Prof. Nelson H. T. Lemes (Química-UNIFAL)
Site pessoal de divulgação do trabalho de ensino, extensão e pesquisa
Este post atualiza os dados apresentados no post do dia 21 de julho (link). Os dados foram atualizados até do dia 05 de setembro. Os ajuste foram feitos usando o modelo de compartimentos denominado SIR com parâmetros dependentes do tempo. Para descrever de maneira mais apropriada a dinâmica de uma epidemia temos o modelo SIR
Continue reading Atualização dos casos de COVID-19 em Três Corações
Designer para incluir uma animação no app Inventor 2(C). Inclua os componentes (Drawing and Animation: Canvas e ImageSprite) e Sensors (Clock). Os blocos de comando são: Selecione um gif que deseja animar. Para decompor um gif animado clique aqui.
Na simulação abaixo foram simulados 8 espectros Raman de 8 compostos, sendo dois deles marcadores para uma certa enfermidade, ou da presença de um agente tóxico, ou ainda de um certo agente biológico. Posteriormente, foram gerados 200 espectros esp(:,i), com i=1:200, combinações destes 8 compostos em diferentes concentrações: esp(:,i)= z(i)*(c0*spe0+c1*spe1)+c2*spe2+c3*spe3+c4*spe4+c5*spe5+c6*spe6+c7*spe7+c8*spe8; onde c0, c1, c1, c3,
Continue reading Reconhecimento de uma impressão numa mistura a partir do espectro Raman
Considere a equação parabólica $\frac{\partial f(x,t)}{\partial t}=k\frac{\partial^2 f(x,t)}{\partial x^2},$ que é a forma da equação de condução de calor. Observe que $f$ é uma função das variáveis $x$ e $t$ e que na equação aparece derivadas em relação a estas duas variáveis. Usando diferença finita para a derivada temporal e uma média entre $t+\Delta t$
Quando experimental function ${\bf \hat f}$ contém erros, algoritmos para filtrar estes erro são, em geral, necessários. Exemplos destes algoritmos foram apresentados em post anteriores. Neste post irei apresentar o filtro de Tikhonov. O método consiste em encontrar a função filtrada de ${\bf f}$ que torna mínimo o funcional $\phi_\lambda({\bf f})$, dado por $\phi_\lambda({\bf f})=||{\bf
Como exemplo irei treinar uma rede neural (feed-forward backpropagation network) para aprender a função seno. Essa rede terá 2 camadas ocultas com três e dois neurônios, respectivamente. %treinar o seno P=0:.2:2*pi; T=sin(P); P T net = newff(P,T,[3 2]); %feed-forward backpropagation network. %net = feedforwardnet([3 2]); %net = configure(net,P,T); view(net) net.trainFcn = ‘trainlm’; %traingd Gradient descent
Continue reading Exemplo do uso do MatLab para treinamento de uma rede
Regra de Hebb A regra de Hebb é um processo de aprendizagem para um neurônio ou redes de uma Camada. Consideremos um conjunto de dados iniciais D com M exemplos de treinamento, sendo que cada exemplo é um par do tipo (xm, zm*), onde xm são as entradas que devem gerar as saídas zm*. Estas
Em 1943, W. McCulloch e W. Pitts [1] desenvolveram um modelo que propõe elementos computacionais retirados das propriedades fisiológicas de um neurônio biológico e de suas conexões, introduzindo assim a referência número um para a teoria de Redes Neurais Artificiais. O neurônio de McCulloch-Pitts é um dispositivo que possui um conjunto de entradas x=[x1, x2,
A maioria dos químicos já ouviu falar da análise de componente principal, PCA. O PCA envolve uma transformação da matriz de dados originas X, de dimensão IxJ cuja as linhas representam amostras e colunas representam variáveis. Composto/número de onda (cm-1) ν1 ν2 ν3 … νJ C1 x11 x12 x13 … x1J C2 x21 x22 x23
Suponha os dados consistem de um conjunto de k pontos (xi,yi), com valores de x igualmente espaçados por h. Aplica-se a transformada discreta de Fourier Y(k)=fft(y(n))=∑n=1Ny(n)e-j2π(n-1)(k-1)/N onde k=1,…,N. No nosso exemplo y corresponde ao valor do sinal no domínio original e Y o valor do sinal no domínio da frequência. O filtro de frequência consiste
