Ciência da Computação
URI permanente desta comunidadehttps://repositorio.fei.edu.br/handle/FEI/342
Navegar
168 resultados
Filtros
Configurações
Resultados da Pesquisa
Agora exibindo 1 - 10 de 168
Trabalho de Conclusão de Curso Comunidade artificial:(2024-12-04) Stolai, Aline; Vendramini, Gabriel Lopez; Costa, Henrique; Estevão, Juan Lira; Barbieri, Pedro Henrique B. L.A inteligência artificial é um campo de estudo que possui impactos globais profundos e dificilmente mensuráveis. Inspirados pela investigação dos princípios da vida e dos avanços da inteligência artificial, esse trabalho busca gerar uma reflexão na evolução da vida e observar os padrões de comportamentos e interações entre os indivíduos artificiais. Então, com a implementação de uma comunidade artificial, o estudo entende a tomada de decisão de agentes, de acordo com seus estados atuais e adversidades atuando sob eles. Para isso, a análise utiliza o conceito de Q-Learning aplicado em seus agentes, gerando a dinâmica de ação e recompensa. Como objetivo, os resultados são avaliados com análises de dados, exibindo as estatísticas da simulação, como curvas de aprendizado ou mortes causadas por adversidades. E com estes resultados, surgem questionamentos sobre o que pode-se aprender com essas interações. Essas e outras métricas são extremamente necessárias para a avaliação de desempenho do mundo artificial. A análise sob uma comunidade artificial nos provoca a pensar sobre outras abordagens de problemas atuais, como questões biológicas e ambientais, focando em um olhar crítico sobre soluções geradas com um conjunto de dados fornecidos a um conjunto de indivíduos. Como resultado, é possível gerar gráficos que mostram o desempenho dos agentes, com base nas métricas coletadas durante o processo. Os resultados indicam que agentes artificiais podem adaptar suas decisões de forma eficiente, baseando-se nas adversidades apresentadas e buscando maximizar a sobrevivência. Métricas como curvas de aprendizado e taxas de mortalidade foram cruciais para compreender o impacto das condições iniciais e das adversidades na evolução dos agentes. Como conclusão, nota-se que a simulação é uma ferramenta válida para o estudo de dinâmicas biológicas e naturais, oferecendo também informações que podem ser aplicadas em problemas como planejamento urbano e outros do mundo real.Trabalho de Conclusão de Curso Interpretação de emoções com machine learning:(2024-12-04) Souza, Guilherme Reis Queiros de; Oliveira, Gustavo Miranda de; Silveira, Luiz Henrique; Paula, João Victor da Silva; Andrade, Vinícius Cristiano Nagatomo deEmoções são uma das principais características que nos tornam humanos. Algo abstrato, deduzido e catalogado por nós mesmos, que dita toda manifestação da percepção humana no mundo. Um dos grandes desafios atuais da ciência é conseguir, apropriadamente, interceptar e interpretar de forma coesa esses sinais neurais que constituem as emoções bem como explorar as diferentes possibilidades que tais descobertas trazem consigo. Tendo isso em vista, foi realizado neste trabalho a interpretação de sinais neurológicos pré-classificados em um sistema de aprendizado de máquina e a comparação entre as diferentes técnicas utilizadas como SVM, MLP e classificador Random Forest, assim como o levantamento de uma discussão sobre os diferentes impactos e aplicações deste sistema.Os métodos utilizados neste trabalho são formados pela interpretação de sinais neurais através de inteligência artificial e detecção de padrões, desenvolvendo novas técnicas e melhorando as já existentes metodologias, estratégias e resultados. A proveniência dos sinais neurais se dá pelo uso de bases de dados públicas que contemplam detalhes de atividade cerebral de voluntários enquanto estímulos específicos eram exibidos, capturados através de EEG. Estes e outros métodos e materiais são mais detalhadamente descritos nas próximas sessões deste trabalho. Ao utilizar o algoritmo Random Forest Classifier em dados separados em conjuntos de duas emoções tratados utilizando a transformada de Fourier, foi possível obter um índice de acerto de 88,89% na melhor classificação, com outras duplas seguindo em 80% e 77%, conferindo uma melhora no desempenho com relação a outros trabalhos semelhantes. Algumas emoções também tiveram pior desempenho, chegando a bater apenas 22% de acerto, o que é abordado neste trabalho como um possível indicador da semelhança de certas emoções, observada em matrizes de confusão. No final, foi incluída uma demonstração de aplicação da saída deste algoritmo em um jogo simples, a fim de mostrar a capacidade de integração do programa e ilustrar possíveis impactos deste estudo em áreas diversas.Trabalho de Conclusão de Curso Implementação de um ambiente de aprendizado virtual gamificado(2024-12-04) Moraes, Gabriel Martinho S. de; Konishi, Henrique Kenji; Silva Neto, José Joaquim da; Pereira, Lucas Guglielmi; Lopes, Vinicius Gabriel FerreiraEste