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

CLASSIFICAÇÃO DE DADOS EM COMPUTADORES QUÂNTICOS:
(2023-06-14) MATHEUS TEIXEIRA
À medida que nos aproximamos das dimensões mínimas dos transistores utilizados em CPUs, nos aproximamos também dos limites computacionais dos computadores clássicos. Diante da crescente demanda por maior poder de processamento para resolver problemas complexos, surge a necessidade de uma ferramenta mais capacitada: os computadores quânticos. Em resposta a essa situação, diversas áreas da computação estão sendo adaptadas para aplicar seus métodos em computadores quânticos. Entre essas áreas, destaca-se o campo do aprendizado de máquina. O presente trabalho descreve um método de aprendizado de máquina supervisionado que utiliza a máquina de vetores de suporte quântica para a classificação de dados em um computador quântico
BLUETOOTH LOW ENERGY APLICADO À LOCALIZAÇÃO INDOOR E ASSISTÊNCIA EM LOCALIZAÇÃO DE ROBÔS
(2023-06-14) BRUNO DA SILVA SOFFO; GABRIEL ALVES LEITE; GABRIEL LOPES PARREIRA DOS SANTOS; GUILHERME ALVES ROCHA
A localização em ambientes fechados é um problema muito comum quando é preciso ter uma alta precisão no posicionamento de uma pessoa ou um objeto, com aplicação em diversas áreas como, por exemplo, segurança de ambientes, rastreabilidade dentro de uma empresa, localização de robôs autônomos, entre outras. Tratando-se de robôs autônomos, isto é, robôs que circulam em um ambiente sem qualquer tipo de intervenção ou controle humano, existe um grande desafio, que é conhecido como sequestro do robô. Embora seja possível utilizar-se dos próprios sensores para realizar essa localização, pode ocorrer que o robô necessite percorrer pelo ambiente até que seja possível se localizar novamente. O presente trabalho desenvolve estudos para a utilização da tecnologia Bluetooth para a solução destes problemas em ambientes indoor. Partindo desse ponto, foram estudadas diversas possibilidades de utilização de transmissores e receptores Bluetooth e sua aplicação em ambientes variados, assim como a aplicação do Filtro de Kalman para contornar o problema de ruído de sinal, presentes em sistemas baseados na tecnologia de radiofrequência, e um algoritmo de trilateração para estimar a posição do transmissor de sinal. Após a realização dos experimentos, foi possível concluir que a melhor solução para a instabilidade do RSSI (Received Signal Strength Indication - indicador de intensidade do sinal recebido), foi aplicando o Filtro de Kalman e removendo valores que fugiam do desvio padrão, pois em um cenário controlado, foi possível ter 59,46% de melhora na estabilidade comparado com valores sem nenhum tipo de filtro
USO DE INTELIGÊNCIA ARTIFICIAL PARA PREVISÃO DE AÇÕES
(2023-06-13) GUSTAVO DELAPAZ ISHIKI; LUCAS MEDEIROS RODRIGUES; NICKOLAS BELO MARTINS
Esse trabalho tem como foco a utilização de algoritmos de aprendizado de máquina para prever tendências de preços de ações com o intuito de auxiliar investidores a obter uma decisão mais assertiva ao escolher comprar ou vender uma ação. Foram utilizados 3 algoritmos distintos: ARIMA, Prophet e LSTM, os valores diários de fechamento de 4 ativos financeiros e um ETF da Bovespa em um período de 5 anos. Os testes foram desenvolvidos no Google Colab e após a obtenção de resultados satisfatórios, foram aplicados os modelos preditivos para realizar previsões futuras. A visualização das previsões está disponível em um site construído com a linguagem de programação Typescript, o framework Django e um banco de dados do MongoDB para guardar dados de previsões passadas
DIÁRIO VIRTUAL:
(2023-06-13) MARCELLA COSTA MELO; MATEUS QUEIROZ DE FIGUEIREDO; MILENA TEIXEIRA CORREIA; YASMIN GOMES VITORINO ALVES
