Navegar
Submissões Recentes
Agora exibindo 1 - 20 de 65
Dissertação Comunicação aumentativa e alternativa utilizando rastreamento ocular e recomendação de palavras através de modelos de linguagem(2024) Waideman, BrunoDesde as mais antigas formas de comunicação até os mais recentes desenvolvimentos na tecnologia computacional, a produção, o armazenamento e a circulação de informação e conteúdo têm sido aspectos centrais da vida social. Com o contínuo avanço da tecnologia, os meios digitais se tornaram relevantes para aproximar pessoas e facilitar ainda mais a circulação de informações. Para utilizar estes dispositivos, usualmente são utilizados teclados, sejam eles físicos ou digitais, e outros dispositivos, como mouses e canetas em telas eletrônicas sensíveis. Utilizar estes dispositivos pode ser uma tarefa trivial para a maior parte das pessoas, no entanto, é limitante para aqueles que apresentam dificuldades motoras em determinados contextos de uso. A Comunicação Aumentativa e Alternativa (CAA) é então utilizada para ampliar estas habilidades de comunicação, possibilitando a construção de canais alternativos, através da valorização de todas as formas de expressão existentes. Desta forma, novas modalidades de interação com dispositivos de comunicação, como a entrada por gestos, comandos de voz e diversos tipos de sensores, são cada vez mais comuns. A entrada de informação através do rastreamento ocular é uma modalidade que encontra grande aplicação em sistemas de acessibilidade. No entanto, muitas limitações podem ser observadas, como fadiga visual e imprecisão na decodificação, causando erros de digitação e maior tempo para inserção de estruturas de texto, quando comparado com os métodos tradicionais. Desse modo, este trabalho apresenta um método de interação baseado no rastreamento do movimento ocular e orientação da cabeça, acoplado a um teclado virtual, utilizando uma rede neural artificial para decodificar o traçado do olhar e traduzir as intenções dos usuários na interface. De forma complementar, é utilizado um Modelo de Linguagem (ML) para realizar a recomendação de próximas palavras. Com isso, investigou-se a influência destas tecnologias no sistema proposto, medindo a velocidade de digitação, taxa de erros e perplexidade que, de forma geral, demonstraram resultados satisfatórios para auxiliar pessoas com deficiência a se comunicarem melhorDissertação Reconhecimento de atividades humanas utilizando sensores inerciais e aprendizado de máquina(2024) Montanari, Bruno FontesReconhecimento de atividades humanas, também conhecido como Human Activity Recognition (HAR), tem um papel significativo na vida das pessoas dada a capacidade de prover informações relevantes por meio de pequenos sensores, podendo ser no celular, relógios inteligentes ou até mesmo através de imagens e vídeos. A análise e classificação dos movimentos humanos é alvo de diversos estudos em decorrência de sua ampla utilização nas mais diversas áreas, como por exemplo: saúde, práticas esportivas, bem estar, assistentes tecnológicos, segurança, computação ciente do contexto, realidade virtual e aumentada, dentre outros. O maior desafio atualmente é garantir que tal reconhecimento seja feito localmente em Micro Controller Unit (MCU) com baixo consumo de energia e com baixo tempo de inferência, mantendo os dados de cada pessoa seguro. Diversas propostas para resolver o HAR já foram avaliadas e apresentam resultados excelentes, tipicamente com acurácia superior a 90% quando um número baixo de movimentos (correr, caminhar, subir e descer escadas etc.) é considerado, porém a maioria destes estudos faz uso do processamento externo, em geral usando celulares, para desempenhar as técnicas de reconhecimento, classificação e contexto. Muitos destes estudos e técnicas podem ser ajustados, migrados e empregados nos MCUs graças às recentes melhorias dos frameworks disponíveis, suas quantizações e otimizações, bem como na evolução da capacidade de processamento e densidade de memória disponível nos microcontroladores. Este trabalho explora a comparação entre o emprego e desempenho de reduções de dimensionalidades por meio de Principal Component Analysis (PCA) com as técnicas de aprendizado de máquina como Decision Tree Regression (DTR), Random Forest (RF) e Support Vector Machine (SVM) e de aprendizado profundo utilizando exclusivamente Convolution Neural Network (CNN), ambas aplicadas ao microcontroladore Arm® Cortex® M33 com foco na aplicação de HAR. Outra análise que este estudo traz é a identificação da influência do uso de quantização Post Training Quantization (PTQ) no tempo de inferência, densidade de memória, complexidade e sua relação com o consumo de energia no MCUDissertação Aprimorando a eficiência contratual de energia: um estudo de previsão de demanda com aprendizado de máquina(2024) Pessoa, Patrick de SousaEste projeto de pesquisa aborda a otimização contratual da demanda de energia como um elemento fundamental para aprimorar a eficiência energética da rede elétrica e reduzir custos para consumidores industriais, evitando multas associadas à demanda excessiva estabelecida em contrato. A diferença entre a demanda contratada e a efetiva é frequentemente subestimada, resultando em desperdício de recursos