Garantir o cumprimento de objetivos em um Sistema Multi-Robô (SMR) é um desafio, especialmente considerando operações em ambientes dinâmicos. Apesar da literatura sobre Planejamento Multiagente (PMA) apresentar diversas abordagens para resolver esse problema, há espaço para melhorias. Um desafio em aberto em SMR está relacionado com o plano de recuperação. Assim, este trabalho integra o PMA a SMR, apresentando a arquitetura Multi-Robot System Architecture with Planning (MuRoSA-Plan), que tem foco na recuperação de planos. Para ilustrar a arquitetura, um caso de coordenação de missão multi-robô em serviços de saúde utiliza o Robot Operating System (ROS2) e o planejador IPyHOP com redes de tarefas hierárquicas. Experimentos com o protótipo MuRoSA-Plan apresentam melhorias em comparação ao Planning System Framework para ROS2 - framework PlanSys2. Os resultados experimentais mostram que o MuRoSA-Plan gera planos adaptados ao tempo de execução, mitigando interrupções de missão, satisfazendo os objetivos do caso de serviço de saúde, indicando uma solução promissora para recuperação de planos no MRS.

A Cybersickness (CS) representa um dos principais obstáculos para a utilização e adoção
da Realidade Virtual (VR). Os sintomas associados à CS podem variar de pessoa para
pessoa e incluem: náusea, vertigem, fadiga ocular e dor de cabeça, podendo durar de
alguns minutos até horas após a exposição à VR. Embora a incidência de CS relatada
entre os usuários de VR varie, estudos indicam que uma grande parcela da população,
cerca de 40% a 60% podem apresentar sintomas moderados a graves de CS. Um dos
principais obstáculos para garantir o conforto durante o uso de sistemas imersivos é a
CS, que ocorre com frequência ao utilizar dispositivos como os Head-mounted Display
(HMD). Apesar de existirem várias teorias sobre as possíveis causas da CS, não há um
método fácil ou sistemático para medi-la e quantificá-la. É comum que os pesquisadores
empreguem medidas subjetivas para identificar a intensidade da CS, podendo ser medida
por meio de questionários autorrelatados pré e pós-experiência, como o Virtual reality
sickness questionnaire (VRSQ) [1]. Em estudos anteriores, foram empregadas diversas
abordagens para mensurar a intensidade da CS, por meio da utilização de medidas sub-
jetivas e objetivas. Segundo pesquisadores, a CS tem um impacto significativo sobre os
sinais fisiológicos, incluindo onda delta do EEG, HR, HRV, GSR e EGG, os quais apre-
sentam uma correlação significativa com essa condição. Este trabalho tem como objetivo
geral investigar as alterações fisiológicas associadas à CS em jogos de realidade virtual,
realizando a coleta de informações do perfil do usuário, do jogo e também dos biosinais:
(ECG, EDA e ACC), do total de 30 pessoas saudáveis. Os participantes ficarão imersos,
através de dois jogos de VR, sendo o primeiro de carro de corrida e o segundo de voo.
Será ainda utilizado um classificador de ML Simbólico para detectar as potenciais causas
de CS ocorridas durante os experimentos de VR, baseado nos dados de perfil, do jogo e
biosinais. Este trabalho pretende validar a hipótese de que os sinais fisiológicos podem
ser eficazes na elaboração de estratégias para reduzir os sintomas da CS.

O paradigma nominal estende a sintaxe de primeira ordem e representa adequadamente
o conceito de variáveis ligadas. Para trabalhar com esse vantajoso paradigma faz-se ne-
cessário adaptar noções de primeira ordem a ele, como unificação e matching. Esta tese
é sobre unificação e matching no paradigma nominal na presença de uma teoria equaci-
onal E e sobre nosso trabalho em progresso para obter um algoritmo de AC-unificação
nominal. Inicialmente, generalizamos um algoritmo de C-unificação nominal para realizar
também matching e equality-checking e formalizamos o algoritmo generalizado. Isto foi
feito por meio da adição de um parâmetro X para lidar com variáveis protegidas e a
formalização foi usado para testar uma implementação manual em Python do algoritmo.
Em seguida, como um primeiro passo em direção a AC-unificação nominal, fornecemos a
primeira formalização de um algoritmo de AC-unificação em primeira ordem. Escolhemos
formalizar o algoritmo seminal de Stickel. A prova de terminação utiliza uma intrincada
(mas devidamente motivada) medida lexicográfica, que está baseada na demonstração de
terminação dada por Fages. Depois disso, adaptamos o algoritmo de AC-unificação em
primeira ordem para obter o primeiro algoritmo para AC-matching em nominal e verifica-
mos que o algoritmo termina e é correto e completo. Assim como fizemos em C-unificação
nominal, usamos um parâmetro X para as variáveis protegidas e essa abordagem nos per-
mitiu obter um AC-equality-checker como corolário. As 3 formalizações descritas foram
feitas no assistente de provas PVS e integram a NASALib, o principal repositório de for-
malizações do PVS. Para cada uma dessas formalizações nós descrevemos os arquivos que
compõem a formalização, detalhando a estrutura, hierarquia e tamanho. Não foi possível
propor um algoritmo de AC-unificação nominal, mas mostramos que o problema tem duas
questões interessantes associadas a ele: gerar as soluções para π · X ≈? X e demonstrar
terminação. Para a primeira questão, propomos um procedimento não determinístico de
enumeração e exemplificamos como este calcula soluções não triviais. Para a segunda
questão demonstramos como o problema f(X, W) ≈? f(π · X, π · Y ) gera um loop e prova-
mos que é suficiente entrar no loop uma quantidade limitada de vezes, onde esse limite
depende da ordem da permutação π. Infelizmente, não fomos capazes de generalizar nosso
raciocínio para problemas semelhantes.

