Trabalhos de Conclusão de Curso

URI Permanente para esta coleção

https://repositorio.fei.edu.br/handle/FEI/3176

Navegar

Agora exibindo 1 - 20 de 51

UM MODELO DE NAVEGAÇÃO PARA ROBÔS AUTÔNOMOS EM AMBIENTES INTERNOS
(2020-06-17) FELIPE MESSIAS DO LAGO; GUSTAVO VINICIUS RODRIGUES CONCEIÇÃO; LINCOLN CÉSAR GONÇALVES DIAS; PEDRO HENRIQUE INDALÉCIO SCHIAVOM; RAFAEL DA SILVA
Uma das tecnologias utilizadas dentro de fábricas são os chamados Autonomous Guided Vehicles (AGV’s). Os AGV’s são robôs que geralmente são utilizados como parte essencial da logística de uma empresa, uma vez que com eles é possível transportar peças de forma autônoma. Tradicionalmente, essa tarefa é realizada através de sensores e faixas fixas no caminho, que os AGV’s utilizam para navegar de um ponto a outro. O trabalho apresenta uma implementação de uma metodologia com foco em AGV’s autônomos, que não dependem de faixas para guiá-los. Para isso, serão utilizados os algoritmos de SLAM, sensor Lidar e o AMCL contido no ROS (coleção de frameworks de software para desenvolvimento de robôs). O SLAM, para a criação do mapa de um ambiente. O sensor Lidar, para verificar as distâncias entre o robo e os objetos em sua frente. E por ultimo, o algoritimo AMCL para a localização do robo dentro do ambiente. Ao final do projeto, será apresentada uma implementação em que o AGV seja capaz de criar um mapa de ambiente, propor uma trajetória de um ponto ao outro, seguir a trajetória criada, caso detecte um obstáculo como uma pessoa ou um cone, o AGV deve ser capaz de detectá-lo, desviar e, por fim, seguir o caminho planejado.
UTILIZAÇÃO DE CRIPTOGRAFIA HOMOMÓRFICA PARA GARANTIR A SEGURANÇA E PRIVACIDADE DE DADOS NA NUVEM
(2020-06-17) MARCELO ROQUE SANCHES; TALLES DA SILVA LOPES
A computação na nuvem vem se tornando cada vez mais uma tendência devido sua praticidade e alta escalabilidade, mas uma questão que ainda preocupa e talvez seja sua maior desvantagem é a questão da segurança, isso se da pelo fato de muitas vezes o provedor não tomar as devidas medidas de segurança para proteger os dados de seus clientes. Um meio de proteger os dados em um ambiente na nuvem seria utilizar alguma forma de criptografia, mas para que se possa utilizar os dados precisamos decriptar e nesse momento podemos ficar vulnerável a algum ataque. Uma solução possível para o problema é a criptografia homomórfica, já que permite justamente trabalhar com o dado encriptado, sendo assim capaz de proteger os dados mesmo em um ambiente inseguro. Tendo isso em mente a criptografia homomórfica se torna o candidato perfeito para resolver o problema no futuro caso se torne viável para uso em larga escala.
UM MODELO BAYESIANO BASEADO EM ALGORITMOS BIO-INSPIRADOS PARA CLASSIFICAÇÃO BINÁRIA
(2020-06-17) RICARDO MORELLO SANTOS; THYAGO MELO DOS SANTOS
Nos últimos anos, nota-se o crescente aumento na geração de dados digitais, sobretudo por conta da consolidação da internet como meio de comunicação. Proporcionalmente, cresce também a quantidade de algoritmos e metodologias propostas para mineração de dados e identificação de tendências ou padrões, hoje uma tarefa inviável à capacidade analítica humana. No entanto, de acordo com a literatura, estas técnicas apresentam performance diferente quando aplicadas em problemas ou bases de dados diferentes. Assim, este trabalho propõe um modelo bayesiano que agrega a saída de diferentes algoritmos de classificação, ponderando-as de maneira a priorizar o classificador com melhor performance para o problema em questão. Foram aplicados e comparados algoritmos consolidados na literatura, considerando dois conjuntos. O primeiro deles envolve o Supported Vector Machine (SVM) e o XGBoost, enquanto o segundo compreende SVM, Tensorflow e uma rede neural do tipo Multilayer Perceptron (MLP). Para otimização do processo combinatório de ponderação dos classificadores no modelo proposto, foram também aplicados e comparados dois algoritmos bio-inspirados, Firefly e Particle Swarm Optimization. A metodologia foi aplicada em três bases de dados de classificação binária, sendo duas para predição da rotatividade de clientes, Telco Customer Churn e Churn in Telecom’s Dataset, e uma terceira base para predição de doenças cardiovasculares, Cardiovascular Disease Dataset. Os resultados obtidos mostram que o modelo proposto priorizou os classificadores com maior performance, portanto preservando a saída com maior assertividade, sobretudo na base de dados Telco Customer Churn. Neste caso, a despeito da maior variação nas classificações, o método proposto apresentou estabilidade na classificação. Nas demais bases de dados, quando os classificadores possuem performance similar, o modelo proposto apresentou assertividade também similar aos demais.