e penalidades financeiras. Foram estudados modelos de inteligência artificial, como FA (Floresta Aleatória), SVR (Support Vector Regression) e rede LSTM (Long-short Term Memory), para prever a demanda em diferentes horizontes temporais. A análise temporal indicou que a acurácia aumenta à medida que o horizonte de tempo é reduzido, destacando a importância da escolha do modelo e do intervalo de tempo na previsão da demanda. Um estudo de caso foi conduzido para avaliar a precisão da previsão em comparação com formas tradicionais de estabelecimento de contratos de demanda, ressaltando a importância do tamanho da base de dados disponível para o desempenho do modelo. A fim de comparação com a rede LSTM, estudou-se o desempenho para a rede GRU (Gated Recurrent Unit Network), a qual obteve resultados comparáveis à LSTM, porém com treinamento mais rápido. Deste modo, este projeto contribui para a otimização contratual da demanda de energia, permitindo que empresas otimizem estes modelos de contratos, minimizem multas e aliviem a carga na rede elétrica, sendo que os resultados confirmam a importância do aprendizado de máquina na otimização de contratos de demanda de energiaDissertação Análise de capacitâncias em transistores SOI MOSFET de canal gradual(2024) Lopes, Allan OliveiraNeste trabalho é apresentada uma análise das capacitâncias em transistores GC SOI MOSFET (Graded Channel semiconductor on Insulator Metal Oxide Semiconductor Field Effect Transistor) variando a relação do comprimento do canal do dispositivo que possui uma baixa dopagem em relação ao comprimento total (LLD/L), além de aspectos construtivos do dispositivo, como tSi(espessura do filme de silício sobre isolante), toxf (espessura do óxido de porta da primeira interface), assim como comprimento de canal L, por meio de simulações. Ao realizar estas mudanças na estrutura do dispositivo, são observados diversos aspectos referentes a como as capacitâncias se comportam à medida que a relação (LLD/L) é variada, e estudando as transcapacitâncias CGD, CGS e CGB e a capacitância total CGG. É possível observar qual das transcapacitâncias tem maior contribuição para a capacitância total do dispositivo, como ela se comporta a medida que a tensão aplicada a porta cresce, bem como a verificação sobre como ocorre a distribuição de cargas ao longo do canal para algumas polarizações, como valores de VGS abaixo, próximos e acima da tensão de limiar VTH, tanto para um valor de VDS baixo, como um valor elevado, com a presença de um campo elétrico horizontal intenso, podendo assim observar, que a partir de determinado tamanho de dispositivo, o canal gradual perde uma parte de suas características no canal do dispositivo. No trabalho utilizou-se dos aparelhos de medição dispostos no Centro Universitário FEI e um chip com transistores de canal gradual a fim de observar também de maneira prática algumas das características que se desejava estudar. Então, utilizou-se da simulação para mudar as tecnologias e estruturas dos dispositivos estudados, a fim de estudar como cada mudança contribui para as características capacitivas do transistor, e como o canal gradual afetam o dispositivoDissertação Amplificador ECG incorporando pseudorresistores: projeto, implementação e caracterização em altas temperaturas(2024) Pessoa, Beatriz Barsocchi TestaComponentes eletrônicos, em geral, possuem grande sensibilidade às mudanças de temperatura. Temperaturas muito acima ou abaixo do valor considerado como ambiente causam uma mudança nas características físicas dos materiais dos componentes, acarretando um impacto significativo no desempenho e na confiabilidade dos dispositivos eletrônicos. Muitos dispositivos são projetados para operar dentro de uma faixa de temperatura específica e, se a temperatura exceder essa faixa, o dispositivo pode ser danificado ou não funcionar corretamente, fazendo com que, à medida que a temperatura aumente, o número de defeitos e falhas induzidas termicamente em dispositivos eletrônicos também aumente. O uso do pseudorresistor é uma técnica promissora para projetos de amplificadores biomédicos, uma vez que proporciona ao amplificador uma alta precisão, baixo ruído e ampla faixa de resposta em frequência. Além disso, os pseudorresistores na faixa de teraohms apresentam vantagens adicionais, como menor consumo de energia, melhor estabilidade térmica e menor área ocupada no chip em relação aos resistores convencionais. No entanto, o uso de pseudorresistores também pode apresentar desafios na implementação de circuitos, principalmente devido à complexidade do projeto e à necessidade de ajuste preciso dos parâmetros do circuito. Além disso, a variação de temperatura pode afetar a precisão do circuito que utiliza essa tecnologia, sendo necessário o uso de técnicas de compensação para minimizar esse efeito. Estudos anteriores sobre pseudorresistores estão limitados a simulações, modelagem e implementação de alguns amplificadores de banda estreita. Este estudo tem como objetivo projetar um circuito sob medida para aplicações de ECG, com largura de banda de 0,04 Hz a 2 kHz para a faixa completa de temperatura de aplicação. O circuito é digitalmente modelado, simulado e caracterizado, ajustando os valores de capacitância de feedback