Repositório RCAAP

Para que a comercialização de um medicamento genérico seja liberada, a Agência Nacional de Vigilância Sanitária (ANVISA) exige a realização de testes de bioequivalência. Devem ser realizados seguindo uma metodologia específica e protocolo aprovado por um comitê de ética. Na maioria absoluta das vezes, os participantes são voluntários sadios que são confinados em uma ala hospitalar por um determinado período. A partir de amostras coletadas em líquido biológico, por exemplo, plasma, segundo um cronograma pré-estabelecido, é possível calcular medidas farmacocinéticas, tais como área sob a curva de concentração versus tempo (ASC) e pico de concentração máxima (Cmax). Há três tipos de estudos de bioequivalência: média (o mais comum e exigido pela ANVISA), individual e populacional. Para que a bioequivalência média seja declarada, os intervalos com 90% de confiança para a diferença ou razão das médias de ASC e Cmax devem estar dentro dos limites de bioequivalência. Os delineamentos cross-over são os mais utilizados, em especial o 2x2. Entretanto, para formulações com alta variabilidade (coeficiente de variação intra-individual superior a 30%), requer um número grande de voluntários sendo recomendada a utilização de delineadores cross-over de ordem maior que 2x2. Os delineadores do tipo cross-over comumente escolhidos são 2x2, 2x3, 2x4, 4x4 e 4x2 para comparação de duas formulações e 6x3 e 4x4 para comparação de três e quatro formulações, respectivamente. Neste trabalho é fornecida uma base fundamentada para escolha dentre estes delineamentos na avaliação de bioequivalência média. O poder do teste de bioequivalência, o número de voluntários e o número de medidas foram calculados e comparados para todos os delineamentos mencionados. Além disso, através de simulações de Monte Carlo foi obtido o percentual de conclusão de bioequivalência de cada delineamento em situações práticas. Ao simular a medida farmacocinética diretamente foi possível avaliar o efeito da utilização de um coeficiente de variação diferente do verdadeiro no cálculo do numero de voluntários, da presença de observações atípicas e da possibilidade de desistências no percentual de conclusão de bioequivalência. Em todas as situações os delineamentos cross-over 4x4 e 2x4 apresentaram desempenho superiro aos demais, seguindo do 2x3 e 2x2, sendo o 4x2 o delineamento com pior desempenho. A geração da curva de concentração individual possibilitou verificar que os percentuais de conclusões de bioequivalência para Cmax em geral não são superiores aos percentuais para ASC. Isto pode ser consequência do fato de que Cmax não é uma medida pura da velocidade de absorção, sofre influência da extensão de absorção da droga, além de ser dependente do cronograma de coleta. Os delineamentos cross-over 2x4 e 4x4 apresentaram os maiores percentuais de conclusão de bioequivalência nas diversas situações investigadas enquanto o 4x2 tem os piores resultados em todas as análises, enquanto que o 2x2 e o 2x3 apresentaram resultados intermediários. Nem sempre é necessário utilizar delineamentos complexos para realizar um estudo com qualidade, o importante é considerar as características de cada delineamento e das formulações envolvidas de forma a garantir a confiabilidade dos resultados obtidos.

Este trabalho temcomo proposta apresentar uma nova abordagempara geração de conglomerados espaciais, utilizando entropia não-paramétrica e algoritmos estocásticos, com objetivo deencontrar a melhor participação do mapa.A abordagem univariada foi aqui implementada na linguagem C# e o caso multivariado foisugerido em algumas das seçõoes desta dissertação.Palavras-chave: estatística espacial, conglomerados espaciais, núcleo estimador, entropia,otimização estocástica

Esse trabalho apresenta um deficiente algoritmo de varredura para bancos de dados hierárquicos que podem ser representados na forma de árvores. O algoritmo procura através dos galhos da árvore e é capaz de agregar folhas em diferentes galhos. A varredura procura por um cluster candidato através da estatística Minimum Description Length (MDL). A estatística de teste combina o logaritmo da razão de verossimilhança e a quantidade de informação necessária para representar internamente o cluster. Esse segundo termo controla os graus de liberdade do algoritmo de busca. Fazendo isso, a metodologia previne o acréscimo de folhas que desnecessariamente aumentem o termo do logaritmo da razão de verosimilhança. Resultados mostram que a metodologia MDL é um algoritmo flexível capaz de detectar clusters em bancos de dados hierárquicos nos quais os elementos do cluster estão distribuídos pela árvore. Dessa forma, o algoritmo explora grupos de cluster que não são explícitos simplesmente olhando para cortes nos galhos ou em analises combinatórias dos dados fornecidos.

