Short-term electricity demand and gas price forecasts using wavelet transforms and adaptive models

This paper presents some forecasting techniques for energy demand and price prediction, one day ahead. These techniques combine wavelet transform (WT) with fixed and adaptive machine learning/time series models (multi-layer perceptron (MLP), radial basis functions, linear regression, or GARCH). To create an adaptive model, we use an extended Kalman filter or particle filter to update the parameters continuously on the test set. The adaptive GARCH model is a new contribution, broadening the applicability of GARCH methods. We empirically compared two approaches of combining the WT with prediction models: multicomponent forecasts and direct forecasts. These techniques are applied to large sets of real data (both stationary and non-stationary) from the UK energy markets, so as to provide comparative results that are statistically stronger than those previously reported. The results showed that the forecasting accuracy is significantly improved by using the WT and adaptive models. The best models on the electricity demand/gas price forecast are the adaptive MLP/GARCH with the multicomponent forecast; their MSEs are 0.02314 and 0.15384 respectively.

Structuring of Ranked Models

Prognostic procedures can be based on ranked linear models. Ranked regression type models are designed on the basis of feature vectors combined with set of relations defined on selected pairs of these vectors. Feature vectors are composed of numerical results of measurements on particular objects or events. Ranked relations defined on selected pairs of feature vectors represent additional knowledge and can reflect experts' opinion about considered objects. Ranked models have the form of linear transformations of feature vectors on a line which preserve a given set of relations in the best manner possible. Ranked models can be designed through the minimization of a special type of convex and piecewise linear (CPL) criterion functions. Some sets of ranked relations cannot be well represented by one ranked model. Decomposition of global model into a family of local ranked models could improve representation. A procedures of ranked models decomposition is described in this paper.

Automatized Generation of Metadata and Calibrated Test Item Banks for E-learning

Report published in the Proceedings of the National Conference on "Education in the Information Society", Plovdiv, May, 2013

Bayesian nonparametric latent variable models

L’un des problèmes importants en apprentissage automatique est de déterminer la complexité du modèle à apprendre. Une trop grande complexité mène au surapprentissage, ce qui correspond à trouver des structures qui n’existent pas réellement dans les données, tandis qu’une trop faible complexité mène au sous-apprentissage, c’est-à-dire que l’expressivité du modèle est insuffisante pour capturer l’ensemble des structures présentes dans les données. Pour certains modèles probabilistes, la complexité du modèle se traduit par l’introduction d’une ou plusieurs variables cachées dont le rôle est d’expliquer le processus génératif des données. Il existe diverses approches permettant d’identifier le nombre approprié de variables cachées d’un modèle. Cette thèse s’intéresse aux méthodes Bayésiennes nonparamétriques permettant de déterminer le nombre de variables cachées à utiliser ainsi que leur dimensionnalité. La popularisation des statistiques Bayésiennes nonparamétriques au sein de la communauté de l’apprentissage automatique est assez récente. Leur principal attrait vient du fait qu’elles offrent des modèles hautement flexibles et dont la complexité s’ajuste proportionnellement à la quantité de données disponibles. Au cours des dernières années, la recherche sur les méthodes d’apprentissage Bayésiennes nonparamétriques a porté sur trois aspects principaux : la construction de nouveaux modèles, le développement d’algorithmes d’inférence et les applications. Cette thèse présente nos contributions à ces trois sujets de recherches dans le contexte d’apprentissage de modèles à variables cachées. Dans un premier temps, nous introduisons le Pitman-Yor process mixture of Gaussians, un modèle permettant l’apprentissage de mélanges infinis de Gaussiennes. Nous présentons aussi un algorithme d’inférence permettant de découvrir les composantes cachées du modèle que nous évaluons sur deux applications concrètes de robotique. Nos résultats démontrent que l’approche proposée surpasse en performance et en flexibilité les approches classiques d’apprentissage. Dans un deuxième temps, nous proposons l’extended cascading Indian buffet process, un modèle servant de distribution de probabilité a priori sur l’espace des graphes dirigés acycliques. Dans le contexte de réseaux Bayésien, ce prior permet d’identifier à la fois la présence de variables cachées et la structure du réseau parmi celles-ci. Un algorithme d’inférence Monte Carlo par chaîne de Markov est utilisé pour l’évaluation sur des problèmes d’identification de structures et d’estimation de densités. Dans un dernier temps, nous proposons le Indian chefs process, un modèle plus général que l’extended cascading Indian buffet process servant à l’apprentissage de graphes et d’ordres. L’avantage du nouveau modèle est qu’il admet les connections entres les variables observables et qu’il prend en compte l’ordre des variables. Nous présentons un algorithme d’inférence Monte Carlo par chaîne de Markov avec saut réversible permettant l’apprentissage conjoint de graphes et d’ordres. L’évaluation est faite sur des problèmes d’estimations de densité et de test d’indépendance. Ce modèle est le premier modèle Bayésien nonparamétrique permettant d’apprendre des réseaux Bayésiens disposant d’une structure complètement arbitraire.

