Apresentação

.github/workflows/build.yml

@@ -15,7 +15,9 @@ jobs:
     name: Publish Draft PDF
     steps:
     - uses: actions/checkout@v3
-    - name: Build
+      with:
+        submodules: recursive
+    - name: Build tcc
       uses: xu-cheng/latex-action@v2
       with:
         root_file: documento.tex

.gitmodules

@@ -1,3 +1,6 @@
 [submodule "egsis"]
 	path = egsis
 	url = [email protected]:ryukinix/egsis.git
+[submodule "templatebeamerufc"]
+	path = templatebeamerufc
+	url = [email protected]:ryukinix/TemplateBeamerUFC.git

2-textuais/1-introducao.tex

@@ -243,7 +243,7 @@ \section{Justificativas}\label{sec:justificativas}
 \section{Objetivo Geral}\label{sec:objetivo-geral}
 
 Desenvolver uma nova técnica de segmentação de imagens
-semi-supervisionada que possa ser equiparável ao estado da arte, com
+semi-supervisionada que possa ser equiparável ao estado-da-arte, com
 foco em segmentação interativa.
 
 \section{Objetivos Específicos}\label{sec:objetivo-geral}

2-textuais/2-fundamentacao-teorica.tex

@@ -245,9 +245,9 @@ \section{Geração de redes complexas}\label{sec:teorica-redes-complexas}
 características~\cite{JarbasComplexNetworks2020}.
 
 Neste trabalho, o uso de redes complexas é realizado de uma maneira
-acoplada ao algoritmo de clusterização inicial da imagem (superpixel). Nesse
-cenário, cada superpixel gerado na imagem é um vértice e as arestas
-são gerados com base na vizinhança.
+acoplada ao algoritmo de clusterização inicial da imagem
+(superpixel). Nesse cenário, cada superpixel gerado na imagem é um
+vértice e as arestas são geradas com base na vizinhança.
 
 Apesar de considerar o tema como redes complexas, esse cenário em
 particular gera um grafo planar pela maneira como as arestas são
@@ -409,7 +409,7 @@ \section{Métricas de similaridade}\label{sec:teorica-metricas-de-similaridade}
 md(\vec{x}, \vec{y}) = |y_1-x_1| + |y_2-x_2| + \cdots + |y_n-x_n|
 \end{equation}
 
-\subsection{Similaridade Euclidiana Exponencial}\label{sec:teorica-similaridade-euclidiana}
+\subsection{Similaridade euclidiana exponencial}\label{sec:teorica-similaridade-euclidiana}
 
 Para a técnica de extração de característica de matrizes de co-ocorrência,
 detalhada na seção~\ref{sec:teorica-matriz-co-ocorrencia}, a métrica de
@@ -420,7 +420,7 @@ \subsection{Similaridade Euclidiana Exponencial}\label{sec:teorica-similaridade-
   ed\_sim(\vec{x}, \vec{y}) = \dfrac{1}{e^{ed(\vec{x}, \vec{y})}}
 \end{equation}
 
-\subsection{Similaridade de Manhattan Logarítmica}\label{sec:teorica-similaridade-manhattan}
+\subsection{Similaridade de Manhattan logarítmica}\label{sec:teorica-similaridade-manhattan}
 
 Para a técnica envolvendo filtros de Gabor, a distância entre os
 vetores de características tiveram valores tão altos que ao usar a
@@ -451,7 +451,7 @@ \section{LCU}\label{sec:teorica-lcu}
 Esse algoritmo possui critérios de sobrevivência das partículas
 inspirado em comportamentos da natureza e sociedade. Por exemplo, o
 hiperparâmetro $ \lambda $ do algoritmo denota um fator de competição entre
-0 e 1 sobre o dificuldade que as partículas terão ao trafegar nos
+0 e 1 sobre a dificuldade que as partículas terão ao trafegar nos
 vértices, tornando a sobrevivência delas mais difícil ao percorrer o
 grafo. Para esse parâmetro, 0 significa um passeio aleatório no grafo,
 1 significa máxima competitividade. Embora as partículas nasçam nos

3-pos-textuais/referencias.bib

@@ -632,3 +632,28 @@ @article{achanta2012slic
   url =          {http://infoscience.epfl.ch/record/177415},
   doi =          {https://doi.org/10.1109/TPAMI.2012.120},
 }
+
+@article{samuel1959some,
+  title =        {Some studies in machine learning using the game of
+                  checkers},
+  author =       {Samuel, Arthur L},
+  journal =      {IBM Journal of research and development},
+  volume =       3,
+  number =       3,
+  pages =        {210--229},
+  year =         1959,
+  publisher =    {IBM}
+}
+
+@misc{press2021machine,
+  title =        {On thinking machines, machine learning, and how AI
+                  took over statistics},
+  url =
+                  {https://www.forbes.com/sites/gilpress/2021/05/28/on-thinking-machines-machine-learning-and-how-ai-took-over-statistics/?sh=6056f4692513},
+  journal =      {Forbes},
+  publisher =    {Forbes Magazine},
+  author =       {Press, Gil},
+  year =         2021,
+  month =        {May},
+  urlaccessdate = {05 dez. 2023},
+}

Makefile

@@ -21,8 +21,9 @@
 ##                                                                    ##
 ########################################################################
 
-SRC = $(shell find . -iname '*.tex')
+SRC = $(shell find . -iname '*.tex' -not -path "./templatebeamerufc/*.tex")
 FILENAME=documento
+PRESENTATION=apresentacao
 
 all: compile clean
 
@@ -43,11 +44,24 @@ compile:
 	make clean
 	@echo "Processo finalizado com sucesso!"
 
+presentation:
+	@echo "*********************************************************"
+	@echo "*													   *"
+	@echo "* APRESENTAÇÃO - TRABALHO CONCLUSÃO DE CURSO (UFC)	   *"
+	@echo "*													   *"
+	@echo "*********************************************************"
+	@echo "Compilando..."
+	make clean
+	latexmk -pdf -file-line-error $(PRESENTATION).tex
+	make clean
+	@echo "Processo finalizado com sucesso!"
+
+
 open:
 	xdg-open $(FILENAME).pdf
 
 lint:
-	@chktex $(SRC)
+	@chktex --verbosity=0 -q $(SRC)
 
 spell-check:
 	bash scripts/spell-check.sh $(SRC)
@@ -59,5 +73,6 @@ clean:
 	@rm -v -f *.out *.aux *.alg *.acr *.dvi *.gls \
 	       *.log *.bbl *.blg *.ntn *.not *.lof \
            *.lot *.toc *.loa *.lsg *.nlo *.nls \
-           *.ilg *.lol *.ind *.ist *.glg *.glo *.xdy *.acn *.idx *.loq *~
+           *.ilg *.lol *.ind *.ist *.glg *.glo *.xdy *.acn *.idx *.loq *~ \
+           *.bcf *.nav *.run.xml *.snm *.fdb_latexmk *.fls
 	@echo "Processo finalizado com sucesso!"