Problemas de otimização são encontrados em diversos campos de atividade, e à medida
que a compreensão e a prática nesses campos avançam, suas complexidades se acentuam.
Nas últimas décadas, têm sido propostos diversos algoritmos bioinspirados para resolver
problemas de otimização. Cada um desses algoritmos possui características únicas que
impactam de maneiras distintas tanto no processo evolutivo quanto na qualidade das
soluções alcançadas. O modelo de ilhas paralelas é uma estratégia de paralelização de
algoritmos bioinspirados que proporciona ganhos significativos em termos de acurácia nas
soluções. Nesse modelo, o conjunto de soluções candidatas é dividido em subpopulações
denominadas ilhas. Cada ilha evolui seu conjunto de soluções por meio de seu próprio
algoritmo bioinspirado, operando de forma paralela às outras ilhas. Periodicamente, as
ilhas trocam soluções entre si através do processo de migração. Esse movimento de soluções
entre as ilhas é condicionado à topologia do modelo e a um conjunto de regras que
compõem a política de migração. Este trabalho propõe uma nova abordagem de implementação
para modelos de ilhas paralelas, inspirada em heterogeneidade e reconfiguração
algorítmica, denominada modelo de ilhas heterogêneas reconfiguráveis por estagnação.
A heterogeneidade permite a execução de diferentes algoritmos bioinspirados nas ilhas,
aumentando a diversidade nos modelos, enquanto a reconfiguração algorítmica é o processo
de substituição do algoritmo bioinspirado aplicado caso a estagnação de uma ilha
seja detectada. Durante o processo evolutivo, cada ilha mantém um registro de seu progresso,
mensurado pelo desempenho do melhor indivíduo em cada ilha, na geração atual
e nas duas gerações anteriores. Sempre que exista estagnação, ou seja, não se detecte
progresso, a ilha é reconfigurada para continuar o processo evolutivo executando o melhor
algoritmo bioinspirado até o momento. Essa abordagem é particularmente útil para lidar
com problemas de otimização nos quais encontrar soluções ótimas em tempo polinomial é
impraticável. Além disso, destaca-se pela sua autonomia, pois não demanda intervenção
do usuário para realizar a reconfiguração.

A necessidade de alavancar meios para especificar missões robóticas a partir de um alto nível de abstração ganhou força devido ao crescimento da popularidade das aplicações robóticas. Como tal, é primordial fornecer meios para garantir que não só a missão robótica seja corretamente especificada, mas que também garanta graus de segurança face à crescente complexidade das tarefas atribuídas aos Sistemas Multi-Robot (MRS). Portanto, as missões do robô agora precisam ser especificadas e verificadas formalmente para robôs e outros agentes envolvidos na operação da missão robótica. No entanto, muitas especificações de missão carecem de um processo de verificação simplificado que garanta que todas as propriedades da missão sejam completamente verificadas por meio da verificação do modelo. Este trabalho propõe um processo de verificação preliminar de modelos para especificação de missão e decomposição de MRS no verificador de modelos UPPAAL. Em particular, apresentamos um modelo semiautomatizado contendo propriedades hierárquicas de definição de domínio transformadas em templates UPPAAL e propriedades de missão formalizadas na linguagem de autômatos temporizados UPPAAL TCTL. No futuro, pretendemos gerar modelos totalmente automaticamente e verificar propriedades de especificação de missão adicionais não cobertas atualmente. Avaliamos nossa abordagem em uma missão robótica de especificação de uma missão logística de alimentos e os resultados mostram que o comportamento esperado é verificado corretamente e as propriedades correspondentes satisfeitas na ferramenta de verificação do modelo UPPAAL.

A osteoporose é sinônimo de fragilidade óssea, e é uma doença silenciosa que só é detectada
comumente após já ter causado danos à pessoa que a possui. Essa doença de fragilidade
óssea torna a fratura mais comum e mais danosa aos seus portadores, e por isso é uma
questão de saúde pública. Identificar a doença em estágio inicial é essencial para ajudar a
evitar seus danos, e nessa tarefa a inteligência artificial e o aprendizado de máquina têm
demonstrado grande ajuda nos últimos anos. Os algoritmos de aprendizado de máquina
podem prever o risco de osteoporose analisando as imagens do paciente provenientes de
exames de rotina, como radiografias panorâmicas.
A metodologia proposta conta com um processo de dois passos, que é composto por
preprocessamento de imagens e aprendizado de máquina. O preprocessamento de imagens
consistiu em transformar as imagens panorâmicas bucais originais brutas em regiões de
interesse reduzidas, mais específicas e mais claras para a classificação. A etapa de apren-
dizado de máquina consistiu em fornecer essas imagens preprocessadas para algoritmos
computacionais as classificarem. Este trabalho propõe uma arquitetura de Rede Neural
Convolucional (CNN), comparada com Support Vector Machine (SVM) e Random Forest
(RF), que visa identificar sinais de osteoporose nesse tipo de imagem, com objetivo de
melhorar os resultados de técnica de referência, a CNN do artigo [1], ao utilizar a es-
trutra CNN modificada para realizar uma detecção automática de osteoporose com alta
sensibilidade e utilizar o método RF para um sistema com especificidade alta.
Na sensibilidade, a CNN customizada proposta obteve 77,19%, enquanto que a CNN de
referência obteve 70,18%. Na especificidade, a Random Forest proposta obteve 75,95%,
enquanto que a CNN de referência obteve 22,78%. Combinando esses resultados, con-
seguimos melhorar o que é obtido pela técnica de referência para o conjunto de dados
apresentado, que é bastante desafiador, de pacientes idosos de comunidades carentes, em
imagens analógicas com diversos artefatos e características que dificultam a classificação.