A classe dos Modelos Aditivos Generalizados (MAG), considerados uma extensão dos Modelos Lineares Generalizados, vem atraindo a atenção de pesquisadores principalmente em função de sua flexibilidade. Apesar de construído sob a hipótese de independência dos dados, os MAGs são muito aplicados em estudos de séries temporais, sobretudo como alternativa para modelagem de variáveis de confusão tais como tendência e sazonalidade. Recentemente, modelos mais gerais, que consideram a estrutura de correlação entre os dados, como os modelos GLARMA (autoregressive moving average generalized linear models), têm sido utilizados. Este trabalho estende os modelos GLARMA para uma classe de modelos auto-regressivos aditivos generalizados para séries de contagem cuja distribuição condicional, dadas as observações passadas e as variáveis explicativas, segue uma distribuição de Poisson. Além de apresentar uma conceituação desses modelos bem como procedimentos de ajustes, este trabalho emprega, em um estudo empírico, o procedimento bootstrap em três formas (bootstrap nas observações, bootstrap condicional e bootstrap nos resíduos) na inferência pontual dos parâmetros do modelo e compara dois métodos de construção de intervalos de confiança bootstrap - bootstrap percentílico e bootstrap com correção do vício na estimação intervalar. Os resultados mostram que, em geral, os procedimentos e os intervalos de confiança bootstrap apresentam um bom desempenho quando utilizados na classe de MAGs que por sua vez, quando auxiliados pela modelagem GLARMA, modelam bem dados de contagem com estrutura auto-regressiva de ordem 1, apresentando estimativas próximas dos valores verdadeiros dos parâmetros.

A utilização dos testes de hipótese multivariados, em lugar de vários testes univariados feitos simultaneamente, é mais apropriada uma vez que consideram a correlação existente entre as variáveis. Nesta dissertação, será apresentado um estudo detalhado de alguns testes estatísticos para a matriz de covariâncias para p=2, 3 e 5 variáveis. Os testes estatíticos tradicionais utilizados na literatura, da razão de verossimilhança e da variãncia generalizada, serão comparadosa alguns testes propostos nesta dissertação a saber: adaptações do teste de Sullivan et al.(2007) usando a distribuiçãao qui-quadrado e as idéias de Hayter e Tsui (1994), trêes testes que utilizam os autovalores da matriz de covariâncias e o teste da transformação da informaçãocontida na matriz de covariâncias para uma variável univariada Y. Nessa comparação, também foram usados os testes exatos, exceto para os testes da transformação de Y, que foram feitos utilizando a distribuição normal como aproximação. As comparações foram realizadas em termos do tamanho do teste, do poder e do valor do ARL (Average Run Lenght). Alguns exemplos em controle estatistico de processos serão apresentados, pela vasta aplicabilidade dos testes nessa área.A avaliação do desempenho dos testes propostos e a comparação com os testes tradicionais, foram feitas através de simulação Monte Carlo. Pelo estudo de simulações, verificou-se que os testes propostos nesta dissertação se mostraram mais efetivos que o teste da variânciageneralizada, em todos os tamanhos de amostras, e da raz~ao de verossimilhanca, em pequenas amostras, exceto os testes da transformaçã de Y.Sim

