Nanoeletrônicos e Circuitos Integrados
URI Permanente desta comunidade
Navegar
Navegando Nanoeletrônicos e Circuitos Integrados por Orientador "Rodrigues, Paulo Sérgio Silva"
Agora exibindo 1 - 4 de 4
Resultados por página
Opções de Ordenação
Dissertação Classificação de cenas em imagens através da arquitetura cognitiva lida(2020) Goulart, H. X.Na área de visão computacional, dentre as diversas linhas existentes, há aquela denominada de generalista. Esta vertente consiste em estudos amplos, incluindo muitos elementos e variáveis; nesse caso, inúmeras aplicações podem ser desenvolvidas dentro de um mesmo estudo. Um dos principais problemas estudados na área de visão computacional, seguindo a linha generalista, é conhecido como classificação de cenas. Na literatura, esse problema é geralmente enfrentado com o uso de técnicas de Deep Learning em combinação com outras técnicas de classificação. Em contrapartida, uma linha de pesquisa conhecida como arquiteturas cognitivas, que embora seja pouco explorada em visão computacional, vem sendo estudada nas últimas décadas buscando mesclar conceitos da neurociência e da ciência da computação. Neste trabalho, será apresentado um modelo que agrega a arquitetura cognitiva Learning Intelligent Distribution Agent (LIDA) com métodos já utilizados na área, visando estudar os aspectos poucos explorados até o momento, que são proporcionadas por esta união. Dentre os métodos existentes na área, serão utilizados o Support Vector Machine (SVM), Multilayer Perceptron (MLP) e Redes Neurais Convolucionais (CNN). Este trabalho contribuiu para a união pouco explorada descrita aqui, e também serve como base pra futuros trabalhos que estudem problemas através desta união. Outra contribuição é que o presente trabalho apresentou resultados similares ao estadoda-arte em bases de dados frequentemente utilizadas na área, como é o caso do MIT Indoor 67 (85,9% de acurácia) e SUN 397 (69,4% de acurácia), que são bases de cenas naturais coloridas segregadas entre diversas classesDissertação Classificação de cenas naturais baseada em cor e relacionamento espacial de regiões em uma Rede Complexa(2011) Silva, S. M.Este trabalho apresenta um modelo de Redes Complexas para representação de informações contextuais de imagens de cenas naturais. A hipótese que será estudada nessa dissertação é de analisar se um grupo de nós gera contexto de características comuns a determinadas classes, significando que a co-ocorrência de cores em locais específicos na cena é um fator discriminante, que pode representar contexto, permitindo assim a navegação e inferência na rede para aplicações como: Recuperação de Informação, Análise de Imagens e Inferência de Objetos em Cena. No modelo proposto, a característica de cor e posicionamento espacial na imagem que co-ocorrem é modelado como um nó da rede. As bases de dados de imagens que foram usadas são: A Corel Image Gallery, que possui cerca de 5.200 imagens divididas em 52 classes e a Coil, que possui cerca de 7200 imagens divididas em 100 classesDissertação Estudo da aplicação de sistemas de recomendação para apoio à decisão clínica no tratamento(2020) Horvath, M.Sistema de Recomendação (SR) são técnicas já consolidadas, desenvolvidas para auxiliar usuários na tarefa de encontrar conteúdo de interesse em meio a um grande conjunto de opções, que pode ser uma tarefa exaustiva quando feita manualmente. Estes sistemas têm sido extensivamente explorados pela comunidade acadêmica, mostrando serem eficazes para lidar com dados esparsos e prover recomendações relevantes, principalmente em cenários de comércio e entretenimento online. Trabalhos de pesquisa recentes passaram a investigar Sistemas de Recomendação em cenários relacionados à saúde, discutindo desafios e oportunidades para apoiar profissionais da saúde na tomada de decisão, ou até mesmo para gerar recomendações diretamente para pacientes. Este trabalho apresenta uma extensa revisão da área denominada Sistema de Recomendação para Saúde (SRS), com o intuito de pontuar as principais contribuições e desafios atuais. Alguns dos principais desafios pontuados no levantamento bibliográfico são: a escassez de trabalhos publicados que avaliam SRSs empiricamente, a adoção dos chamados Históricos Médicos Eletrônicos (HMEs) para a construção de SRSs e a modelagem do perfil dos pacientes em cenários de recomendações na área médica. Portanto, este trabalho apresenta uma avaliação e comparação das principais técnicas de SRs aplicadas em um cenário de recomendação na área médica, com o objetivo de recomendar procedimentos para apoiar profissionais da saúde no processo de definição de tratamento de pacientes que apresentam cardiopatias congênitas. Os experimentos foram realizados utilizando uma base de dados fornecida por um hospital de São Paulo, extraída de um sistema de Históricos Médicos Eletrônicos. Os resultados mostraram que os modelos de Filtragem Colaborativa (FC) superaram os modelos de Filtragem Baseada em Conteúdo (FBC) em todas as comparações realizadas. Além disso, os Sistemas de Recomendação Sensíveis ao Contexto (SRSCs) proporcionaram um aumento do desempenho dos SRSs, uma vez que os melhores resultados, tanto dos modelos de FC como dos modelos de FBC, foram obtidos com a utilização de informações contextuais na definição das recomendações. Por fim, os Sistemas de Recomendação Híbridos superaram todos os modelos individualmente, atingindo desempenho de 0,78 em relação ao nDCG e de 0,87 em relação à RevocaçãoDissertação Reconhecimento de objetos baseado em uma arquitetura neuro-cognitiva(2020) Lopes, L. A.Nas últimas três décadas, o desenvolvimento de modelos que objetivam desenvolver máquinas inteligentes tem ganho mais atenção dos pesquisadores, avançando rápidamente. Na área da Inteligência Artificial é possível identificar duas abordagens distintas. Na primeira, pesquisadores de diferentes áreas dedicam-se a desenvolver modelos cognitivos baseados em mente humana, formalizando descobertas em áreas como psicologia e neurociência, como o caso da arquitetura LIDA, que é talvez o exemplo mais conhecido desse tipo de iniciativa. Na segunda, buscam puramente resolver problemas a partir de modelos autônomos, não preocupando-se com toda a complexidade da mente humana, como no caso do YOLO, um avançado algoritmo para reconhecimento de objetos. Neste trabalho, é proposta uma abordagem utilizando-se arquiteturas cognitivas apoiadas na estrutura de modelos cognitivos já estabelecidos, em busca de uma melhora em seus resultados ao adicionar uma dinâmica que simula a mente humana. Na proposta deste trabalho, o YOLO compõe o módulo de Memória Perceptiva Associativa visando realizar o reconhecimento de objetos, tendo agregado um módulo de Memória Episódica Transiente. Este último será responsável por adicionar uma memória recente à estrutura proposta, que combinada com codelets de atenção, permite que o rastreamento de objetos ajude na decisão de quando a memória perceptiva associativa deve ser acionada, utilizando diferentes algoritmos para tais tarefas. Experimentos foram realizados sobre a base de imagens TV77, base esta que aglomera videos de diferentes Datasets conhecidas na academia. Assim, o desempenho na tarefa de reconhecer objetos foi medido e comparado com a sua implementação original, obtendo um desempenho mais rápido no processamento, sem perder de forma significativa a assertividade original do modelo