CV-Muzar - Um ambiente de suporte a comunidades virtuais para apoio à aprendizagem em museus

Este artigo tem como objetivo mostrar que é possível incentivar a aprendizagem em museus através da construção de comunidades virtuais, com base em repositórios de objetos de aprendizagem (OA), ferramentas comunicacionais e produção de OA por parte dos visitantes. O enfoque é incentivar a aprendizagem no sentido de motivar a participação/envolvimento do visitante nas atividades da comunidade virtual. Nesta perspectiva, partimos do pressuposto de que a informação, a comunicação, a interação e a colaboração são essenciais para o processo de aprender no contexto informal dos museus. Acreditamos que a interação e a colaboração são partes integrantes do processo de aprendizagem proporcionado por comunidades virtuais e que o principal recurso de aprendizagem oferecido nessas comunidades são os objetos de aprendizagem. Assim sendo, por meio de um entendimento do aprender baseado na comunicação e na linguagem, percebemos os museus interativos como espaços discursivos em que os visitantes mergulham e por eles são modificados. Neste sentido, argumentamos que as comunidades virtuais de aprendizagem, com a possibilidade de virtualizar a linguagem, são excelentes mecanismos para ampliar o poder comunicacional dos museus, criando novas estratégias comunicativas. Para atingir o objetivo, foi necessário reunir quatro conceitos técnicos da área de informática, são eles: comunidades virtuais de aprendizagem; objetos de aprendizagem; metadados e mapas de tópicos. A junção destes conceitos permitiu a construção do ambiente de comunidade virtual, denominada CV-Muzar. Diante do exposto, de modo a identificar os meios pelos quais se podem motivar os visitantes a realmente produzirem novos conhecimentos durante sua visita informal ao museu, examinando essa questão tanto do ponto de vista quantitativo, como também qualitativamente, foi realizada uma experimentação do ambiente com um grupo de pessoas convidadas segundo suas áreas de formação.

Ampliando as ações educativas dos museus por meio da formação de comunidades virtuais de aprendizagem

Este artigo tem como objetivo mostrar que é possível incentivar a aprendizagem informal em museus através da construção de comunidades virtuais, com base em repositórios de objetos de aprendizagem, ferramentas comunicacionais e produção de OAs por parte dos visitantes. O enfoque é incentivar a aprendizagem no sentido de motivar a participação/envolvimento do visitante nas atividades da comunidade virtual. Nesta perspectiva, partimos do pressuposto de que a informação, a comunicação, a interação e a cooperação são essenciais para o processo de aprender no contexto informal dos museus. Acreditamos que a interação e a cooperação são partes integrantes do processo de aprendizagem proporcionado por comunidades virtuais e que o principal recurso de aprendizagem oferecido nessas comunidades são os objetos de aprendizagem. Diante do exposto, construímos a Comunidade Virtual do Muzar e realizamos uma experimentação do ambiente de modo a verificar o quanto os visitantes são incentivados a produzir novos conhecimentos.

Model Probability in Self-organising Maps

Growing models have been widely used for clustering or topology learning. Traditionally these models work on stationary environments, grow incrementally and adapt their nodes to a given distribution based on global parameters. In this paper, we present an enhanced unsupervised self-organising network for the modelling of visual objects. We first develop a framework for building non-rigid shapes using the growth mechanism of the self-organising maps, and then we define an optimal number of nodes without overfitting or underfitting the network based on the knowledge obtained from information-theoretic considerations. We present experimental results for hands and we quantitatively evaluate the matching capabilities of the proposed method with the topographic product.