A identificação de sistemas estuda como modelar e analisar a partir de dados. Em situações práticas é comum coletar um conjunto limitado de dados, corrompido por ruído e de caráter local. Nessas situações, se forem considerados apenas os dados coletados, dificilmente um modelo não-linear adequado será obtido. As primeiras tentativas de resolver esse problema usam uma metodologia mono-objetivo, em que o erro de predição é objetivo a ser minimizado e a informação auxiliar é incorporada na forma, de restrição, usando técnicas de otimização mono-objetivo. Tal abordagem, contudo, não coloca em perspectiva a determinação de um conjunto de soluções dentro do qual se verifica o compromisso entre os diversos objetivos. O conjunto dessas soluções é chamado Pareto-ótimo. Este trabalho emprega técnicas multiobjetivo na identificação de sistemas não-lineares e apresenta uma estrutura sistemática de incorporação de informação auxiliar. Tal procedimento recebeu o nome de identificação multiobjetivo. A representação NARMAX (Nonlinear AutoRegressive Moving Average model with eXogenous input) foi escolhida por permitir a incorporação de informação auxiliar, particularmente a respeito de pontos fixos e da curva estática. A metodologia proposta foi aplicada na modelagem de dois sistemas caóticos (o circuito de Chua e o mapa senoidal), um aquecedor elétrico, um conversor buck e um compensador de reativos (o TCSC Tryristor Controlled Series Capacitor, ou capacitor série controlado a tiristor). As soluções finais dos diversos problemas, que pertencem ao Pareto-ótimo em cada caso, foram escolhidas através da análise de preferência a priori e a posteriori e de dois decisores: um baseado no equilíbrio de polarização e variância e outro, desenvolvido nesse trabalho, baseado na norma mínima dos objetivos normalizados. Verificou- se que a identificação multiobjetivos de sistemas não-lineares é realizável. A determinação de soluções pertencentes ao Pareto-ótimo permite o estudo, nesse conjunto, da maneira como variam propriedades relevantes dos modelos e, com base nessa análise, a escolha dos modelos identificados mais adequados às necessidades específicas de cada situação. A possibilidade dessa análise é a principal vantagem da metodologia multiobjetivo.

Neste trabalho é desenvolvido um novo método para treinamento de Redes Neurais Artificiais (RNAS) do tipo Perceptron Multi·camadas (Multilayer Perceptron-MLP) utilizando- se técnicas de otimização multi-objetivo para encontrar soluções com alta capacidade de generalização. Na abordagem proposta, além de ser utilizado o erro quadrático como função de custo, utiliza·se também a função norma do vetor de pesos como um segundo objetivo. Estas duas funções são minimizadas e como consequência deste processo, obtém·se um conjunto de soluções chamadas Pareto-ótimas. Através de um decisor, estas soluções são avaliadas e apenas uma delas é escolhida como solução final, a qual equilibra os efeitos da polarização e da variância resultando em alta capacidade de generalização dada uma determinada realização do conjunto de treinamentos O método multi-objetivo proposto controla a flexibilidade do modelo independentemente da quantidade de pesos existente na rede, a partir de uma estrutura mínima, Além disso, a utilização de parâmetros de treinamento apesar de ser necessária, influencia pouco a solução final, O que faz com que a escolha destes parâmetros seja uma tarefa simples. Além do algoritmo multi-objetivo proposto e do algoritmo Backpropagation, métodos conhecidos os quais também visam ao aumento da capacidade de generalização como 10· Fold Cross-Validation, Early Stopping, Optimal Bmin Damage, Weight Decuy e Support Vector Mcchines são abordados Uma analise qualitativa e quantitativa dos algoritmos é feita, através da qual pode-se observar a superioridade do método proposto, sendo o mesmo capaz de gerar soluções com alta capacidade de generalização de forma simples e eficiente.

A maneira tradicional de se resolver um problema de programação dinâmica com variáveis discretas consiste em montar a árvore de possibilidades e procurar nela um caminho mínimo - este é o algoritmo ótimo, baseado no princípio da otimalidade de Bellman. Tal algoritmo é de complexidade exponencial. Este trabalho propõe um método para tratar uma classe de problemas de programação dinâmica linear com variáveis discretas utilizando uma relaxação contínua nas variáveis, obtendo soluções aproximadas, com custo computacional equivalenteao da solução de um problema de programação linear estática com dimensão igual a (n + pN), onde (n) é o número de variáveis de estado em um dos estágios, (p) é o número de variáveis de decisão, e (N) é o número de estágios do processo de decisão. O método proposto se baseia na idéia de iterar, através do sistema dinâmico, um conjunto fechado com estrutura paramétrica invariante a essa iteração (um conjunto invariante). A otimização é feita com as variáveis de estado em apenas um dos estágios, restritas a tal conjunto, sendo utilizadaa linearidade do sistema dinâmico para produzir uma composição da otimização nas variáveis de decisão com a otimização no vetor de estados.