CLASSIFICAÇÃO DE TEXTOS DA BASE DBPEDIA COM A UTILIZAÇÃO DE REDES NEURAIS
(2020-06-17) ADRIANO VIANA; GUSTAVO ARAÚJO; IGOR SANTOS SOUZA
Considerando os níveis de pobreza ainda existentes no Brasil e no mundo, percebe-se que a atuação do Estado ainda não é suficiente para suprir todas as necessidades da população. Como forma de trazer novos aliados para o combate à pobreza, pode-se incentivar empresas a exercerem a responsabilidade social. Entretanto, muitas empresas ainda não estão convencidas de que isso também pode trazer retornos lucrativos à mesma. Neste projeto, o objetivo é realizar uma comparação entre diversos modelos e parâmetros de redes neurais usadas para realizar a categorização de textos. Para realizar este objetivo, foi utilizada uma base de dados com artigos de texto retirados do Wikipedia, chamada DBpedia. Estes dados foram tratados com técnicas de pré-processamento de texto e convertidos a vetores tf-idf, que tiveram sua dimensionalidade reduzida pelo algoritmo Singular Value Decomposition. Após esta etapa, foi realizado o treinamento e otimização de parâmetros da rede neural, e em seguida os modelos foram testados na base de testes. Espera-se que os resultados deste estudo contribuam para o aprimoramento de sistemas de categorização de textos aplicados à identificação de tópicos relacionados à responsabilidade social
GERAÇÃO DE IMAGEM A PARTIR DE SENTENÇA DESCRITIVA
(2020-06-17) AUGUSTO TUROLLA; MATEUS DAVI SILVA; IGOR DO NASCIMENTO ALVES; ALEXANDRE KENJY DE SIQUEIRA KUMAGAI
Com o avanço tecnológico, sobretudo nas áreas de Inteligência Artificial(IA), Processa- mento de Linguagem Natural(PLN) e Aprendizado Profundo existem expectativas promissoras para futuras tarefas que a computação possivelmente será capaz de realizar. Muitos trabalhos realizados ao longo desta década tem utilizado redes neurais para resolver problemas que po- dem ser solucionados seguindo as técnicas de IA, tendo alcançado excelentes avanços na área. Um destes problemas é o da capacidade da computação de ilustrar contextos diversos. Alguns exemplos deste problema estão relacionados à indústria da literatura, cinematografia e de jogos ou de criar cenas para áreas comercial e publicitária. Avanços significativos que surgiram no campo das redes neurais e PLN são os assistentes pessoais que estão cada vez mais presentes no nosso cotidiano. Neste trabalho, é proposto um modelo capaz de gerar imagens a partir de sentenças textuais. Para construir o modelo é utilizada uma rede neural para gerar imagens, cha- mada de rede generativa adversarial(GAN), que foi treinada utilizando o dataset MS COCO, que são bases de dados de imagem e meta-dados que descrevem os objetos e cenários contidos nas imagens, e funções de ativação diferentes das utilizadas habitualmente, com o objetivo de superar o estado da arte. As contribuições são: (i) Um estudo sobre a influência da aplicação das diferentes funções de ativação sobre o modelo generativo adversarial; (ii) um modelo pré- treinado de Redes Neurais Generativas Adversariais, para gerar imagens de ambientes urbanos artificiais através de sentenças descritivas de cenas urbanas; e (iii) a disponibilização de um da- taset para treinamentos com modelos urbanos. O projeto obteve sucesso em gerar imagens que se assemelham ao contexto urbano apresentando uma assertividade de 27% através da função ReLU como ativadora da rede neural. Em conjunto, é apresentado também uma comparação da geração de imagens urbanas e outro tipo de imagens a partir de um espaço amostral com menor riqueza de detalhes, como flores.
