Autor: Matheus Kerber Venturelli
Orientador: Waldemar Celes Filho
Data e Hora: 15/03/2024 às 10:00 Local: Videoconferência
Defesa de Dissertação de Mestrado do aluno Pedro Henrique Barroso Gomes.
Título da dissertação: FCGAN: Convoluções Espectrais via Transformada Rápida de Fourier para Campo Receptivos de Abrangência Global em Redes Adversárias Generativas
Resumo: Esta dissertação propõe a Rede Generativa Adversarial por Convolução Rápida de Fourier (FCGAN). Essa abordagem inovadora utiliza convolução no domínio da frequência para permitir que a rede opere com um campo receptivo de abrangência global. Devido aos seus campos receptivos pequenos, GANs baseadas em convoluções tradicionais enfrentam dificuldades para capturar padrões estruturais e geométricos. Nosso método utiliza Convoluções Rápidas de Fourier (FFCs), que usam Transformadas de Fourier para operar no domínio espectral, afetando globalmente os canais da imagem. Assim, a FCGAN é capaz de gerar imagens considerando informações de todas as localizações dos mapas de entrada. Essa nova característica da rede pode levar a um desempenho errático e instável. Mostramos que a utilização de normalização espectral e injeções de ruído estabilizam o treinamento adversarial. O uso de convoluções espectrais em redes convolucionais tem sido explorado para tarefas como inpainting e super-resolução de imagens. Este trabalho foca no seu potencial para geração de imagens. Nossos experimentos também sustentam a afirmação que features de Fourier são substitutos de baixo custo operacional para camadas de self-attention, permitindo que a rede aprenda informações globais desde camadas iniciais. Apresentamos resultados qualitativos e quantitativos para demonstrar que a FCGAN proposta obtém resultados comparáveis a abordagens estado-da-arte com profundidade e número de parâmetros semelhantes, alcançando um FID de 18,98 no CIFAR-10 e 38,71 no STL-10 – uma redução de 4,98 e 1,40, respectivamente. Além disso, em maiores dimensões de imagens, o uso de FFCs em vez de self-attention permite batch-sizes com até o dobro do tamanho, e iterações até 26% mais rápidas.
Orientador: Prof. Dr. Marcelo Gattass
Banca: Prof. Dr. Jose Alberto Rodrigues Pereira Sardinha | Prof. Dr. Italo de Oliveira Matias | Prof. Dr. Jan Jose Hurtado Jauregui | Prof. Dr. Alberto Barbosa Raposo
Assista a defesa pelo link: https://puc-rio.zoom.us/j/97451706923?pwd=b2tNNEQzMmpBeU9vMkFhNzB2bnY0dz09
Defesa de Tese de Doutorado do aluno Luis Fernando Marin Sepulveda.
Título da Tese: GeneralizationoftheDeep Learning Model for Natural Gas Indication in 2D Seismic Image Based on the Training Dataset and the Operational Hyper Parameters Recommendation
Resumo: Interpreting seismic images is an essential task in diverse fields of geosciences, and it’s a widely used method in hydrocarbon exploration. However, its interpretation requires a significant investment of resources, and obtaining a satisfactory result is not always possible. The literature shows an increasing number of Deep Learning, DL, methods to detect horizons, faults, and potential hydrocarbon reservoirs, nevertheless, the models to detect gas reservoirs present generalization performance difficulties, i.e., performance is compromised when used in seismic images from new exploration campaigns. This problem is especially true for 2D land surveys where the acquisition process varies, and the images are very noisy. This work presents three methods to improve the generalization performance of DL models of natural gas indication in 2D seismic images, for this task, approaches that come from Machine Learning, ML, and DL are used. The research focuses on data analysis to recognize patterns within the seismic images to enable the selection of training sets for the gas inference model based on patterns in the target images. This approach allows a better generalization of performance without altering the architecture of the gas inference DL model or transforming the original seismic traces. The experiments were carried out using the database of different exploitation fields located in the Parnaíba basin, in northeastern Brazil. The results show an increase of up to 39\% in the correct indication of natural gas according to the recall metric. This improvement varies in each field and depends on the proposed method used and the existence of representative patterns within the training set of seismic images. These results conclude with an improvement in the generalization performance of the DL gas inference model that varies up to 21\% according to the F1 score and up to 15\% according to the IoU metric. These results demonstrate that it is possible to find patterns within the seismic images using an unsupervised approach, and these can be used to recommend the DL training set according to the pattern in the target seismic image; Furthermore, it demonstrates that the training set directly affects the generalization performance of the DL model for seismic images.
Orientador: Prof. Dr. Marcelo Gattass
Co-orientador: Prof. Dr. Aristófanes Corrêa Silva
Banca: Prof. Dr. Raul Queiroz Feitosa | Prof. Dr. Jan Jose Hurtado Jauregui | Prof. Dr. Kelson Romulo Teixeira Aires | Prof. Dr. António Manuel Trigueiros da Silva Cunha
Assista a defesa pelo link: https://puc-rio.zoom.us/j/93188594035?pwd=NWhtamxYNGZvamZNdmQ4V0wrNVBOZz09
Autor: Luis Fernando Marin Sepulveda
Orientador: Marcelo Gattass
Data e Hora: 24/01/2024 às 09:00
Local: Videoconferência
Defesa de Dissertação de Mestrado do aluno Bruno Francisco Martins da Silva.