Esta tese investiga a possibilidade do uso de aproximações quadráticas de funções para o propósito da construção de novos operadores para uso em algoritmos genéticos, aplicados à otimização de funções de variáveis contínuas. A fórmula básica empregada em todos os casos é a do aproveitamento do conjunto de amostras das funções-objetivo e das funções de restrição do problema que já é normalmente obtido por meio da execução das operações típicas dos algoritmos genéticos. Com esse conjunto de amostras, as aproximações quadráticas das diversas funções são obtidas e, à medida em que o algoritmo genético prossegue obtendo novas amostras, tais aproximações são atualizadas. São aqui propostos, com fundamento em tais aproximações: (i) um operador de correção das coordenadas do espaço de variáveis; (ii) um operador especializado em obter estimativas do ótimo de problemas mono-objetivo com uma única restrição de igualdade; (iii) um operador especializado na obtenção de estimativas do ótimo de problemas mono-objetivo com múltiplas restrições de desigualdade; (iv) um operador especializado na obtenção de estimativas localmente refinadas de pontos pertencentes ao conjunto Pareto-ótimo de problemas multiobjetivo irrestritos; (v) um operador especializado na obtenção de estimativas localmente refinadas de pontos pertencentes ao conjunto Pareto-ótimo de problemas multiobjetivo com restrições de desigualdade. Os três últimos operadores são construídos com base em uma formulação de Desigualdades Matriciais Lineares (LMI's). Como sub-produto desta tese, é proposta ainda uma nova métrica para comparar os desempenhos de algoritmos de otimização multiobjetivo na tarefa de obtenção de amostragens representativas dos conjuntos Pareto-ótimos de problemas, a métrica da {em contagem de esferas}. Os resultados obtidos indicam que todos os operadores propostos são capazes de conduzir a melhorias significativas, tanto na velocidade de convergência quanto na taxa de convergência e na precisão das soluções obtidas. Estudos adicionais se fazem necessários, no caso dos operadores multiobjetivo, para aumentar a extensão dos conjuntos de estimativas obtidas do conjunto Pareto-ótimo.

Neste trabalho apresentam-se novas ferramentas voltadas à otimização de redes. Primeiramente são apresentadas abstrações de conceitos contínuos, capazes de gerar conceitos análogos no espaço discreto, onde as redes são definidas. Estes conceitos conferem ao espaço de redes ferramentas como representações espaciais, cálculos de posição relativa e distância e determinação de direções. Isso torna possível a implementação de técnicas geralmente só empregadas em problemas contínuos, como análises de dispersão, buscas locais, otimizações unidimensionais, etc, que podem ser incorporadas aos algoritmos de otimização através de operadores evolucionários. Estes operadores são utilizados como base para a construção de dois algoritmos: um Algoritmo Genético e um Algoritmo de Seleção Clonal. Estes algoritmos foram aplicados na solução de dois problemas clássicos, reconhecidamente complexos, e em dois problemas práticos. Além disso, são apresentados algoritmos específicos, voltados a três situações distintas do problema de projeto de sistemas de distribuição de energia elétrica: posicionamento de subestações associado ao projeto da topologia de redes, projeto multi-objetivo de redes de distribuição de energia e 'scheduling' da expansão de sistemas de distribuição de energia. Estes algoritmos são baseados em operadores que são construídos tendo em conta as características específicas dos problemas tratados. Os resultados obtidos mostram que as ferramentas desenvolvidas são úteis na solução de problemas de otimização em redes, sendo capazes de obter boas soluções em problemas dificilmente tratáveis por métodos tradicionais.

