Noise level classification for EEG using Hidden Markov Models

EEG signal is one of the most important signals for diagnosing some diseases. EEG is always recorded with an amount of noise, the more noise is recorded the less quality is the EEG signal. The included noise can represent the quality of the recorded EEG signal, this paper proposes a signal quality assessment method for EEG signal. The method generates an automated measure to detect the noise level of the recorded EEG signal. Mel-Frequency Cepstrum Coefficient is used to represent the signals. Hidden Markov Models were used to build a classification model that classifies the EEG signals based on the noise level associated with the signal. This EEG quality assessment measure will help doctors and researchers to focus on the patterns in the signal that have high signal to noise ratio and carry more information. Moreover, our model was applied on an uncontrolled environment and on controlled environment and a result comparison was applied.

Preference relation-based markov random fields

A preference relation-based Top-N recommendation approach, PrefMRF, is proposed to capture both the second-order and the higher-order interactions among users and items. Traditionally Top-N recommendation was achieved by predicting the item ratings fi rst, and then inferring the item rankings, based on the assumption of availability of explicit feed-backs such as ratings, and the assumption that optimizing the ratings is equivalent to optimizing the item rankings. Nevertheless, both assumptions are not always true in real world applications. The proposed PrefMRF approach drops these assumptions by explicitly exploiting the preference relations, a more practical user feedback. Comparing to related work, the proposed PrefMRF approach has the unique property of modeling both the second-order and the higher-order interactions among users and items. To the best of our knowledge, this is the first time both types of interactions have been captured in preference relation-based method. Experiment results on public datasets demonstrate that both types of interactions have been properly captured, and signifi cantly improved Top-N recommendation performance has been achieved.

Sober assessment of the link between substance abuse and crime-eliminating drug and alcohol use from the sentencing calculus

The relevance of drug and alcohol involvement to sentencing law and practice is one of the most perplexing and unsettled areas of sentencing law and practice.1 It is also one of the most important issues in the criminal justice system. Most crimes are committed by offenders who are substance involved, and nearly half of all crimes that are committed are done so by offenders who are intoxicated at the time of the offense. Substance involved individuals are grossly over-represented in the criminal courts. Addiction and intoxication impair sound judgment, and hence, it intuitively appears that intoxicated offenders are less culpable for their crimes. Moreover, there is often a sense that addiction and intoxication causes aberrant behavior and that curing the substance involvement will lead to more prudent (law-abiding) conduct.

Node-coupling clustering approaches for link prediction

Due to the potential important information in real world networks, link prediction has become an interesting focus of different branches of science. Nevertheless, in "big data" era, link prediction faces significant challenges, such as how to predict the massive data efficiently and accurately. In this paper, we propose two novel node-coupling clustering approaches and their extensions for link prediction, which combine the coupling degrees of the common neighbor nodes of a predicted node-pair with cluster geometries of nodes. We then present an experimental evaluation to compare the prediction accuracy and effectiveness between our approaches and the representative existing methods on two synthetic datasets and six real world datasets. The experimental results show our approaches outperform the existing methods.

Relacao entre o angulo da ponta do eletrodo e a geometria do cordao de solda no processo de soldagem tig

No processo de soldagem TIG (Tungstênio Inerte Gás), um dos fatores que influenciam o formato do cordão de solda é o ângulo da extremidade do eletrodo. Para estudar o comportamento do arco elétrico em função da geometria de ponta do eletrodo e suas conseqüências nos cordões de solda, efetuaram-se soldagens sobre corpos de prova sem deposição de material (bead-on-plate) através de parâmetros controlados e a mecanização do processo. Parâmetros tais como vazão do gás, velocidade de avanço da tocha e comprimento do arco foram testados para verificar a atuação em conjunto com o ângulo do eletrodo. Pela análise metalográfica (macrografia) estudaram-se os perfis dos cordões de solda, verificando-se que o ângulo exerce uma influência significativa na característica do arco tensão-corrente, na largura e profundidade de penetração da solda. Para maiores ângulos de extremidade do eletrodo obteve-se aumento na penetração, diminuição da tensão e largura do cordão de solda para uma mesma intensidade de corrente.

Geração de sombras em objetos modelados por geometria sólida construtiva

Atualmente os sistemas computacionais mais sofisticados são aqueles que apresentam imagens gráficas. Devido às características de alta velocidade de processamento e excelente resultado na geração de imagens o uso da Computação Gráfica se dá em diversas áreas como a indústria, pesquisa, publicidade, entretenimento, medicina, treinamento, dentre outras. Este trabalho aborda dois assuntos clássicos na Computação Gráfica, Geometria Sólida Construtiva (CSG) e Sombras Projetadas. Ambos são muito importantes para esta linha de pesquisa da Ciência da Computação. A Geometria Sólida Construtiva é utilizada na modelagem de objetos e as sombras projetadas são necessárias para aumentar o realismo das imagens. Geometria sólida construtiva (CSG) é uma técnica para a modelagem de sólidos, que define sólidos complexos pela composição de sólidos simples (primitivas). Isso inclui também a composição de objetos já combinados, até que se chegue a um objeto mais complexo. Um fator muito importante e necessário na obtenção de imagens realistas e que deve ser considerado é a utilização de sombras, pois estas são eficazes no realismo e impressão espacial de objetos tridimensionais. As sombras estabelecem diversos níveis de profundidade na imagem, fazem uma pontuação geométrica na cena de modo a evitar que os objetos não pareçam estar flutuando no ar. Este trabalho consiste em apresentar uma proposta para a geração de sombras em objetos modelados pela Geometria Sólida Construtiva. Para tanto foram estudados os assuntos referentes à modelagem de objetos por CSG, algoritmos para a geração de sombras “bem delimitadas” e formas de gerar sombras na Geometria Sólida Construtiva. O processo de geração de sombras em cenas modeladas por CSG, através da aplicação das mesmas operações booleanas envolvidas na modelagem dos objetos, sobre as sombras nem sempre apresenta resultados corretos. Diante disso, foram investigadas outras formas de solucionar o problema. Dentre estas, uma alternativa é a realização de transformações na árvore binária CSG, através de outras operações, envolvendo o uso de complemento com operações de união e interseção, para a modelagem do objeto e geração da sombra correspondente. Com base nos estudos realizados foram implementados dois protótipos que exibem a sombra projetada de objetos modelados por CSG. Na implementação do protótipo A utilizaram-se as técnicas tradicionais de modelagem de sólidos e sombra projetada. Os resultados obtidos com este protótipo serviram de referência. No protótipo B os resultados foram obtidos através da aplicação da zona ativa das primitivas na modelagem dos objetos e a sombra é projetada durante o processo de avaliação de contornos do sólido. Os resultados obtidos com este protótipo são comparados com os resultados do protótipo A e são apresentados como forma de exibir a aplicação do método proposto.