O presente trabalho tem como objetivo desenvolver um diário virtual que identifica sentimentos e emoções, utilizando processamento de linguagem natural, tendo como base textos escritos pelo paciente diariamente na aplicação, gerando como principal resultado a construção de relatórios onde são exibidos gráficos de oscilação de humor que mostram avanços e declínios nos sentimentos dos usuários. Para o desenvolvimento desse projeto, foi utilizado a biblioteca do ReactJS para o front-end e a linguagem Java para o back-end, desenvolvido em formato de API REST com utilização do framework Spring Boot. O sistema realiza integração com o serviço externo Natural Language Understanding, que é uma ferramenta desenvolvida pela IBM na qual utiliza Processamento de Linguagem Natural para realizar análises dos textos dos usuários. A partir dos dados das análises, os usuários podem criar relatórios para utilização pessoal. Após testes realizados na plataforma, os autores concluíram que a criação de diferentes tipos de relatórios com gráficos diversos utilizando os dados das análises do processamento de linguagem natural ajuda o usuário a acompanhar as alterações das suas emoções ao longo do tempo
QUEM?:
(2023-06-12) AUGUSTO FARINA BATAGLIA DE SOUZA; BRUNO VALLONE ORLANDIN; EIJI KASAI DOGEN; SHAWN GONÇALVES KAWABE
No mercado de jogos digitais há uma significativa presença de títulos que implementam sistemas para geração procedural de conteúdo. A geração procedural é uma ferramenta comumente utilizada para a criação de cenários navegáveis como mundos e fases, mas é pouco explorada para recursos narrativos. Jogos de detetive, em particular aqueles que apresentam um caso de assassinato a ser solucionado, geralmente possuem uma história fixa, escrita manualmente, devido à complexidade narrativa. Este trabalho apresenta um sistema com simulação de entidades para criar casos de assassinato gerando artifícios narrativos que equivalem às pistas e testemunhos do caso em questão. Ao final do projeto, o sistema de criação de casos de assassinato desenvolvido foi adicionado à um protótipo de um jogo interativo para simular a experiência de um detetive
SOFTWARE DE PRÉ-DIAGNÓSTICO MÉDICO PARA CLASSIFICAÇÃO DE RISCO
(2023-06-12) DOUGLAS IINO RINALDI; GUILHERME CUCIO LAGO; LUCAS LOPES; MARCELO NOBRE
Atualmente a classificação de risco é um processo realizado por um profissional de saúde (na maioria dos casos por um enfermeiro) assim que o paciente chega ao hospital, a fim de determinar a gravidade dos sintomas que o mesmo apresenta, além de encaixá-lo na fila com um tempo de espera condizente a tais sintomas para que todos possam ser atendidos de forma conveniente e eficiente. A falha em classificar o paciente de forma precisa pode acarretar em consequências tanto para ele quanto para todos os outros que tiveram seu tempo de espera influenciado por sua classificação. Para realizar a classificação de risco, é utilizado o Protocolo de Manchester que estipula que os profissionais de saúde realizem uma avaliação sobre o quadro clínico do paciente e o classifiquem com uma cor, representada por uma pulseira. No Brasil, o processo é realizado sem o auxílio de qualquer software ou hardware que possa acelerar ou tornar o procedimento mais eficaz: todos os sinais vitais colhidos do paciente, como frequência cardíaca e pressão arterial, são preenchidos com papel e caneta, e qualquer consulta que o funcionário precise fazer é feita em um manual físico referente ao Protocolo. Assim, este trabalho tem como objetivo propor um software capaz de armazenar todas as informações necessárias do paciente durante o pré-diagnóstico e classificá-lo de acordo com o Protocolo de Manchester. Além disso, será implementada uma Inteligência Artificial (IA) que funcionará com base no algoritmo de Random Forest para que o software seja capaz de aumentar sua precisão de acordo com seu uso.