para otimizar o desempenho dentro da faixa de temperatura crucial para aplicações biomédicas. Após a validação do circuito desenvolvido, este projeto almeja realizar uma transição para a esfera prática, visando a aplicação em pacientes. Nesse cenário, enfatiza-se a integração direta com sinais biomédicos, com a validação da associação do circuito proposto juntamente ao dispositivo ADS1298ECGFE-PDK para análises clínicasDissertação Segmentação de faces parcialmente ocluídas para avaliação da expressão de dor neonatal(2024) Domingues, Pedro Henrique Silvaavaliação e o tratamento corretos da dor são procedimentos clínicos importantes para o desenvolvimento saudável de recém-nascidos (RNs). Visto que RNs ainda não desenvolveram a capacidade de expressão verbal, a identificação da dor através de expressões faciais visuais é o meio alternativo mais comum para este caso, utilizada por pais e por profissionais da saúde, para estes últimos baseados em escalas como a Neonatal Facial Coding System (NFCS). Desse modo, a automatização do uso dessas escalas utilizando imagens de face é alvo de estudos recentes. As estratégias desenvolvidas utilizam redes neurais, modelos de classificação ou a medição de distâncias entre partes da face. No entanto, alguns equipamentos médicos utilizados por estes RNs dificultam a análise automática da dor através de imagens, pois obstruem parte da face, dificultando a detecção facial e a localização de pontos chave. Diante disso, o objetivo desta dissertação foi estudar a segmentação facial de RNs, identificando o melhor método computacional para casos com e sem a presença de oclusão parcial da face e verificando a influência desta segmentação como uma ferramenta para remoção de ruído e melhora de desempenho de modelos de classificação da expressão de dor. As oclusões aqui estudadas provêm de imagens de UTIs neonatais (UTINs), nas quais equipamentos médicos como sonda enteral ou gástrica, intubação orotraqueal e óculos de fototerapia muitas vezes impossibilitam a visualização completa de partes importantes da face como olhos e boca. Três modelos de segmentação foram testados em cenários com e sem a presença dessas oclusões e o melhor foi utilizado para segmentar faces de RNs e classificação da expressão de dor com quatro diferentes classificadores baseados em redes neurais. O SAM (Segment Anything Model) foi considerado o melhor modelo para segmentação, com alto coeficiente Dice (>0,91). No entanto, utilizar o SAM para remoção de ruidos como plano de fundo e oclusões não gerou melhora significativa no desempenho dos classificadores, que apresentaram em média 66% de acurácia em casos com oclusãoDissertação Estudo do comprimento efetivo de canal em transistores soi sem junções(2024) Silva, Éverton Matheus daDesde meados da década de 60, os MOSFET (Metal-Oxide-Semiconductor-Field Efect Transistor) constituem o mais importante componente utilizado em circuitos eletrônicos. Com a contínua redução do tamanho dos dispositivos, buscando-se aumentar a capacidade de processamento sem grande incremento na área dos chips e em sua potência elétrica dissipada, diversos efeitos indesejáveis começam a ser observados. Tais efeitos são denominados de canal curto (SCEs) e se devem à redução do controle da porta sobre as cargas de depleção geradas na região do canal, devido ao aumento da influência das regiões de depleção de fonte e dreno sobre as cargas na região de canal. Diversas tecnologias foram desenvolvidas visando proporcionar uma maior imunidade aos SCEs, como os transistores de múltiplas portas e a tecnologia silício-sobre-isolante (SOI). Entretanto, a fabricação de transistores de dimensões extremamente reduzidas (sub-20 nm) começa a apresentar outros gargalos como a formação das junções de fonte e dreno sem a difusão de dopantes para o interior da região de canal. Assim, foi desenvolvido um novo dispositivo, denominado Transistor Sem Junções (Junctionless Nanowire Transistor – JNT), em que o tipo de dopantes é o mesmo nas regiões de fonte, canal e dreno. Este transistor usualmente tem múltiplas portas e é fabricado em tecnologia SOI. Diferentemente dos transistores convencionais que operam em regime de inversão, transistores sem junções operam em regime de depleção parcial e acumulação. Assim, considerando um dispositivo construido com um nanofio tipo N, para tensão de porta igual a zero, toda a camada de silício na região de canal se encontra depletada. Conforme se aumenta a tensão de porta, a região de depleção diminui, permitindo a formação de um canal de condução (Componente de corrente de corpo Icp). Devido à ausência de junções e ao modo de funcionamento, quando polarizado em regime de sublimiar, a região de depleção de canal que impede a condução se estende em direção às regiões de fonte e dreno, de modo a aumentar o comprimento efetivo do dispositivo, reduzindo a ocorrência de efeitos de canal curto. Atualmente, não existem metodos experimentais maduros citados na teoria para a extração do comprimento efetivo de canal no JNT, logo, neste trabalho é apresentado um método de extração do comprimento efetivo de canal a partir da capacitância de porta em transistores MOS sem junções. Foi avaliada a relação de dependência entre o comprimento efetivo de canal e