Mestrado em Bioestatística e Biometria | Master's Degree in Biostatistics and Biometry - TMBB
Permanent URI for this collection
Browse
Browsing Mestrado em Bioestatística e Biometria | Master's Degree in Biostatistics and Biometry - TMBB by advisor "Engrácia, Patrícia"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- Análise compreensiva de métodos de transformação de dadosPublication . Correia, João Paulo Marques; Ramos, Maria do Rosário; Engrácia, PatríciaEsta dissertação apresenta uma análise detalhada de vários métodos de transformação de dados, com particular ênfase na sua aplicabilidade, culminando no desenvolvimento de uma ferramenta (framework) para o apoio à decisão de técnicas de transformação. A pesquisa aborda a complexidade na preparação de dados para análise estatística, onde a escolha apropriada de transformações pode ter impacto na qualidade da análise estatística. O estudo examina detalhadamente cada método de transformação, considerando as suas propriedades matemáticas, limitações, pressupostos subjacentes e impacto nos dados originais. A implementação dos métodos é ilustrada com código elaborado na linguagem Python. A framework proposta integra características fundamentais dos dados (como a distribuição, formato, tipo e intervalo de dados) com os requisitos específicos da análise estatística a ser realizada, fornecendo um processo para a seleção da transformação mais adequada. Para complementar, foi desenvolvida uma ferramenta web de forma a agilizar o processo de escolha. A metodologia foi aplicada a alguns casos de estudo de áreas distintas permitindo uma comparação do seu desempenho. Os resultados demonstram que a eficácia das transformações está dependente das características dos dados e dos objetivos.
- Boolean algebra: from digital circuits to deep learning applicationsPublication . Coito, Filipa Trindade; Engrácia, Patrícia; Ferreira, GildaA álgebra de Boole tem um papel central na lógica digital, sendo essencial para o design e otimização de circuitos e sistemas computacionais. Este trabalho explora os princípios da álgebra de Boole e as suas aplicações tradicionais em circuitos digitais, bem como as suas utilizações inovadoras, como no campo do deep learning. Esta aplicação permite desenvolver modelos computacionalmente eficientes e avançar o estado da arte em áreas como sistemas embebidos e computação de baixa potência. A dissertação analisa em profundidade a álgebra de Boole, examinando as suas propriedades e leis, incluindo a simplificação de expressões booleanas. São discutidos conceitos como a soma de produtos, o produto de somas e a construção de mapas de Karnaugh, fundamentais na otimização de circuitos digitais. Em seguida, aborda-se a aplicação da álgebra de Boole no design de circuitos digitais, com foco em circuitos combinacionais e sequenciais. Exemplos práticos, como somadores, codificadores e contadores binários, são apresentados para ilustrar como estas operações booleanas fundamentam a construção destes circuitos. Por fim, o trabalho explora a relação entre a álgebra de Boole e as redes neuronais, com base no estudo de Petersen et al. (2023), que propõe redes neuronais baseadas em portas lógicas (LGNs). Estas redes são adaptadas para versões diferenciáveis, permitindo a utilização de métodos de otimização baseados em gradientes. O estudo analisa o desempenho das LGNs em problemas de classificação de imagens, destacando as suas vantagens e desafios em comparação com arquiteturas tradicionais.