Estudo de características da entropia aproximada utilizando sinais simulados e experimentais

Detalhes bibliográficos
Autor(a) principal: Gouvêa, David Sérgio Adães de
Data de Publicação: 2017
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFJF
Texto Completo: https://repositorio.ufjf.br/jspui/handle/ufjf/8276
Resumo: A Entropia Aproximada ApEn(m,r,N) tem sido utilizada para investigar a regularidade / complexidade de sinais com diversos comprimentos (N) e tolerância (r) entre 0,1 sd e 0,25 sd. Entretanto, a estimativa pontual da ApEn(m,r,N) pode fornecer resultados discutíveis para valores do raio “r” escolhidos de forma empírica e para trechos pequenos de sinais. Neste trabalho são investigadas algumas características da técnica da Entropia Aproximada visando esclarecer aspectos relacionados ao número de amostras, ao valor do raio “r” e ao atraso utilizado. Adicionalmente é proposto um método de normalização dos resultados. Para esta investigação foram utilizados sinais simulados como: senóides com 10 Hz, 50 Hz e 100 Hz (com frequências de amostragem de 1.000, 10.000 e 100.000 Hz), Mapeamento Logístico, atrator de Henon, atrator de Rossler, atrator de Lorenz, sinais aleatórios de Ruído Branco Gaussiano (RBG) e Ruído Branco Uniforme (RBU) e sinais experimentais como: EEG de recém-nascidos, EEG de adultos e sinais de variabilidade da frequência cardíaca (VFC). Trechos com diferentes comprimentos e valor do raio “r” ou tolerância entre zero e 5,0 vezes o desvio padrão (“sd”) foram utilizados. Os resultados mostram grande variabilidade e superposição das diversas estimativas da ApEn para trechos pequenos, dificultando a interpretação. O incremento do comprimento do trecho reduz a variabilidade das estimativas e evidencia a existência de formas de ondas relacionadas às estruturas dos retratos de fase. Os valores máximos das estimativas das curvas ApEn para os sinais aleatórios e caóticos mostram uma relação aparentemente linear com o logaritmo do número de amostras do trecho e uma ordem específica do nível de regularidade / complexidade dos sinais. O maior nível de regularidade (menor complexidade) foi encontrado para os sinais senoidais seguido pelo sinal do atrator de Rossler, atrator do Mapeamento Logístico, o atrator de Henon, o atrator de Lorenz e depois para os sinais de ruído: RBG e RBU. Entre os sinais experimentais os sinais EEG de adultos mostraram valores de maior complexidade (menor regularidade). O método de normalização dos valores de máximo das curvas ApEn facilita a comparação dos resultados na forma percentual. A utilização dos valores de máximos das curvas ApEn e o procedimento de normalização permitem a proposta de uma estatística que não depende do raio “r” e do número de amostras “N” do sinal (para “N” elevado), podendo ser descrita como: NApEn ( m ).
id UFJF_8052cfe9ec879bde195996bfb46e21f6
oai_identifier_str oai:hermes.cpd.ufjf.br:ufjf/8276
network_acronym_str UFJF
network_name_str Repositório Institucional da UFJF
repository_id_str