SISTEMA INTELIGENTE DE NAVEGAÇÃO PARA VEÍCULOS AUTÔNOMOS EM AMBIENTE SIMULADO
(2022-12-07) BRUNO QUADROS; MATHEUS CENTURION RUFINO
Projetos inovadores relacionados a veículos autônomos vêm sendo realizados recentemente, melhorando a tecnologia utilizada por esses veículos ao longo dos últimos anos e atraindo a atenção de grandes nomes da indústria e do mercado profissional. Dentre os maiores problemas e desafios do uso dos sistemas inteligentes para esses veículos estão as tomadas de decisão imediatas, uma vez que qualquer erro pode resultar em um acidente. Isso ocorre por conta da quantidade de informações que o sistema do veículo recebe, o tempo de resposta do controle automatizado tende a aumentar. Sendo assim, esse trabalho apresenta a metodologia e elaboração de um sistema inteligente de navegação para veículos autônomos, utilizando técnicas computacionais de redes neurais convolucionais ou convolutional neural networks (CNN) e lógica nebulosa ou fuzzy logic. A validação da navegação será feita com o veículo realizando 20 voltas em uma cidade do simulador Webots, consideraremos o tempo e a taxa de sucesso de cada volta para avaliar a detecção dos objetos e o respeito às leis de trânsito vigentes.
DETECÇÃO DE ANOMALIAS EM PASSAGENS EXCLUSIVAS DE PEDESTRES
(2022-12-07) KAIQUE ESTANISLAU DE ARAUJO ; PAULO VINÍCIUS NUNES DE AGUIAR
Monitorar atividades humanas é um assunto relevante para a segurança da população, sobretudo por câmeras de vigilância instaladas em locais abertos e em ambientes fechados, como lojas, mercados, entre outros. Na maioria dos casos, a segurança é realizada manualmente através de vigilância humana, resultando em um processo caro, inviável financeiramente em grande escala e sujeito a falhas. Visando resolver esse problema e automatizar processos de monitoramento, diversos conjuntos de dados relacionados ao reconhecimento de anomalias nas atividades humanas vêm sendo elaborados e disponibilizados publicamente, e variados métodos, principalmente relacionados a aprendizado profundo, estão sendo testados nesses datasets. O contínuo avanço na área de inteligência artificial vem da necessidade de melhorar cada vez mais o reconhecimento de anormalidades no comportamento das pessoas, através da inovação em técnicas e ferramentas. Com esse intuito, o presente trabalho é baseado em redes neurais convolucionais, que utiliza a rede neural YOLO para identificar os objetos determinados nos datasets UCSD Ped1 e UCSD Ped 2 e, através da ResNet50, utilizando a técnica de transferência de aprendizado, serão classificados os eventos anômalos, como circulação de não pedestres (skatistas, ciclistas, veículos pequenos) em caminhos exclusivamente de pedestres e pessoas andando sobre a grama.
UM ESTUDO SOBRE BLOCKCHAIN COMO FERRAMENTA PARA A INTEROPERABILIDADE MÉDICA
(2022-12-07) BRUNO OSSE BRIGIDE; FELIPE PEREIRA MORENO; TIAGO SERRALHA MIRANDA DE PÁDUA; VITOR DOS SANTOS E SILVA SOARES
A interoperabilidade é um tópico de grande relevância na área da saúde, especialmente na comunicação entre diferentes agentes e instituições. Todavia, o compartilhamento oportuno, transparente e seguro de dados representa um desafio para os serviços de saúde, sobretudo pela ausência de um acordo comum entre os provedores. Embora existam esforços para conectar as bases de dados das instituições, as soluções vigentes compreendem sistemas centralizados arquitetados primariamente para o uso interno. Em vista disso, diversas organizações e governos manifestam interesse na aplicação de tecnologias descentralizadas e tecnologicamente agnósticas para o compartilhamento de dados médicos. O presente trabalho busca examinar o uso da tecnologia Blockchain como ferramenta facilitadora para a interoperabilidade médica com a aplicação do padrão FHIR (Fast Healthcare Interoperability Resources). A metodologia proposta reforça a arquitetura contra ataques em ponto único de falha, além disso, ela proporciona uma plataforma distribuída e transparente para o compartilhamento de dados médicos, de conformidade com os padrões de interoperabilidade fundamentados pela Health Level 7 Foundation.