Este trabalho apresenta uma solução de recomendação de algoritmos de detecção de ruído por meio de técnicas de Meta-Aprendizado (MtL). Primeiramente, foi realizada uma revisão sistemática da literatura referente ao tema de MtL e recomendação de algoritmos de pré-processamento. Na revisão foram verificadas quais as técnicas de pré-processamento, meta-características, algoritmos de Aprendizado de Máquina (AM) e métricas de desempenho são mais utilizados na área de recomendação de algoritmos de pré-processamento. Em seguida foram implementadas duas abordagens diferentes para a recomendação de filtros de ruído por meio de técnicas de MtL. A primeira é uma abordagem de ranqueamento (MtL-Rank), que realiza a sugestão por meio de regressores com objetivo de prever o valor da métrica f1-score. A outra abordagem realiza a recomendação por meio de uma sequência de classificadores encadeados (MtL-Multi). Também foi avaliado o desempenho das abordagens ao realizar a recomendação dos filtros juntamente com seus hiperparâmetros. No total, foram utilizados oito filtros de ruído ou 27 quando consideradas as suas variações de hiperparâmetros, quatro técnicas de AM para se extrair a métrica de desempenho e três meta-ranqueadores ou meta-classificadores para se realizar a sugestão. O sistema é avaliado no nível meta e no nível base. No nível meta é avaliado o desempenho dos algoritmos de recomendação por meio da sua acurácia. Já no nível base é verificado o ganho médio na métrica de desempenho (f1-score) ao aplicar cada uma das abordagens. Os resultados mostraram que a abordagem MtL-Rank obteve um ganho médio maior no desempenho, atingindo resultados significativamente melhores que o filtro utilizado como baseline. Por outro lado, a abordagem MtL-Multi obteve resultados melhores no nível meta, chegando atingir uma acurácia de 49%. Além disso, foi verificado que a recomendação dos hiperparâmetros em conjunto com o filtro pode gerar um ganho no desempenho da recomendação.

As técnicas de elicitação de requisitos são essenciais para apoiar os engenheiros de requisitos a obter uma melhor compreensão das necessidades dos usuários e das partes interessadas. Embora existam diversas técnicas disponíveis para apoiar as fases da Engenharia de Requisitos (ER), podem ocorrer dúvidas nas equipes de desenvolvimento de software sobre qual técnica utilizar durante a atividade de elicitação de requisitos. Objetivo: O objetivo desse trabalho é identificar as técnicas de elicitação de requisitos mais utilizadas na literatura e comparar com as técnicas mais usadas pelos profissionais na indústria. Além disso, identificam-se os desafios relacionados à elicitação de requisitos, os prós e contras das principais técnicas identificadas na literatura, e baseado nos prós e contras, analisam-se combinações possíveis das técnicas de elicitação de requisitos que podem minimizar os desafios identificados na literatura e na indústria. Método: Realizou-se uma Revisão Sistemática da Literatura (SLR) para identificar as técnicas de elicitação de requisitos e os desafios discutidos na literatura ou na indústria. Ainda dentro da Revisão Sistemática da Literatura, foi realizada a técnica de snowballing, para revisão dos estudos primários encontrados dentro de outras SLR que foram trazidas pela string de busca. Além disso, realizou-se uma pesquisa de opinião (survey) para investigar a percepção dos praticantes da área de desenvolvimento de software (individuos trabalhando na indústria de Software, independentemente da posição ou papel desempenhado) em relação às técnicas identificadas e posteriormente compará-las com os resultados obtidos na SLR. Resultados: Foram identificados 54 estudos primários na SLR e eles demonstraram que as técnicas tradicionais ainda são as mais utilizadas tanto na literatura quanto nos projetos da indústria de software. Além disso, algumas técnicas, como Persona, estão ganhando espaço, ajudando os engenheiros de requisitos a encontrar maneiras diferentes de realizar a elicitação de requisitos junto aos usuários finais e as partes interessadas. Ademais, baseado nos pontos fortes encontrados na literatura para cada técnica, foi possível sugerir combinações de técnicas que pelas forças ou pontos a favor identificados na SLR, podem ser combinadas para superar a maior parte dos desafios identificados. Conclusão: As técnicas mais mencionadas pela literatura e usadas na indústria de software foram: Prototipação, Entrevistas, Estórias de Usuário e Cenários. A combinação do uso dessas técnicas com, por exemplo, a técnica Persona podem ajudar a superar os desafios identificados na literatura.
O estudo conta com a descrição das principais técnicas identificadas na literatura, contendo seus prós e contras e poderá apoiar os engenheiros de requisitos durante a elicitação de requisitos. A disponibilização online do estudo poderá para apoiar os praticantes de software na elicitação de requisitos, permitirá que a comunidade de engenharia de software possa contribuir com feedbacks relacionados a combinação do uso das técnicas, permitindo assim uma melhoria e divulgação das percepções das combinações realizadas entre as técnicas da ER pelos profissionais das equipes de desenvolvimento de software. Assim, o guia poderá apoiar os praticantes da área de desenvolvimento de software na escolha das técnicas a serem usadas e ou combinadas.