spelling --Nobre, Flavio Fonsecahttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4783179J1Nadal, Jurandirhttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4780802E5Almeida, Antônio Carlos Guimarãeshttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4782226Z4Pinto, Danilo Pereirahttp://lattes.cnpq.brhttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4705668D3Gouvêa, David Sérgio Adães de2018-12-13T14:40:39Z2018-12-132018-12-13T14:40:39Z2017-02-14https://repositorio.ufjf.br/jspui/handle/ufjf/8276A Entropia Aproximada ApEn(m,r,N) tem sido utilizada para investigar a regularidade / complexidade de sinais com diversos comprimentos (N) e tolerância (r) entre 0,1 sd e 0,25 sd. Entretanto, a estimativa pontual da ApEn(m,r,N) pode fornecer resultados discutíveis para valores do raio “r” escolhidos de forma empírica e para trechos pequenos de sinais. Neste trabalho são investigadas algumas características da técnica da Entropia Aproximada visando esclarecer aspectos relacionados ao número de amostras, ao valor do raio “r” e ao atraso utilizado. Adicionalmente é proposto um método de normalização dos resultados. Para esta investigação foram utilizados sinais simulados como: senóides com 10 Hz, 50 Hz e 100 Hz (com frequências de amostragem de 1.000, 10.000 e 100.000 Hz), Mapeamento Logístico, atrator de Henon, atrator de Rossler, atrator de Lorenz, sinais aleatórios de Ruído Branco Gaussiano (RBG) e Ruído Branco Uniforme (RBU) e sinais experimentais como: EEG de recém-nascidos, EEG de adultos e sinais de variabilidade da frequência cardíaca (VFC). Trechos com diferentes comprimentos e valor do raio “r” ou tolerância entre zero e 5,0 vezes o desvio padrão (“sd”) foram utilizados. Os resultados mostram grande variabilidade e superposição das diversas estimativas da ApEn para trechos pequenos, dificultando a interpretação. O incremento do comprimento do trecho reduz a variabilidade das estimativas e evidencia a existência de formas de ondas relacionadas às estruturas dos retratos de fase. Os valores máximos das estimativas das curvas ApEn para os sinais aleatórios e caóticos mostram uma relação aparentemente linear com o logaritmo do número de amostras do trecho e uma ordem específica do nível de regularidade / complexidade dos sinais. O maior nível de regularidade (menor complexidade) foi encontrado para os sinais senoidais seguido pelo sinal do atrator de Rossler, atrator do Mapeamento Logístico, o atrator de Henon, o atrator de Lorenz e depois para os sinais de ruído: RBG e RBU. Entre os sinais experimentais os sinais EEG de adultos mostraram valores de maior complexidade (menor regularidade). O método de normalização dos valores de máximo das curvas ApEn facilita a comparação dos resultados na forma percentual. A utilização dos valores de máximos das curvas ApEn e o procedimento de normalização permitem a proposta de uma estatística que não depende do raio “r” e do número de amostras “N” do sinal (para “N” elevado), podendo ser descrita como: NApEn ( m ).Approximate Entropy ApEn (m,r,N) has been used to investigate the regularity / complexity of signals with several lengths (N) and tolerance (r) between 0.1 sd and 0.25 sd. However, the punctual estimate ApEn (m,r,N) can provide questionable results for radius values "r" chosen empirically and small signs stretches. This paper investigates some technical characteristics of the Approximate Entropy aiming to clarify aspects related to the number of samples, the radius value "r" and the delay used. Furthermore a method is proposed