UM MODELO BASEADO EM APRENDIZADO INFINITO PARA AUXÍLIO AO DIAGNÓSTICO E À REDUÇÃO DO ERRO MÉDICO
(2020-06-17) GIOVANE JOSE FERNANDES; GUILHERME CANDOTTA SILVA; MATHEUS BARROSO VALENTIM SANTOS; RINALDO DE OLIVEIRA JUNIOR
Com o avanço das novas tecnologias, principalmente na área da computação, muitos novos sistemas estão sendo desenvolvidos. Os sistemas baseados em Inteligência Artificial e Ciência de Dados tem acompanhado essa evolução. Nas últimas décadas, a medicina se be- neficiou desses avanços tecnológicos em diversos aspectos. Um exemplo são os sistemas de recomendação, que têm evoluído principalmente nas áreas cinematográfica e varejista, tendo também sido desenvolvidos para a medicina como sistemas CAD (Computer Aided Diagnosis), com o objetivo de auxiliar os profissionais da saúde em vários tipos de tomadas de decisão, como em fases pré-operatórias, intra-operatórias e pós-cirurgia. Entretanto, esse tipo de sis- tema ainda demanda maior desenvolvimento, em especial aqueles dependentes de aprendizado de máquina supervisionado e bases de dados, que por vezes são raras e indisponíveis para o desenvolvimento. Assim, o projeto aqui proposto apresenta uma metodologia computacional para auxiliar no processo de diagnóstico e na diminuição de erros médicos, tentando contornar a questão da escassez de base de dados para treinamento do sistema, por meio do aprendizado in- finito e contínuo. Os resultados obtidos comprovam a eficácia do sistema proposto na realização de diagnósticos médicos para patologias de cardiopatia congênita e doenças cardiovasculares, visto que ao utilizar o método de validação RNA com 4 camadas e 16 neurônios, os testes al- cançaram uma acurácia de 72% na realização do diagnóstico. Ainda, os resultados evidenciam que a constante realimentação faz com que o sistema melhore sua performance
COMPARAÇÃO DE SOLUÇÕES ALGORÍTMICAS BIO-INSPIRADAS PARA BALANCEAMENTO DE CARGA EM NUVEM
(2020-06-17) ANDERSON AGUIAR DE SOUZA; MARCELO DONATO DA SILVA; RENATO LOPES YAMAGUTI
Os avanços tecnológicos dos últimos anos causaram um aumento significativo na de- manda por processamento, armazenamento e análise de dados, o que acabou influenciando a popularização da computação em nuvem. Este ambiente é característico por oferecer estabili- dade, escalabilidade, segurança, tudo isso através da virtualização e de servidores dedicados. Um dos principais problemas relacionados com este cenário está associado com o gerencia- mento de requisições e a distribuição de tarefas, que são casos que são resolvidas por técni- cas chamadas de balanceamento de carga. Essa técnica pode ser implementada e avaliada de diversas formas, porém podem apresentar diferentes resultados dependendo de fatores como configuração e métricas. Este trabalho implementa a análise e comparação de 3 técnicas de diferentes soluções de otimização: o Firefly, Colônia de Formigas e Algoritmo Genético
VMPD (VEHICLE MANEUVER PATTERN DETECTION):
(2020-06-17) GUILHERME COELHO SMALL ZICARI; NATHÁLIA CÂNDIDO; TIAGO COSTA ARRAZI; RAFAEL SILVA MOREIRA
Um dos grandes problemas das sociedades atuais é o elevado crescimento da população, e consequentemente de veículos automotivos. Esse crescimento implica na elevação da com- plexidade do trânsito, no qual a quantidade de elementos em que deve se manter o foco é cada vez maior. Dada esta complexidade florescente, a probabilidade de acidentes devido a erros de julgamento cometidos por condutores, assim como a dificuldade de fiscalização pelas autorida- des, crescem. Este estudo tem como objetivo realizar a detecção de manobras que ocorrem ao redor do veículo o qual o motorista ocupa, o veículo-base. O sistema proposto baseia-se em técnicas de visão computacional, aprendizado de máquina e séries temporais. Com o objetivo de capturar uma visão mais ampla, são utilizadas câmeras que abrangem diferentes perspecti- vas a partir do veículo-base. Informações de interesse são extraídas e transformadas em séries temporais, posteriormente analisadas por uma rede neural, classificando manobras detectadas. Dada esta classificação, a metodologia se prova útil para a detecção de perigos e pontos de inte- resse realizada em sistemas de direção semiautônomos, ou mesmo a identificação de condução perigosa para a educação no trânsito. Até onde se sabe, este problema não foi abordado sob a perspectiva de primeira pessoa. Os resultados obtidos são promissores, com a menor acurácia média de 83,92% entre todas as validações. Individualmente, os resultados utilizando a valida- ção cruzada por K-Fold atingiram uma acurácia média de 99,63% e a validação cruzada manual não enviesada, 90,88%.