Na área forense, o exame pericial de comparação facial tem adquirido maior relevância à medida em que cresce o número de dispositivos com capacidade de gravação de imagens e, por conseguinte, aumenta o número de crimes em que os autores têm suas faces capturadas em imagens. Atualmente esse exame pericial é baseado na análise e comparação manual de elementos morfológicos da face e os resultados são expressos de forma qualitativa, o que dificulta a sua reprodutibilidade e a combinação de seus resultados com outras evidências pela instância julgadora. Este trabalho tem como objetivo avaliar métodos para expressar os resultados do exame de forma quantitativa, com o cálculo de razão de verossimilhança (do inglês Likelihood-Ratio – LR) a partir de escores obtidos de sistemas de reconhecimento facial. Além de facilitar a reprodutibilidade dos resultados, aspecto crítico na área forense, os métodos avaliados permitem a validação empírica de desempenho nas condições de cada caso. Neste trabalho foram avaliados métodos paramétricos e não-paramétricos para cálculo de LR a partir de escores, utilizando dois sistemas de reconhecimento facial de código aberto, ArcFace e FaceNet, e cinco bases com imagens faciais representativas de cenários frequentemente encontrados em casos periciais: imagens de mídias sociais e de câmeras de CFTV. Além disso, foram realizados experimentos relacionados à agregação de embeddings em casos onde há mais de uma imagem do indivíduo de interesse. Estes experimentos demonstraram melhora substancial no cálculo de LR a partir de sistemas de reconhecimento facial, especialmente nos cenários envolvendo imagens de pior qualidade: redução na Cllr em até 95% (de 0,249 para 0,012) para imagens de CFTV e de até 96% (de 0,083 para 0,003) para imagens de mídias sociais.

Este trabalho discute como a precisão dos erros de arredondamento envolvidos em implementações
reais do sistema de gerenciamento da NASA para veículos não tripulados DAIDALUS afetam a segurança
geral do sistema. A biblioteca DAIDALUS fornece definições formais para os conceitos de Detecção
e Evasão em aviônica demonstrados mecanicamente no assistente de provas PVS. No entanto, tais
verificações são apenas certificados do bom comportamento da especificação do ponto de vista lógico, o
que não garante a precisão dos algoritmos implementados sob restrições aritméticas de ponto flutuante.
Nossa análise assume o padrão IEEE 754 de ponto flutuante, implementados em diversas linguagens de
programação, e a técnica de verificação se baseia na geração de uma especificação de primeira ordem dos
cálculos numéricos. Uma característica proeminente da abordagem é dividir a especificação em fatias
definidas de acordo com os diferentes ramos de computação. O fatiamento é crucial para simplificar a
análise formal das computações com aritmética de ponto flutuante.

As aplicações para prevenção de acidentes em Redes Veiculares Ad Hoc (VANETs) desempenham um papel importante para garantir a segurança de motoristas, passageiros e pedestres. Seu funcionamento depende de requisitos rígidos relacionados a acurácia de posicionamento dos veículos. Para atender essas restrições, as aplicações exigem o envio frequente de mensagens periódicas, também conhecidas como beacons, contendo a posição geográfica, velocidade e direção do veículo. Em cenários de tráfego denso, a alta taxa de envio de beacons somada a difusão descoordenada de outras mensagens pode ocasionar em uma congestão na rede. Durante a congestão, o canal de transmissão se torna saturado, aumentando a perda de pacotes por erros ou colisões, bem quanto o atraso de entrega das mensagens. Vários trabalhos têm sido propostos para aliviar a congestão em redes veiculares, porém a maioria não considera a perda de acurácia de posicionamento que pode ocorrer como efeito colateral das estratégias usadas. Este trabalho contribui com um estudo sobre as limitações do canal de transmissão em redes veiculares, bem quanto uma definição detalhada do problema de congestão. Propõe-se um novo protocolo para a disseminação de mensagens em VANETs chamado APGP. O APGP utiliza uma arquitetura de três módulos para controlar a congestão causada por beacons, monitorar os veículos vizinhos e realizar o envio das mensagens de alerta. A proposta utiliza uma abordagem com ajuste de potência de transmissão para o envio de mensagens para grupos de vizinhos chamados de grupos geocast e um ajuste de taxa de envio de mensagens baseado na predição de posição feita localmente. O APGP foi implementado em um ambiente de simulação de redes veiculares e testado sob um cenário veicular urbano. Os resultados indicaram que a proposta conseguiu melhorar a taxa de recepção de pacotes, bem quanto reduzir o atraso de entrega e a taxa de ocupação do canal quando comparado a outros trabalhos relevantes. Por fim, constatou-se que o APGP conseguiu atender aos requisitos de acurácia de posicionamento das aplicações para veículos mais próximos, em detrimento de veículos localizados em regiões mais distantes.

O Reconhecimento de Entidade Nomeada é uma tarefa desafiadora de Processamento de Linguagem Natural, especialmente quando se trata de uma língua tão rica quanto o português. Quando aplicada em um cenário adequado à linguagem formal e a textos oficiais, a tarefa adquire uma nova camada de complexidade, lidando com um contexto léxico particular ao domínio em questão. Neste estudo será apresentado a geração de um corpus anotado de Licitação e Contratação Pública por meio da abordagem de supervisão fraca. Métodos de Supervisão Fraca podem ser utilizados quando grandes quantidades de dados anotados estão indisponíveis, caros para obter ou impraticáveis para anotar manualmente.
Além disso, valida-se o conjunto de dados anotados com um corpora formal anotado por rotulação manual, a fim de avaliar se o corpus gerado do domínio poderia melhorar os algoritmos de Reconhecimento de Entidades Nomeadas. Para isso, realizaram-se experimentos com um modelo Conditional Random Fields, um modelo Bidirecional Long-Short Term Memory com uma camada adicional de redes convolucionais e, posteriormente, realizou-se a aplicação da Supervisão Fraca diretamente a geração do corpus a fim de avaliar se os resultados obtidos iriam melhorar a qualidade de geração do corpus.
Conclui-se que a combinação de Reconhecimento de Entidades Nomeadas e abordagem supervisionada fraca podem alcançar a geração de um corpus com mais qualidade, além reduzir a anotação manual necessários para treinar os modelos de Reconhecimento de Entidades Nomeadas. Em alguns casos, a aplicação da Supervisão Fraca com o Reconhecimento de Entidades Nomeadas e aplicação direta de supervisão ao corpus alcançaram resultados satisfatórios em comparação aos modelos treinados por dados anotados à mão.