for standardization of results. For this research simulated signals were used as: senoid with 10 Hz, 50 Hz and 100 Hz (sampling frequencies of 1.000, 10.000 and 100.000 Hz), Logistic Mapping attractor, Henon attractor, Rossler attractor, Lorenz attractor, random signals of White Gaussian Noise (WGN) and White Uniform Noise (WUN) and experimental signals as newborn EEG, adult EEG and adult heart rate variability (HRV). Stretches of different length and radius "r" value or tolerance between zero and 5.0 times the standard deviation ("SD") were used. The results show great variability and overlap of several estimates ApEn for small stretches, making it difficult to interpret. The stretch length increment reduces the variability of estimates and highlights the existence of waveforms related to the phase portraits of the structures. The maximum values of estimates of ApEn curves, for random and chaotic signals, show a seemingly linear relationship with the logarithm of the number of samples and a specific order of level of regularity / complexity of signals. The highest level of regularity (less complexity) was found to senoid, followed by Rossler attractor, Logistic Mapping attractor, Henon attractor, Lorenz attractor and then to the noise signals: RBG and RBU. Among the experimental signals the adult EEG signals showed more complex values (less regularity). The method of standardization of maximum values of ApEn curves facilitates the comparison of results in percentage form. The use of the maximum values of the ApEn curves and the normalization procedure allows the proposal of a statistic that does not depend on the radius "r" and the number of samples "N" of the signal (for high "N"), and can be described as : NApEn ( m ).porUniversidade Federal de Juiz de Fora (UFJF)-UFJFBrasilFaculdade de EngenhariaCNPQ::ENGENHARIASEntropia aproximadaMapeamento logísticoHenonRosslerLorenzRuído Branco GaussianoRuído Branco UniformeEEG de recém-nascidosEEG de adultosVFCApproximate entropyLogistic mappingHenonRosslerLorenzWhite Gaussian NoiseWhite Uniform NoiseNewborn EEGEEG adultsHRVEstudo de características da entropia aproximada utilizando sinais simulados e experimentaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFJFinstname:Universidade Federal de Juiz de Fora (UFJF)instacron:UFJFTEXTdavidsergioadaesdegouvea.pdf.txtdavidsergioadaesdegouvea.pdf.txtExtracted texttext/plain141460https://repositorio.ufjf.br/jspui/bitstream/ufjf/8276/3/davidsergioadaesdegouvea.pdf.txt38c83ba8ca2a3dde575ad4f6c51f8faaMD53THUMBNAILdavidsergioadaesdegouvea.pdf.jpgdavidsergioadaesdegouvea.pdf.jpgGenerated Thumbnailimage/jpeg1468https://repositorio.ufjf.br/jspui/bitstream/ufjf/8276/4/davidsergioadaesdegouvea.pdf.jpgf2b401d9c64f2b76f1ccac395a2f64bdMD54ORIGINALdavidsergioadaesdegouvea.pdfdavidsergioadaesdegouvea.pdfapplication/pdf7249548https://repositorio.ufjf.br/jspui/bitstream/ufjf/8276/1/davidsergioadaesdegouvea.pdfba155cd3b9296601961078a3a90f2259MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82197https://repositorio.ufjf.br/jspui/bitstream/ufjf/8276/2/license.txt000e18a5aee6ca21bb5811ddf55fc37bMD52ufjf/82762019-06-16 