DESCRIÇÃO ESPACIAL QUALITATIVA DE CENAS EM AMBIENTES INTERNOS COM VISÃO COMPUTACIONAL
(2020-12-08) GUSTAVO FUENTES NASCIMENTO; JEFFERSON FERREIRA BIZARRI; THOMAS DUMONT DAS NEVES
O campo de Visão Computacional foi revolucionado com a introdução de Redes Neurais Profundas, elas possibilitaram a criação de tecnologias como reconhecimento facial, detecção e classificação de objetos e é responsável, em partes, pelo crescente avanço de veículos autôno- mos, entre diversas outras contribuições. Apesar da constante melhoria desse campo, notamos que não existem muitas tecnologias populares capazes de descrever textualmente cenas captu- radas por câmeras fotográficas em ambientes internos. Propomos uma aplicação capaz de gerar um texto descrevendo quais objetos foram identificados e a suas direções qualitativas em rela- ção a câmera. Para realizar este trabalho, utilizamos a Faster R-CNN que foi treinada e avaliada com um resultado de 52% de mAP, para identificar 15 tipos de objetos em um ambiente fe- chado, usando o COCO-Dataset como base dados. Para a classificação do seu posicionamento na cena, desenvolvemos um algoritmo baseado no conceito de Raciocínio Espacial Qualitativo (REQ). A Rede Neural Convolucional, foi integrada com o algoritmo de REQ para produzir uma aplicação desktop e um serviço web, onde o usuário é capaz de subir uma imagem para descrever qualitativamente as posições dos objetos nela presente em relação a câmera.
DETECÇÃO AUTOMÁTICA DE DISLEXIA BASEADA EM LEITURA DIGITAL
(2020-12-09) IAGO RODRIGUES WANDEUR; JOSÉ DJALMA DA CUNHA JÚNIOR
O processo de investigação diagnóstica da dislexia é relativamente demorado e envolve o trabalho de uma equipe multiprofissional de saúde em seu âmbito, muitas vezes o tornando caro e impossibilitando o acesso de uma grande quantidade de pessoas com menos recursos financeiros e de pessoas com rotinas agitadas e pequena quantidade de tempo livre pessoal, seja por cotidiano atarefado profissionalmente ou estudantil. Em consideração a essas pessoas e aos obstáculos encontrados no diagnóstico dessa condição, esse trabalho objetiva identificar a dislexia de uma forma mais rápida e acessível às diferentes camadas socioeconômicas da sociedade. O experimento consiste na análise visual da leitura de um texto no computador, sendo o padrão de leitura interpretado por uma rede neural do tipo deep learning e, em questão de minutos, é emitido um relatório com a probabilidade da pessoa possuir dislexia, incentivando a procura de atendimento adequado para o caso.
