results, with an accuracy of 91% and 90,1% respectively obtained with a Neural Network classifier. These to methods have also the advantage of being simple in terms of computational complexity, which make them good candidates for real-time hand gesture recognition.

Search for the Standard Model Higgs boson produced in association with top quarks and decaying into bb in pp collisions at √s = 8 TeV with the ATLAS detector

A search for the Standard Model Higgs boson produced in association with a pair of top quarks, tt¯H, is presented. The analysis uses 20.3 fb−1 of pp collision data at s√ = 8 TeV, collected with the ATLAS detector at the Large Hadron Collider during 2012. The search is designed for the H to bb¯ decay mode and uses events containing one or two electrons or muons. In order to improve the sensitivity of the search, events are categorised according to their jet and b-tagged jet multiplicities. A neural network is used to discriminate between signal and background events, the latter being dominated by tt¯+jets production. In the single-lepton channel, variables calculated using a matrix element method are included as inputs to the neural network to improve discrimination of the irreducible tt¯+bb¯ background. No significant excess of events above the background expectation is found and an observed (expected) limit of 3.4 (2.2) times the Standard Model cross section is obtained at 95% confidence level. The ratio of the measured tt¯H signal cross section to the Standard Model expectation is found to be μ=1.5±1.1 assuming a Higgs boson mass of 125 GeV.

Desenvolvimento de rede neuronal artificial para o diagnóstico de doenças neurodegenerativas

Dissertação de mestrado integrado em Engenharia Eletrónica Industrial e Computadores