11:30:31.066oai:hermes.cpd.ufjf.br:ufjf/8276TElDRU7vv71BIERFIERJU1RSSUJVSe+/ve+/vU8gTu+/vU8tRVhDTFVTSVZBCgpDb20gYSBhcHJlc2VudGHvv73vv71vIGRlc3RhIGxpY2Vu77+9YSwgdm9j77+9IChvIGF1dG9yIChlcykgb3UgbyB0aXR1bGFyIGRvcyBkaXJlaXRvcyBkZSBhdXRvcikgY29uY2VkZSBhbyBSZXBvc2l077+9cmlvIApJbnN0aXR1Y2lvbmFsIGRhIFVuaXZlcnNpZGFkZSBGZWRlcmFsIGRlIEp1aXogZGUgRm9yYSBvIGRpcmVpdG8gbu+/vW8tZXhjbHVzaXZvIGRlIHJlcHJvZHV6aXIsIHRyYWR1emlyIChjb25mb3JtZSBkZWZpbmlkbyBhYmFpeG8pLCBlL291IGRpc3RyaWJ1aXIgYSBzdWEgcHVibGljYe+/ve+/vW8gKGluY2x1aW5kbyBvIHJlc3VtbykgcG9yIHRvZG8gbyBtdW5kbyBubyBmb3JtYXRvIGltcHJlc3NvIGUgZWxldHLvv71uaWNvIGUgZW0gcXVhbHF1ZXIgbWVpbywgaW5jbHVpbmRvIG9zIGZvcm1hdG9zIO+/vXVkaW8gb3Ugdu+/vWRlby4KClZvY++/vSBjb25jb3JkYSBxdWUgbyBSZXBvc2l077+9cmlvIEluc3RpdHVjaW9uYWwgZGEgVW5pdmVyc2lkYWRlIEZlZGVyYWwgZGUgSnVpeiBkZSBGb3JhIHBvZGUsIHNlbSBhbHRlcmFyIG8gY29udGXvv71kbywgdHJhbnNwb3IgYSBzdWEgcHVibGljYe+/ve+/vW8gcGFyYSBxdWFscXVlciBtZWlvIG91IGZvcm1hdG8gcGFyYSBmaW5zIGRlIHByZXNlcnZh77+977+9by4gVm9j77+9IHRhbWLvv71tIGNvbmNvcmRhIHF1ZSBvIFJlcG9zaXTvv71yaW8gSW5zdGl0dWNpb25hbCBkYSBVbml2ZXJzaWRhZGUgRmVkZXJhbCBkZSBKdWl6IGRlIEZvcmEgcG9kZSBtYW50ZXIgbWFpcyBkZSB1bWEgY++/vXBpYSBkZSBzdWEgcHVibGljYe+/ve+/vW8gcGFyYSBmaW5zIGRlIHNlZ3VyYW7vv71hLCBiYWNrLXVwIGUgcHJlc2VydmHvv73vv71vLiBWb2Pvv70gZGVjbGFyYSBxdWUgYSBzdWEgcHVibGljYe+/ve+/vW8g77+9IG9yaWdpbmFsIGUgcXVlIHZvY++/vSB0ZW0gbyBwb2RlciBkZSBjb25jZWRlciBvcyBkaXJlaXRvcyBjb250aWRvcyBuZXN0YSBsaWNlbu+/vWEuIFZvY++/vSB0YW1i77+9bSBkZWNsYXJhIHF1ZSBvIGRlcO+/vXNpdG8gZGEgc3VhIHB1YmxpY2Hvv73vv71vIG7vv71vLCBxdWUgc2VqYSBkZSBzZXUgY29uaGVjaW1lbnRvLCBpbmZyaW5nZSBkaXJlaXRvcyBhdXRvcmFpcyBkZSBuaW5nde+/vW0uCgpDYXNvIGEgc3VhIHB1YmxpY2Hvv73vv71vIGNvbnRlbmhhIG1hdGVyaWFsIHF1ZSB2b2Pvv70gbu+/vW8gcG9zc3VpIGEgdGl0dWxhcmlkYWRlIGRvcyBkaXJlaXRvcyBhdXRvcmFpcywgdm9j77+9IGRlY2xhcmEgcXVlIG9idGV2ZSBhIHBlcm1pc3Pvv71vIGlycmVzdHJpdGEgZG8gZGV0ZW50b3IgZG9zIGRpcmVpdG9zIGF1dG9yYWlzIHBhcmEgY29uY2VkZXIgYW8gUmVwb3NpdO+/vXJpbyBJbnN0aXR1Y2lvbmFsIGRhIFVuaXZlcnNpZGFkZSBGZWRlcmFsIGRlIEp1aXogZGUgRm9yYSBvcyBkaXJlaXRvcyBhcHJlc2VudGFkb3MgbmVzdGEgbGljZW7vv71hLCBlIHF1ZSBlc3NlIG1hdGVyaWFsIGRlIHByb3ByaWVkYWRlIGRlIHRlcmNlaXJvcyBlc3Tvv70gY2xhcmFtZW50ZSBpZGVudGlmaWNhZG8gZSByZWNvbmhlY2lkbyBubyB0ZXh0byBvdSBubyBjb250Ze+/vWRvIGRhIHB1YmxpY2Hvv73vv71vIG9yYSBkZXBvc2l0YWRhLgoKQ0FTTyBBIFBVQkxJQ0Hvv73vv71PIE9SQSBERVBPU0lUQURBIFRFTkhBIFNJRE8gUkVTVUxUQURPIERFIFVNIFBBVFJPQ++/vU5JTyBPVSBBUE9JTyBERSBVTUEgQUfvv71OQ0lBIERFIEZPTUVOVE8gT1UgT1VUUk8gT1JHQU5JU01PLCBWT0Pvv70gREVDTEFSQSBRVUUgUkVTUEVJVE9VIFRPRE9TIEUgUVVBSVNRVUVSIERJUkVJVE9TIERFIFJFVklT77+9TyBDT01PIFRBTULvv71NIEFTIERFTUFJUyBPQlJJR0Hvv73vv71FUyBFWElHSURBUyBQT1IgQ09OVFJBVE8gT1UgQUNPUkRPLgoKTyBSZXBvc2l077+9cmlvIEluc3RpdHVjaW9uYWwgZGEgVW5pdmVyc2lkYWRlIEZlZGVyYWwgZGUgSnVpeiBkZSBGb3JhIHNlIGNvbXByb21ldGUgYSBpZGVudGlmaWNhciBjbGFyYW1lbnRlIG8gc2V1IG5vbWUgKHMpIG91IG8ocykgbm9tZShzKSBkbyhzKSBkZXRlbnRvcihlcykgZG9zIGRpcmVpdG9zIGF1dG9yYWlzIGRhIHB1YmxpY2Hvv73vv71vLCBlIG7vv71vIGZhcu+/vSBxdWFscXVlciBhbHRlcmHvv73vv71vLCBhbO+/vW0gZGFxdWVsYXMgY29uY2VkaWRhcyBwb3IgZXN0YSBsaWNlbu+/vWEuCg==Repositório InstitucionalPUBhttps://repositorio.ufjf.br/oai/requestopendoar:2019-06-16T14:30:31Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)false
dc.title.pt_BR.fl_str_mv Estudo de características da entropia aproximada utilizando sinais simulados e experimentais
title Estudo de características da entropia aproximada utilizando sinais simulados e experimentais
spellingShingle Estudo de características da entropia aproximada utilizando sinais simulados e experimentais
