Você está aqui: INPE / Pós-Graduação / CAP / Teses e Dissertações

Teses e Dissertações

Publicado Por: INPE
Última Modificação: (dados atualizados dinamicamente)
Pesquisa

Search Result function OnLoad() { if (typeof parent.SetFirstClick === "function") { parent.SetFirstClick() parent.ProcessPassword(document.error.username.value, document.error.wrongpassword.value) } } Search Result The search expression was . 9 references found looking up in 22 out of 23 Archives. Eventually not all the expected references could be displayed because the access to at least one Archive failed. Search local date and time: 07/12/2022 09:55.


	
		mtc-m21d.sid.inpe.br 808
		{isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S}
		8JMKD3MGP3W34T/47AFT2H
		sid.inpe.br/mtc-m21d/2022/07.20.19.46
		2022:08.23.20.03.55 urlib.net/www/2021/06.04.03.40 simone
		sid.inpe.br/mtc-m21d/2022/07.20.19.46.42
		2022:08.29.19.00.58 sid.inpe.br/bibdigital@80/2006/04.07.15.50 administrator
		INPE-18589-TDI/3229
		Andrade:2022:DeCoVe
		Detecção de comportamentos de veículos a partir de imagens de drones e de monitoramento
		Vehicles behaviour detection from drones and surveillance images
		CAP-COMP-DIPGR-INPE-MCTI-GOV-BR
		2022
		2022-05-20
		Dissertação (Mestrado em Computação Aplicada)
		TDI
		195
		1
		35888 KiB
		Andrade, Rafael Marinho,
		Körting, Thales Sehn (presidente),
		Shiguemori, Elcio Hideiti (orientador),
		Santos, Rafael Duarte Coelho dos (orientador),
		Santiago Junior, Valdivino Alexandre,
		Máximo, Marcos Ricardo Omena de Albuquerque,
		rafa13marinho@gmail.com
		Instituto Nacional de Pesquisas Espaciais (INPE)
		São José dos Campos
		1
		visão computacional, aeronaves não tripuladas, drones, detecção de comportamentos, inteligência artificial, computer vision, unmanned aerial vehicles, drones, behaviour detection, artificial inteligence.
		A área de sensoriamento remoto tem se beneficiado já há décadas de imagens obtidas acima do nível do solo, seja a alguns metros ou milhares quilômetros de altura, por aeronaves e satélites, sendo tão logo consideradas essenciais para as aplicações em tal área da ciência. As aplicações fazem uso dessas imagens para extração de informações e então tomada de decisões. Mais recentemente, a crescente popularidade dos drones fez com que sua aplicação fosse considerada para praticamente qualquer problema concebível, e logo assim passou a ser aplicado para o sensoriamento remoto em diversas áreas, inclusive a científica. Uma dessas aplicações é o monitoramento, que vem sendo aprimorado e automatizado de acordo com os avanços de técnicas de inteligência computacional, que pouco a pouco passaram a permitir a identificação e classificação de objetos de interesse, assim como seus rastreios. Apesar disso, a detecção do comportamento desses objetos ainda é uma área relativamente pouco explorada e, considerando a aplicação em imagens aéreas obtidas por drones, as pesquisas são ainda mais escassas. Este trabalho considera a aplicação de técnicas de visão computacional para detecção de comportamentos em imagens aéreas obtidas por drones, compreendendo a realização de um estudo de caso onde foram capturados mais de 300000 quadros de vídeo contendo imagens rodoviárias na região do Vale do Paraíba (São Paulo) e foi desenvolvida uma aplicação para a detecção de comportamentos de veículos em rodovias partindo da captura dessas imagens, seguindo para a detecção e classificação de veículos com a rede convolucional profunda YOLOv4, seus rastreios com o algoritmo Deep SORT, e então extração de perfis comportamentais baseados nas características vetoriais de seus deslocamentos, que são classificados como comportamentos normais ou anormais por redes de memórias de curto e longo prazo (LSTM) e redes de múltiplos perceptrons (MLP), processo este explorado por uma série de testes e experimentos sob o formato de prova de conceito. Foram atingidos por fim resultados com 99,76% e 94,58% de acurácia nas tarefas de detecção e classificação de veículos, respectivamente, com 94,53% dos rastreios observados sendo contínuos. Os métodos de discriminação de comportamentos abordados apresentaram bons resultados ao serem considerados cenários estáticos, onde é treinada uma rede para cada cenário, ainda que com dificuldades de generalização entre cenários distintos, de modo que as soluções não se provaram robustas e confiáveis o suficiente para que uma única rede seja aplicável em diversos cenários distintos ou em cenários cuja a perspectiva da captura seja variável, como em câmeras móveis e aeronaves em deslocamento. ABSTRACT: The remote sensing area has been benefiting for decades from images obtained above ground level, either a few meters or thousands of kilometers high, by aircraft and satellites, and they soon got considered essential for applications in such area of science. Those applications make use of these images to extract information and then make decisions. More recently, the increasing popularity of drones meant that its application is considered for almost any conceivable problem, and soon it started to be applied for remote sensing in several areas, including the scientific area. One of these applications is monitoring, which has been improved and automated according to the advances on computational intelligence techniques, which little by little started to allow the identification and classification of objects of interest, as well as their tracking. Nevertheless, the behaviour detection from those objects is still a relatively unexplored area and, considering the application in aerial images obtained by drones, the researches are even more scarce. This work considers the application of computer vision techniques to detect behaviours in aerial images obtained by drones, comprising the realization of a case study where were captured more than 300000 video frames from highway footage in the Vale do Paraíba region (São Paulo, Brazil) and was developed an application for the detection of vehicle behaviours on highways, starting from the capture of the given images, proceeding to the vehicles detection and classification with the YOLOv4 deep neural convolutional network, their tracking withe the Deep SORT algorithm and then the extraction of behavioural profiles based on the vectorial characteristics of their displacements, which are classified as normal or abnormal behaviours by long-short term memories (LSTM) and multilayer perceptrons networks (MLP), a process explored by several tests and experiments as a proof-of-concept. At last, the results reached an accuracy of 99.76% and 94.58% at the vehicles detection and classification tasks, respectively, with 94.53% of them being continuously tracked. The approached behaviour discrimantion methods presented good results in static scenarios, where its trained a network for each scenario, albeit with generalization issues between distinct scenarios, in a way where the solutions arent robust and reliable enough to be applied a single network in several distinct scenarios or scenarios where the footage perspective is variable, such as from moving cameras and aircrafts.