o valor da capacitancia de porta, tanto de forma experimental, quanto através de simulações numéricas, através do simulador Sentaurus device. Os resultados obtidos indicam que o comprimento efetivo de canal é da ordem de 10 a 15 nm superior ao comprimento da máscara, considerando estruturas operando em modo acumulação com tensão de dreno VDS = 50mV, comprimentos de canal de máscara variando entre 30nm e 100nm e comprimentos de fonte e dreno variando entre 5nm e 30nm para estruturas simuladas com e sem espaçadores e estruturas físicas com comprimentos de canal de 10um e 100nm com 50 fins paralelos e largura do fin de 1um, sendo estas com espaçadores e comprimento de fonte e dreno de 15nm, os resultados obtidos apresentam características que podem ser extremamente importantes em nós tecnológicos avançadosDissertação Utilização de uma rede multilayer perceptron para buscasemântica de código-fonte a partir de linguagem natural(2024) Pompolo, Adalberto NassuFerramentas de busca de código-fonte a partir de linguagem natural são cada vez mais importantes no dia a dia de engenheiros e desenvolvedores de software. Atualmente, modelos transformers são o estado da arte em diversas tarefas da área de Natural Language Processing (NLP), como busca de código-fonte a partir de linguagem natural. Porém, tais modelos requerem muito tempo e recursos computacionais para serem treinados em um determinado domínio (fine-tuning). Por outro lado, redes neurais clássicas, como Multilayer perceptron (MLP) por exemplo, necessitam de menos recursos para seu treinamento, porém não obtém os resultados dos modelos transformers. Diante disso, o objetivo do presente trabalho é utilizar uma rede MLP para determinar a similaridade entre dois embeddings, gerados por redes transformers, de dois domínios diferentes: linguagem natural e linguagem de programação. Para tanto, serão utilizados mais de 10000 pares código-fonte/comentário, bem como um conjunto de buscas (queries) e seus resultados esperados; ambos oriundos da base de dados CodeSearchNet. Por fim, a rede obteve bons resultados em determinadas amostras, conseguindo captar informações semânticas do par código-fonte/comentárioDissertação Análise de características de navegação em redes para a detecção de intrusão com base em algoritmos bio-inspirados(2023) Frezzato, MiguelCom o constante aumento de usuários conectados à Internet, um grande volume de dados tem sido gerado a partir de várias redes. Em vista disso, a segurança cibernética está sendo cada vez mais afetada, havendo grande necessidade de estudos científicos na área. Sistemas de detecção de intrusão (IDS) cada vez mais robustos são constantemente desenvolvidos, visando proteger os dados que são trafegados nas redes. Estes sistemas analisam as características de fluxo de cada dispositivo na rede para identificar uma possível instrusão. Selecionar apenas as características que mais se relacionam com as intrusões influencia diretamente na velocidade da análise, além de auxiliar os classificadores a tomar decisões precisas ao identificar uma intrusão. Por outro lado, o desenvolvimento do aprendizado de máquina e de algoritmos de otimização inspirados na natureza têm impulsionado o avanço de diversas áreas tecnológicas. Assim, o presente trabalho apresenta uma metodologia de análise dessas características utilizando uma combinação de aprendizado de máquina e algoritmos bio-inspirados para detecção eficiente de intrusões na rede. Os resultados experimentais mostram que o método proposto aumenta a acurácia e a taxa de detecção do IDS, além de diminuir a taxa de falsos alarmes. Além disso, o método se mostrou competitivo com os principais trabalhos relacionados do estado da arte com desempenho semelhante ou superiror nas bases de dados NSL-KDD e UNSW-NB15Tese Cubo analisador paraconsistente com filtro de evidências e análise temporal(2023) Côrtes, Hyghor, MirandaInformações incertas e inconsistentes estão frequentemente presentes na entrada de qualquer sistema do mundo real que dependa de várias fontes de dados. Informações de grandezas físicas obtidas de rede de sensores, e sua interpretação por agentes artificiais inteligentes, em sistemas de engenharia, estão sujeitas à existência de inconsistências. Isso ocorre pois raciocinar com informações inconsistentes é impossível na lógica clássica, lógica intuicionista ou sistemas similares que respeitam o princípio da explosão e a lei da não-contradição. Uma família de lógicas não clássicas, chamadas de Lógicas Paraconsistentes, formaliza a ideia de que mesmo a partir de premissas inconsistentes, conclusões úteis podem ser tiradas. Neste contexto, a Lógica Paraconsistente com Anotação de Dois Valores (LPA2v), que utiliza um par de evidências favorável e desfavorável como anotações, tem sido particularmente bem-sucedida em aplicações de engenharia (por meio de implementação de algoritmos em sistemas informatizados). Estruturas chamadas Para-Analisadores podem ser construídas com essa lógica que fornece meios adequados para analisar o valor de verdade de uma proposição P sob evidências conflitantes/contraditórias. O trabalho relatado nesta tese estende os Para-Analisadores tradicionais com um filtro de evidências. Este novo modelo pode ser representado como