Sobre a influência da dimensionalidade do espaço no átomo de hidrogênio relativístico

Faz-se uma revisão do problema da dimensionalidade do espaço entendido como um problema de Física, enfatizando que algumas leis físicas dependem fortemente deste parâmetro topológico do espaço. Discute-se o que já foi feito tanto no caso da equação de Schrödinger quanto na de Dirac. A situação na literatura é bastante controversa e, no caso específico da equação de Dirac em D dimensões, não se encontra nenhum trabalho na literatura científica que leve em conta o potencial de intera coulombiana corretamente generalizado quando o número de dimensões espaciais é maior do que três. Discute-se, portanto, o átomo de hidrogênio relativístico em D dimensões. Novos resultados numéricos para os níveis de energia e para as funções de onda são apresentados e discutidos. Em particular, considera-se a possibilidade de existência de átomos estáveis em espaços com dimensionalidade 6= 3.

Redução de dimensionalidade em equilíbrio de fases fluidas

Atualmente, existem modelos matemáticos capazes de preverem acuradamente as relações entre propriedades de estado; e esta tarefa é extremamente importante no contexto da Engenharia Química, uma vez que estes modelos podem ser empregados para avaliar a performance de processos químicos. Ademais, eles são de fundamental importância para a simulação de reservatórios de petróleo e processos de separação. Estes modelos são conhecidos como equações de estado, e podem ser usados em problemas de equilíbrios de fases, principalmente em equilíbrios líquido-vapor. Recentemente, um teorema matemático foi formulado (Teorema de Redução), fornecendo as condições para a redução de dimensionalidade de problemas de equilíbrios de fases para misturas multicomponentes descritas por equações de estado cúbicas e regras de mistura e combinação clássicas. Este teorema mostra como para uma classe bem definidade de modelos termodinâmicos (equações de estado cúbicas e regras de mistura clássicas), pode-se reduzir a dimensão de vários problemas de equilíbrios de fases. Este método é muito vantajoso para misturas com muitos componentes, promovendo uma redução significativa no tempo de computação e produzindo resultados acurados. Neste trabalho, apresentamos alguns experimentos numéricos com misturas-testes usando a técnica de redução para obter pressões de ponto de orvalho sob especificação de temperaturas.

Átomos hidrogenoides em espaços com dimensionalidade D6=3: os casos não relativístico e relativístico

A possibilidade da existência de átomos de hidrogênio estáveis em dimensões superiores a três é abordada. O problema da dimensionalidade é visto como um problema de Física, no qual relacionam-se algumas leis físicas com a dimensão espacial. A base da análise deste trabalho faz uso das equações de Schrödinger (não relativística) e de Dirac (relativística). Nos dois casos, utiliza-se a generalização tanto do setor cinemático bem como o setor de interação coulombiana para variar o parâmetro topológico dimensão. Para o caso não relativístico, os auto-valores de energia e as auto-funções são obtidas através do método numérico de Numerov. Embora existam soluções em espaços com dimensões superiores, os resultados obtidos no presente trabalho indicam que a natureza deve, de alguma maneira, se manifestar em um espaço tridimensional.

Utilização de semivariogramas como redutor de dimensionalidade no reconhecimento de padrões em imagens digitais hiperespectrais

Com o advento dos sensores hiperespectrais se tornou possível em sensoriamento remoto, uma serie de diferentes aplicações. Uma delas, é a possibilidade de se discriminar classes com comportamentos espectrais quase idênticas. Porém um dos principais problemas encontrados quando se trabalha com dados de alta dimensionalidade, é a dificuldade em estimar os inúmeros parâmetros que se fazem necessários. Em situações reais é comum não se ter disponibilidade de tamanho de amostra suficiente, por exemplo, para se estimar a matriz de covariâncias de forma confiável. O sensor AVIRIS fornece uma riqueza de informações sobre os alvos, são 224 bandas cobrindo o espectro eletromagnético, o que permite a observação do comportamento espectral dos alvos de forma muito detalhada. No entanto surge a dificuldade de se contar com uma amostra suficiente para se estimar a matriz de covariâncias de uma determinada classe quando trabalhamos com dados do sensor AVIRIS, para se ter uma idéia é preciso estimar 25.200 parâmetros somente na matriz de covariâncias, o que necessitaria de uma amostra praticamente impraticável na realidade. Surge então a necessidade de se buscar formas de redução da dimensionalidade, sem que haja perda significativa de informação. Esse tipo de problema vem sendo alvo de inúmeros estudos na comunidade acadêmica internacional. Em nosso trabalho pretendemos sugerir a redução da dimensionalidade através do uso de uma ferramenta da geoestatística denominada semivariograma. Investigaremos se os parâmetros calculados para determinadas partições do transecto de bandas do sensor AVIRIS são capazes de gerar valores médios distintos para classes com comportamentos espectrais muito semelhantes, o que por sua vez, facilitaria a classificação/discriminação destas classes.