		COMP
		pt
		publicacao.pdf
		luis.cpv@hotmail.com
		simone
		shown
		urlib.net/www/2012/11.12.15.10
		originalauthor yes
		allow from all
		not transferred
		urlib.net/www/2021/06.04.03.40.25
		8JMKD3MGPCW/3F2PHGS
		8JMKD3MGPCW/46KUES5
		urlib.net/www/2021/06.04.03.40
		autorizacao.pdf .htaccess .htaccess2
		urlib.net/www/2021/06.04.03.40
		Santos, Rafael Duarte Coelho dos,
		Shiguemori, Elcio Hideiti,
		http://mtc-m21d.sid.inpe.br/rep-/sid.inpe.br/mtc-m21d/2022/07.20.19.46
	
	
		mtc-m21d.sid.inpe.br 808
		{isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S}
		8JMKD3MGP3W34T/479RU8H
		sid.inpe.br/mtc-m21d/2022/07.16.23.04
		2022:11.30.18.53.19 urlib.net/www/2021/06.04.03.40 simone
		sid.inpe.br/mtc-m21d/2022/07.16.23.04.49
		2022:12.01.20.27.00 sid.inpe.br/bibdigital@80/2006/04.07.15.50 administrator
		INPE-18607-TDI/3243
		ArantesFo:2022:NoAbAp
		Novas abordagens de aprendizagem de máquina para classificação de dados astrofísicos
		New machine learning approaches for astrophysical data classification
		CAP-COMP-DIPGR-INPE-MCTI-GOV-BR
		2022
		2022-08-12
		Tese (Doutorado em Computação Aplicada)
		TDI
		194
		1
		18749 KiB
		Arantes Filho, Luís Ricardo,
		Stephany, Stephan (presidente),
		Rosa, Reinaldo Roberto (orientador),
		Guimarães, Lamartine Nogueira Frutuoso (orientador),
		Shiguemori, Elcio Hideiti,
		Carvalho, Reinaldo Ramos de,
		Tasinaffo, Paulo Marcelo,
		luisricardoengcomp@gmail.com
		Instituto Nacional de Pesquisas Espaciais (INPE)
		São José dos Campos
		1
		deep learning, galáxias, aprendizado supervisionado, CNN, gradient pattern analysis, galaxies, supervised learning.
		A análise computacional de dados astrofísicos e eventos extremos cósmicos é de suma importância para o entendimento de diversos processos presentes na formação de estrelas, galáxias e outros objetos. Analisar estes dados por ferramentas de aprendizado de máquina é um passo fundamental para que um grande volume de informações seja tratado e novas perspectivas sejam observadas a respeito dos objetos estudados. Neste sentido, esta tese apresenta o desenvolvimento de novas ferramentas de aprendizado de máquina para o tratamento de dois tipos de dados astrofísicos: Supernovas e Galáxias. O estudo foi concentrado principalmente na classificação de supernovas, e explora o contexto da classificação morfológica de galáxias como um teste de aplicabilidade e generalização para as ferramentas de aprendizado de máquina desenvolvidas. A importância do estudo de supernovas (evento que representa o fim da vida de uma estrela, caracterizado como uma explosão capaz de destruir completamente o objeto) está na classificação das Supernovas de Tipo Ia (SNIa) como excelentes marcadores de distâncias astronômicas. Esta característica permitiu a constatação da expansão acelerada do universo. A análise morfológica de galáxias, por sua vez, tem sua importância na classificação das galáxias espirais e elípticas, em que um dos objetivos principais é o desenvolvimento de algoritmos para uma rápida classificação sobre um grande volume de dados. O objetivo desta Tese é produzir uma estrutura computacional e novos métodos baseados em Deep Learning (Aprendizado Profundo) que permitam a identificação precisa desses objetos astronômicos utilizando o aprendizado supervisionado. Nesse sentido, esta Tese apresenta duas abordagens que possam trabalhar com dados astrofísicos, sendo uma delas uma adaptação de Convolutional Neural Networks (CNN) para o aprendizado de dados unidimensionais e a outra uma abordagem totalmente nova para o aprendizado de padrões de simetria e assimetria em dados bidimensionais utilizando o conceito de redes profundas aplicado a técnica de Gradient Pattern Analysis (GPA). São apresentados o sistema Deep Architecture for superNovae Identification (DANI) e o método Neural GPA. O sistema DANI possui a capacidade de concatenação do aprendizado de diferentes tipos de dados e informações, resultando em um sistema de Multi Aprendizado. O método Neural GPA, por sua vez, consiste em três modelos diferentes, em que o Deep Neural GPA é apresentado como um método capaz de extrair informações de forma a substituir as operações de convolução pelos parâmetros gerados pelo GPA. Como resultados as abordagens desenvolvidas avaliaram cerca de 132188 instâncias de espectros e 4391 instancias de curvas de luz, atingindo índices de precisão de 99,67% a 99,99% para classificação de SNIa e de 92% a 96% para classificação de galáxias elípticas e espirais sobre uma amostra de 2000 galáxias. Desta forma os modelos desenvolvidos nesta tese se apresentam como boas alternativas para a análise e classificação precisa de dados astrofísicos. ABSTRACT: The computational analysis of astrophysical data and extreme cosmic events is important to understand various aspects present in the formation of stars, galaxies, and other objects. Analyzing these data using machine learning tools is a fundamental step toward processing large volumes of data and observing new perspectives about the studied objects. In this sense, this thesis presents the development of new machine learning methods for the classification of two types of astrophysical data: supernovae, and galaxies. The study primarily focused on the classification of supernovae, and explores the context of the morphological classification of galaxies as a test of generalization and applicability for the machine learning tools developed. The importance of the study of supernovae (an event that represents the end of a stars life, characterized as an explosion able to destroy the object) lies in the classification of Type Ia Supernovae (SNIa) as excellent markers of astronomical distances. This characteristic led to the verification of the accelerated expansion of the universe. Morphological analysis of galaxies, in turn, has its importance in the classification of spiral and elliptical galaxies, where one of the main goals is the development of algorithms for rapid classification over a large volume of data. The goal of this thesis is to produce a computational structure and new methods based on Deep Learning that allow the accurate identification of these astronomical objects using supervised learning. In this sense, this thesis presents two approaches that can work with astrophysical data, one of them being an adaptation of Convolutional Neural Networks (CNN) for learning one-dimensional data and the other a completely new approach for learning symmetry and asymmetry patterns in two-dimensional data using the concept of deep networks applied to the Gradient Pattern Analysis (GPA) technique. The Deep Architecture for superNovae Identification (DANI) and the GPA neural method are presented. The DANI system can concatenate learning from different types of data and information, resulting in a Multi Learning system. The GPA Neural method, in turn, consists of three different models, where the Deep Neural GPA is presented as a method capable of extracting information to override the convolution operations by the GPA parameters. As a result, the developed approaches evaluated about 132188 instances of spectra and 4391 instances of light curves, reaching accuracy rates from 99.67% to 99.99% for the classification of SNIa and from 92% to 96% for the classification of elliptical and spiral galaxies over a sample of 2000 galaxies. Thus, the models developed in this thesis present themselves as good alternatives for the accurate analysis and classification of astrophysical data.
