Últimas

Home

Notícias

Defesa de Tese: Victor Aguiar Evangelista de Farias

Escrito por Secretaria MDCC |

Título: Local dampening: Differential privacy for non-numeric queries via local sensitivity

Data: 25/05/2021

Horário: 13h

Local: Videoconferência

Professores do MDCC são agraciados com o Prêmio Nacional da Academia de Ciências de Cuba e com o Prêmio CITMA da província de Santiago de Cuba

Defesa de Dissertação: Gabriel Hellen de Sousa

Ter, 27 de Abril de 2021 00:00 | Escrito por Secretaria MDCC |

Título: Problema da Árvore t-Spanner de Custo Mínimo

Data: 29/04/2021

Horário: 09:30

Local: Videoconferência

Resumo:

No Problema da Árvore t-Spanner de Custo Mínimo, cuja entrada é uma tripla (G,w,t), onde G=(V,E) é um grafo simples, w:E→R+ é uma função de ponderação das arestas e t≥1 é um parâmetro, denominado de fator de dilatação, o objetivo consiste em determinar uma árvore geradora T em G de menor custo, tal que a distância entre qualquer par de vértices i e j na árvore T é no máximo t vezes a distância entre i e j em G. Apresentamos a definição formal do problema, um contexto de aplicação, complexidade e trabalhos relacionados na literatura. Concentramo-nos em métodos de programação matemática para sua resolução. Propomos um algoritmo enumerativo baseado em um procedimento de Branch-and-Bound. Além disso, apresentamos quatro formulações matemáticas para o problema, uma exponencial e três compactas. Vale ressaltar que dentre as formulações compactas, duas são as únicas presentes na literatura do problema. As demais formulações estamos propondo neste trabalho. Ainda com relação às formulações, propomos desigualdades válidas com potencial de fortalecer a

relaxação linear dos modelos. As implementações das formulações e do algoritmo enumerativo foram realizadas em C++, com o uso do solver CPLEX, para resolução das formulações. Descrevemos como geramos os grafos (instâncias) que serão utilizados para os testes computacionais e ao final apresentamos as conclusões do trabalho.

Banca examinadora:

Prof. Dr. Manoel Bezerra Campêlo Neto (Orientador - MDCC/UFC)
Prof. Dr. Rafael Castro de Andrade (MDCC/UFC)
Prof. Dr. Phablo Fernando Soares Moura (UFMG)

Última atualização (Ter, 27 de Abril de 2021 12:13)

Defesa de Dissertação: Erick Lima Trentini

Ter, 27 de Abril de 2021 00:00 | Escrito por Secretaria MDCC |

Título:Soluções em detecção de anomalias em séries temporais multivariadas utilizando modelos preditivos

Data: 30/04/2021

Horário: 09:00

Local: Videoconferência

Resumo:

Detecção de anomalias em séries temporais é uma área de estudo em rápido crescimento atualmente, devido ao aumento exponencial da criação de novos dados temporais produzidos por sensores de diversos contextos, como, por exemplo, a Internet das Coisas (IOT). Muitos modelos preditivos foram propostos ao longo dos anos, e muitos trazem resultados promissores na diferenciação de pontos normais e anômalos nas séries temporais. Neste trabalho, serão propostas três contribuições. Em uma delas, buscamos encontrar e combinar os melhores modelos preditivos em detecção de anomalias em séries temporais, para que as diferentes estratégias e diferentes parâmetros na criação dos modelos possam contribuir para a análise das séries, propondo um ensemble baseado em modelos chamado TSPME-AD (Time Series Prediction Model Ensemble for Anomaly Detection, ou Ensemble de Modelos Preditivos em Séries Temporais para a Detecção de Anomalias). O TSPME-AD utiliza os modelos preditivos do estado-da-arte, e combina seus scores de anomalias com uma função ponderada. As outras duas contribuições desse trabalho são, uma técnica dinâmica de quebra de janelas, que utiliza a periodicidade e o formato da série para criar janelas que ajudem no treinamento dos modelos, e na descoberta dos padrões das séries com mais facilidade, e um novo modelo de auto-encoder que modifica a estrutura de um dos modelos do estado-da-arte. A efetividade das propostas do trabalho são analisadas utilizando-se dois conjuntos de dados reais, dados de um ano de demanda de energia elétrica, e o banco de dados de eletrocardiogramas do MIT. Com os experimentos, demostramos que a técnica de ensemble proposta, melhora o score $F_1$ em até 22\% comparado com o melhor score dentre os modelos individuais que a compõem, com nossa função de combinação específica apresentando uma melhora de até 13\% com relação a outras funções de combinação mais simples. Também demonstramos que nossa nova arquitetura de auto-encoder, combinada com a nova estratégia de quebra dinâmica de janelas consegue melhorias de até 25\% no score $F_1$ comparado com uma das técnicas de auto-encoder do estado-da-arte, e uma melhoria de até 64\% comparado com um modelo de LSTM empilhada.

Banca examinadora:

Prof. Dr. José Antonio Fernandes de Macêdo (Orientador - MDCC/UFC)
Profª. Drª. Ticiana Linhares Coelho da Silva (Coorientadora - UFC)
Prof. Dr. Leopoldo Melo Junior (BNB)
Prof. Dr. César Lincoln Cavalcante Mattos (MDCC/UFC)

Última atualização (Ter, 27 de Abril de 2021 12:24)

Defesa de Dissertação: Matheus Mayron Lima da Cruz

Ter, 27 de Abril de 2021 00:00 | Escrito por Secretaria MDCC |

Título: Uma abordagem para construção de mashups de dados especificados como uma visão sobre um EKG

Data: 30/04/2021

Horário: 14:00

Local: Videoconferência

Resumo:

Enterprise Knowledge Graphs (EKG) que aplicam as tecnologias da web semântica e princípios linked data tem se tornado soluções cada vez mais atraentes para empresas e organizações. Essa atenção se deve a capacidade desses EKG sem oferecer uma camada unificada e flexível sobre as fontes de dados. Nesse contexto, a camada semântica oferecida por um EKG pode ser aproveitada para dar suporte ao processo de construção de mashups de dados. Este trabalho apresenta uma abordagem para construção de mashups de dados especificados como uma visão sobre um EKG.

Banca examinadora:

Prof.ª Dr.ª Vânia Maria Ponte Vidal (Orientadora - MDCC/UFC)
Prof. Dr. José Maria da Silva Monteiro Filho (MDCC/UFC)
Prof. Dr. Angelo Roncalli Alencar Brayner (MDCC/UFC)
Prof. Dr. José Gilvan Rodrigues Maia (UFC)

Última atualização (Ter, 27 de Abril de 2021 13:22)

Mais Artigos...