ESTUDO DE MODELOS DE PREDIÇÃO DE CANCELAMENTO DE SERVIÇOS DE TELEFONIA UTILIZANDO TÉCNICAS DE APRENDIZADO DE MÁQUINA
(2020-12-09) GUILHERME MARTINS GONÇALVES DE OLIVEIRA; JOÃO VICTOR SERRALHA
Um dos pontos mais críticos, para empresas de telefonia, é a alta taxa de rotatividade dos clientes, e para atender às necessidades de sobrevivência no ambiente competitivo, a retenção de clientes existentes tornou-se um grande desafio. O estudo feito por Hanif (2019) mostra que devido ao avanço da tecnologia nos últimos anos, o ramo de telecomunicação foi uma das primeiras indústrias a investir em técnicas de aprendizado de máquina e de análise de dados para a prevenção da rotatividade de clientes. Porém, mesmo com os investimentos, a questão da rotatividade de clientes ainda é um grande problema nesse setor. Na pesquisa realizada por Saraswat e Tiwari (2018) no setor de telecomunicações, afirma-se que o custo de aquisição de um novo cliente é muito maior do que reter o existente. Nesse trabalho, foram comparados os desempenhos de três algoritmos distintos de aprendizado de máquina no contexto de predição de cancelamento de serviços em empresas de Telecom. Os algoritmos foram aplicados em uma base de dados com registros reais de uma empresa de telecomunicação. Os resultados foram utilizados para a construção de suas determinadas métricas, tendo como objetivo, avaliar o desempenho dos classificadores. Após o treinamento e validação dos modelos, foi possível chegar em uma conclusão de qual algoritmo produziu o melhor modelo nesse contexto e as possíveis razões para tal resultado
METODOLOGIA E IMPLEMENTAÇÃO DE UMA ARQUITETURA PARA INTERATIVIDADE MANUAL EGOCÊNTRICA EM REALIDADE AUMENTADA MONOCULAR
(2020-12-09) ÉVERTON CARDOSO ACCHETTA; HELMUTH AUGUST RISCH FILHO; LUCAS PAMPOLIN LAHERAS; VINICIUS LUIZ OLIVEIRA PINHEIRO DOS SANTOS
Os investimentos em Realidade Aumentada (RA) vem crescendo consideravelmente nos últimos anos, atingindo US$ 4.1 bilhões em 2019. Este avanço é devido ao aumento da utilização da RA em áreas como educação, treinamentos, jogos e medicina. Somado a isso, os avanços tecnológicos em hardware possibilitam dispositivos que a poucos anos atrás, eram impensáveis. Um exemplo popular é o Microsoft Hololens 2, que permite que o usuário utilize as próprias mãos como meio de interagir com a experiência em RA. Porém, a desvantagem deste dispositivo é seu alto custo devido à seus diversos sensores. Assim, este projeto propõe uma arquitetura de RA que utiliza como sensor somente uma câmera RGB monocular, permitindo que o usuário interaja com a experiência RA utilizando suas próprias mãos para realizar gestos similares à arquitetura do Microsoft Hololens 2, onde é possível manusear o objeto virtual da mesma maneira que um objeto real seria manipulado. Os resultados obtidos são promissores, onde a verificação da interação da mão com o objeto virtual funcionou em aproximadamente 80% dos testes efetuados, respeitando o caminho definido pela movimentação da mão.
DATASET PARA RECONHECIMENTO DE COMPORTAMENTO DO MOTORISTA BASEADO NO CONTEXTO DO AMBIENTE NO SETOR AUTOMOBILÍSTICO
(2020-12-10) JEAN LOURENÇO; LUCAS FONSECA; LUIS CARVALHO
Com o trânsito crescente nas grandes cidades, compreender o comportamento dos mo- toristas se torna cada vez mais essencial por diversos motivos, como para permitir que os res- ponsáveis possam tomar ações que visam proteger a vida da população. Tendo isso em vista, este trabalho tem como objetivo documentar e executar o ciclo completo de produção de um dataset que armazenará o comportamento dos motoristas de acordo com o contexto do ambi- ente, para isso usaremos um aparelho celular para capturar informações do ambiente, através dos diversos sensores embarcados nele. Além disso serão usados detectores de objetos, tanto para identificação de objetos internos quanto externos, um rastreador ocular, para determinar a direção em que o motorista está olhando, um estimador de posição da cabeça, para determinar a posição da cabeça do motorista, e um reconhecedor de emoções faciais, para determinar por qual emoção o motorista está passando. O principal resultado é uma proposta de baixo custo que reúne um estimador de posição da cabeça, com precisão de 82,50% com o veículo em movimento, um rastreador ocular, que obteve uma precisão média de 71,25% com o veículo em movimento, dois detectores de objetos, um para imagens externas, que atingiu precisão 85,00%, e um para imagens internas, que atingiu 83,33%, e um reconhecedor de emoções faciais, cuja precisão obtida foi de 82,00%. O trabalho também contribui com um novo dataset com vídeos, áudios e dados provenientes de diversos sensores dos celulares para reconhecimento do comportamento do motorista.