Título da dissertação: Vector Stream Similarity Search Methods
Resumo: A vector stream can be modelled as a sequence of pairs ((v1,t1) … (vn,tn)), where vk is a vector and tk is a timestamp such that all vectors are of the same dimension and tk < tk+1. The vector stream similarity search problem is defined as: “Given a (high-dimensional) vector q and a time interval T, find a ranked list of vectors, retrieved from a vector stream, that are similar to q and that were received in the time interval T”. This dissertation first introduces a family of vector stream similarity search methods that do not depend on having the full set of vectors available beforehand but adapt to the vector stream as the vectors are added. The methods generate a sequence of indices that are used to implement approximated nearest neighbour search over the vector stream. Then, the dissertation describes an implementation of a method in the family based on Hierarchical Navigable Small World graphs. Based on this implementation, the dissertation presents a Classified Ad Retrieval tool that supports classified ad retrieval as new ads are continuously submitted. The tool is structured into a main module and three auxiliary modules, where the main module is responsible for coordinating the auxiliary modules and for providing a user interface, and the auxiliary modules are responsible for text and image encoding, vector stream indexing, and data storage. To evaluate the tool, the dissertation uses a dataset with approximately 1 million records with descriptions of classified ads and their respective images. The results showed that the tool reached an average precision of 98% and an average recall of 97%.
Orientador: Prof. Dr. Marco Antonio Casanova
Banca: Prof. Dr. Antonio Luz Furtado | Prof. Dr. Luiz André Portes Paes Leme | Profª Drª Vânia Maria Ponte Vidal
Assista a defesa pelo link: https://puc-rio.zoom.us/j/93760975741?pwd=YXVNcUQzTTlNa2ZlOVhyd1BhLzkwdz09
Essa semana está acontecendo o Curso de Férias – Análise de Futebol – Entenda o futebol através da lente da análise de dados!, realizado pelo Departamento de Informática da PUC-Rio em parceria com o MIT (Massachusetts Institute of Technology).
Os inscritos estão vivenciando o curso em um formato de Workshop, que consistem em:
Palestras com prática
Destaques da carreira
Atividades interativas
de computadores e telas
Projeto de equipe
Veja como tem sido a experiência dos alunos durante o curso que se encerra nesta sexta-feira (19/01).
Autor: Bruno Francisco Martins da Silva
Orientador: Marco Antonio Casanova
Data e Hora: 24/01/2024 às 10:00
Local: Videoconferência
Em Janeiro de 2024, a Editora UBU, em parceria com a Editora PUC-Rio, lança a edição brasileira do livro “AI Ethics” de Mark Coeckelbergh. A tradução da obra foi feita por uma equipe de quatro tradutores afiliados à PUC-Rio: Clarisse de Souza (Prof INF), Edgar Lyra (Prof FIL), Matheus Ferreira (Doutorando FIL) e Waldyr Delgado
(Doutorando FIL).
O livro é um panorama dos problemas éticos com a IA entendidos amplamente, desde narrativas influentes sobre o futuro da IA e questões filosóficas sobre a natureza e o futuro do ser humano até preocupações sobre responsabilidade, privacidade e viés, também discutindo como a formulação de políticas públicas pode ajudar a enfrentar os presentes desafios nesse campo – de preferência antes que seja tarde demais.
Você já pode fazer a compra na pré-venda através do link: https://www.ubueditora.com.br/etica-ia.html
Os livros começarão a ser entregues a partir do dia 15/01
Jonatas Grosman, Doutor pelo DI, está na lista das pessoas mais influentes da Tecnologia no Brasil em 2023
O ex-aluno e Doutor pelo DI-PUC-Rio, Jonatas Grosman, está na lista das pessoas mais influentes da Tecnologia no Brasil em 2023, sendo vencedor da competição da Hugging Face para a tarefa de IA de conversão de voz para texto (Speech-to-Text). Na competição estavam em jogo 31 línguas e o modelo dele foi o vencedor em 13 linguas, sendo uma delas inclusive o inglês. Atualmente, o modelo criado por Jonatas é o mais baixado do mundo e está na liderança em downloads há quase um ano, com mais de 50 milhões de downloads nos últimos 30 dias e mais de 70 milhões de downloads em 2023.
A Agência Nexxt Media Research fez uma pesquisa sobre o setor de tecnologia e listou as 30 pessoas mais influentes. Jonatas aparece na lista com outros grandes nomes do mercado, como Henrique Dubugras e Pedro Franceschi, fundadores da Brex, e Fábio Coelho, diretor do Google Brasil.
Parabenizamos o Jonatas pelo caminho brilhante que vem trilhando e o nome que vem construindo no mercado nacional!
Confira a matéria no g1 e a lista completa dos 30 mais influentes do Brasil:
https://g1.globo.com/ro/tecnologia-as-pessoas-mais-influentes-no-brasil-em-2023.ghtml
O Departamento de Informática da PUC-Rio, em parceria com o MIT (Massachusetts Institute of Technology) está com vagas abertas para o curso de férias: Análise de Futebol – Entenda o futebol através da lente da análise de dados!
O curso funcionará como um Workshop dos dias 15 a 19 de Janeiro, no período da tarde, de 13:00 às 17:30.
O Workshop consiste em:
Palestras com prática
aprendendo a praticar para os alunos
Destaques da carreira
Atividades interativas
de computadores e telas
Projeto de equipe
O curso é gratuito e para alunos do Ensino Médio.
As inscrições podem ser feitas até dia 05 de janeiro!
Para se inscrever e obter mais informações, acesse: https://forms.gle/2rDHmCZ6pVt91zNx5