Gouvêa, David Sérgio Adães de
CNPQ::ENGENHARIAS
Entropia aproximada
Mapeamento logístico
Henon
Rossler
Lorenz
Ruído Branco Gaussiano
Ruído Branco Uniforme
EEG de recém-nascidos
EEG de adultos
VFC
Approximate entropy
Logistic mapping
Henon
Rossler
Lorenz
White Gaussian Noise
White Uniform Noise
Newborn EEG
EEG adults
HRV
title_short Estudo de características da entropia aproximada utilizando sinais simulados e experimentais
title_full Estudo de características da entropia aproximada utilizando sinais simulados e experimentais
title_fullStr Estudo de características da entropia aproximada utilizando sinais simulados e experimentais
title_full_unstemmed Estudo de características da entropia aproximada utilizando sinais simulados e experimentais
title_sort Estudo de características da entropia aproximada utilizando sinais simulados e experimentais
author Gouvêa, David Sérgio Adães de
author_facet Gouvêa, David Sérgio Adães de
author_role author
dc.contributor.advisor1.fl_str_mv -
dc.contributor.advisor1Lattes.fl_str_mv -
dc.contributor.referee1.fl_str_mv Nobre, Flavio Fonseca
dc.contributor.referee1Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4783179J1
dc.contributor.referee2.fl_str_mv Nadal, Jurandir
dc.contributor.referee2Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4780802E5
dc.contributor.referee3.fl_str_mv Almeida, Antônio Carlos Guimarães
dc.contributor.referee3Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4782226Z4
dc.contributor.referee4.fl_str_mv Pinto, Danilo Pereira
dc.contributor.referee4Lattes.fl_str_mv http://lattes.cnpq.br
dc.contributor.authorLattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4705668D3
dc.contributor.author.fl_str_mv Gouvêa, David Sérgio Adães de
contributor_str_mv -
Nobre, Flavio Fonseca
Nadal, Jurandir
Almeida, Antônio Carlos Guimarães
Pinto, Danilo Pereira
dc.subject.cnpq.fl_str_mv CNPQ::ENGENHARIAS
topic CNPQ::ENGENHARIAS
Entropia aproximada
Mapeamento logístico
Henon
Rossler
Lorenz
Ruído Branco Gaussiano
Ruído Branco Uniforme
EEG de recém-nascidos
EEG de adultos
VFC
Approximate entropy
Logistic mapping
Henon
Rossler
Lorenz
White Gaussian Noise
White Uniform Noise
Newborn EEG
EEG adults
HRV
dc.subject.por.fl_str_mv Entropia aproximada
Mapeamento logístico
Henon
Rossler
Lorenz
Ruído Branco Gaussiano
Ruído Branco Uniforme
EEG de recém-nascidos
EEG de adultos
VFC
Approximate entropy
Logistic mapping
Henon
Rossler
Lorenz
White Gaussian Noise
White Uniform Noise
Newborn EEG
EEG adults
HRV
description A Entropia Aproximada ApEn(m,r,N) tem sido utilizada para investigar a regularidade / complexidade de sinais com diversos comprimentos (N) e tolerância (r) entre 0,1 sd e 0,25 sd. Entretanto, a estimativa pontual da ApEn(m,r,N) pode fornecer resultados discutíveis para valores do raio “r” escolhidos de forma empírica e para trechos pequenos de sinais. Neste trabalho são investigadas algumas características da técnica da Entropia Aproximada visando esclarecer aspectos relacionados ao número de amostras, ao valor do raio “r” e ao atraso utilizado. Adicionalmente é proposto um método de normalização dos resultados. Para esta investigação foram utilizados sinais simulados como: senóides com 10 Hz, 50 Hz e 100 Hz (com frequências de