RECOMENDAÇÃO AUTOMÁTICA DE ESTUDOS BASEADA EM TEORIA DOS GRAFOS E LINGUAGEM NATURAL
(2020-12-10) GUILHERME BAZZO ABELLAN; LEONARDO PILATI MILOS; LUCAS DE ARRUDA CAMPOS SIMÕES
De acordo com a pesquisa realizada pela Organização das Nações Unidas (ONU, 2019), no final do ano passado, foi constatado que mais da metade da população mundial já tem acesso a internet, aproximadamente 53.6%. A tendência deste valor é continuar crescendo, assim como a quantidade de informações produzidas por todos os usuários com acesso a internet, o equivalente a 2.5 quintilhões de bytes por dia (YAHOO!FINANCE, 2020). Devido a essa grande quantidade de dados disponíveis, torna-se cada vez mais difícil filtrar e validar informações. Essa observação, por decorrência, dificulta o entendimento de fatos e a utilização deste meio para o aprendizado devido a falta de ferramentas para contingenciar este problema. Portanto, este trabalho propõe uma plataforma de planejamento de estudos, a qual realiza o trabalho de: filtrar, validar e gerar uma cronologia de assuntos coletados no site Wikipédia. O aprendizado da técnica ou conhecimento pesquisado pelo usuário é alcançado através do estudo ordenado dos assuntos fornecidos pela ferramenta. A plataforma de planejamento de estudos é competente na realização de buscas de co- nhecimentos específicos, onde o usuário restringe o escopo da sua pergunta ao fornecer dados que limitem a subjetividade da busca. O desenvolvimento desta ferramenta permitiu observar que a navegação no site Wikipédia entre assuntos enciclopédicos, sejam eles semelhantes ou não, pode ser transposta através do uso de um mesmo número médio de hyperlinks.
UM MODELO DE DESVIO MARKOVIANO PARA VEÍCULOS AUTÔNOMOS
(2020-12-10) PAULO VICTOR RANIERI SETÚBAL; PEDRO HENRIQUE NARDONI RUIZ; PIETRO MONTORO RIGETTO
Ao longo dos anos, e com o surgimento e popularização da computação, a automati- zação de tarefas repetitivas se tornou frequente e atrativa para a melhor qualidade de vida. À medida que novos problemas mais desafiadores do ponto de vista de implementação de siste- mas especialistas foram surgindo, a pesquisa e aplicação de modelos baseados em inteligência artificial se tornaram uma ferramenta fundamental para dar suporte a essa demanda. Por meio do uso de inteligência artificial, foi possível criar detectores de objetos mo- dernos capazes de serem aplicados a novos problemas e conceitos. Um desses problemas, desafiador e emergente, é o de condução de veículos autônomos. Discute-se tanto sobre veículos autônomos atualmente que, se estivessem consolidados, haveria algumas vantagens para a sociedade no quesito de mobilidade urbana. Algumas delas são a otimização do trânsito e a diminuição do fator humano na condução do veículo, conse- quentemente aumentando a segurança. Graças aos simuladores, atualmente é possível testar e validar diferentes modelos rela- cionados a direção autônoma. Isso torna o desenvolvimento de tais tecnologias mais baratas, uma vez que alguns deles possuem código aberto, não sendo necessário pagar pela utilização. Apesar dos veículos autônomos ainda estarem fora de alcance da maioria da população, os simuladores podem ser um ponto de conexão viável para tornar a ferramenta mais acessí- vel. Assim, o objetivo deste trabalho é criar e implementar um modelo de desvio autônomo. Espera-se que os resultados possam mostrar o quanto essa tecnologia pode ser promissora na popularização da condução autônoma.