IDENTIFICAÇÃO E CLASSIFICAÇÃO DE PRAGAS EM FOLHAS DE TOMATE UTILIZANDO REDES NEURAIS CONVOLUCIONAIS EM DISPOSITIVOS MÓVEIS
(2022-12-06) ALESSANDRO BIZ; ARTHUR FABRIS GATTI; ISLAN SILVA FIGUEREDO; IVAN SANCHEZ TUZITA; LUCAS DA SILVA OLIVEIRA
O controle de pragas nos tomateiros é de suma importância para evitar o uso de agrotóxicos e perdas no cultivo do tomate. O desafio é contribuir com novas tecnologias para detecção de pragas em folhas de tomateiros e também, com uma agricultura sustentável, diminuindo eventuais perdas decorrentes do uso indevido de agrotóxicos. Muitos estudos abordaram a classificação de doenças, mas poucos realizaram a detecção sobre condições adversas que são realmente encontradas em uma plantação. Com isso, o objetivo do presente trabalho é criar e implementar um sistema computacional para detecção e classificação de pragas em folhas de tomateiros em tempo real. Esse sistema será implantado em um ambiente móvel sem conexão com a internet, de modo a detectar doenças no seu estágio inicial e evitar a proliferação. Para isso, além do desenvolvimento de todo o sistema de classificação, será desenvolvido um método de pré-processamento com o objetivo de segmentar a folha de tomateiro do fundo, substituindo-o por um que beneficie o classificador. Por fim, será desenvolvido uma interface para que usuário consiga tirar a foto da folha e classificar o tipo de sua doença em tempo real por um aplicativo móvel
PROTÓTIPO COMPUTACIONAL PARA AVALIAÇÃO AUTOMÁTICA DA DOR NEONATAL POR PARTES DA FACE
(2022-12-07) BRUNO AUGUSTO JOVENASSO; ERIK FERNANDO MENDES SILVA; RAFAEL TOCEGUI COMPRI; VANESSA GOMES FAVORITO
Atualmente a área de detecção de dor em neonatos a partir de imagens da face está em constante desenvolvimento, possuindo principalmente como objetivo amenizar um dos problemas que temos na área da neonatologia, os efeitos da dor a curto, médio e longo prazo em recém-nascidos. Neonatos internados em unidades de terapia intensiva neonatal são expostos constantemente a dor, tal fato pode causar danos no neurodesenvolvimento, afetando funções cerebrais, sistema de estresse e lesões no processamento nociceptivo. Com o intuito de identificar e classificar a presença de dor neonatal, são utilizadas escalas de avaliação de dor à beira do leito por profissionais da área da saúde, e estão sendo criados métodos de inteligência artificial e aprendizado de máquina para automatizarem este processo. Assim, este trabalho tem por objetivo propor e implementar um protótipo computacional para a avaliação da dor neonatal por partes da face, analisando cada parte da face separadamente e classificando a presença, ou não, de dor. Para tal feito, o trabalho conta com algumas etapas sequenciais, começando com um pré-processamento no banco de dados de imagens neonatais da Universidade Federal de São Paulo, onde foi gerado uma face média e segmentada dos recém-nascidos. Na segunda etapa, são realizados os treinamentos e criação do arcabouço, onde as imagens passarão pela classificação de dor ou não dor, que será realizada por 12 redes neurais, uma para cada parte da face, que serão analisadas e classificadas separadamente. Para a etapa de treinamento e criação do arcabouço, foram utilizados 3 modelos de Rede Neural diferentes, sendo eles a VGG11, a ResNet18 e a LeNet-5. A LeNet-5 apresentou um reconhecimento de dor por partes da face superior aos outros modelos, sendo as partes da face com maior acurácia foram o nariz (79,66%), olho esquerdo (79,44%) e boca (79,44%). Para a obtenção destes resultados, foi utilizado o sistema de validação cruzada no treinamento das redes. Por fim, foi feita a união de todas as etapas formando um sistema inédito e completo de detecção, segmentação e classificação de dor em áreas de interesse faciais de neonato
SHERLOCK:
(2022-12-06) KAIKE RODRIGUES ZUANETTI
A agricultura de precisão tem recebido muita atenção por parte dos empresários nos últimos anos. Isso deve-se principalmente pela redução de custos e automação de tarefas frequentes, como a irrigação. A base de toda essa tecnologia está na qualidade de obtenção das informações do solo, como a leitura de sensores nos campos de cultura. Entretanto, estes valores nem sempre são confiáveis. O sensor em diversas situações pode apresentar anomalias em suas leituras, podendo até impossibilitar automações e análises de negócios. Este trabalho propõe um modelo de detecção de anomalias em sensores baseado em modelos de machine learning de classificação e otimização para que possibilite a diferenciação dos dados a serem classificados como anomalias ou não. O modelo proposto agrega parâmetros para ajustes finos de forma a aumentar a precisão da classificação. Nesse trabalho também são estudados a influência entre as próprias características dos dados para a classificação.