uma estrutura de cubo representando vários reticulados de Para-Analisadores atribuídos à qualidade da evidência, que é atualizada de acordo com as medições realizadas em tempo de execução. A estrutura de análise paraconsistente tridimensional assim definida é chamada Cubo Analisador Paraconsistente com Filtro de Evidências e Análise Temporal (CAPet). Neste trabalho, ainda, conjuntos de CAPet são interligados formando Redes de Cubos Analisadores Paraconsistentes com Filtro de Evidências e Análise Temporal (chamadas de CAPetNETs), com o intuito de resolver problemas práticos complexos de engenharia. Para demonstração de resultados, como exemplo prático de engenharia de aplicação de CAPetNETs, nesta tese foi utilizado um problema de classificação de condições de operação de equipamentos em redes de dados de controle e supervisão de sistema elétrico. Neste contexto, distintas topologias de CAPetNETs foram definidas com o objetivo de identificar diversos tipos de falhas em equipamentos de rede de dados. A consolidação da inferência das CAPetNETs para cada equipamento permitiu uma identificação precisa da condição de operação dos equipamentos. Resultados em sistemas simulados mostram que as redes de CAPets são eficazes para lidar com inconsistências sem banalizar as inferências, além de fornecer uma decisão mais informada (mais fina) sobre classificação de condições de operação de equipamentos da rede de dados do exemplo prático, quando comparado com um Para-Analisador tradicional que não leva em consideração o filtro de evidênciasDissertação Uma metodologia baseada em aprendizado de máquina para predição de fases de cirurgias laparoscópicas a partir de vídeos(2023) Henrique, Matheus SilvaAs cirurgias minimamente invasivas evoluíram consideravelmente em décadas recentes e ainda podem resultar em complicações graves ao paciente relacionadas à técnica cirúrgica. A laparoscopia é um tipo de procedimento minimamente invasivo, no qual um cirurgião, por meio de imagens geradas em tempo real, movimenta instrumentos cirúrgicos através de pequenas incisões feitas no paciente. Trata-se de um procedimento com diversas fases protocolares, mas também dependente de habilidades de cada cirurgião. O rastreamento, acompanhamento e validação dessas fases é uma estratégia importante para o processo como um todo. Técnicas de Visão Computacional baseadas em aprendizado de máquina ganharam destaque recentemente, particularmente na área médica. O projeto aqui proposto apresenta uma arquitetura baseada em Mask R-CNN, Segment Anything e Long Short-Therm Memory (LSTM), que utiliza imagens capturadas de cirurgia de colecistectomia, um tipo de cirugia laparascópica, para identificar os instrumentos durante o ato, extrair informações destes instrumentos e realizar a predição de qual fase de uma cirurgia está sendo realizada. O projeto visa trazer benefícios, como: o indexamento automático de fases em um banco de dados de cirurgia, o auxílio no estudo do tempo de fases para otimizar agendamentos, e a identificação de problemas na execução de determinadas fases. O trabalho inovador alcançou a acurácia de 81,73% na previsão de fases na base de dados M2CAI, e abre espaço para novas investigações relacionadas ao modo de execução da cirurgia por meio da segmentação e monitoramento dos instrumentos cirúrgicos. Além disso, a identificação de problemas na execução de determinadas fases poderá ser realizada, contribuindo para a melhoria dos procedimentos e, consequentemente, para melhores resultados para os pacientesTese Modelo de vetorização de torque aplicado a veículos de competição de alto desempenho(2023) Serralvo Neto, R.Diante de um cenário com constante modificações tecnológicas envolvendo automóveis e veículos automotores em geral, como automóveis de passeio, transporte de carga, veículos de competição dentre outros, grandes desenvolvimentos nos sistemas de propulsão estão sendo impulsionados devido à eletrificação, evolução esta que não havia sido vista nos últimos 100 anos. Nesta linha de plena ascensão dos veículos com propulsão elétrica, diversas tecnologias vêm sendo desenvolvidas, dentre elas a vetorização de torque. Essa técnica consiste em utilizar 4 motores implantados em cada uma das 4 rodas do veículo e fazer esses motores trabalharem de maneira independente. Este estudo visa explorar os métodos de projeto, simulação, teste e modelagem, visando implementar a vetorização de torque. Pretende desenvolver adicionalmente um protótipo de alto desempenho: um veículo de competição do tipo Fórmula SAE, em que o principal objetivo é a performance com o menor consumo de energia. Para o auxílio no desenvolvimento da vetorização de torque, foi incluído um modelamento matemático para prever o desempenho do veículo com tração nas 4 rodas independentes e para poder aprimorá-lo. O objetivo final desse trabalho é entregar um conjunto de métodos, procedimentos e tecnologias, condensadas em uma plataforma de pesquisa que pode ser utilizada para outras aplicações no âmbito universitárioTese Análise dos acoplamentos térmico e capacitivo de transistores FD SOI de camadas finas e memórias resistivas RERAM(2023) Costa, Fernando José daTransistores de camadas ultrafinas e memórias resistivas são alguns dos dispositivos