		COMP
		pt
		publicacao.pdf
		luisricardoengcomp@gmail.com
		pubtc@inpe.br
		simone
		shown
		urlib.net/www/2012/11.12.15.10
		allow from all
		not transferred
		urlib.net/www/2021/06.04.03.40.25
		8JMKD3MGPCW/3F2PHGS
		urlib.net/www/2021/06.04.03.40
		autorizacao.pdf .htaccess .htaccess2
		urlib.net/www/2021/06.04.03.40
		Guimarães, Lamartine Nogueira Frutuoso,
		Rosa, Reinaldo Roberto,
		http://mtc-m21d.sid.inpe.br/rep-/sid.inpe.br/mtc-m21d/2022/07.16.23.04
	
	
		mtc-m21d.sid.inpe.br 808
		{isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S}
		8JMKD3MGP3W34T/46JAFD2
		sid.inpe.br/mtc-m21d/2022/03.24.17.15
		2022:04.27.18.36.41 urlib.net/www/2021/06.04.03.40 cintia.freitas@inpe.br
		sid.inpe.br/mtc-m21d/2022/03.24.17.15.50
		2022:04.27.18.36.41 urlib.net/www/2021/06.04.03.40 cintia.freitas@inpe.br {D 2022}
		Freitas:2022:NeNeVe
		Neural network for very short-term hydrological forecasting
		Redes neurais para previsão hidrológica de curtíssimo prazo
		CAP-COMP-DIPGR-INPE-MCTI-GOV-BR
		2022
		2022-03-28
		Dissertação (Mestrado em Computação Aplicada)
		TDI
		2
		12659 KiB
		Freitas, Cintia Pereira de,
		CAP-COMP-DIPGR-INPE-MCTI-GOV-BR
		Instituto Nacional de Pesquisas Espaciais (INPE)
		cintia.freitas@inpe.br
		Instituto Nacional de Pesquisas Espaciais (INPE)
		São José dos Campos
		1
		External Contribution
		Artificial Neural Networks, Empirical Hydrological Forecast, Very short-term Forecast, Hydrometeorological Data.
		COMP
		en
		dissertacao_inpe_cintia_com marcas.pdf
		cintia.freitas@inpe.br
		pubtc@inpe.br
		shown
		deny from all and allow from 150.163
		pubtc@inpe.br
		urlib.net/www/2021/06.04.03.40.25
		8JMKD3MGPCW/3F2PHGS
		8JMKD3MGPCW/46KUES5
		BNDEPOSITOLEGAL.
		urlib.net/www/2021/06.04.03.40
		pubtc@inpe.br
		agreement.html .htaccess2 .htaccess
		urlib.net/www/2021/06.04.03.40
		http://mtc-m21d.sid.inpe.br/rep-/sid.inpe.br/mtc-m21d/2022/03.24.17.15
	
	
		mtc-m21d.sid.inpe.br 808
		{isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S}
		QABCDSTQQW/46A2GKP
		urlib.net/www/2022/02.01.16.47
		2022:04.27.12.17.12 urlib.net/www/2021/06.04.03.40 administrator
		urlib.net/www/2022/02.01.16.47.38
		2022:08.06.21.39.58 urlib.net/www/2021/06.04.03.40 administrator {D 2022}
		INPE-18542-TDI/3187
		Jorge:2022:CoNeMe
		Complex network metrics in a meteorological context
		Métricas de redes complexas em um contexto meteorológico
		CAP-COMP-DIPGR-INPE-MCTI-GOV-BR
		2022
		2022-01-28
		Dissertação (Mestrado em Computação Aplicada)
		TDI
		59
		1
		19122 KiB
		Jorge, Aurelienne Aparecida Souza,
		Quiles, Marcos Gonçalves (presidente) ,
		Santos, Leonardo Bacelar Lima (orientador) ,
		Costa, Izabelly Carvalho (orientadora) ,
		Santos, Rafael Duarte Coelho dos ,
		Freitas, Vander Luiz de Souza,
		aurelienne@gmail.com
		Instituto Nacional de Pesquisas Espaciais (INPE)
		São José dos Campos
		1
		networks, graph theory, meteorological radar, precipitation, redes complexas, teoria dos grafos, radar meteorológico, precipitação.