DIMINUIÇÃO DE LATÊNCIA EM REDES 5G POR MEIO DE CLASSIFICAÇÃO DE TRÁFEGO
(2022-12-06) GUILHERME GOMES CHAGAS; LUCA MILLA MACHADO; MATHEUS LUIZ GONÇALVES PELICER; THIAGO SOARES CARDOSO DA SILVA
Com os recentes avanços na adoção de veículos autônomos e de cidades inteligentes em redes 5G, resolver o problema de alta latência em ambientes urbanos passou a ser uma grande prioridade para que a implementação desses serviços se torne algo viável. Um dos maiores causadores da alta latência é a disputa por largura de banda e recursos de processamento pelos usuários. Especificamente, em redes 5G, o processamento dos sinais de rádio e das aplicações geradas pelos usuários devem ser transmitidas até um nó de processamento em névoa computacional para serem atendidas. Dependendo da distância desse nó de processamento dos elementos móveis a latência pode ser maior ou menor, além disso quanto mais processamento for centralizado em um único nó maior será a latência experimentada pelos usuários. Então, o presente trabalho explora o uso de algoritmos de agrupamento e de alocação de recursos para alocar o processamento de dispositivos móveis em nós que possam prover a melhor latência possível. A metodologia deste trabalho está subdividida em 3 etapas, sendo elas: i) Criação da carga de trabalho, ii) Agrupamento dos dispositivos da carga de trabalho, iii) Alocação dos grupos. Na primeira etapa foi criada a carga de trabalho utilizada, baseada na distribuição normal da soma capacidade máxima dos nós de processamento do modelo proposto. Na segunda etapa são utilizados 2 algoritmos de agrupamentos: K-Means e Ward Hierarchical Clustering sob a carga de trabalho criada na etapa anterior. Na terceira etapa, foram utilizados 4 métodos de alocação, sendo elas: definidas por prioridade, névoa primeiro, utilizando apenas processamento em nuvem e utilizando apenas processamento em nuvem. As principais contribuições deste trabalho foram: a confirmação de que a classificação de tráfego pode sim gerar uma redução na latência das aplicações e o melhor método para realizar essa alocação seria alocá-las na névoa e fazer a transferência dos dispositivos não prioritários para a nuvem quando a capacidade máxima da névoa for alcançada.