na vanguarda das pesquisas. O comportamento térmico é de suma importância em um sistema eletrônico, e ainda há muitas lacunas a respeito dos efeitos térmicos em transistores de última geração, bem como sobre sua atuação em níveis de integração. Também no campo das memórias emergentes, muitas dúvidas permanecem sobre as propriedades de armazenamento de dados em sistemas compostos por memórias denominadas resistivas. Este trabalho tem como objetivo estudar o acoplamento térmico entre múltiplos transistores, assim como a caracterização elétrica de memórias resistivas por meio de simulações numéricas e medidas elétricas experimentais. O estudo demonstrou que em escalas nanométricas de integração há a ocorrência de acoplamentos térmico e capacitivo entre os transistores o que produz degradações nas principais figuras de mérito dos transistores como a tensão de limiar e a inclinação de sublimiar. Porém, a condutância de saída pode ser influenciada de maneira positiva pelo acoplamento térmico sendo modulada de valores negativos para valores positivos de acordo com a proximidade entre os dispositivos. As estruturas em cascata apresentam características elétricas e térmicas superiores a um transistor único de comprimento de canal equivalente. Os espelhos de corrente apresentam um acoplamento térmico que produz uma redução geral da corrente no dispositivo de entrada à medida que os dispositivos estão localizados próximos um do outro, de maneira que o compartilhamento da temperatura no sistema leva os dispositivos a operarem com maior precisão de espelhamento. A caracterização das memórias resistivas pelas medidas da capacitância da estrutura se mostrou promissora para a visualização dos múltiplos estados resistivos. A memória tratada de maneira a incorporar mais vacâncias de oxigênio em seu material dielétrico se mostrou como uma melhor alternativa para se obter maior distribuição de estados resistivos requeridos para o desenvolvimento de sistemas de computação em memórias multiníveisDissertação Uso da transferência de aprendizado na análise de dados de efeitos destrutivos de ions pesados (SEB)(2023) Santos, Júlia TauaneEste trabalho, aborda a contribuição metodológica do uso da técnica de transferência de aprendizado aplicada a um modelo de rede neural previamente utilizado, a fim de classificar íons sob efeitos radioativos em transistores. A transferência de aprendizado consiste na utilização de um aprendizado de máquina aplicado anteriormente em determinada situação ou problema, transferindo o conhecimento para uma nova classificação de um assunto correlacionado, porém distinto. A sua utilização viabiliza uma maior capacidade de processamento no aprendizado da rede neural e mais rapidez, que se tornam aliados no desenvolvimento de modelos de segmentação de redes neurais convolucionais. O foco desta pesquisa está na utilização do treinamento de uma rede neural para a classificação de efeito de eventos únicos (SEE) com um transistor 3N163, sendo transferido esse aprendizado obtido anteriormente para uma nova classificação dados de efeitos destrutivos de íons pesados (SEB), subclasse do SEE, com um transistor IRLZ34NPbF, portanto, componentes com características físicas diferentes e efeitos correlacionados, porém distintos. A utilização da técnica de transferência de aprendizado no treinamento da rede neural artificial resultou em uma redução aproximada de 67% no tempo de processamento, quando comparada à rede neural DeepConvLSTM treinada sem a transferência de conhecimento prévio. Essa redução no tempo de processamento demonstra a eficiência e o benefício da transferência de aprendizado na aceleração do treinamento do modelo. Além disso, o modelo treinado com a técnica de transferência de aprendizado alcançou uma precisão de 99,07% nos dados treinados ao longo de 100 épocas. Essa alta precisão sugere que o modelo foi capaz de fazer previsões corretas na maioria das instâncias durante o treinamento, evidenciando a capacidade da transferência de aprendizado em melhorar o desempenho e a acurácia do modeloDissertação Estudo do efeito DIBL em função da temperatura em nanofios transistores SOI MOS de efeito de campo(2023) Pizzanelli, RiccardoEste trabalho apresenta um estudo comparativo da redução da barreira induzida por dreno, DIBL (Drain Induced Barrier Lowering), para os nanofios transistores SOI MOS de efeito de campo nas estruturas modo inversão e junctionless (sem junção). O principal objetivo deste traba-lho é analisar a variação do DIBL em função da temperatura na faixa entre, 300 K, 400 K, 500 K e 580 K, para diferentes larguras de canal. Para o que o estudo fosse realizado, foram feitas me-didas em amostras de transistores nanofios modo inversão e sem junção, tipo “n”, com compri-mento de canal de L = 40 nm e L = 100 nm, larguras da aleta de silício de 12 nm, 22 nm e 42 nm, altura da aleta de silício de 9 nm e tensões de dreno de VDS = 40 mV e VDS = 900 mV para ambas as estruturas que possuem dimensões idênticas. Para a análise das estruturas e seu comportamento elétrico, foi realizada a extração de parâmetros por meio de medidas experimentais nas respectivas temperaturas mencionadas acima e por meio de simulações numéricas tridimensionais. Com os dados coletados e as medidas