Engenharia Elétrica
URI permanente desta comunidadehttps://repositorio.fei.edu.br/handle/FEI/21
Navegar
5 resultados
Resultados da Pesquisa
Trabalho de Conclusão de Curso Detecção de arritmia cardíaca em ECG gerado por smartwatch(2023-12-14) Maglione, Bruno Stefano Pinheiro; França, Giuliano Cotrufo; Affonso, Rodrigo CoutinhoEste trabalho tem como objetivo a criação de um sistema de análise de saúde, utilizando dados provenientes de relógios inteligentes (smartwatch) dos pacientes em questão. O processo consiste primeiro na extração dos dados colhidos pelos sensores do dispositivo e realização de um tratamento prévio em algumas variáveis obtidas, através da interface do Google Colab para treinamento de uma rede neural VGG-19 e analisada através de um banco de dados do PhysioNet. Foi realizada a pesquisa teórica, apresentando um aprofundamento sobre os detalhes acerca do assunto, com introdução sobre os elementos a serem utilizados e o porquê de sua escolha, seguido do detalhamento da metodologia utilizada no subsequente desenvolvimento e prototipação do projeto.Trabalho de Conclusão de Curso Aquisição de eletrocardiograma e classificação de arritmias por machine learning(2022-08-30) Silva, César Nogueira; Matos, Jefferson Almeida; Lopes, Fernanda FerreziEsse projeto apresenta uma proposta de um dispositivo para monitoração cardíaca pessoal. O dispositivo foi desenvolvido aplicando técnicas de Inteligência Artificial (aprendizado de máquina) para o reconhecimento de arritmias. O dispositivo informará, por meio de um e-mail, a detecção da possível arritmia à um médico ou pessoa credenciada, de modo que possa agilizar ou antecipar, um atendimento de emergência. Segundo a classificação da AAMI (Association for the Advancement of Medical Instrumentation) foram selecionadas 4 classes, sendo Normal (N), Supraventricular ectópico (SVE), Ventricular ectópico (VE) e Fusão de normal e ventriculares (F). Utilizando a base de dados MIT-BIH Arrhythmia Database e o aplicativo (app) Classification Learner do Matlab, para o treinamento, foi possível investigar vários modelos, sendo que os melhores foram o Ensemble (SubspaceKNN) e o SVM (Cubic SVM) com acurácias de 94% e 94,1%, respectivamente. Esses modelos foram selecionados para a etapa de teste, tendo o modelo Ensemble (SubspaceKNN) obtido a melhor acurácia (74,4%) e posteriormente sendo utilizado para a implementação no aplicativo de interface do usuário. Desta forma, sua implantação contribui para o desenvolvimento de inovação científicotecnológica, à medida que o equipamento apresenta características que ainda não foram totalmente implementadas no mercado e causa impacto no âmbito social, tornando-o acessível, sem a necessidade de um serviço de monitoração contínuo contratado pelo paciente.- Heuristically-accelerated multiagent reinforcement learning(2014-02-05) Reinaldo Bianchi; MARTINS, M. F.; RIBEIRO, C. H. C.; COSTA, A. H. R.This paper presents a novel class of algorithms, called Heuristically-Accelerated Multiagent Reinforcement Learning (HAMRL), which allows the use of heuristics to speed up well-known multiagent reinforcement learning (RL) algorithms such as the Minimax-Q. Such HAMRL algorithms are characterized by a heuristic function, which suggests the selection of particular actions over others. This function represents an initial action selection policy, which can be handcrafted, extracted from previous experience in distinct domains, or learnt from observation. To validate the proposal, a thorough theoretical analysis proving the convergence of four algorithms from the HAMRL class (HAMMQ, HAMQ}(λ, HAMQS, and HAMS) is presented. In addition, a comprehensive systematical evaluation was conducted in two distinct adversarial domains. The results show that even the most straightforward heuristics can produce virtually optimal action selection policies in much fewer episodes, significantly improving the performance of the HAMRL over vanilla RL algorithms. © 2013 IEEE.
Trabalho de Conclusão de Curso Sistema de monitoramento para industria agro utilizando IoT(2021-06-27) Pires, Carlos Rodrigues; Sena, Guilherme de Carvalho Souto; Faria, Leonardo Lopes; Souza, Paulo Henrique de Melo; Moreira, Vitor HelenoDevido ao seu grande poderio no agronegócio, o Brasil é reconhecido mundialmente não apenas por tal feito, mas também por ter o grande consumo de água como um de seus reveses. Setenta porcentode toda a água utilizada no país tem como destino a irrigação de lavouras, além da pecuária e agricultura (De acordo com o Fundo das Nações Unidas para Agricultura e Alimentação e a Agência Nacional de Águas).Este grande consumo de água do setor, deve-se em maior parte a desperdícios e problemas técnicos nas lavouras. Após a realização de um estudo, o grupo responsável por este trabalho observou que em modelos matemáticos utilizados, a evapotranspiração (evaporação de água através do solo e transpiração das plantas) é citada com frequência e influencia diretamente o consumo de água. Entretanto, informações relacionadas a evapotranspiração real são raras e difíceis de obter, pois demanda um alto custo e grande tempo de observação. Com o propósito de contornar o problema, modelos baseados em empirismos e leis físicas foram desenvolvidos. Neste documento, será utilizado o modelo de Hargreaves-Samani, relacionando a temperatura máxima, mínima e ângulo da radiação solar incidente. Foiutilizadoum banco de dados baseando-se na região de Mirante São Paulo, com o foco de estipular o comportamento gráfico utilizando machine learning e “ARIMA” (Método estatístico). O local escolhido é resultado de ser o local mais antigo do estado de São Paulo, tornando seu histórico de dados mais robusto. Por outro lado, os pontos utilizados pelo INMET (Instituto Nacional de Meteorologia) localizam-se em pontos distantes e alguns inclusive, por serem mais recentes, não possuem dados mais antigos.Este estudo propõe uma medição local no cultivo para obtenção de dados precisos da região e variáveis meteorológicas. Com estas informações em mãos, o grupo pode iniciar o desenvolvimento de um banco de dados próprio, permitindo uma previsão da evapotranspiração mais precisa e confiável. Para fim de protótipo,será utilizado o micro controlador ESP8266 com capacidade de conexão Wi-Fi, sensores térmicos precisos e uma plataforma analítica IoT, Thingspeak da Mathworks, permitindo agregar, visualizar e analisar fluxos de dados postados pelo dispositivo cadastrado.Desta forma, o agricultor conseguirá acompanhar seus dados de forma online em qualquer momento e lugar, podendo prever o consumo de água mês a mês.- To ban or regulate autonomous weapons: A Brazilian response(2016) Santos P.E.