UMA METODOLOGIA PARA RECONSTRUÇÃO 3D DE IMAGENS MÉDICAS BASEADA EM ALGORITMOS BIO-INSPIRADOS E APRENDIZAGEM PROFUNDA
(2022-12-06) ANTONIO GUSTAVO MUNIZ DA SILVA; GABRIEL BUENO VILA REAL DE OLIVEIRA; HENRIQUE VITAL CARVALHO; JOÃO VITOR DIAS DOS SANTOS; WEVERSON DA SILVA PEREIRA
Os pontos fiduciais cefalométricos, estruturas anatômicas que definem a anatomia craniana, são frequentemente utilizados em técnicas empregadas por áreas como a da saúde, no planejamento cirúrgico (Gsaxner et al. (2019) e Jo et al. (2021)), e da ciência forense, para a identificação de correspondência craniofacial (Álvarez et al. (2018), Valsecchi, Damas e Cordon (2018) e Tan et al. (2020)). Entretanto, um importante desafio que ainda perdura na aplicação deste procedimento refere-se à dependência de profissionais especializados para identificação e definição de tais pontos. Para estimar esses pontos de forma automática, alguns trabalhos relevantes da literatura científica propõem o uso de algoritmos convencionais de classificação e regressão (Dabbah et al. (2014) e Wang et al. (2016)), porém novas abordagens utilizando redes neurais convolucionais têm sido propostas (Arik, Ibragimov e Xing (2017), Ma et al. (2020) e Kim et al. (2021)). Outro desafio é a reconstrução 3D de órgãos, que necessita ser extraída de imagens médicas segmentadas de forma precisa, de modo que os pontos fiduciais encontrados sejam localizados de forma correta. Para realizar essa segmentação, o uso de algoritmos bio-inspirados tem sido proposto, por se mostrarem úteis para encontrar os melhores limiares de segmentação de maneira eficiente (Ewees et al. (2020), Guilherme Alberto Wachs Lopes et al. (2020) e Larabi-Marie-Sainte, Alskireen e Alhalawani (2021)). Desse modo, o presente trabalho propõe um método de visualização de modelos 3D do crânio rotulado com pontos fiduciais cefalométricos. Esta abordagem consiste no uso de redes neurais convolucionais para a identificação automática de pontos fiduciais cefalométricos, assim como na utilização de algoritmos bio-inspirados na segmentação de imagens de Tomografia Computadorizada (TC) para reconstrução do modelo tridimensional. Após a realização dos experimentos, a arquitetura da rede neural proposta no presente trabalho atingiu uma média de distância euclidiana de 45.04 mm entre os pontos preditos e originais, superando a assertividade de predição dos pontos fiduciais cefalométricos de trabalhos relevantes da literatura. Além disso, foi possível concluir que o melhor algoritmo bio-inspirado para segmentação de imagens médicas foi o Elephant Herd Optimization (EHO), pois atingiu a melhor precisão em 27% das execuções quando comparado com os algoritmos Firefly Algorithm (FFA), Cuckoo Search (CS), Krill Herd (KH) e Colônia Artificial de Abelhas (ABC).
UTILIZAÇÃO DE MÉTODO ENSEMBLE PARA CLASSIFICAÇÃO DE IMAGENS MÉDICAS CARDÍACAS:
(2022-06-13) FELIPE MACIEL DE SOUSA; GUILHERME ORMOND SAMPAIO; LEON FERREIRA BELLINI; PEDRO FREITAS MAGALHÃES BARBOSA
Doenças cardíacas figuram entre as principais causas de morte no mundo, segundo a Organização Mundial da Saúde elas são responsáveis por cerca de 17 milhões de mortes globalmente. Em resposta a esse cenário, as pessoas têm procurado com frequência acompanhamento médico a fim de evitar um diagnóstico tardio. Esse processo promoveu um aumento na demanda por exames de ressonância magnética cardíaca e a identificação de cardiomiopatias nesse volume de exames representa um grande desafio para as equipes médicas. Embora sistemas inteligentes sejam capazes de identificar doenças cardíacas nos exames mencionados acima, poucas abordagens consideram diferentes slices do órgão e as especificidades do ciclo cardíaco em sua análise. Este trabalho apresenta uma metodologia baseada em aprendizado de máquina supervisionado para abordar essa análise considerando os aspectos citados. Durante os experimentos foi registrada uma acurácia de 80,00% e precisão de 82,26% no melhor caso de teste, que consiste na utilização das estruturas do epicárdio e endocárdio, durante o ciclo diastólico e utilizando treze frames do ciclo
AGRO5G :
(2022-06-13) BRUNO DUCATI VAZQUEZ; LUCAS SOUZA VALVERDE; MARCELO SHINJI SHINZATO
O agronegócio é o setor responsável pelo saldo positivo da balança comercial de exportação e contribui com a geração de expressivo percentual de empregos no Brasil. Nesse contexto, uma das áreas chave para um bom desempenho agropecuário é a operação de irrigação, pois uma agricultura irrigada permite a criação de lavouras em regiões onde a escassez de água é predominante e são proporcionados diversos benefícios no uso dessa técnica como o aumento da produtividade, alta qualidade dos produtos, possibilidade de uma entressafra (mais de uma safra por ano), melhor rentabilidade e redução de riscos de perda nos períodos de estiagem. Entretanto, muitos fazendeiros utilizam técnicas que não garantem que a plantação esteja sendo irrigada uniformemente. Além disso, a forma como a irrigação é feita pode contribuir para um uso excessivo de água, assim, não utilizando de forma eficiente esse recurso natural e aumentando as despesas operacionais. Os problemas relacionados à irrigação eficiente de lavouras podem ser resolvidos por meio do uso de técnicas de inteligência Artificial e de redes de alta velocidade, como a emergente rede 5G. Com a utilização da rede 5G no agronegócio pode ajudar no aprimoramento do monitoramento de diversas condições de campo, da detecção antecipada da necessidade de irrigação e da pulverização de defensivos ou fertilizantes através de uma rede de sensores wireless. Assim, neste trabalho foi proposto uma plataforma unificada de gerenciamento das operações de agronegócio por meio da conectividade 5G. Em específico, neste projeto, como um primeiro caso de uso, nos focamos na melhora do sistema de irrigação de modo que a produção de uma fazenda seja aumentada e a água seja utilizada de forma eficiente.
