Data: 25 de novembro de 2016
Local: Sala Multiuso EST
Horário: 14h
Palestrante: Helard Alberto Becerra Martinez (doutorado)
Título: Three-layer system for artifact classification and audio-visual quality assessment
Resumo: As métricas objetivas de avaliação de qualidade de sinais estão focadas em desenvolver modelos computacionais que possam predizer a qualidade dos sinais de forma semelhante à percebida pelo ser humano. Uma das áreas de maior interesse nos últimos anos é a relacionada com o desenvolvimento de métricas de qualidade para sinais audio-visuais. A maioria das propostas nesta área estão baseadas na aferição da qualidade individual das componentes de audio e video, além disso, muitas destas propostas estão baseadas em estimativas de artefatos que afetam uma componente específica. Contudo, a combinação dos valores de qualidade de cada componente ainda se apresenta como um problema a ser resolvido. Nesta tese, o nosso objetivo é desenvolver um sistema, baseado em ferramentas de aprendizado de máquina (Machine Learning - ML), para a aferição da qualidade de sinais audio-visuais. O sistema utiliza como entrada um conjunto de características descritivas (features) das componentes de áudio e vídeo e está organizado em três camadas principais. Cada camada é responsável pela execução de uma das seguintes tarefas: 1) classificar os tipos de artefatos que afetam o sinal, 2) calcular o grau de distorção do artefato utilizando uma ferramenta dedicada, e 3) combinar os valores de distorção de cada artefato e retornar o valor da qualidade audio-visual global. Para garantir a precisão nos resultados, o sistema é treinado utilizando um conjunto de dados que consiga representar todos os artefatos considerados no sistema. É esperado que uma abordagem deste tipo possa produzir predições de qualidade que estejam altamente correlacionadas com os escores de qualidade obtidos em experimentos subjetivos.
Horário: 14h30
Palestrante: Michel Junio Ferreira Rosa (mestrado)
Título: Predição Aplicada em Workflows Científicos para Estimativa de Custos e Recursos Computacionais em Nuvens Federadas
Resumo: A busca pelos serviços de nuvem cresceu exponencialmente nos últimos anos. Essa grande procura se justifica pela facilidade de provisionar recursos que atenda a demanda e pelo custo relacionado ao que foi consumido. Assim, cientistas comumente lidam com workflows científicos que podem demandar recursos computacionais de alto ou baixo desempenho, que implicam em diferentes custos. Sendo assim, este trabalho tem por objetivo auxiliar o usuário na escolha de um ambiente computacional que execute seus workflows científicos de forma transparente, com estimativas de tempo, custo financeiro e recursos a serem utilizados. São utilizados técnicas de regressão para estimativas de tempo e custos de execução e a metaheurística GRASP para escolha dos recursos a serem utilizados.
Horário: 15h
Palestrante: Gabriel Siqueira Rodrigues (mestrado)
Título: Goal-Driven Deployment in Dynamic Computing Environment
Resumo: We see a growing interest in computing applications that should rely on a dynamic computing environment. This computing environment can be distributed, heterogeneous and composed of not reliable computing resources. This characteristic could potentially lead to a complex deployment process. Also, in such systems, for different reasons, it could not be desirable that the system is managed by humans. We proposed in this work a method for an autonomic deployment process that allow systems to deploy itself by reflecting about its goals and its computing environment.
Horário: 15h30
Palestrante: Jeremias Moreira Gomes (doutorado)
Título: Towards Surrogate Model Based Sensitivity Analysis In Microscopy Image Segmentation Workflows
Resumo: Sensitivity Analysis is key part of analysis process in whole slide tissue images. Theses analyses are very expensive and to reach a good refinement for the results in the existents workflows it is necessary execute these workflows several times systematically. This talk presents a study of methods for creating Surrogate Models using Region Templates framework and Dakota toolkit. Besides the high cost of runtime for a single execution, other analyzes become unviable due to the minimum quantity of executions in which the input parameters need to be varied. To deal with theses situations, Surrogate Models can be the ideal solution to reduce the necessary workflow executions providing unbiased analysis to use in optimizations and tuning.
Organizadora: Profa Célia Ghedini Ralha (Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.)
Coordenadora dos Seminários de Pós-Graduação Informática 2016-2