Investigação sobre métodos para redução de dimensionalidade dos dados em imagens hiperespectrais

Os recentes avanços na tecnologia de sensores tem disponibilizado imagens em alta dimensionalidade para fins de sensoriamento Remoto. Análise e interpretação dos dados provenientes desta nova geração de sensores apresenta novas possibilidades e também novos desafios. Neste contexto,um dos maiores desafios consiste na estimação dos parâmetros em um classificador estatístico utilizando-se um número limitado de amostras de treinamento.Neste estudo,propõe-se uma nova metodologia de extração de feições para a redução da dimensionalidadedos dados em imagens hiperespectrais. Essa metodologia proposta é de fácil implementação e também eficiente do ponto de vista computacional.A hipótese básica consiste em assumir que a curva de resposta espectral do pixel, definida no espaço espectral, pelos contadores digitais (CD's) das bandas espectrais disponíveis, pode ser substituída por um número menor de estatísticas, descrevendo as principais característicasda resposta espectral dos pixels. Espera-se que este procedimento possa ser realizado sem uma perda significativa de informação. Os CD's em cada banda espectral são utilizados para o cálculo de um número reduzido de estatísticas que os substituirão no classificador. Propõe-se que toda a curva seja particionada em segmentos, cada segmento sendo então representado pela respectiva média e variância dos CD's. Propõem-se três algoritmos para segmentação da curva de resposta espectral dos pixels. O primeiro utiliza um procedimento muito simples. Utilizam-se segmentos de comprimento constante, isto é, não se faz nenhuma tentativa para ajustar o comprimento de cada segmento às características da curva espectral considerada. Os outros dois implementam um método que permite comprimentos variáveis para cada segmento,onde o comprimentodos segmentos ao longo da curva de resposta espectral é ajustado seqüencialmente.Um inconveniente neste procedimento está ligado ao fato de que uma vez selecionadauma partição, esta não pode ser alterada, tornando os algoritmos sub-ótimos. Realizam-se experimentos com um classificador paramétrico utilizando-se uma imagem do sensor AVIRIS. Obtiveram-se resultados animadores em termos de acurácia da classificação,sugerindo a eficácia dos algoritmos propostos.

A uni-pluri dimensionalidade da explicação em psicologia

A presente tese propõe-se a efetuar uma análise, crítica em termos epistemológicos, metateóricos e metodológicos dos processos de Explicação propriamente dita e Compreensão em psicologia, com destaque especial, dado aos respectivos níveis de construção do objeto cientifico. Através desta análise, visa-se alcançar a univocidade da conduta humana, cujas bases se alicerçariam na Inter correlação dos diferentes níveis de explicação e compreensão, suprimindo, assim, a dicotomia existente em psicologia entre as teorias mecanicistas, baseadas em sistema de leis bioorgânicas -Modelo S-R e S-O-R e as teorias da significação -Modelo S-S". o principio essencial desta abordagem estaria, por tanto, nas interconexões que se poderiam estabelecer entre Os diferentes nexos causais da conduta humana, quer sejam estes, de natureza explicativa, quer sejam de teor descritivo ou significativo. Tais interconexões, desde a significação-objeto ou, "qualidade do objeto", atribuível ao comportamento observável em termos mecanicistas e associacionistas, até a significação atribuível ao próprio autor da conduta, mediante a "qualidade do vivido", como fator de sua determinação, engendrar-se-iam em uma uni-pluridimensionalidade da explicação do objeto, em psicologia.

Sistemas complexos, séries temporais e previsibilidade

Para qualquer sistema observado, físico ou qualquer outro, geralmente se deseja fazer predições para sua evolução futura. Algumas vezes, muito pouco é conhecido sobre o sistema. Se uma série temporal é a única fonte de informação no sistema, predições de valores futuros da série requer uma modelagem da lei da dinâmica do sistema, talvez não linear. Um interesse em particular são as capacidades de previsão do modelo global para análises de séries temporais. Isso pode ser um procedimento muito complexo e computacionalmente muito alto. Nesta dissertação, nos concetraremos em um determinado caso: Em algumas situações, a única informação que se tem sobre o sistema é uma série sequencial de dados (ou série temporal). Supondo que, por detrás de tais dados, exista uma dinâmica de baixa dimensionalidade, existem técnicas para a reconstrução desta dinâmica.O que se busca é desenvolver novas técnicas para poder melhorar o poder de previsão das técnicas já existentes, através da programação computacional em Maple e C/C++.