ESTUDO DE MODELOS DE CLASSIFICAÇÃO DE EVASÃO DAS UNIVERSIDADES UTILIZANDO TÉCNICAS DE APRENDIZADO DE MÁQUINA
(2022-06-14) CAIO KOITI KANASHIRO; LUCAS CARVALHO DE OLIVEIRA SILVA; MATHEUS DE NARDI OLIVEIRA
Com o aumento perceptivo no nível de desistência de cursos do ensino superior, a causa é algo que as faculdades procuram saber para tentar prever e assim evitar a evasão, para que, não se tornem grandes problemas futuramente, tanto para o aluno como para o mercado de trabalho, como, por exemplo, um grande arrependimento para o aluno que tomou uma decisão precipitada e também causando grandes impactos no mercado de trabalho, tendo uma diminuição de candidatos qualificados para exercer a profissão. Para isso foi desenvolvido um sistema baseado de Machine Learning para prever a evasão de alunos e assim evitá-las. O sistema foi proposto utilizando uma base de dados de universidades e aplicando o algoritmo K-Means, onde foi possível perceber padrões de alunos desistentes, facilitando com que a faculdade tome medidas para evitar a desistência do aluno. A metodologia aqui proposta foi capaz de mostrar com uma taxa de mais de 90% de assertividade que atributos como idade são os que mais interferem na evasão, já a área cursada, contrariamente, é o que menos interfere, demonstrando assim que foi proposto neste trabalho uma metodologia efetiva para o controle da evasão escolar, no auxílio da gestão institucional
AVALIAÇÃO DE DESEMPENHO DE TRANSAÇÕES EM PROTOCOLOS BLOCKCHAIN:
(2022-06-14) DANILO BIZARRIA DE OLIVEIRA; GERALDO LUCAS FERNANDES DO AMARAL; MARKEL PEDROSA DUARTE DE MACEDO; MATHEUS FERREIRA MESQUITA
Sistemas de processamento de transações são parte essencial de negócios online, especialmente os relativos a transações financeiras, que exigem tanto confiança quanto desempenho para entregar o serviço esperado. Uma ferramenta de blockchain é capaz de oferecer os objetivos mencionados, dado que sua arquitetura distribuída favorece a escalabilidade em relação a sistemas centralizados, enquanto que seu protocolo de consenso formaliza a validação de transações. Ainda que tais qualidades sejam comuns às diferentes redes de blockchain, suas medidas oscilam entre implementações, e têm sua variação ampliada entre a crescente quantidade de versões do protocolo disponíveis, o que dificulta a caracterização de qual alternativa é mais apropriada para um dado cenário de execução. A abordagem proposta neste trabalho é da avaliação do potencial de escalabilidade da rede Ethereum, e seu comportamento em cenários progressivamente mais distribuídos. Por meio da execução e medição de seu desempenho em 5 diferentes escalas (de 1 a 16 nós, em progressão geométrica de razão 2), foram coletadas métricas de throughput e latência, de forma a ilustrar a escalabilidade da rede, com destaque para um aumento observado de cerca de 10× o número de transações por segundo, quando comparados um nó isolado e uma rede de 16 nós, esta que também proporcionou uma queda de mais da metade da latência com relação ao cenário centralizado
DR. ALEX:
(2022-06-13) ANDY SILVA BARBOSA ; RAFAEL ZACARIAS PALIERINI; RUBENS DE ARAUJO R MENDES ; VITOR ACOSTA DA ROSA