How should we measure online learning activity?

The proliferation of Web-based learning objects makes finding and evaluating resources a considerable hurdle for learners to overcome. While established learning analytics methods provide feedback that can aid learner evaluation of learning resources, the adequacy and reliability of these methods is questioned. Because engagement with online learning is different from other Web activity, it is important to establish pedagogically relevant measures that can aid the development of distinct, automated analysis systems. Content analysis is often used to examine online discussion in educational settings, but these instruments are rarely compared with each other which leads to uncertainty regarding their validity and reliability. In this study, participation in Massive Open Online Course (MOOC) comment forums was evaluated using four different analytical approaches: the Digital Artefacts for Learning Engagement (DiAL-e) framework, Bloom's Taxonomy, Structure of Observed Learning Outcomes (SOLO) and Community of Inquiry (CoI). Results from this study indicate that different approaches to measuring cognitive activity are closely correlated and are distinct from typical interaction measures. This suggests that computational approaches to pedagogical analysis may provide useful insights into learning processes.

Application of active and transfer learning to wound image segmentation

Wound management is a fundamental task in standard clinical practice. Automated solutions already exist for humans, but there is a lack of applications on wound management for pets. The importance of a precise and efficient wound assessment is helpful to improve diagnosis and to increase the effectiveness of treatment plans for the chronic wounds. The goal of the research was to propose an automated pipeline capable of segmenting natural light-reflected wound images of animals. Two datasets composed by light-reflected images were used in this work: Deepskin dataset, 1564 human wound images obtained during routine dermatological exams, with 145 manual annotated images; Petwound dataset, a set of 290 wound photos of dogs and cats with 0 annotated images. Two implementations of U-Net Convolutioal Neural Network model were proposed for the automated segmentation. Active Semi-Supervised Learning techniques were applied for human-wound images to perform segmentation from 10% of annotated images. Then the same models were trained, via Transfer Learning, adopting an Active Semi- upervised Learning to unlabelled animal-wound images. The combination of the two training strategies proved their effectiveness in generating large amounts of annotated samples (94% of Deepskin, 80% of PetWound) with the minimal human intervention. The correctness of automated segmentation were evaluated by clinical experts at each round of training thus we can assert that the results obtained in this thesis stands as a reliable solution to perform a correct wound image segmentation. The use of Transfer Learning and Active Semi-Supervied Learning allows to minimize labelling effort from clinicians, even requiring no starting manual annotation at all. Moreover the performances of the model with limited number of parameters suggest the implementation of smartphone-based application to this topic, helping the future standardization of light-reflected images as acknowledge medical images.

E-partilha: desenvolvimento e utilização de um repositório de objectos de aprendizagem

Nos novos ambientes de aprendizagem, construídos a partir das tecnologias digitais, a necessidade de promover a qualidade dos recursos educativos, normalmente designados por Learning Objects, que podem suportar a aprendizagem à distância, formal e informal, emerge como um dos grandes desafios que as instituições de ensino têm de enfrentar. Sendo dispendiosos, a reutilização e a partilha tornam-se, assim, uma necessidade premente. Este artigo apresenta um Learning Object Repository que tem como objectivo armazenar, disseminar e manter acessíveis Learning Objects.

PCMAT Metadata Authoring Tool

This paper introduces the PCMAT platform project and, in particular, one of its components, the PCMAT Metadata Authoring Tool. This is an educational web application that allows the project metadata creators to write the metadata associated to each learning object without any concern for the metadata schema semantics. Furthermore it permits the project managers to add or delete elements to the schema, without having to rewrite or compile any code.

Content adaptation for an adaptive hypermedia system

The aim of this paper is presenting the recommendation module of the Mathematics Collaborative Learning Platform (PCMAT). PCMAT is an Adaptive Educational Hypermedia System (AEHS), with a constructivist approach, which presents contents and activities adapted to the characteristics and learning style of students of mathematics in basic schools. The recommendation module is responsible for choosing different learning resources for the platform, based on the user's characteristics and performance. Since the main purpose of an adaptive system is to provide the user with content and interface adaptation, the recommendation module is integral to PCMAT’s adaptation model.