O câncer colorretal (CRC) é um dos tipos de câncer mais comuns e letais em todo o mundo, sendo o segundo câncer mais comum no Brasil [1]. O CRC é um câncer heterogêneo, que se instala na parte inferior do intestino grosso e pode ser classificado de acordo com seu campo anatômico, como câncer de cólon, de reto ou na junção retossigmoide. O tipo mais frequente de CRC é o adenocarcinoma, que corresponde a 90% dos casos. A maioria das mortes causadas por CRC acontece quando esse entra em estado de metástase. No entanto, se detectado em seus estágios iniciais, a sobrevida do paciente com CRC pode melhorar consideravelmente. Esta doença pode ser influenciada por diversos aspectos ambientais, tais como:hábitos alimentares, idade e peso. Normalmente, o tratamento recomendado para pacientes com CRC é a cirurgia para sua remoção e, depois, o uso de quimioterapia, porém o tratamento pode diferir de acordo com seu campo anatômico. O diagnóstico do CRC em um campo anatômico incorreto pode levar o médico a prescrever um tratamento não recomendado ao paciente, o que pode afetar a sua taxa de mortalidade. Para auxiliar o prognóstico, prevenção e tratamento de CRC, é fundamental entender os mecanismos moleculares e os indicadores clínicos que afetam o desenvolvimento do CRC.

Quanto aos aspectos biológicos do CRC, podemos descrever o impacto dos RNAs codificadores e não-codificadores nos mecanismos subjacentes à doença. Em específico, podemos destacar três moléculas: RNAs longos não codificadores (em inglês, long non-coding RNAs - lncRNAs), micro RNAs (miRNAs) e RNAs mensageiros (em inglês,messenger RNAs - mRNAs). Nos eucariotos, os mRNAs maduros são formados a partir do pré-mRNA que, por sua vez, é produzido a partir do processo de transcrição passar por um processo conhecido como excisão (em inglês, splicing), que remove algumas regiões (íntrons) do pré-mRNA e liga outras regiões (exons), formando assim o mRNA maduro. O processo de splicing possibilita gerar mais de uma proteína a partir de um único gene, em um processo conhecido como excisão alternativa (em inglês, alternative splicing). Por sua vez, as proteínas coordenam quase todos os processos vitais no organismo, sendo utilizadas em reações metabólicas e afetando diversos processos biológicos, como o desenvolvimento de doenças.

Os miRNAs desempenham um papel essencial na expressão gênica, mais especificamente, ligando-se aos mRNAs e iniciando os processos de inibição ou degradação de seu alvo. Por sua vez, os lncRNAs não estão diretamente presentes neste processo de regulação da expressão de mRNA, mas desempenham papéis essenciais no organismo, como a alteração das funções de outras moléculas e, assim, afetam a expressão de proteínas indiretamente, o que pode contribuir para o surgimento e supressão de doenças. Considerando o papel específico de cada uma das moléculas descritas no desenvolvimento de doenças, estudos recentes destacaram a importância de um mecanismo conhecido como redes de RNAs endógenos concorrentes (em inglês, competing endogenous RNAs - ceRNAs), nos quais os lncRNAs, os miRNAs e osmRNAs interagem entre si. Nesse mecanismo, osmiRNAs, que se ligam aos mRNAs pelos binding sites, podem também se ligar aos ceRNAs, assim, regulando indiretamente a expressão dosmRNAs. A identificação de redes ceRNA relacionadas ao surgimento do CRC e seus mecanismos subjacentes podem auxiliar os médicos a entender melhor a doença e realizar um melhor prognóstico do paciente. Na literatura, podemos encontrar alguns estudos que usam abordagens baseadas em bioinformática para criar redes ceRNAs e auxiliar a identificação de biomarcadores para o câncer de cólon, reto e o câncer colorretal em geral. 

Embora alguns estudos tenham foco na construção de redesceRNA, até onde sabemos, nosso estudo foi o primeiro a estabelecer redes ceRNAs específicas para: (i) cólon; (ii) reto; e (iii) junção retossigmóide, além de relacioná-los com mecanismos biológicos específicos, a fim de esclarecer as diferenças e fatores comuns entre essas diferentes localizações anatômicas.

Por outro lado, alguns estudos sugerem o uso de métodos de aprendizagem de máquina e também o uso de características clínicas para predizer marcadores que podem ser usados para prognóstico de pacientes com CRC [9, 10, 11]. Especificamente, Gründner et al. [9] sugeriram um método que combina características biológicas e clínicas para predizer marcadores de prognóstico de pacientes com CRC na África do Sul. Esses estudos descreveram bons resultados obtidos a partir de modelos de predição. Tanto quanto saibamos, nosso estudo foi o primeiro que usou dados abertos e métodos de aprendizagem de máquina para predizer a reincidência de CRC e a sobrevivência do paciente usando marcadores biológicos extraídos de redesceRNAsde câncer de cólon, de reto e na junção retossigmoide, combinados com características clínicas.

Nesta tese, na primeira etapa, propusemos um pipeline utilizando dados de livre acesso de pacientes com CRC, extraídos do banco de dados The Cancer Genome Atlas (TCGA), para construir redes ceRNAs específicas para o CRC e marcadores biológicos que afetam o prognóstico do paciente. Nosso objetivo foi o de realizar uma análise para identificar moléculas que possam ser usadas como marcadores biológicos para os três sítios anatômicos do CRC, cólon, reto e junção retossigmoide. Para construir tais redes e propor os marcadores biológicos, a expressão de RNA e os dados clínicos dos pacientes com CRC foram coletados. Os perfis de expressão de RNA foram produzidos por meio de ferramentas de análise que utilizam técnicas de bioinformática. Em seguida, encontramos redes ceRNA específicas para cada campo anatômico, para as quais, como dados de saída, obtivemos as redes ceRNA e as moléculas nelas presentes. Após essa etapa, foi realizada uma análise funcional, onde identificamos potenciais vias metabólicas relacionadas ao surgimento de câncer, as quais têm participação das moléculas obtidas na etapa anterior. Finalmente, uma análise de sobrevida global para identificar o impacto dessas moléculas no prognóstico do paciente foi realizada, resultando em uma lista de potenciais marcadores biológicos.