		The study of Complex Networks represents an essential contribution to science as a tool to describe the structure of a wide range of complex systems in nature. Concerning atmospheric sciences, complex networks have been applied to climate data analysis, dealing with long-period and low-resolution data. Only a few works have been held in the weather domain, dealing with short-term changes in the atmosphere and manipulating spatial and temporal high-resolution data. What are the geographical and temporal signatures of meteorological processes in precipitation networks? To answer that, we present three case studies analyzing the behavior of network structures related to precipitation time series. The first one approaches the relations between topological and geographical distances and the spatial dependence inherent in a precipitation network. Our second case study compares different similarity measures and criteria for building up the networks, resulting in geographical findings: networks from distinct criteria occupying different spatial positions on a watershed, with a small number of shared edges. Finally, the last case study presents a description of the relations between topological metrics and meteorological properties in a series of precipitation events. As a result, we have explored the characteristics of meteorological networks in distinct scenarios, considering their spatial and temporal components. This way, we have prepared a basis for future research involving the application of complex networks to anticipate extreme weather events. RESUMO: O estudo das Redes Complexas representa uma contribuição importante à ciência como ferramenta para descrever a estrutura de uma variedade de sistemas complexos na natureza. No que se refere à área das Ciências Atmosféricas, as redes complexas têm sido aplicadas na análise de dados climáticos, envolvendo longas séries temporais e dados com baixa resolução. Até então, apenas algumas pesquisas foram realizadas na escala do tempo, tratando mudanças a curto prazo na atmosfera e manipulando dados com alta resolução espacial e temporal. Quais são as assinaturas geográficas e temporais de processos meteorológicos em redes de precipitação? Para responder a essa pergunta, apresentamos três estudos de caso analisando o comportamento de estruturas de rede relacionadas a séries temporais de precipitação. O primeiro aborda as relações entre as distâncias topológicas e geográficas e a dependência espacial inerente a uma rede de precipitação. No nosso segundo estudo de caso, comparamos diferentes métricas de similaridade e critérios para a construção das redes, com descobertas geográficas como resultado: redes de distintos critérios ocupando diferentes posições espaciais em uma bacia, com um pequeno número de arestas compartilhadas. Por fim, o nosso último estudo de caso apresenta uma descrição das relações entre métricas topológicas e propriedades meteorológicas em uma série de eventos de precipitação. Como resultado, foram exploradas as características de redes meteorológicas em distintos cenários, considerando as componentes espacial e temporal. Dessa forma, preparamos uma base para pesquisas futuras envolvendo a aplicação de redes complexas na antecipação de eventos de tempo extremo.
		COMP
		en
		publicacao.pdf
		aurelienne.jorge@inpe.br
		pubtc@inpe.br
		simone
		shown
		urlib.net/www/2012/11.12.15.10
		allow from all
		not transferred
		urlib.net/www/2021/06.04.03.40.25
		8JMKD3MGPCW/3F2PHGS
		8JMKD3MGPCW/46KUES5
		urlib.net/www/2021/06.04.03.40
		autorizacao.pdf .htaccess2 .htaccess
		urlib.net/www/2021/06.04.03.40
		Costa, Izabelly Carvalho ,,
		Santos, Leonardo Bacelar Lima ,,
		http://mtc-m21d.sid.inpe.br/rep-/urlib.net/www/2022/02.01.16.47
	
	
		mtc-m21d.sid.inpe.br 808
		{isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S}
		8JMKD3MGP3W34T/45RUNQ8
		sid.inpe.br/mtc-m21d/2021/11.25.20.43
		2022:03.30.14.07.21 urlib.net/www/2021/06.04.03.40 administrator
		sid.inpe.br/mtc-m21d/2021/11.25.20.43.52
		2022:08.06.21.39.47 urlib.net/www/2021/06.04.03.40 administrator {D 2022}
		INPE-18518-TDI/3163
		Lacerda:2022:SyOsNe
		Synchronization in oscillator networks and applications in energy transmission networks
		Sincronização em redes de osciladores e aplicações em redes de transmissão de energia
		CAP-COMP-DIPGR-INPE-MCTI-GOV-BR
		2022
		2021-11-17
		Tese (Doutorado em Computação Aplicada)
		TDI
		164
		1
		26204 KiB
		Lacerda, Juliana Cestari,
		Guimarães, Lamartine Nogueira Frutuoso (presidente) ,
		Macau, Elbert Einstein Nehrer (orientador) ,
		Freitas, Celso Bernardo da Nobrega de (orientador) ,
		Quiles, Marcos Gonçalves ,
		Viana, Ricardo Luiz ,
		Grzybowski, José Mario Vicensi,
		j7c7l7@gmail.com
		Instituto Nacional de Pesquisas Espaciais (INPE)
		São José dos Campos
		1
		synchronization, power grids, Kuramoto models, sincronização, redes de transmissão de energia elétrica, modelos de Kuramoto.