realizadas, foi demonstrado que nanofios transistores sem junção apresentam valores menores para o DIBL do que os nanofios modo inversão, assim como, quando analisada a variação do DIBL em relação a temperatura. Comparando o DIBL em nanofios modo inversão e sem junção observa-se uma redução de 36% do efeito em favor dos transistores sem junção para o Wfin = 12 nm, 25% para o Wfin = 22 nm e 34% para o Wfin = 42 nm. Assim, quando os nanofios sem junção e modo inversão são comparados em relação ao efeito DIBL em função da temperatura, a variação sofrida pelo transistor sem junção é menor, o que indica menor depen-dência das características elétricas com a temperatura. A menor dependência com a temperatura do transistor sem junção se dá pela relação que o potencial de Fermi possui com a concentração intrínseca de portadores, concentração de dopantes e a temperaturaDissertação Extração de sentenças relevantes de artigos científicos utilizando modelo de linguagem e representação vetorial de palavras(2023) Fossato, LetíciaNas últimas décadas, o rápido avanço tecnológico gerou reflexos diretos na comunidade científica devido ao aumento da quantidade de pesquisas publicadas mensalmente. Visando colaborar com a rotina de estudo dos pesquisadores e diminuir a quantidade de tempo dedicada para a leitura e interpretação de artigos, técnicas para a extração de sentenças relevantes ganharam destaque no ramo de Processamento de Linguagem Natural. Neste sentido, o presente trabalho propõe duas investigações para automatizar a extração de frases representativas de artigos científicos. A primeira, consiste na premissa de extração de frases representativas comparando as sentenças presentes simultaneamente nas seções “Resumo”, “Introdução” e “Conclusão”. A segunda, na criação de um Modelo de Linguagem N-Gramas, treinado a partir das frases selecionadas pela premissa anterior, para aprender e generalizar o comportamento destas sentenças. O estudo incluiu técnicas de pré-processamento, vetorização de palavras (Word2Vec e FastText), similaridade cosseno e Modelo de Linguagem N-Gramas para a obtenção dos resultados. As frases obtidas foram validadas por meio da comparação com a sumarização padrão ouro e metrificadas pelo ROUGE-1. Entre os dois métodos testados, o melhor resultado foi obtido por meio da premissa de frases simultâneas entre as três seções mencionadas, utilizando o algoritmo de vetorização FastText, com 89% de F-Score ROUGE-1. O modelo de linguagem, mesmo com técnicas de suavização aplicadas, não teve dados suficientes para generalizar o comportamento da base de dados, pois 88% do vocabulário dos artigos de teste foi inédito ao modeloTese Análise do olhar humano: estudos experimentais de rastreamento o ocular para explicar padrões visual em tarefas cognitivas(2023) Orsi, R. N.Na área da engenharia, estudar processos cognitivos significa estudar o cérebro em funcionamento e isso requer o uso de tecnologias específicas para aquisição de sinal dinâmico em um processo que envolve estimulação, percepção e reação comportamental. Neste contexto, é comum encontrar estudos que exploram a análise de imagem com resolução temporal e espacial, como imagem por ressonância magnética funcional (fMRI) e eletroencefalografia (EEG). No entanto, também tem sido cada vez mais comum a utilização de abordagens disruptivas, como o rastreamento dos movimentos oculares para analisar a carga de trabalho mental e a interação entre a mente e os estímulos por meio de análise de padrões visuais durante a aquisição de informação. Nesta tese são apresentados três estudos experimentais guiados por um protocolo padrão para aquisição de sinal visual correspondente a percepção humana de estímulos cognitivos. Mais especificamente, é apresentada uma análise de padrões visuais em tarefas de leitura com estímulos que simulam condições de estresse visual; uma análise da atenção visual durante a avaliação de expressões faciais de dor em neonatos; e uma análise da dilatação pupilar durante a percepção de estímulos emocionais categorizados. Os resultados mostram que é possível classificar automaticamente, e com alta acurácia, os padrões visuais de leitura obtidos por processos de engenharia reversa; que o reconhecimento da dor em neonatos é uma tarefa inata e ocorre em menos de 2 segundos; e que estímulos emocionais negativos podem mobilizar mais recursos de processamento cerebral do que estímulos positivos e neutros. Acredita-se que os relatos descritos nesta tese podem ser aplicados na área clínica para realizar diagnósticos mais precisos acerca de condições de estresse visual e para fundamentar uma abordagem mais distinta e seletiva para análise de expressão facial de recém-nascidosDissertação Aplicação da arquitetura transformer para sumarização de artigoscientíficos(2023) Lima, Amanda Maciel deO processo de pesquisa científica tem como sua fase inicial a exploração de artigos para o conhecimento do estado da arte do tema a ser investigado. Em virtude do crescimento de dados em artigos científicos e do curso constante da informatização, tornam-se necessários mecanismos que sejam capazes de resumir artigos científicos com a finalidade de melhorar o processo de aquisição de pesquisas e direcionar a pessoa pesquisadora a acessar