ONET – Observatório Nacional da Educação em Turismo. A importância da tecnologia na educação em turismo

Esta tese pretende fazer um estudo sobre a influência que a evolução tecnológica tem, de forma direta e indireta, sobre a educação em turismo. Os fatores indiretos (fornecedores turísticos, agências…) acabam por ter o maior peso devido às constantes evoluções que sofrem para poderem dar um serviço cada vez melhor aos seus clientes. A ideia surgiu da necessidade de elaboração de um modelo para a reformulação do portal do Observatório Nacional de Educação em Turismo (ONET), cujo planeamento e parte da implementação decorreu numa parte mais prática da tese. Os pontos principais da reformulação do portal passaram pela modificação do seu design, elaboração de um repositório de objetos de aprendizagem e de uma rede social. A propósito do repositório, decidiu-se elaborar também um objeto de aprendizagem sobre o tema “A História do Turismo no Mundo”. Toda esta evolução tecnológica, que se tem verificado nos últimos anos, veio agilizar muitos procedimentos, sendo necessários profissionais qualificados. É aqui que entra o papel das escolas. Têm de se adaptar em termos de utilização das mais recentes tecnologias, nomeadamente software. Algumas empresas produtoras de software desenvolvem também simuladores que são utilizados nas escolas para um ensino semelhante ao que será a futura vida profissional.

Recursos educativos aplicados à medicina dentária

Com a crescente associação dos meios tecnológicos aos métodos de ensino, tem-se vindo a verificar uma mudança significativa na forma como o aluno adquire o conhecimento. Os meios digitais tornaram-se num meio cada vez mais apetecível para os alunos e para os professores, que vêem no suporte tecnológico um precioso complemento para utilizar nas suas aulas. O aparecimento do ensino à distância e mais recentemente do e-learning, veio revolucionar a forma como se adquire o conhecimento, deixando de ser importante a hora e o local aonde nos encontramos. Com estes novos tipos de ensino, surgem também os novos tipos de recursos disponíveis. Uns dos recursos tecnológicos em destaque na actualidade são os Objectos de Aprendizagem (OA), pequenos pedaços de informação que podem ser utilizados, reutilizados ou referenciados no apoio tecnológico à aprendizagem. Analisados os conceitos e as características dos OA foi efectuado o levantamento do estado da arte e feito um estudo sobre recursos educativos utilizados na área da Medicina Dentária, sendo realizada uma análise a cada um desses recursos, observando as suas carências e os seus pontos fortes. Posteriormente partiu-se para a realização de um OA que possa servir como suporte ao ensino da Medicina Dentária, mais concretamente sobre a realização de incisões e de suturas durante cirurgias dentárias. A sua validação revelou ser possível a reutilização em diferentes contextos de ensino e aprendizagem.

Visualização com nuvens de tags

Com a evolução da Internet houve uma consequente transformação da forma como os resultados são apresentados e das técnicas de visualização e apresentação de conteúdos. A presente dissertação é sobre visualização com nuvens de tags e foi a conjugação de diversos factores que originou a investigação sobre este tema. Uma nuvem de tags (em inglês: tag clouds) é uma concepção visual de um conjunto de tags isoladas com uma representação ilustrativa da sua importância, ou seja visualmente hierarquizadas e em que cada tag se hiperliga a um ou mais sítios Web ou documentos. São extremamente úteis para a navegação ou para a descoberta de informação genérica, podendo requerer menor carga cognitiva do utilizador durante consultas e pesquisas se alguns aspectos forem considerados na sua construção. Nesta dissertação discutem-se alguns dos factores visuais que podem contribuir para que as nuvens de tags sejam ferramentas efectivas e intuitivas para os utilizadores. O conceito de folksonomia está relacionado com nuvens de tags, permitindo categorizar as definições atribuídas a conteúdos recorrendo a palavras-chave (tags). Neste documento são ainda exploradas as suas vantagens e desvantagens. Discutem-se ainda alguns modos de visualização e apresentação de nuvens de tags, desde o tipo de ordenação ao algoritmo de geração da nuvem de tags. Aborda-se ainda o impacto do tipo de fonte e a utilização de cores monocromáticas ou coloridas que estas possam ter na visualização da nuvem. A própria tag também é categorizada e explorada ao nível do seu posicionamento na nuvem e a percepção que causa no utilizador. Sobre a visualização de nuvens de tags, refere-se ainda que as conclusões obtidas foram utilizadas num repositório de objectos educativos.