O problema de quedas em hospitais sempre foi uma preocupação recorrente, sendo a queda responsável por uma parcela significante de internações. Paralelamente, o processamento de linguagem natural (NLP) tem-se desenvolvido significantemente na década recente, permitindo o surgimentos de agentes inteligentes capazes de reproduzir diálogos humanos. Como consequência do crescimento de pacientes buscando informações médicas em redes sociais, que não possuem necessariamente origem de agentes da saúde, este trabalho propôs implementar uma metodologia para a construção de um agente interativo-virtual inteligente, batizado neste trabalho de Dr. Alex, para previsão de risco de queda de pacientes e auxilia-los em ambientes médico-hospitalar. O agente foi composto por três módulos. No primeiro módulo, são utilizados algoritmos de detecção de pose e comparados como desempenham na tarefa de prevenção de queda através de informações de uma câmera. Os algoritmos multilayer perceptron (MLP), máquina de vetores de suporte (SVM) e Extreme Gradient Boosting (XGBoost) foram utilizados para classificar os conteúdos de duas bases de dados para estimar uma probabilidade de queda sobre as informações clínicas e não-clínicas no segundo módulo. O terceiro módulo utilizou NLP com a rede BERT, que foi treinada com uma base de diálogos médicos, para compreender falas do paciente e gerar diálogos de recomendações sobre os seus cuidados. A metodologia combina esses três módulos para formar o agente inteligente Dr.Alex. Os resultados para as informações visuais mostraram que a previsibilidade de risco de queda pode ser melhorada em até 6.44% em casos onde o paciente sentando, observado por um ângulo frontal, e suas informações clínicas e não clínicas estão com probabilidade alta desse risco, na faixa de até 100%. O algoritmo XGBoost obteve 82,60% de acurácia para a base de pacientes com diabetes e se destacou obtendo 85,86% na base de prevenção de risco de queda para idosos, o que demonstra que é possível fornecer uma boa estimativa do risco de queda de um paciente através do aprendizado de máquina. Da mesma forma, o modelo desenvolvido para NLP Hospitalar, quando refinado em bases de diálogos médicos, obteve a perplexidade de 12.011 e mostrou-se capaz de fazer recomendações médicas gerais e responder perguntas e indicações dos pacientes hospitalizados
REDES NEURAIS CONVOLUCIONAIS 3D PARA RECONHECIMENTO DE GESTOS ESTÁTICOS E DINÂMICOS DE LIBRAS
(2021-12-09) VICTOR MASUMOTO; GUILHERME ROCHA; THOMAS ANDERSON FERRARI COSTA
Pessoas com deficiência auditiva ou afônicos (mudos), são uma pequena parcela da população que ainda se encontram com dificuldades de se comunicar com o resto do mundo, pois como utilizam a língua de sinais para se comunicarem, a grande maioria das pessoas não tem conhecimento para compreender e interpretar seu meio de comunicação. Embora existem inúmeros sistemas capazes de reconhecer língua de sinais, uma boa porção deles foram criados com base na língua de sinais de outros países que não seja o Brasil, como a língua de sinais americana, além disso, esses modelos normalmente reconhecem apenas gestos estáticos, que não exigem movimento, ou apenas gestos dinâmicos, que exigem movimento, mas dificilmente os dois. Logo, por meio desse trabalho nós desenvolvemos um aplicativo para dispositivos móveis capaz de interpretar gestos estáticos e dinâmicos de LIBRAS, com uma acurácia de 94.11%, por meio de uma arquitetura pronta de redes neurais convolucionais 3D

Navegar

Submissões Recentes