conteúdos relevantes. Os trabalhos de sumarização de artigos científicos, de modo geral, apresentam métodos de relevância de sentenças e aprendizado de máquina. Nos últimos anos, mecanismos de atenção associados a redes neurais e processamento de linguagem natural vêm sendo propostos para interpretare contextualizar atividades de processamento de linguagens, sendo uma delas a textual. Paralelamente, a arquitetura Transformer sugere uma modelagem de transdução com mecanismos de autoatenção - prescindindo de convoluções e recorrências - é aplicada a diversos campos da Inteligência Articial com resultados considerados promissores. Este trabalho propôs empregar o modelo pré-treinado Longformer para a atividade de sumarização de artigos científicos da base de dados SciSummNet através de etapas de pré-processamento, fine-tuning e geração dos resumos. Os resultados obtidos indicaram melhoria de 20,8% para ROUGE-2 recall e 22,69% para ROUGE-2 F-Measure em relação ao trabalho original da base SciSummNet através do modelo ComAbstractDissertação Redes Complexas aplicadas à otimização de portfólio de ações(2023) Varga, Felipe SouzaA compreensão dos mercados financeiros é algo que desperta grande interesse nas pessoas. Eles foram estudados por diferentes áreas do conhecimento, tais como: economia, matemática e física. Apesar deste interesse, apenas recentemente que estes mercados vêm sendo estudados pela perspectiva de Redes Complexas. Assim, este trabalho modela e estuda o mercado financeiro brasileiro pela perspectiva dessas redes. O mercado brasileiro foi escolhido como objeto de estudo, pois o foco da literatura identificada é direcionado aos mercados financeiros de países desenvolvidos ou aqueles cujas economias são muito fortes no contexto internacional. As redes são construídas com base no coeficiente de correlação calculado para todos pares de Ações do mercado. Estas correlações são obtidas a partir dos retornos logarítmicos diários das Ações divididos em janelas de tempo. As redes construídas formam redes completas, entretanto, para análise de suas estruturas, é necessário filtrar as informações da rede. Com esse fim, são geradas Minimum Spanning Tree (MST) das redes. Então, é realizada a extração e o estudo das propriedades físicas destas árvores. Desta forma, será possível estudar as dinâmicas das redes de mercado financeiro ao longo do tempo. Parte desse estudo será focado em compreender a reação destas propriedades a crises financeiras. Uma vez que estas propriedades foram compreendidas, elas são utilizadas para realização da seleção de portfólios de Ações. Para isso, são selecionadas Ações com menor centralidade da rede, uma vez que são tais Ações que costumam gerar maior diversificação para o portfólio. Essa ideia corrobora com a teoria moderna de portfólio de Markowitz, na qual é descrito que a otimização de portfólios é dependente do grau de diversificação de seus ativos. Os portfólios gerados foram avaliados e comparados a portfólios de referência, tais como: Portfólio de Markowitz, Portfólio Igualmente Ponderado e Índice IbovespaDissertação Redes neurais convolucionais para avaliação de dor neonatal em imagens de face: uma análise quantitativa e qualitativa(2023) Coutrin, Gabriel de Almeida SáA experiência da dor, quando intensa ou repetitiva, pode prejudicar o desenvolvimento de recém-nascidos. Estima-se que, durante o período de internação de um recém-nascido em unidade de terapia intensiva neonatal, ocorram mais de 500 intervenções dolorosas, com eventual uso de analgesia, a qual também pode impactar o desenvolvimento da criança. Diante da incapacidade do neonato verbalizar sua dor, realizam-se estudos, procedimentos e tratamentos para identificação da presença de dor por meio da análise comportamental, principalmente pela mímica facial. No entanto, a aplicação clínica destas propostas para o reconhecimento da dor está sujeita às variações entre profissionais da saúde. Neste contexto, faz-se importante o desenvolvimento de soluções computacionais para a avaliação da dor neonatal com menor subjetividade. Na última década, Redes Neurais Convolucionais (CNNs) ganharam popularidade devido às diversas aplicações de sucesso em tarefas de reconhecimento de imagens. Portanto, o presente trabalho tem como objetivo investigar a aplicação de diferentes modelos de CNN para a classificação automática da dor neonatal a partir de imagens de face. Especificamente, foram implementados modelos das arquiteturas VGG-16, ResNet50, SENet50 e Inception-V3, utilizando o aprendizado por transferência, e da arquitetura N-CNN (Neonatal Convolutional Neural Network), o qual não foi previamente treinado. Duas bases de dados distintas foram utilizadas: iCOPE e UNIFESP. Em uma comparação experimental baseada não somente em resultados quantitativos (métricas de desempenho de classificação), mas também em uma análise qualitativa por meio de métodos de Inteligência Artificial Explicável, foi evidenciada a superioridade dos modelos pré-treinados com imagens de face, destacando as diferenças mais relevantes no tocante à interpretação das informações extraídas por cada modelo, bem como a necessidade de um maior conjunto de dados, um fator limitante para a aplicação de redes neurais neste problema