PROCESSAMENTO DE LINGUAGEM NATURAL PARA DETECÇÃO DE COMPORTAMENTO DEPRESSIVO
(2021-06-17) GABRIEL FILIPE DA SILVA MELO; YOUSSEF ALI EL KHATIB; EDUARDO CONTE GARCIA JUNIOR; KAYKE BONAFÉ DE LUCA
A depressão é um assunto que vem ganhando destaque nos últimos anos. De acordo com WHO (2020), a depressão afeta mais de 294 milhões de pessoas ao redor do mundo. Dessa forma, essa doença tem sido foco de muitas pesquisas científicas, desde seu diagnóstico até mesmo seu tratamento. Trabalhos como de Wang, Huang e Chen (2018), Paul, Jandhyala e Basu (2018) e Maupomé e Meurs (2018) indicam que o diagnóstico precoce é um importante campo de pesquisa, uma vez que, em quadros mais graves, pode levar o paciente ao suicídio. Um dos tópicos que normalmente é associado à depressão são as redes sociais e o tempo de uso dos seus usuários. Na comunidade cientifica, há uma correlação entre a utilização de redes sociais e o desenvolvimento de depressão Primack et al. (2017), dentre outros quadros clínicos. Com o avanço da tecnologia e modelos matemático-computacionais, houve um aumento sig- nificativo do uso da área processamento de linguagem natural (PLN), desde a classificação de usuários em redes sociais até análise de sentimentos em documentos. Nessa linha, muitos pes- quisadores têm utilizado PLN para classificação e diagnóstico de doenças mentais como Low et al. (2020), Mörch, Gupta e Mishara (2019) e Cook et al. (2016). Este trabalho desenvolve, im- plementa e avalia um modelo computacional baseado em processamento de linguagem natural para classificação de tendências depressivas de usuários do Twitter por meio de suas postagens no decorrer do tempo. Como resultado, foi obtido um F-Measure de 83,58% utilizando-se do conteúdo textual acrescido da análise de sentimento dos documentos.
ANÁLISE DE SENTIMENTOS BASEADA EM INFORMAÇÕES FACIAIS DURANTE AULA VIRTUAL
(2021-06-17) ALEXANDRE CARDOSO FEITOSA; ANDRE LUIZ BARONI; EDUARDO BAPTISTA DOS SANTOS; FILIPI GUIMARÃES SILVA; LUCAS MACHADO SERAIN
As aulas virtuais estão cada vez mais comuns na vida dos estudantes, especialmente durante a quarentena causada pela pandemia da doença COVID-19, em que grande parte das instituições educacionais adotaram esse sistema de ensino. Um dos principais desafios desta modalidade de educação é resolver o distanciamento entre aluno e professor, que impossibilita a percepção do docente sobre os sentimentos dos estudantes em um contexto no qual as expres- sões faciais dos alunos entregam informações não-verbais importantes frente ao que é abordado em sala. Embora existam diferentes sistemas para a avaliação da expressão facial, poucos tra- balhos entre os levantados foram criados objetivando um ambiente de ensino a distância e, por este motivo, não solucionam a ausência da expressão facial do aluno. O presente trabalho apre- senta duas metodologias para lidar com esse problema: uma baseada no Facial Action Coding System (FACS) e outra baseada em redes neurais convolucionais. Aplicando estas técnicas, foi possível unir a área de visão computacional com a área de aprendizado de máquina, quantifi- cando o sentimento do aluno enquanto visualiza uma determinada videoaula com até 79,97% de acurácia em determinadas emoções. A partir desta quantificação, o sistema foi capaz de gerar um relatório que apresenta os sentimentos predominantes em determinados intervalos de tempo.
RECONHECIMENTO DE ASSINATURAS FALSAS COM O USO DE REDES NEURAIS PROFUNDAS
(2021-06-17) MICHELLE PEREIRA BRANDÃO; VICTTOR DA SILVA MENDES
Sistemas de verificação automática da genuinidade de assinaturas podem ser conside- rados ferramentas essenciais para muitos dos estabelecimentos que fazem o uso de assinaturas para autenticação e identidade de documentos em processos atuais. O principal objetivo des- ses sistemas é evitar, utilizando inteligência artificial, as recorrentes fraudes que envolvem a falsificação de assinaturas, classificando-as, por meio de redes neurais profundas, como sendo verdadeiras ou falsas. Embora sistemas de verificação de assinaturas atuais tenham soluções efetivas, o treinamento da rede neural acaba ficando limitado a determinado dataset ou então o peso aprendido não é armazenado para uso posterior. O presente trabalho possui uma meto- dologia baseada em redes neurais profundas para tratar este problema. O resultado demonstrou melhora da escalabilidade do sistema de verificação de assinaturas mantendo a confiabilidade e acuracidade da rede.