amostragem de 1.000, 10.000 e 100.000 Hz), Mapeamento Logístico, atrator de Henon, atrator de Rossler, atrator de Lorenz, sinais aleatórios de Ruído Branco Gaussiano (RBG) e Ruído Branco Uniforme (RBU) e sinais experimentais como: EEG de recém-nascidos, EEG de adultos e sinais de variabilidade da frequência cardíaca (VFC). Trechos com diferentes comprimentos e valor do raio “r” ou tolerância entre zero e 5,0 vezes o desvio padrão (“sd”) foram utilizados. Os resultados mostram grande variabilidade e superposição das diversas estimativas da ApEn para trechos pequenos, dificultando a interpretação. O incremento do comprimento do trecho reduz a variabilidade das estimativas e evidencia a existência de formas de ondas relacionadas às estruturas dos retratos de fase. Os valores máximos das estimativas das curvas ApEn para os sinais aleatórios e caóticos mostram uma relação aparentemente linear com o logaritmo do número de amostras do trecho e uma ordem específica do nível de regularidade / complexidade dos sinais. O maior nível de regularidade (menor complexidade) foi encontrado para os sinais senoidais seguido pelo sinal do atrator de Rossler, atrator do Mapeamento Logístico, o atrator de Henon, o atrator de Lorenz e depois para os sinais de ruído: RBG e RBU. Entre os sinais experimentais os sinais EEG de adultos mostraram valores de maior complexidade (menor regularidade). O método de normalização dos valores de máximo das curvas ApEn facilita a comparação dos resultados na forma percentual. A utilização dos valores de máximos das curvas ApEn e o procedimento de normalização permitem a proposta de uma estatística que não depende do raio “r” e do número de amostras “N” do sinal (para “N” elevado), podendo ser descrita como: NApEn ( m ).
publishDate 2017
dc.date.issued.fl_str_mv 2017-02-14
dc.date.accessioned.fl_str_mv 2018-12-13T14:40:39Z
dc.date.available.fl_str_mv 2018-12-13
2018-12-13T14:40:39Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufjf.br/jspui/handle/ufjf/8276
url https://repositorio.ufjf.br/jspui/handle/ufjf/8276
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Juiz de Fora (UFJF)
dc.publisher.program.fl_str_mv -
dc.publisher.initials.fl_str_mv UFJF
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Faculdade de Engenharia
publisher.none.fl_str_mv Universidade Federal de Juiz de Fora (UFJF)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFJF
instname:Universidade Federal de Juiz de Fora (UFJF)
instacron:UFJF
instname_str Universidade Federal de Juiz de Fora (UFJF)
instacron_str UFJF
institution UFJF
reponame_str Repositório Institucional da UFJF
collection Repositório Institucional da UFJF
bitstream.url.fl_str_mv https://repositorio.ufjf.br/jspui/bitstream/ufjf/8276/3/davidsergioadaesdegouvea.pdf.txt
https://repositorio.ufjf.br/jspui/bitstream/ufjf/8276/4/davidsergioadaesdegouvea.pdf.jpg
https://repositorio.ufjf.br/jspui/bitstream/ufjf/8276/1/davidsergioadaesdegouvea.pdf
https://repositorio.ufjf.br/jspui/bitstream/ufjf/8276/2/license.txt
bitstream.checksum.fl_str_mv 38c83ba8ca2a3dde575ad4f6c51f8faa
f2b401d9c64f2b76f1ccac395a2f64bd
ba155cd3b9296601961078a3a90f2259
000e18a5aee6ca21bb5811ddf55fc37b
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)
repository.mail.fl_str_mv
_version_ 1801661416204140544