Nessa etapa, ficaram evidenciados diversos potenciais biomarcadores que afetam o prognóstico do paciente em câncer de cólon, de reto e na junção retossigmoide. Além disso, redes ceRNA específicas para cada campo anatômico foram construídas, e foram identificadas diferentes vias biológicas que destacam diferenças no comportamento do CRC nos diferentes campos anatômicos, reforçando assim, a importância de identificar
corretamente o campo anatômico em que o tumor ocorre. Como resultados, geramos um grupo de potenciais biomarcadores biológicos que afetam o prognóstico do CRC, em particular, podemos destacar: hsa-miR-1271-5p,NRG1, hsa-miR-130a-3p,SNHG16 e hsa-miR-495-3p para câncer de cólon; E2F8para câncer retal; e DMD e  hsa-miR-130b-3p para câncer na junção retossigmoide.

Com a lista de potenciais marcadores biológicos que podem afetar no prognóstico de CRC, prosseguimos para a segunda etapa desta tese, em que propusemos um pipeline para prever a reinicindiva do CRC e a sobrevida dos pacientes, utilizando métodos de aprendizagem de máquina supervisionados. Fatores clínicos, como idade e peso, assim como fatores biológicos, podem afetar o prognóstico e o surgimento do CRC. Para melhor entender os mecanismos do CRC e identificar o impacto, tanto dos fatores clínicos, quanto dos fatores biológicos em seu prognóstico, usamos as características clínicas do paciente combinadas com os marcadores biológicos encontrados no passo anterior, como características biológicas, para treinar nossos modelos. Para alcançar um maior desempenho na predição e na possibilidade de interpretação dos resultados propostos, avaliamos e comparamos os seguintes algoritmos de aprendizagem de máquina: Random Forest - RF, Logistic Regression - LR, Support Vector Machine - SVM, K-Nearest Neighbors - KNN, Decision Tree - DT e Adaptative Boosting - AB. Para encontrar a importância de cada característica durante a construção dos modelos de predição, primeiro foi realizada uma análise de seleção de características, para filtrar e classificar quais dessas características de fato tinham impacto no modelo de predição construído. Com essas características biológicas e clínicas relevantes selecionadas, construímos os modelos de aprendizagem de máquina e avaliamos seu desempenho. Finalmente, como resultado, geramos modelos de aprendizagem de máquina para prever a reincidência do CRC e a sobrevivência do paciente, e uma lista de potenciais características biológicas e clínicas relevantes para o prognóstico do paciente.

Nesta etapa, identificamos diversos potenciais marcadores biológicos e clínicos como importantes na reincindiva do CRC e na sobrevida do paciente. Quanto à importância das características, identificamos: SNHG16, hsa-miR-130b-3p, hsa-miR-495-3p e KCNQ1OT1 como características biológicas; e idade, etnia, estágio patológico, quimioterapia, altura e peso, contagem positiva de linfonodos e contagem de linfonodos como características clínicas. Finalmente, usando LR e RF, alcançamos uma precisão de 90% e 82% para predição da sobrevivência do paciente e da reincidiva do CRC, respectivamente. Além disso, o uso dos seis algoritmos de apredizagem de máquina propostos mostrou um bom desempenho geral, em específico, o RF apresentou bons resultados, o que também foi destacado em outros estudos [9, 10, 11].

Por fim, a pesquisa desenvolvida nesta tese mostrou que o uso de técnicas de bioinformática em conjunto com o uso de algoritmos de aprendizagem de máquina pode melhorar a interpretação dos mecanismos presentes no CRC. No entanto, devemos destacar alguns fatores limitantes com os quais nos deparamos, como a quantidade de dados disponíveis para pacientes com câncer de junção rectosigmoide e a especificidade regional dos dados clínicos dos pacientes, visto que o banco de dados utilizado continha informações principalmente de pacientes dos Estados Unidos. Perspectivas de uso dos métodos desenvolvidos nesta tese são, primeiro, os pipelines propostos poderiam fornecer aos médicos um entendimento melhor dos mecanismos subjacentes ao CRC em seus diferentes campos anatômicos. Além disso, nossos modelos poderiam ser usados para auxiliar na predição de prognóstico do paciente. Por fim, executar esses pipelines com dados de pacientes brasileiros poderia ajudar os médicos a entender melhor as características específicas no surgimento do CRC e prognóstico dos pacientes que vivem nas diferentes regiões do Brasil.

O surgimento do Transformer, um modelo pré-treinado utilizando dados em larga escala, e as suas recentes novas versões têm revolucionado pesquisas de Machine Learning em linguagem de processamento natural e visão computacional. Os excelentes resultados obtidos pelos modelos baseados em Transformer dependem de dados rotulados de alta- qualidade de um domínio específico. No entando, devido à diversidade de situações em que esses modelos são utilizados, é desafiador criar modelos que aprendam a partir de um conjunto limitado de dados. O modelo pode apresentar falta de generalização, vieses de linguagem e falta de imparcialidade causados pelos modelos pré-trainados acarretando em resultados inesperados em aplicações do mundo real. Este problema não resolvido nos leva à pesquisa sobre Multimodal Few-Shot Learning.