		Synchronization is a process in which dynamic units coordinate some intrinsic property of the system. It is a universal behavior that takes place in many natural and artificial systems, such as electric power transmission networks, also called power grids. In order to study synchronization in systems of interacting dynamical units, it has been shown to be useful to describe the system as a complex network of interacting oscillators, where nodes represent the dynamical units and the connections between them express their interacting channels. Some of the most widely used models of phase oscillators to study synchronization in complex networks are the first and second order Kuramoto models. When a synchronized oscillator network is subjected to a perturbation, like a sudden change of a components frequency or the addition of a new edge in the networks topology, it can eventually lead the whole system out of the synchronous state. The impact that the topology and its changes have on the synchronization of a network is the object of intense studies as it has been shown that small changes on its structure may desynchronize the system. This doctoral thesis aims to study synchronization of dynamical systems whose components are described by the first and second order Kuramoto models, more specifically, the role that topology plays on the synchronization of these systems by taking distinct approaches. First, we focus on the synchronization of power transmission networks, which are, in a first approximation, well represented by the second order Kuramoto model. In order to be fully functional, the components of the power transmission network must present synchronization in their frequencies. Power grids are subject to local instabilities that can eventually lead to failures throughout the entire network, due to the loss of synchronization of its components, causing, for example, blackouts. An evolutionary optimization method used to generate topologies that favor the synchronization of power grids is presented, as well as the study of the stability of these networks. We also show that a simple change in the network topology can cause nonlocal failures and even destroy the synchronous state of the system. A more general approach in the study of synchronization in oscillator networks is also presented, in a way that nodes are represented by the first order Kuramoto model and the influence of cycles and heterogeneity between connections in the synchronization of the system is studied. We find an indication that a network topology with a reduced number of cycles and with a high number of connections between high and low degree nodes tends to favor synchronization. RESUMO: Sincronização é um processo no qual unidades dinâmicas coordenam alguma propriedade intrínseca do sistema. É um comportamento universal que ocorre em muitos sistemas naturais e artificiais, como nas redes de transmissão de energia elétrica, também chamadas de power grids. Para estudar a sincronização em sistemas dinâmicos, mostrou-se útil descrever o sistema como uma rede complexa de osciladores que interagem entre si, onde os nós representam as unidades dinâmicas e as conexões entre elas expressam seus canais de interação. Alguns dos modelos de osciladores de fase mais utilizados para estudar a sincronização em redes complexas são os modelos de Kuramoto de primeira e segunda ordem. Quando uma rede de osciladores sincronizados é submetida a uma perturbação, como uma mudança repentina na frequência de um componente ou a adição de uma nova aresta na topologia da rede, isso pode eventualmente levar todo o sistema para fora do estado síncrono. O impacto que a topologia e suas mudanças têm na sincronização de uma rede é objeto de intensos estudos, pois tem sido demonstrado que pequenas mudanças em sua estrutura podem dessincronizar o sistema. Esta tese de doutorado tem como objetivo estudar a sincronização de sistemas dinâmicos cujos componentes são descritos pelos modelos de Kuramoto de primeira e segunda ordem, mais especificamente, o papel que a topologia desempenha na sincronização desses sistemas por meio de abordagens distintas. Primeiramente, focamos na sincronização de redes de transmissão de energia, que são, em uma primeira aproximação, bem representadas pelo modelo de Kuramoto de segunda ordem. Para serem totalmente funcionais, os componentes da rede de transmissão de energia devem apresentar sincronização em suas frequências. As redes de transmissão elétricas estão sujeitas a instabilidades locais que podem eventualmente levar a falhas em toda a rede, devido à perda de sincronização de seus componentes, causando, por exemplo, apagões. É apresentado um método de otimização evolutiva utilizado para gerar topologias que favoreçam a sincronização de redes elétricas, bem como o estudo da estabilidade dessas redes. Também mostramos que uma simples mudança na topologia da rede pode causar falhas não locais e até mesmo destruir o estado síncrono do sistema. Uma abordagem mais geral no estudo da sincronização em redes de osciladores também é apresentada, de forma que os nós são descritos pelo modelo de Kuramoto de primeira ordem e a influência dos ciclos e da heterogeneidade entre as conexões na sincronização do sistema é estudada. Encontramos uma indicação de que uma topologia de rede com um número reduzido de ciclos e com um grande número de conexões entre nós de alto e baixo grau tende a favorecer a sincronização.
		COMP
		en
		publicacao.pdf
		juliana.lacerda@inpe.br
		pubtc@inpe.br
		simone
		shown
		urlib.net/www/2012/11.12.15.10
		allow from all
		not transferred
		urlib.net/www/2021/06.04.03.40.25
		8JMKD3MGPCW/3F2PHGS
		8JMKD3MGPCW/46KUES5
		urlib.net/www/2021/06.04.03.40
		{Defesa assinatura digital.pdf} autorizacao.pdf .htaccess2 .htaccess
		urlib.net/www/2021/06.04.03.40
		Freitas, Celso Bernardo da Nobrega de ,,
		Macau, Elbert Einstein Nehrer ,,
		http://mtc-m21d.sid.inpe.br/rep-/sid.inpe.br/mtc-m21d/2021/11.25.20.43
	
	
		mtc-m21d.sid.inpe.br 808
		{isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S}
		QABCDSTQQW/46C4U9H
		urlib.net/www/2022/02.14.13.19
		2022:05.03.13.44.30 urlib.net/www/2021/06.04.03.40 administrator
		urlib.net/www/2022/02.14.13.19.50
		2022:08.06.21.39.59 urlib.net/www/2021/06.04.03.40 administrator {D 2022}
		INPE-18548-TDI/3193
		Miranda:2022:CoMPHP
		Common MPI-based HPC approaches in Python evaluated for selected test cases
		Soluções comuns baseadas em MPI para processamento de alto desempenho em Python avaliadas em casos de teste selecionados
		CAP-COMP-DIPGR-INPE-MCTI-GOV-BR
		2022
		2022-02-17
		Dissertação (Mestrado em Computação Aplicada)
		TDI
		195
		1
		2841 KiB
		Miranda, Eduardo Furlan,
		Mendes, Celso Luiz (presidente) ,
		Stephany, Stephan (orientador) ,
		Santiago Júnior, Valdivino Alexandre de ,
		Fazenda, Álvaro Luiz,
		eduardo.furlan.m@gmail.com, eduardo.miranda@inpe.br
		Instituto Nacional de Pesquisas Espaciais (INPE)
		São José dos Campos
		1
		high performance computing, Python programming environment, parallel computing, processamento de alto desempenho, ambiente de programação Python, computação paralela.
		A number of the most common MPI-based high-performance computing approaches available in the Python programming environment of the LNCC Santos Dumont supercomputer are compared using three selected test cases. Python includes specific libraries, development tools, implementations, documentation and optimization or parallelization resources. It provides a straightforward way to allow programs to be written with a high level of abstraction, but the parallelization features to exploit multiple cores, processors or accelerators such as GPUs are diverse and may not be easily selectable by the programmer. This work compares common approaches in Python to increase computing performance for three test cases: a 2D heat transfer problem solved by the finite difference method, a 3D fast Fourier transform applied to synthetic data, and asteroid classification using a random forest. The corresponding serial and parallel implementations in Fortran 90 were taken as references to compare the computational performance. In addition to the performance results, a discussion of the trade-off between easiness of programming and computational performance is included. This work is intended as a primer for using parallel HPC resources in Python. RESUMO: Algumas das abordagens de computação de alto desempenho mais comuns baseadas em MPI disponíveis no ambiente de programação Python do supercomputador LNCC Santos Dumont são comparadas usando três casos de teste selecionados. Python inclui bibliotecas específicas, ferramentas de desenvolvimento, implementações, documentação e recursos de otimização ou paralelização. Ele fornece uma maneira direta de permitir que programas sejam escritos com um alto nível de abstração, mas os recursos de paralelização para explorar vários núcleos, processadores ou aceleradores, como GPUs, são diversos e podem não ser facilmente selecionáveis pelo programador. Este trabalho compara abordagens comuns em Python para se obter processamento de alto desempenho desempenho utilizando três casos de teste: um problema de transmissão de calor bidimensional resolvido por diferenças finitas, uma transformada rápida de Fourier tridimensional aplicada a dados sintéticos e uma classificação de asteróides por floresta aleatória. As correspondentes implementações seriais e paralelas em Fortran 90 foram tomadas como referência para comparação de desempenho nesses casos de teste. Além dos resultados de desempenho, inclui-se uma discussão sobre o compromisso entre facilidade de programação e desempenho de processamento. Este trabalho pretende ser uma introdução para o uso de recursos de processamento de alto desempenho baseados em MPI para Python.