Redes de distribuição de energia elétrica têm uma importância econômica e social muito destacada uma vez que elas possibilitam o fornecimento de energia elétrica para cerca de 85% da população do país. Esta inquestionável importância, associada ao alto volume de dinheiro requerido para a instalação desses sistemas, justificam amplamente a aplicação de técnicas de otimização no planejamento dessas redes. Sistemas de distribuição eficientes tendem a fazer melhor uso dos recursos disponíveis, reduzindo os desperdícios de energia e os custos necessários à sua instalação. O problema de projeto ótimo de redes é de natureza altamente complexa, devido à característica discreta do espaço onde as soluções são definidas e aos funcionais não lineares inerentes ao problema. Essas razões tornam inviável o emprego de técnicas tradicionais de otimização, como métodos determinísticos contínuos. Uma classe de algoritmos de otimização que vem sendo utilizada na otimização dessas redes são os algoritmos evolucionários, devido às suas flexibilidade, robustez e capacidade de adaptação. Os Algoritmos Meméticos, que são a hibridização entre um algoritmo evolucionário e um método de busca local, também têm se tornado uma alternativa importante de otimização de redes Eles são ferramentas reconhecidamente poderosas para a obtenção e refinamento de ótimos locais e globais. Os algoritmos meméticos desenvolvidos neste trabalho são decorrentes da hibridização entre o Algoritmo de Seleção Clonal, que é capaz de retornar como resposta do problema de otimização um conjunto de soluções formado pela solução ótima e por soluções sub-ótimas e métodos de busca local desenvolvidos a partir da utilização da métrica T-norm, que propicia a geração aleatória de redes à distâncias pré-definidas. Com a obtenção do conjunto de soluções ótimas por meio dos algoritmos meméticos, é possível tratar uma questão muito importante do projeto de redes que são as incertezas associadas à evolução da carga do sistema. As incertezas são tratadas por meio de uma análise de sensibilidade multiobjetivo, onde cenários diversos são obtidos por Simulação de Monte Carlo e cada uma das soluções do conjunto são avaliadas segundo quatro critérios considerados relevantes. Uma vez obtido o conjunto de soluções não-dominadas pela análise de sensibilidade, torna-se possível ao projetista escolher qual rede melhor se adapta aos requisitos específicos do projeto, levando em consideração que a rede escolhida deve ser robusta quanto a possíveis variações nas condições de carga. Com a aplicação dos algoritmos meméticos desenvolvidos neste trabalho foi possível obter um conjunto de redes bem robustas às incertezas do projeto, provendo o projetista de um conjunto de alternativas viáveis. Um resultado importante é a possibilidade de se obter redes altamente robustas com um pequeno aumento no capital que seria investido na instalação de uma rede projetada para o cenário médio de variação da carga.  

Esta Tese introduzirá uma nova família de métodos pertencentes a classe dos algoritmos de Exclusão de Semi-Espaço baseados no método Elipsoidal e aplicáveis a problemas reais, inteiros ou mistos inteiros e reais, escalares ou vetoriais associados a funções quasi-convexas não necessariamente diferenciáveis. Esta nova família de métodos é aqui denominada de família de métodos Poliedro-Elipsoidais. Quando da aplicação dos métodos aqui propostos para a solução de problemas reais, a aceleração do processo de convergência se fundamenta na utilização de cones KTE, construídos com informações correntes ou com informações já previamente calculadas, para a contração da região de interesse de busca. Quando da aplicação dos métodos aqui propostos para a solução de problemas inteiros ou mistos reais e inteiros, a garantia de convergência global se fundamenta na utilização de uma função de enumeração implícita ou explícita de pontos inteiros concomitantemente ao algoritmo Elipsoidal. Já a aceleração do processo de convergência para estes problemas inteiros e mistos se concretiza na definição de um algoritmo de Branch-and-Cut. Testes computacionais para os casos escalares exibirão uma significativa melhoria dos parâmetros de convergência, tais como tempo de cálculo, taxa de redução do volume e número de acessos da função-objetivo, desempenho este com tendência de se tornar ainda melhor, comparativamente, à medida que o esforço de avaliação das informações do problema se tornar mais significativo. Esta nova família de métodos também mostrará ser aplicável, eficientemente, para encontrar pontos não-dominados em problemas vetoriais, bem como para determinar a factibilidade de um problema.