Mapeamento de difusão no reconhecimento e reconstrução de sinais

Em muitas representações de objetos ou sistemas físicos se faz necessário a utilização de técnicas de redução de dimensionalidade que possibilitam a análise dos dados em baixas dimensões, capturando os parâmetros essenciais associados ao problema. No contexto de aprendizagem de máquina esta redução se destina primordialmente à clusterização, reconhecimento e reconstrução de sinais. Esta tese faz uma análise meticulosa destes tópicos e suas conexões que se encontram em verdadeira ebulição na literatura, sendo o mapeamento de difusão o foco principal deste trabalho. Tal método é construído a partir de um grafo onde os vértices são os sinais (dados do problema) e o peso das arestas é estabelecido a partir do núcleo gaussiano da equação do calor. Além disso, um processo de Markov é estabelecido o que permite a visualização do problema em diferentes escalas conforme variação de um determinado parâmetro t: Um outro parâmetro de escala, Є, para o núcleo gaussiano é avaliado com cuidado relacionando-o com a dinâmica de Markov de forma a poder aprender a variedade que eventualmente seja o suporte do dados. Nesta tese é proposto o reconhecimento de imagens digitais envolvendo transformações de rotação e variação de iluminação. Também o problema da reconstrução de sinais é atacado com a proposta de pré-imagem utilizando-se da otimização de uma função custo com um parâmetro regularizador, γ, que leva em conta também o conjunto de dados iniciais.

Uso da calibração multivariada para a predição de propriedades físico-químicas de misturas de óleo de soja e biodiesel

O objetivo deste trabalho foi estabelecer um modelo empregando-se ferramentas de regressão multivariada para a previsão do teor em ésteres metílicos e, simultaneamente, de propriedades físico-químicas de misturas de óleo de soja e biodiesel de soja. O modelo foi proposto a partir da correlação das propriedades de interesse com os espectros de reflectância total atenuada no infravermelho médio das misturas. Para a determinação dos teores de ésteres metílicos foi utilizada a cromatografia líquida de alta eficiência (HPLC), podendo esta ser uma técnica alternativa aos método de referência que utilizam a cromatografia em fase gasosa (EN 14103 e EN 14105). As propriedades físico-químicas selecionadas foram índice de refração, massa específica e viscosidade. Para o estudo, foram preparadas 11 misturas com diferentes proporções de biodiesel de soja e de óleo de soja (0-100 % em massa de biodiesel de soja), em quintuplicata, totalizando 55 amostras. A região do infravermelho estudada foi a faixa de 3801 a 650 cm-1. Os espectros foram submetidos aos pré-tratamentos de correção de sinal multiplicativo (MSC) e, em seguida, à centralização na média (MC). As propriedades de interesse foram submetidas ao autoescalamento. Em seguida foi aplicada análise de componentes principais (PCA) com a finalidade de reduzir a dimensionalidade dos dados e detectar a presença de valores anômalos. Quando estes foram detectados, a amostra era descartada. Os dados originais foram submetidos ao algoritmo de Kennard-Stone dividindo-os em um conjunto de calibração, para a construção do modelo, e um conjunto de validação, para verificar a sua confiabilidade. Os resultados mostraram que o modelo proposto por PLS2 (Mínimos Quadrados Parciais) foi capaz de se ajustar bem os dados de índice de refração e de massa específica, podendo ser observado um comportamento aleatório dos erros, indicando a presença de homocedasticidade nos valores residuais, em outras palavras, o modelo construído apresentou uma capacidade de previsão para as propriedades de massa específica e índice de refração com 95% de confiança. A exatidão do modelo foi também avaliada através da estimativa dos parâmetros de regressão que são a inclinação e o intercepto pela Região Conjunta da Elipse de Confiança (EJCR). Os resultados confirmaram que o modelo MIR-PLS desenvolvido foi capaz de prever, simultaneamente, as propriedades índice de refração e massa específica. Para os teores de éteres metílicos determinados por HPLC, foi também desenvolvido um modelo MIR-PLS para correlacionar estes valores com os espectros de MIR, porém a qualidade do ajuste não foi tão boa. Apesar disso, foi possível mostrar que os dados podem ser modelados e correlacionados com os espectros de infravermelho utilizando calibração multivariada