		COMP
		en
		publicacao.pdf
		eduardo.miranda@inpe.br
		pubtc@inpe.br
		simone
		shown
		urlib.net/www/2012/11.12.15.10
		allow from all
		not transferred
		urlib.net/www/2021/06.04.03.40.25
		8JMKD3MGPCW/3F2PHGS
		8JMKD3MGPCW/46KUES5
		urlib.net/www/2021/06.04.03.40
		autorizacao.pdf .htaccess2 .htaccess
		urlib.net/www/2021/06.04.03.40
		Stephany, Stephan ,,
		http://mtc-m21d.sid.inpe.br/rep-/urlib.net/www/2022/02.14.13.19
	
	
		mtc-m21d.sid.inpe.br 808
		{isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S}
		8JMKD3MGP3W34T/45LRUHH
		sid.inpe.br/mtc-m21d/2021/10.25.11.22
		2022:01.19.11.56.23 urlib.net/www/2021/06.04.03.40 simone
		sid.inpe.br/mtc-m21d/2021/10.25.11.22.47
		2022:04.03.23.15.34 sid.inpe.br/bibdigital@80/2006/04.07.15.50 administrator
		INPE-18513-TDI/3160
		Muralikrishna:2022:ReWoMa
		Solar irradiance prediction: replicating a workflow and making it reproducible
		Previsão da irradiância solar: replicando um fluxo de trabalho e tornando-o reprodutível
		CAP-COMP-DIPGR-INPE-MCTI-GOV-BR
		2022
		2021-10-21
		Tese (Doutorado em Computação Aplicada)
		TDI
		181
		1
		20241 KiB
		Muralikrishna, Amita,
		Vijaykumar, Nandamudi Lankalapalli (presidente),
		Santos, Rafael Duarte Coelho dos (orientador),
		Vieira, Luis Eduardo Antunes (orientador),
		Dal Lago, Alisson,
		Carlesso, Franciele,
		Lorena, Ana Carolina,
		Gomez, Jenny Marcela Rodriguez,
		amita.mk@gmail.com
		Instituto Nacional de Pesquisas Espaciais (INPE)
		São José dos Campos
		1
		solar irradiance, recurrent neural network, LSTM, GRU, reproducibility, irradiância solar, redes neurais recorrentes, reprodutibilidade.
		In times when computational resources - such as data, code, software tools, libraries, etc. - play a fundamental role in the development of scientific works, it has become evident that transparency regarding all the computational arsenal involved in such type of work is essential for its validation. This concern is the basis of the culture of reproducibility, which aims to add to a work the possibility of it being reproduced by an unknown person or by the author herself/himself in the future. Reproducibility can bring other benefits such as enabling the reuse and continuity of a work, which is associated with other terms such as replicability. This thesis is based on a workflow developed for solar irradiance prediction, and focuses on replicating it and adopting mechanisms to make the new workflow reproducible, as well as better exploiting recurrent neural networks for the prediction task. The prediction of the total solar irradiance at the top of the atmosphere would contribute, for example, in studies of solar variability, or could bring improvements to atmospheric and climate models on Earth; however, it is a service still not much explored by the scientific community in the area of space weather. The new version of the workflow was developed attempting to use free computational resources, such as the Python language and Linux operating system, and performs the prediction task using different recurrent neural network architectures from the Keras library. The work confirms the effectiveness of recurrent networks in predicting total solar irradiance and for one of the emission lines tested: lyman-; and suggests that the prediction of other lines of the spectrum need additional parameters to obtain better accuracy. This document reports the replication process, presents the irradiance prediction results, and lists the computational resources employed to try to make the new workflow reproducible. RESUMO: Em tempos em que diversos recursos computacionais - como dados, códigos, ferramentas de software, bibliotecas, etc. - são utilizados para o desenvolvimento de trabalhos científicos, tornou-se evidente que a transparência sobre todo o arsenal computacional envolvido em um trabalho é essencial para a sua validação. Essa preocupação é a base da cultura da reprodutibilidade, a qual tem como objetivo, agregar a um trabalho a possibilidade de ele ser reproduzido por um desconhecido ou pelo próprio autor futuramente. A reprodutibilidade pode trazer outros benefícios como possibilitar o reaproveitamento e a continuidade de um trabalho, o que é associado a termos como a replicabilidade. Esta tese usa como base um workflow desenvolvido para a previsão da irradiância solar, e se concentra em replicá-lo e adotar mecanismos para tornar o novo workflow reprodutível, além de explorar melhor as redes neurais recorrentes para a tarefa de previsão. A previsão da irradiância solar total no topo da atmosfera contribuiria, por exemplo, em estudos da variabilidade solar, ou poderia trazer melhorias para modelos atmosféricos e climáticos na Terra; no entanto, é um serviço ainda pouco explorado pela comunidade científica da área de clima espacial. A nova versão do workflow foi desenvolvida buscando utilizar recursos computacionais gratuitos, como a linguagem Python e sistema operacional Linux, e realiza a tarefa de previsão utilizando diferentes arquiteturas de redes neurais recorrentes da biblioteca Keras. O trabalho confirma a eficácia das redes recorrentes na previsão da irradiância solar total e para uma das linhas de emissão testadas, a lyman-; e sugere que a previsão de outras linhas do espectro necessitam de parâmetros adicionais para obter melhor acurácia. Este documento relata o processo de replicação, apresenta os resultados da previsão da irradiância e relaciona os recursos computacionais empregados para tentar tornar o novo workflow reprodutível.