Este trabalho investiga o refinamento Delaunay para complexos curvos. Um complexo de manifold é definido como uma representação única para objetos geométricos requeridos na solução de equações diferenciais parciais. Os algoritmos de Chew e Ruppert, incluindo uma extensão para complexos curvos, são descritos uma nova perspectiva em dimensões arbitrárias. Um teorema para complexos simpliciais fortemente Delaunay é estendido para dimensões superiores, assim como um teorema fundamental do algoritmo de Bowyer-Watson é estendido para dimensões intermediárias no complexo simplicial. Alguns pontos de implementação também são abordados, como uma busca em leque para atualizar de maneira incremental um complexo simplicial de Delaunay, e predicados robustos em dimensões arbitrárias.

A técnica da programação dinâmica consiste em decompor um problema de otimização dinâmica numa seqüência de sub-problemas, obtendo a solução de maneira incremental, tendo como base o Princípio da Otimalidade de Bellman. Entretanto, sua solução numérica é proibitiva em muitas aplicações práticas, característica de procedimentos enumerativos. Em vista disso, métodos sub-ótimos vêm sendo propostos para tal, dentre eles, os métodos de solução em malha aberta. Nesta linha, esta tese propõe ferramentas computacionalmente tratáveis para problemas de programação dinâmica, considerando a dinâmica em malha aberta através da iteração de conjuntos fechados pelo sistema, como no controle preditivo. Consideramos problemas com ações de controle discretas no tempo, tendo como sistemas dinâmicos funções lineares, não-lineares, determinísticas, estocásticas, nos casos mono e multiobjetivo. O caso impulsivo é resolvido como um problema de otimização em tempo discreto, e no caso estocástico, usamos o conceito de dominância estocástica numa abordagem multi-quantil. Apresentamos cinco estudos de casos, mostrando a aplicação da metodologia proposta na solução de relevantes problemas reais. São eles: a otimização da implantação de uma fazenda de gado, o planejamento da expansão de uma rede de distribuição de energia elétrica, o controle biológico de pragas, o planejamento de estratégias de vacinação e o controle de estoque. As soluções encontradas são ótimas para os problemas determinísticos e sub-ótimas no caso estocástico. Os resultados obtidos nos exemplos estudados se mostraram satisfatórios dos pontos de vista computacional e prático.

A necessidade de compreender a proliferação de doenças do ponto de vista dinâmico fez surgir uma nova área da ciência: a epidemiologia matemática. A epidemiologia matemática propõe modelos que possam ajudar no controle dessas doenças. Kermack e McKendrick (1927) elaboraram o modelo SIR, que classifica os indivíduos em três estados: suscetíveis, infectados e recuperados. Esses três estados são relacionados por meio de equações diferenciais não-lineares. Entretanto, o modelo SIR não é capaz de explicar a persistência ou erradicação de doenças infecciosas, a principal razão para isso é que o modelo SIR considera a distribuição de indivíduos espacial e temporalmente homogênea, a partir da premissa de que o tamanho da população seja tão grande a ponto de permitir a aproximação por variáveis contínuas dos diversos estados. Uma alternativa é o Modelo Baseado em Indivíduos (MBI) proposto por Nepomuceno (2005) que analisa cada indivíduo como entidade única e discreta, construído de maneira a reproduzir as premissas envolvidas no modelo SIR. Neste trabalho os seguintes aspectos são investigados: i) Validação do modelo MBI comparado com o clássico modelo SIR em situações aleatoriamente diferentes e elaboração de uma nova versão, MBI-2, em que foram feitas algumas modificações nas premissas do MBI, a fim de obter-se um modelo mais aproximado ao modelo SIR; ii) Modelagem da heterogeneidade existente no MBI-2 por meio de Redes Neurais para reduzir o custo computacional em simulações; iii) Modelagem do MBI-2, incorporando vacinação para estudar a influência da flutuação estocástica das variáveis dinâmicas de uma epidemia sobre o tempo de erradicação desta epidemia em que são mostrados que para pequenas populações tal influência chega a se tornar predominante; iv) Modelagem da propagação de uma epidemia incorporando ao MBI-2 a estrutura de redes regulares considerando contatos locais e redes complexas a partir do modelo de redes aleatórias proposta por Erdös e Rényi (1959), em que os contatos entre os indivíduos são determinados aleatoriamente e redes sem escala proposta por Barabási e Albert (1999), em que alguns indivíduos têm maior número de contatos que outros, obedecendo a uma distribuição chamada de lei de potência. A análise da propagação de epidemias por meio de redes permite analisar diversas situações de interesse na dinâmica de epidemias.