Gestão da Sala de Aula: Perspetiva Psicoeducacional

A informação que aparece sistematizada neste capítulo tem como finalidade o estudo da gestão da sala de aula pelos professores, apresentando perspetivas teóricas e investigações empíricas que permitam a sua compreensão e promoção, à luz de contributos situados, sobretudo, no âmbito da Psicologia da Educação. Depois de uma primeira parte a incidir na teoria, apresenta-se uma segunda parte dedicada à investigação e uma terceira parte de aplicação prática. Na primeira parte, as competências de gestão da sala de aula são consideradas na sua multi- dimensionalidade, gestão de conteúdos, gestão de comportamentos e gestão de conflitos. Competências comunicacionais na gestão da sala de aula são descritas no âmbito do Modelo Comunicacional Eclético (MCE), dado que este modelo fornece conceitos, procedimentos e estratégias que, pela sua abrangência e facilidade de aplicação, agilizam a compreensão dos processos que caraterizam as interações na sala de aula. Competências de organização dos espaços e dos tempos aparecem também contempladas, no âmbito da teorização apresentada. Na segunda parte, descreve-se um conjunto de investigações acerca da gestão da sala de aula, diferenciadas em estudos de caraterização e de avaliação, estudos sobre a gestão da sala de aula como variável independente, e estudos sobre a gestão da sala de aula como variável dependente. Na terceira parte, incluem-se propostas de atividades mais práticas e, ainda, sugestões de leitura de aprofundamento do tema gestão da sala de aula, bem como indicações de recursos online.

Assertividade em adolescentes do 3.º Ciclo do Ensino Básico e Ensino Secundário : um contributo para o desenvolvimento de um instrumento de avaliação

Dissertação de Mestrado, Psicologia da Educação, especialidade de Contextos Educativos, 2 de Março de 2016, Universidade dos Açores.

Do Agrarismo ao Liberalismo. Francisco Soares Franco. Um pensamento crítico.

Cultura Moderna e Contemporânea, n.4

O comprometimento organizacional da geração Y no setor de conhecimento intenso

Dissertação apresentada ao Programa de Pós- Graduação em Administração – Mestrado da Universidade Municipal de São Caetano do Sul, como requisito parcial para a obtenção do título de Mestre em Administração.

Aplicação de filtros de Gabor no processo de classificação de imagens digitais com base em atributos de textura

No processo de classificação de uma imagem digital, o atributo textura pode ser uma fonte importante de informações. Embora o processo de caracterização da textura em uma imagem seja mais difícil, se comparado ao processo de caracterização de atributos espectrais, sabe-se que o emprego daquele atributo pode aumentar significativamente a exatidão na classificação da imagem. O objetivo deste trabalho de pesquisa consiste em desenvolver e testar um método de classificação supervisionado em imagens digitais com base em atributos de textura. O método proposto implementa um processo de filtragem baseado nos filtros de Gabor. Inicialmente, é gerado um conjunto de filtros de Gabor adequados às freqüências espaciais associadas às diferentes classes presentes na imagem a ser classificada. Em cada caso, os parâmetros utilizados por cada filtro são estimados a partir das amostras disponíveis, empregando-se a transformada de Fourier. Cada filtro gera, então, uma imagem filtrada que quantifica a freqüência espacial definida no filtro. Este processo resulta em um certo número de imagens filtradas as quais são denominadas de "bandas texturais". Desta forma, o problema que era originalmente unidimensional passa a ser multi-dimensional, em que cada pixel passa a ser definido por um vetor cuja dimensionalidade é idêntica ao número de filtros utilizados. A imagem em várias "bandas texturais" pode ser classificada utilizando-se um método de classificação supervisionada. No presente trabalho foi utilizada a Máxima Verossimilhança Gaussiana. A metodologia proposta é então testada, utilizandose imagens sintéticas e real. Os resultados obtidos são apresentados e analisados.

Graphical models and point set matching

Point pattern matching in Euclidean Spaces is one of the fundamental problems in Pattern Recognition, having applications ranging from Computer Vision to Computational Chemistry. Whenever two complex patterns are encoded by two sets of points identifying their key features, their comparison can be seen as a point pattern matching problem. This work proposes a single approach to both exact and inexact point set matching in Euclidean Spaces of arbitrary dimension. In the case of exact matching, it is assured to find an optimal solution. For inexact matching (when noise is involved), experimental results confirm the validity of the approach. We start by regarding point pattern matching as a weighted graph matching problem. We then formulate the weighted graph matching problem as one of Bayesian inference in a probabilistic graphical model. By exploiting the existence of fundamental constraints in patterns embedded in Euclidean Spaces, we prove that for exact point set matching a simple graphical model is equivalent to the full model. It is possible to show that exact probabilistic inference in this simple model has polynomial time complexity with respect to the number of elements in the patterns to be matched. This gives rise to a technique that for exact matching provably finds a global optimum in polynomial time for any dimensionality of the underlying Euclidean Space. Computational experiments comparing this technique with well-known probabilistic relaxation labeling show significant performance improvement for inexact matching. The proposed approach is significantly more robust under augmentation of the sizes of the involved patterns. In the absence of noise, the results are always perfect.