		COMP
		en
		publicacao.pdf
		amita.muralikrishna@inpe.br
		simone
		shown
		urlib.net/www/2012/11.12.15.10
		allow from all
		not transferred
		urlib.net/www/2021/06.04.03.40.25
		8JMKD3MGPCW/3F2PHGS
		8JMKD3MGPCW/46KUES5
		urlib.net/www/2021/06.04.03.40
		autorizacao.pdf .htaccess2 .htaccess
		urlib.net/www/2021/06.04.03.40
		Vieira, Luis Eduardo Antunes,
		Santos, Rafael Duarte Coelho dos,
		http://mtc-m21d.sid.inpe.br/rep-/sid.inpe.br/mtc-m21d/2021/10.25.11.22
	
	
		mtc-m21d.sid.inpe.br 808
		{isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S}
		8JMKD3MGP3W34T/477R4DL
		sid.inpe.br/mtc-m21d/2022/07.04.11.00
		2022:08.24.13.48.11 urlib.net/www/2021/06.04.03.40 simone
		sid.inpe.br/mtc-m21d/2022/07.04.11.00.05
		2022:08.29.19.00.58 sid.inpe.br/bibdigital@80/2006/04.07.15.50 administrator
		INPE-18595-TDI/3234
		Santos:2022:PrLoCi
		Predição local da cintilação ionosférica em baixa latitude magnética utilizando aprendizado de máquina
		Local Prediction of ionospheric scintillation in a low magnetic latitude using machine learning
		CAP-COMP-DIPGR-INPE-MCTI-GOV-BR
		2022
		2022-06-24
		Tese (Doutorado em Computação Aplicada)
		TDI
		172
		1
		4291 KiB
		Santos, Pedro Alexandre dos,
		Santos, Leonardo Bacelar Lima (presidente),
		Stephany, Stephan (orientador),
		Paula, Eurico Rodrigues de,
		Muella, Marcio Tadeu de Assis Honorato,
		Garcia, João Victor Cal,
		retiarus@gmail.com
		Instituto Nacional de Pesquisas Espaciais (INPE)
		São José dos Campos
		1
		cintilação ionosférica, bolhas de plasma, aprendizado de máquina, predição de cintilação, Gradient Boosting Tree, ionospheric scintillation, plasma bubbles, machine learning, scintillation prediction.
		A ionosfera é composta basicamente por uma camada de gás em estado de plasma cujo processo de ionização tem a radiação solar como seu principal agente. A distribuição do plasma ionosférico não é uniforme no espaço e no tempo, sendo a transição entre dia e noite um elemento importante na geração de irregularidades. Essa transição causa a ressurgência da Anomalia de Ionização Equatorial, a qual acoplada ao mecanismo de instabilidade do plasma ocasiona a formação de depleções, isto é, regiões com baixa densidade de íons e elétrons. Essas estruturas são conhecidas como bolhas ionosféricas, e são geradas no equador magnético após o pôr do sol para em seguida ascender a altitudes maiores e migrar para baixas latitudes ao longo do campo magnético da Terra. Os sinais de radiofrequência de sistemas de telecomunicações ou de navegação global por satélites sofrem flutuações em fase e amplitude devido às irregularidades presentes em bolhas ionosféricas. Essas perturbações de sinal são chamadas de cintilação ionosférica, medida pelo desvio padrão normalizado da intensidade do sinal, no caso da amplitude. Este trabalho aborda o uso de técnicas de aprendizado de máquina para predição local de cintilação ionosférica em baixa latitude magnética, especificamente em São José dos Campos. Utilizaram-se dados históricos de cintilação ionosférica e outros dados de atividade solar, geomagnéticos e ionosféricos para o período 2011-2018, o qual abrange o último ciclo solar. Os algoritmos testados para predição incluem dois algoritmos de Gradient Boosting Tree e uma rede neural convolucional, todos disponíveis no ambiente de programação Python. O desempenho de predição foi avaliado por métricas padrão de predição/classificação, sendo obtidos resultados promissores em todas as abordagens, mas que foram limitados pela qualidade dos dados disponíveis para esse período. ABSTRACT: The ionosphere is a layer of gas in the state of plasma that was mainly ionized by the effect of solar radiation. Ionospheric plasma distribution is not uniform in space and time, being the generation of plasma irregularities triggered by the day-to-night transition. Such transition generates the resurgence of the Equatorial Ionization Anomaly, which coupled with the plasma instability mechanism cause depletions, i.e. regions with low density of ions and electrons. Such structures are known as ionospheric bubbles and are generated at the magnetic equator just after sunset. They ascent to higher altitudes and migrate to low latitudes along the Earths magnetic field. Radiofrequency signals of telecommunication or global navigation satellite systems may experience phase and amplitude fluctuations due to irregularities present in the ionospheric bubbles. These perturbations are known as ionospheric scintillation, which is measured by the normalized standard deviation of the signal intensity, in the case of amplitude. This work addresses the use of machine learning techniques for the local prediction of ionospheric scintillation at low latitudes, specifically over São José dos Campos, Brazil. It employed historical data of ionospheric scintillation and other ionospheric, geomagnetic and solar-activity data for the period 2011-2018 that covers the last Solar Cycle. The proposed prediction algorithms include two Gradient Boosting Tree algorithms, and a convolutional neural network, all available in the Python programming environment. The prediction performances were evaluated by standard prediction/classification metrics, showing promising results for all techniques, which were limited by the quality of the data available for the considered period.