UMA METODOLOGIA PARA RECONSTRUÇÃO 3D DE IMAGENS PULMONARES PARA AUXÍLIO AO DIAGNÓSTICO MÉDICO DE COVID-19
(2021-06-18) GUILHERME HENRIQUE MOREIRA; GUSTAVO ARAÚJO QUEIROZ; VICTOR ANTONIO SILVA DE QUEIROGA; WILLIAM GABRIEL BARBOSA
A pandemia causada pelo COVID-19 é um dos maiores problemas atualmente enfren- tados pela humanidade, tendo poucos estudos sobre o vírus por ser um problema totalmente inesperado. Visto que o vírus ataca principalmente o pulmão, diversos diagnósticos médicos são feitos por tomografia pulmonar. Embora a reconstrução 3D de órgãos anatômicos seja possível atualmente e é uma solução que acelera o processo de diagnóstico, para o caso espe- cífico de tomografias com COVID-19, há na literatura poucos trabalhos divulgados. Apesar de os avanços da tecnologia terem obtido bons resultados em termos de qualidade de exame, a reconstrução 3D ainda é a melhor opção, uma vez que mostra detalhes não perceptíveis nas imagens 2D, auxiliando o diagnóstico médico. O presente trabalho apresenta uma metodologia para auxiliar o diagnóstico médico, utilizando novas técnicas de segmentação de imagens, para a reconstrução pulmonar 3D com esse tipo de patologia. Desta forma, neste projeto, com um exame mais detalhado, alcançou-se diagnósticos médicos mais precisos, fazendo com que o tratamento possa ser mais rápido e eficiente. Após a realização dos experimentos feitos neste trabalho, concluiu-se que a rede neural artificial alcançou uma melhor precisão na acurácia, em comparação com trabalhos do estado-da-arte, quando treinamento da rede foi realizado com as imagens tomográficas sem nenhum tipo de ruído ou aplicação de máscara, além da remoção de imagens com sinalizações na base de dados. Assim, foi obtido melhores resultados no treina- mento da rede. Tendo em vista os testes de performance, alcançou-se uma acurácia de 88,2% e 96,1% em termos de área sob a curva ROC. Na reconstrução 3D, foi possível concluir que, quando é vista a tomografia em uma malha 3D, torna-se mais prática a análise médica completa de um pulmão se comparado a uma imagem 2D, além de ampliar as noções de profundidade e comprimento, possibilitando a análise de diferentes ângulos e distâncias.
ALGORITMOS BIO-INSPIRADOS APLICADOS À ANÁLISE GRÁFICA EM DAY TRADE DE STOCK MARKET
(2021-06-18) LUCA LENZARINI SILVA; MICHEL KRAHENBUHL BERNILS
A predição de tendência no mercado financeiro desempenha um importante papel na busca pelo lucro maximizado em investimentos. Analistas utilizam indicadores de análise téc- nica para efetuarem estudos do comportamento do mercado, o que gera enorme volume de dados diariamente. Porém, devido à intensa volatilidade e não-linearidade de valores, a pre- dição de preços de produtos financeiros se torna um dos maiores desafios para os investidores efetuarem manualmente. Por outro lado, a previsão probabilística desses ativos, ainda é um problema computacional relevante e sem solução definitiva. Sendo assim, o presente trabalho apresenta uma metodologia para predição de valores de ativos financeiros utilizando eventos probabilísticos com pesos de importância que são calculados por meio de algoritmos bioinspi- rados. Os experimento mostram que a metodologia proposta obteve uma média de curva ROC de 0,893 na predição de valores de ativos utilizando variaveis macroecônomicas, tais como va- riação do dólar e taxa SELIC. Dentre os algoritmos bioinspirados utilizados, o que mostrou melhores resultados foi o algoritmo Bat, alcançando uma média de 0,744 em termos de área sobre a curva ROC, para as variáveis macroeconômicas, mostrando que o método proposto é promissor.

Navegar

Navegando Trabalhos de Conclusão de Curso por Data de Publicação

Resultados por página

Opções de Ordenação