Clusters espaciais irregulares ocorrem com frequência em estudos epidemiológicos, mas seu delineamento geográfico é mal definido. Os métodos atuais de detecção encontram somente uma dentre as várias soluções possíveis, com formas diferentes, da mais compacta até a mais irregular, correspondentes aos variados graus de penalização impostos à liberdade de forma. E mesmo quando um conjunto completo de soluções está disponível, a escolha do parâmetro mais adequado é deixada a cargo do analista, cuja decisão é subjetiva. Propomos um critério quantitativo para a escolha da melhor solução através de otimização multiobjetivo, encontrando o conjunto Pareto-ótimo. Dois objetivos conflitantes estão envolvidos na busca: regularidade da forma e avaliação da estatística scan. Ao invés de executar sequencialmente um algoritmo de detecção de clusters variando o grau de penalização, todas as soluções são encontradas em paralelo, através de um algoritmo genético multiobjetivo. O método é rápido e apresenta bom poder de detecção. A introdução do conceito de conjunto de Pareto nesse problema, seguido da escolha da solução mais significativa, permite que a escolha da melhor solução seja rigorosa, mas sem a necessidade de nenhum parâmetro arbitrário. O conceito de significância do cluster é estendido de maneira natural através do uso da função de aproveitamento, sendo empregado como critério de decisão para escolha da melhor solução. Os modelos de Gumbel e Weibull são utilizados para aproximar a distribuição empírica da estatística scan, aumentando a velocidade de estimação da significância. Essa metodologia é comparada ao algoritmo genético mono-objetivo. Uma aplicação na detecção de cluster de câncer de mama é discutida. Por fim, o problema de detecção de clusters é relaxado e modelado como um problema knapsack, permitindo que se obtenha uma cota superior, em contraste com a cota inferior obtida pelo algoritmo genético.

Este trabalho apresenta três metodologias baseadas na aquisição e tratamento digital de imagem para controle de qualidade na indústria têxtil, sendo duas relacionadas ao controle dimensional e uma relacionada ao controle de tingimento do tecido. O controle dimensional é necessário durante a sanforização, etapa na qual ocorre o pré-encolhimento do tecido, ao passo que o controle de coloração é necessário durante o tingimento. A primeira metodologia consiste em contar o número de pixels entre duas marcas feitas no tecido antes da sanforização e comparar com o número de pixels entre as mesmas marcas após o processo. Dessa forma, determina-se o percentual de encolhimento do tecido pela diferença do número de pixels entre as marcações nas duas imagens. A segunda metodologia utiliza a transformada rápida de Fourier (FFT) para analisar as imagens no domínio da freqüência. Pela diferença das freqüências das imagens antes e depois de passar pela sanforizadeira determina-se o percentual de encolhimento do tecido. Essa mesma FFT também pode ser utilizada para contar o número de tramas do tecido presentes na imagem. A terceira metodologia consiste na análise comparativa dos histogramas de cores nos canais Red, Green e Blue (RGB) de amostras de uma mesma vizinhança para verificar a homogeneidade da coloração do tecido. Todos os métodos em questão apresentaram resultados bastante satisfatórios, com elevada confiabilidade metrológica, principalmente se comparados às técnicas atuais, demonstrando também alto potencial de empregabilidade na indústria, por sua fácil adaptação em linhas de acabamento de tecidos para monitoramento e controle on-line de processos.

O método de Flash do Laser tem se consagrado como método padrão para medição das propriedades termofísicas de sólidos pelo INMETRO, NPL, NIST, PTB e outras organizações internacionais de metrologia. Apesar de inúmeras vantagens, características experimentais inerentes ao método tem se tornado obstáculos para uma coerente expressão do resultado de medição. Neste trabalho foi desenvolvida uma metodologia para avaliação de incertezas na medição de propriedades termofísicaspelo método Flash Laser. Aplicou-se o Método de Monte Carlo a um modelo central de difusão térmica, em meio sólido, considerando condições iniciais e de contorno reais de um modelo físico. Como resultados, as propriedades termofísicas do material e suas respectivas incertezas são estimadas utilizando um modelo estocástico dinâmico desaída multivariável. A validação da metodologia proposta foi realizada utilizando amostras padrão e os valores estimados para os parâmetros físicos associados ao Laboratório de Medições de Propriedades Termofísicas - LMTP do Centro de Desenvolvimento da Tecnologia Nuclear CDTN. O resultado final deste trabalho é a definição de uma coerente e robusta metodologia para avaliação de propriedadesestatísticas e propagação de distribuições envolvendo modelos com múltiplos parâmetros de entrada e múltiplas saídas. De uma forma generalizada, esta estrutura metodológica pode realizar a propagação de incertezas de um modelo matemático central para qualquer fenômeno ou processo real.