		COMP
		pt
		publicacao.pdf
		pedro.alexandre@inpe.br
		pubtc@inpe.br
		simone
		shown
		urlib.net/www/2012/11.12.14.05
		originalauthor yes
		allow from all
		not transferred
		urlib.net/www/2021/06.04.03.40.25
		8JMKD3MGPCW/3F2PHGS
		8JMKD3MGPCW/46KUES5
		urlib.net/www/2021/06.04.03.40
		autorizacao.pdf .htaccess .htaccess2
		urlib.net/www/2021/06.04.03.40
		Stephany, Stephan,
		http://mtc-m21d.sid.inpe.br/rep-/sid.inpe.br/mtc-m21d/2022/07.04.11.00
	
	
		mtc-m21d.sid.inpe.br 808
		{isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S}
		8JMKD3MGP3W34T/46DSFMP
		sid.inpe.br/mtc-m21d/2022/02.25.14.41
		2022:05.04.13.32.17 urlib.net/www/2021/06.04.03.40 administrator
		sid.inpe.br/mtc-m21d/2022/02.25.14.41.01
		2022:08.07.03.59.00 urlib.net/www/2021/06.04.03.40 administrator {D 2022}
		INPE-18551-TDI/3196
		Soares:2022:AnNeVu
		Beyond the shortest path: an analysis of networks' vulnerabilities
		Além do caminho mais curto: uma análise da vulnerabilidade de redes
		CAP-COMP-DIPGR-INPE-MCTI-GOV-BR
		2022
		2022-02-11
		Dissertação (Mestrado em Computação Aplicada)
		TDI
		82
		1
		6470 KiB
		Soares, Giovanni Guarnieri,
		Quiles, Marcos Gonçalves (presidente) ,
		Santos, Leonardo Bacelar Lima (orientador) ,
		Macau, Elbert Einstein Nehrer ,
		Penna, Thadeu Josino Pereira,
		giovanniguarnieri@id.uff.br
		Instituto Nacional de Pesquisas Espaciais (INPE)
		São José dos Campos
		1
		complex networks, random walks, vulnerability, communicability, eficiency, redes complexas, random walks, vulnerabilidade, comunicabilidade, eficiência.
		Transportation, power grids, communication, water, oil, and gas distribution systems heavily influence our well-being. Studying the structure of those critical infrastructures is extremely important for peoples quality of life. We model those systems as a network using the graph theory. This work explores already defined topological metrics such as Efficiency, Communicability, and Vulnerability, but following an innovative approach: considering not only the shortest paths between pairs of nodes in the networks. We define vulnerability as a drop in the networks performance, and performance is a general term, able to be quantified by different metrics. We propose a twist in the already defined vulnerability index using communicability as a performance instead of efficiency. Firstly, we compare the traditional efficiency-based vulnerability with our proposed communicability-based one. This way, we show how the different metrics highlight different vulnerable points and how testing multiple paths instead of only the shortest can impact the results. After that, we perform several linear regressions between the vulnerabilities and well-known metrics (e.g., degree, shortest path length, and betweenness). Our findings show different patterns of relations for different network topologies, such as Random and Scale Free. Finally, we explore RandomWalks on networks by walking on them.We run a RandomWalk on the network and count how many times the Brownian particle goes through each node: Passaging Index. We compare, for each node, the Passaging Index with other metrics and find linear correlations between the Passaging Index and Degree, resulting in a strong linear correlation, with a R2 = 1. To the ErdősRényi model, the linear correlation is also present between the Passaging Index and the Vulnerability with Efficiency in all cases, while in Barabási-Albert presents more complex correlations between metrics. RESUMO: Transporte, redes de energia, comunicação e sistemas de distribuição de água, óleo e gás influenciam fortemente nosso bem-estar. Estudar a estrutura dessas infraestruturas críticas é extremamente importante para a qualidade de vida das pessoas. Modelamos esses sistemas como uma rede usando a teoria dos grafos. Este trabalho explora métricas topológicas já definidas como Eficiência, Comunicabilidade e Vulnerabilidade, mas seguindo uma abordagem inovadora: considerando não apenas os caminhos mais curtos entre pares de nós nas redes. Definimos vulnerabilidade como uma queda na performance da rede, e performance é um termo geral, passível de ser quantificado por diferentes métricas. Propomos uma reviravolta no índice de vulnerabilidade já definido usando comunicabilidade como um desempenho em vez de eficiência. Em primeiro lugar, comparamos a vulnerabilidade tradicional baseada na eficiência com a nossa proposta baseada na comunicabilidade. Desta forma, mostramos como as diferentes métricas destacam diferentes pontos vulneráveis e como testar vários caminhos em vez de apenas o mais curto pode impactar os resultados. Depois disso, realizamos várias regressões lineares entre as vulnerabilidades e métricas conhecidas (por exemplo, grau, comprimento do caminho mais curto e intermediação). Nossos resultados mostram diferentes padrões de relações para diferentes topologias de rede, como Aleatória e Livre de Escala. Finalmente, exploramos Random Walks em redes caminhando sobre elas. Executamos uma Random Walk na rede e contamos quantas vezes a partícula browniana passa por cada nó: Índice de Passagem. Comparamos, para cada nó, tal índice com outras métricas de rede e encontramos uma forte correlação linear entre o Índice de Passagem e o grau associado a cada nó, formando uma relação direta, com R2 = 1 para todos os casos de grafos distintos. Dentre estes cálculos, também foi encontradas outras relações lineares, entre o Índice de Passagem e a Vulnerabilidade com Eficicência, na relação com o modelo de ErdősRényi. Esta linearidade não se mantém tão forte no modelo de Barabási-Albert, apresentando outras relações mais complexas.
		COMP
		en
		publicacao.pdf
		giovanni.soares@inpe.br
		simone
		shown
		urlib.net/www/2012/11.12.15.10
		allow from all
		not transferred
		urlib.net/www/2021/06.04.03.40.25
		8JMKD3MGPCW/3F2PHGS
		8JMKD3MGPCW/46KUES5
		urlib.net/www/2021/06.04.03.40
		autorizacao.pdf .htaccess2 .htaccess
		urlib.net/www/2021/06.04.03.40
		Santos, Leonardo Bacelar Lima ,,
		http://mtc-m21d.sid.inpe.br/rep-/sid.inpe.br/mtc-m21d/2022/02.25.14.41
	

 
Não foram encontrados registros.
2022
Autor Título Tipo Biblioteca Digital