Nesta tese, propomos o Generic Multimodal Gradient-Based Meta Framework (GeMGF). Para compensar a falta de dados, utilizamos dados multimodais em que informações su- plementares e complementares de uma modalidade podem auxiliar na representação dos dados. Os dados multimodais são extraídos utilizando modelos de deep leaning e en- tão representados em um espaço vetorial unificado. O framework utiliza o Prototypical Network e o Relation Network para o aprendizado com poucos dados. O Reptile, um meta- aprendizado basado em otimização, auxilia a evitar a degradação do modelo com dados nunca vistos. Adicionalmente ao framework multimodal, propomos a versão unimodal para avaliar a sua flexibilidade e adaptabilidade em diferentes cenários.

O framework foi validado por meio de dez conjuntos de dados de diversas áreas: textos curtos do Twitter, textos longos da área jurídica, textos com caracteres alfabéticos (inglês e português) e não-alfabéticos (japonês), imagens da área médica e dados multimodais. O framework multimodal superou em 1,43% o modelo estado-da-arte de Munjal et al. [1] com o dataset CUB-200-2011, e superou em 1,93% o modelo de Pahde et al. [2] com o dataset Oxford-102. O resultado do framework multimodal foi 34,68% superior ao frame- work unimodal para imagem com CUB-200-2011, e 13,96% superior com Oxford-102. Os resultados sugerem que a combinação de dados textuais e imagens podem auxiliar no aprendizado e na melhoria da performance do framework como um todo. GeMGF multi- modal é um framework simples e compacto que utiliza somente 14 milhões de parâmetros, uma quantidade 99,8% menor que o Multimodal Transformer. O framework unimodal para texto alcançou resultados excelentes com dados textuais em japonês, superando o modelo Transformer BERT em 58,30% com 90,90% menos parâmetros. Os resultados sugerem que o framework obteve melhor performance com uma redução significativa no consumo de recurso computational.

As principais contribuições desta pesquisa são: (i) um novo framework FSL multi- modal — GeMGF — que reduz a degradação do modelo quando trainado com poucos dados; (ii) GeMGF é treinado sem utilizar o conhecimento externo evitando vieses de lin- guagem e a falta de imparcialidade; (iii) GeMGF possui extratores de dados multimodais independentes e flexíveis que podem contribuir para aumentar a sua aplicabilidade; e (iv) o framework unimodal para texto pode ser adaptado para idiomas alfabéticos e não- alfabéticos com ótimos resultados.

Este trabalho descreve a mecanização de propriedades computacionais de um modelo funcional que tem sido aplicado para automatizar o raciocínio sobre a terminação de programas. A formalização foi desenvolvida no assistente de provas de lógica de ordem superior, chamado Prototype Verification System (PVS). O modelo de linguagem foi projetado para imitar o fragmento de primeira ordem de especificações funcionais e é chamado PVS0. Foram considerados dois modelos computacionais: o primeiro modelo especifica um programa funcional por meio de uma única função (modelo single-function PVS0, ou SF-PVS0), e o segundo modelo permite a especificação simultânea de múltiplas funções (modelo multiple-function} PVS0, ou MF-PVS0). A semântica operacional da recursão na especificação do modelo SF-PVS0 suporta a recursão sobre o programa completo.

Por outro lado, em programas MF-PVS0, as chamadas funcionais são permitidas para todas as funções especificadas no programa. Este trabalho tem como objetivo certificar matematicamente a robustez dos modelos PVS0 como modelos computacionais universais. Para isso, propriedades cruciais e teoremas foram formalizados, incluindo Turing Completude, a indecidibilidade do Problema da Parada, o teorema da recursão, o teorema de Rice e o teorema do Ponto Fixo. Além disso, o trabalho discute avanços na indecidibilidade do Problema da Palavra e do Problema da Correspondência de Post.

A indecidibilidade do Problema da Parada foi formalizada considerando a avaliação semântica de programas PVS0 que foram aplicados na verificação da terminação de especificações em PVS. A equivalência entre a avaliação funcional e predicativa de operadores foi fundamental para esse objetivo. Além disso, a composicionalidade de programas MF-PVS0, habilitada diretamente pela possibilidade de chamar diferentes funções, torna fácil a formalização da Turing Completude. Portanto, enriquecer o modelo foi uma decisão de design importante para simplificar a mecanização dessa propriedade e dos teoremas mencionados acima.

Em resumo, o objetivo desta tese é apresentar e avaliar um modelo de MAP aplicável a ambientes dinâmicos que a combine a estratégia de replanejamento e de reparo em um modelo MAP. Paralelamente, cabe destacar algumas contribuições para a área de pesquisa em MAP. Em primeiro lugar, ressalta-se um método para comparar o desempenho das estratégias de recuperação de planos em diferentes cenários, considerando tanto o planejamento centralizado quanto o distribuído com níveis variados de acoplamento. Ademais, a revisão da literatura realizada nesta tese traz outra contribuição significativa ao fornecer uma visão abrangente da área de pesquisa do MAP. Ao examinar uma ampla gama de trabalhos acadêmicos, a revisão identificou autores e organizações que fizeram contribuições substanciais para o campo, bem como os documentos mais citados.