Nesta area da periodontia em que se situam os tecidos gengivais, a circulacao sanguinea periferica do periodonto e o liquido sulcular gengival (proveniente do sulco gengival) sao as duas importantes barreiras imunologicas que atuam na defesa dessa regiao, que e, por excelencia, a porta de entrada e instalacao da doenca periodontal. O presente estudo objetiva avaliar a utilizacao de uma conduta conservadora, nao invasiva, de ativacao da barreira imunologica contra a instalacao da doenca periodontal associada a placa bacteriana, estimulando o tecido gengival atraves da aplicacao do laser em baixa intensidade utilizando dois comprimentos de onda diferentes, avaliando as alteracoes ocorridas no fluido sulcular gengival drenado de tecidos gengivais clinicamente normais submetidos a radiacao laser em baixa intensidade. Para este estudo foram selecionados 30 voluntarios, com idade entre 18 e 60 anos, com estruturas dentais e periodontais clinicamente normais. Foram selecionadas 6 areas gengivais interproximais anteriores de cada voluntario sendo 3 na maxila e 3 na mandibula. Na maxila , uma area nao recebeu nenhum tipo de irradiacao, uma area foi submetida a irradiacao laser de baixa intensidade de É = 780 nm e uma area foi submetida a irradiacao laser de É = 680 nm. O mesmo procedimento se repetiu para a mandibula. O protocolo utilizado constou de potencia de 40 mW (area de spot de 0,04 cm2) para os diferentes tipos de feixe laser, com tempo de irradiacao de dois minutos e meio resultando numa dose de 150 J/cm2. Baseado nos conhecimentos do comportamento dos tecidos gengivais e apos a irradiacao laser em dois comprimentos de onda, foram observados e analisados: 1) o conteudo do fluido sulcular gengival coletado avaliando sua composicao celular (Neutrofilos e Macrofagos), 2) a variacao da quantidade de volume do fluido medida pelo Periotron e 3) as variacoes de temperatura justificados pelo aumento de irrigacao sanguinea, registradas por uma termocamera. Baseando-se nos resultados pode-se concluir que: nas comparacoes entre variacoes de volume e presenca celular, os lasers de baixa intensidade de emissao infravermelha (É = 780 nm) e vermelha (É = 680 nm), nas condicoes do presente estudo, promoveram o aumento de volume do fluido sulcular gengival drenado como tambem o aumento do numero de macrofagos presentes em sua composicao, mas somente o laser vermelho (É = 680 nm) promoveu uma reducao no numero de neutrofilos presentes em sua composicao. Os testes de variacao de temperatura indicaram que a aplicacao dos lasers de baixa intensidade sobre os tecidos gengivais promoveram uma mudanca media menor que 0,5o C, nao ocasionando dano termico.

Este trabalho apresenta condições suficientes para análise de estabilidade assintótica e exponencial de uma classe de RNAs (Redes Neurais Artificiais) sujeitas a influência de retardo no tempo (constante ou variante) e/ou sujeitas a incertezas paramétricas do tipo politópicas.A abordagem apresentada é do tipo dependente do retardo, sendo que a metodologia é baseada: no uso de matrizes de relaxação para expressar a influência dos termos da fórmula de Leibniz-Newton; definição apropriada de funcionais do tipo Lyapunov-Krasovskii; desigualdades matriciais lineares (LMIs - do inglês, Linear Matrix Inequalities) e ferramentas de otimização convexa para solucionarproblemas formulados em termos de LMIs. Vários exemplos são apresentados, que corroboram com a teoria apresentada de análise de estabilidade de RNA com retardo no tempo.