Tuesday, July 21, 2015
Saturday, July 11, 2015
Friday, January 16, 2015
Identificação de Sistemas vs. Identificação de Modelos
"No entanto, ainda o problema de identificação de sistemas não foi resolvido de forma completa. Consequentemente, nos dias de hoje, novas ideias e métodos para resolver o desafio de identificação de sistemas são propostos e desenvolvidos" Keesman 2011.
Thursday, January 15, 2015
Inteligência artificial em Medicina
Inteligência artificial apareceu nos anos 1950s na tentativa de nomear um grupo de novas metodologias e atitudes filosóficas em torno de problemas considerados de natureza importante, mas sem solução usando ferramentas disponíveis na época. Nos anos 1980s, inteligência artificial teve um declínio sério no que tange popularidade e respeito por parte da comunidade acadêmica, que de forma interessante foi o crescimento de metodologias alternativas, famosas até hoje, como controle inteligente, lógica nebulosa (confusa), e redes neurais, hoje em dia sendo o corpo principal da inteligência computacional, essas são metodologias baseadas em "números", inteligência artificial tinha forcado fortemente em metodologias simbólicas, o que segundo muitos foi o grande erro da IA, essa posição deixou metodologias como redes neurais fora do jogo por um bom tempo.
Thursday, August 28, 2014
vídeo publicações
Introdução
Pode-se afirmar que atualmente
simulação está entre as ferramentas mais universais e importantes do milênio
corrente e ainda por chegar, trono ocupado pelo cálculo diferencial e mecânica
clássica por décadas antes da aparição, disseminação, e aceitação dos
computadores como ferramenta indispensável em pesquisas aplicadas e teóricas.
Isto se deve principalmente à corrente demanda por junção de campos científicos
antes não mesclados, e de forma adicional à demanda por tratar modelos cada vez
mais reais e multidisciplinares. Concluir-se que as décadas antes das anteriores
foram dedicadas a criar “os pedaços” da ciência, como se fossem “disparos”
isolados de criatividade, campos de conhecimento separados, as décadas passadas
a entender melhor as partes, e esta década e aquelas ainda por vir a juntar
estes, algo que geralmente somente matemática tradicional torna esta busca uma
atividade formidável ou mesmo impossível.
Abaixo segue um vídeo no qual uma versão simplificado
do problema de aplicar controle ótimo em ciências da vida é apresentado,
devido a problemas durante a gravação, o vídeo esta mudo.
Deve ser observado
que o modelo é meramente ilustrativo, nenhum experimento foi conduzido, o
modelo é (teórico) intuitivo. Aplica-se controle ótimo neste sistema para
estudar a melhor forma otimizada de desenhar o tratamento, omite-se os detalhes
metodológicos. De
forma simples, aplica-se a teoria de controle ótimo, então se usa a teoria de
integração numérica de equações diferenciais ordinárias para achar o controle
ótimo e a trajetória ótima para a densidade de células cancerígenas. Vale a
pena recordar que somente o fármaco no local do câncer é desejado, antes de
atingir o ponto de atuação, este circula pelo sistema circulatório. Aqui se
assumi um modelo de compartimento único, ou seja, a mesma concentração no plasma
sanguíneo é a na região do câncer. Deve-se lembra que a quantidade de
compartimentos depende do fármaco e do indivíduo.
Referências
LENHART, S.; WORKMAN, J.T, Optimal Control Applied to biological models, Chapman & Hall/ CRC, Mathematical and Computational Biology Series, 2007.
JG Pires, R Maggio, C Manes, P Palumbo, On the importance of pharmacokinetics and pharmacodynamics in engineering sciences as an inter- and multidisciplinary field: an introductory analysis. SIMPEP 2014, Submetido.
JG Pires, C Manes, P Palumbo, On the importance of optimal control theory in engineering sciences as a complementary and supplementary methodology to Operations Research: a case-study analysis. SIMPEP 2014, Submetido.
M. RUDEK, APOSTILA DE TÉCNICAS DE PROGRAMAÇÃO. PONTIFÍCIA UNIVERSIDADE CATÓLICA DO PARANÁ. CENTRO DE CIÊNCIAS EXATAS E DE TECNOLOGIA. DEPARTAMENTO DE ENGENHARIA MECATRÔNICA. CURITIBA: 2002 .
Saturday, July 26, 2014
Introdução
Processos fisiológicos em análise sobe várias
dimensões físicas ou mesmo matemática (como sub-celular, celular, tecidos,
órgãos, ou mesmo populações) são estocásticos de forma realística devido a um
considerável conjunto de fatores que o fenômeno em questão (sobe investigação)
possui. De forma mais específica e explanatória, modelos determinísticos
(representando a maior quantidade de modelos atualmente empregados em
biomedicina) não são realísticos (aproximações e consideração difíceis ou mesmo
impossíveis de serem mantidas em modelos realísticos são presentes em
abundância). Posto deste modo, ao menos que flutuações aleatórias (chamadas em
geral de “ruídos”) nesses modelos permaneçam em pequena escala, desprezíveis,
estes modelos são apenas didáticos e/ou exemplares. Mais ainda, uma
representação incorreta, omitindo ruídos substanciais do sistema que estão
realmente presentes, leva à identificação de modelos de forma ineficiente (não
confiável, fadado a erros), estimação de parâmetros de forma viesada
(tendencioso, não realmente representativo), e conclusões inconsistentes com a
realidade.
Primeira parte da minha apresentação feita para o IASI-CNR (Institute of Systems Analysis and Computer Science) como primeiro feedback formal em 2014 e aceita como exame em controle ótimo.
Subscribe to:
Posts (Atom)