Experimentos subjetivos fornecem dados para construir soluções adequadas e são essenci-
ais para o desenvolvimento e aprimoramento de sistemas e aplicativos multimídia. Partic-
ularmente importante, a avaliação subjetiva da qualidade visual auxilia pesquisadores ao
estabelecerem referências as soluções de compressão e transmissão de sinais. No entanto,
o nível de confiabilidade de tais experimentos pode variar dependendo do tipo de mídia.
Esta dissertação examina os fatores de qualidade para um formato específico utilizados
em mídias imersivas, os vídeos 360◦. Em comparação aos vídeos convencionais, ao assistir
vídeos 360◦o usuário possui maior controle do conteúdo. Assim, a qualidade sad visual
convencional não é suficiente para descrever o estímulo, que por sua vez se estende ao
conceito de qualidade da experiência (QoE). A otimização do QoE enfrenta dois grandes
obstáculos: previsão imprecisa da janela de visualização e espectadores perdendo o enredo
de uma história. As edições de alinhamento surgiram como um mecanismo promissor para
evitar os dois problemas ao mesmo tempo. Essas “edições de redirecionamento” agem no
conteúdo em tempo real, alinhando a janela de visualização do usuário com uma região
de interesse no conteúdo do vídeo. Nesta dissertação, investigamos os efeitos das edições
de alinhamento na QoE do usuário realizando dois experimentos subjetivos, onde intro-
duzimos edições de alinhamento gradual nos vídeos, inspiradas em uma técnica de jogo de
RV. Os resultados confirmaram que o alinhamento gradual proposto atinge um nível de
conforto e presença semelhante ao das edições instantâneas. Além disso, todas as edições
de alinhamento testadas reduziram a velocidade do cabeçote após a edição, confirmando
a utilidade dessas edições para streaming de vídeo sob demanda. Além disso, observamos
que as edições graduais propostas podem atingir uma redução na velocidade do cabeçote
de 8% maior em comparação com as técnicas de alinhamento instantâneo

Resumo
A segmentação de imagens visa simplicar o entendimento de imagens digitais e métodos de
aprendizado profundo usando redes neurais convolucionais permitem a exploração de diferentes
tarefas (e.g., segmentação semântica, instância e panóptica). A segmentação semântica atribui
uma classe a cada pixel em uma imagem, a segmentação de instância classica objetos a nível
de pixel com um identicador exclusivo para cada alvo e a segmentação panóptica combina
instâncias com diferentes planos de fundo. Os dados de sensoriamento remoto são muito ade-
quados para desenvolver novos algoritmos. No entanto, algumas particularidades impedem que o
sensoriamento remoto com imagens orbitais e aéreas cresça quando comparado às imagens tradi-
cionais (e.g., fotos de celulares): (1) as imagens são muito extensas, (2) apresenta características
diferentes (e.g., número de canais e formato de imagem), (3) um grande número de etapas de pré-
processamento e pós-processamento (e.g., extração de quadros e classicação de cenas grandes) e (4) os softwares para rotulagem e treinamento de modelos não são compatíveis. Esta dissertação visa avançar nas três principais categorias de segmentação de imagens. Dentro do domínio de segmentação de instâncias, propusemos três experimentos.

Primeiro, aprimoramos a abordagem
de segmentação de instância baseada em caixa para classicar cenas grandes.Em segundo
lugar, criamos um método sem caixas delimitadoras para alcançar resultados de segmentação
de instâncias usando modelos de segmentação semântica em um cenário com objetos esparsos.
Terceiro, aprimoramos o método anterior para cenas aglomeradas e desenvolvemos o primeiro
estudo considerando aprendizado semissupervisionado usando sensoriamento remoto e dados
GIS. Em seguida, no domínio da segmentação panóptica, apresentamos o primeiro conjunto de
dados de segmentação panóptica de sensoriamento remoto e dispomos de uma metodologia para
conversão de dados GIS no formato COCO. Como nosso primeiro estudo considerou imagens
RGB, estendemos essa abordagem para dados multiespectrais. Porm, melhoramos o método
box-free inicialmente projetado para segmentação de instâncias para a tarefa de segmentação
panóptica.Esta dissertação analisou vários métodos de segmentação e tipos de imagens, e as
soluções desenvolvidas permitem a exploração de novas tarefas , a simplicação da rotulagem
de dados e uma forma simplicada de obter previsões de instância e panópticas usando modelos
simples de segmentação semântica

Modelos de aprendizado profundo demonstraram notável desempenho em tarefas de seg-
mentação e classificação de imagens de patologia. Entretanto, esses modelos demandam
grandes quantidades de dados anotados para seu treinamento. A geração dessa massa
de dados em patologia é um processo intensivo em mão de obra, comprometendo muitas
horas de trabalho por parte de patologistas experientes. O Aprendizado Ativo, ou Active
Learning (AL), oferece uma abordagem iterativa para a geração dessas bases de dados,
reduzindo o custo das anotações. Nesse trabalho, foi proposta uma nova solução de apren-
dizado ativo, denominada Diversity-Aware Data Acquisition (DADA), e foi avaliada sua
efetividade na classificação baseada em patches de regiões de tecido de histopatologia. O
DADA usa uma lógica de agrupamento que leva em consideração as características das
imagens, extraídas de modelos de aprendizado profundo, e a incerteza preditiva desses
modelos para selecionar exemplos de treinamento significativos. Além de produzir con-
juntos de treinamento reduzidos, os custos de anotação também são diminuídos com
ganhos de tempo de processamento, com o uso de uma solução de simplificação de CNNs
também desenvolvida neste trabalho, o Network Auto-Reduction (NAR). Com o NAR,
tanto o custo de cálculo das incertezas preditivas, quanto de treinamento de modelos, são
fortemente reduzidos. Adicionalmente, para viabilizar a utilização da solução na prática,
uma interface gráfica Web foi adaptada para uso com o DADA. O DADA e o NAR
foram avaliados experimentalmente sobre uma coleção de imagens de tecido cancerígeno
e demonstraram que: (i) são selecionados patches que aceleram o processo de treinamento
ao reduzir o número deles necessários para se atingir um dado nível de Area Under the
Curve (AUC); (ii) com o uso de subpooling o DADA apresenta significativa redução dos
tempos de cada iteração de aquisição; e (iii) a combinação do DADA com NAR traz
os tempos de execução de cada iteração a patamares práticos, mantendo a capacidade
preditiva dos modelos de deep learning alvo. A generalização tanto do DADA quanto
do NAR a outros contextos e aplicações são trabalhos futuros previstos, incluindo áreas
como sensoriamento remoto e problemas de segmentação.