trabalho foi desenvolvido com o objetivo de transformar, em parte, a dinâmica e modelo de aprendizagem da instituição universitária FEI com a implementação de um ambiente virtual gamificado, onde alunos podem se conectar, acompanhar aulas e realizar atividades, em forma de jogos, enquanto aprendem e têm uma experiência agradável, além de possuírem acesso a conteúdos complementares. O ambiente gamificado, inspirado em jogos clássicos, incorpora mecânicas como customização de personagens, desafios, recompensas e ranques, adaptadas para o contexto acadêmico. Mais do que uma plataforma, é uma nova forma de enxergar a educação, trazendo vantagens que vão além do modelo tradicional. Os resultados obtidos com o uso do ambiente gamificado trouxeram uma melhoria no engajamento e no desempenho dos alunos em comparação ao método tradicional. Os participantes que utilizaram o jogo ou ambos os métodos em conjunto obtiveram uma média de desempenho superior, além disso, a maioria dos participantes consideraram o ambiente fácil de navegar e intuitivo, porém algumas críticas construtivas foram apontadas, fornecendo espaço para uma recomendação futura e novas possibilidades.Trabalho de Conclusão de Curso Visão computacional aplicada ao rastreamento de pessoas em múltiplos ambientes a partir da detecção de uma ação violenta baseado em aprendizado de máquina(2024-12-11) Silva, Erico Medeiros Correia da; Chan Lin, Fernando; Yang, WilliamCom o aumento exponencial do número de câmeras de vigilância, especialmente nos grandes centros urbanos, a automatização do rastreamento de pessoas para a detecção de movimentos e ações tornou-se uma corrida internacional entre os desenvolvedores de tecnologias digitais, que criam estratégias baseadas em aprendizado de máquina e inteligência artificial. Esse avanço é essencial para atender à crescente demanda por sistemas de vigilância voltados à segurança pessoal e à proteção de bens, destacando a importância de tecnologias robustas e eficientes para monitoramento. Dentro deste contexto, um dos principais desafios é a reidentificação de pessoas em ambientes diversos, onde estas se movimentam por diferentes câmeras e hardwares. Esta tarefa é ainda mais complexa devido à elevada carga computacional, baixa qualidade das imagens, oclusões, ruídos e ausência de datasets abrangentes. Este trabalho apresenta uma metodologia baseada em visão computacional, aprendizado de máquina e reconhecimento de padrões, que realiza a reidentificação de indivíduos a partir da detecção de uma ação violenta, rastreando-os em diferentes ambientes por meio de múltiplas câmeras. Os resultados demonstram que, em todas as ocasiões em que o modelo identificou um evento como sendo violento, a classificação estava correta, evidenciando a eficácia do sistema na identificação inicial. Na etapa de reidentificação, o sistema atingiu uma precisão de 100% para o suspeito mais similar e de 88% considerando todas as reidentificações realizadas, destacando sua capacidade de rastrear indivíduos com alta confiabilidade mesmo em ambientes diversificados.Trabalho de Conclusão de Curso Criminal Processing Investigation Support System (CPISS) Sistema de Suporte a Decisões em Investigações Criminais(2024-12-11) Bonnet, Jean-Luc; Carrasco, Lucas da Silva; Santos, Victor Alexandre dosCom o crescente número de casos criminalísticos e suas complexidades, os agentes investigativos enfrentam muitos desafios que podem diminuir a eficácia nas soluções desses casos, deixando até mesmo muitos casos insolúveis. Atualmente, existem diversas tecnologias para auxiliar esses investigadores, bem como ampliar a base de dados de investigação e até mesmo resolver casos, o processo investigativo depende de diversas fontes de dados, como, por exemplo: testemunhas, vítimas, redes sociais, câmeras de vigilância, entre outros, tornando a análise dessas informações uma tarefa cada vez mais desafiadora. Assim, este projeto indica os suspeitos com a maior probabilidade de ser o culpado e indica uma fila de suspeitos, auxiliando os agentes investigativos a encontrar um caminho mais assertivo em suas investigações. Este modelo utiliza correlações entre os indivíduos envolvidos no caso e um conjunto de fatos que serão quantificados para gerar sua importância, definindo assim um ranqueamento final das pessoas envolvidas. Portanto, o objetivo deste projeto é, a partir de fatos coletados por agentes investigativos de um crime, correlacionar esses fatos, ampliar novos fatos, criar novas correlações e encontrar sugestões de caminhos que levem a investigações mais assertivas, esses caminhos, por sua vez, são as filas de suspeitos entre a pessoa com maior probalidade de ser culpado e a vítima. A metodologia proposta foi testada em diversos casos reais, que foram adaptados com o objetivo de controlar os parâmetros para análise, obtendo resultados promissores em casos complexos e bem conhecidos como o da “Deputada Flordelis”, que obteve uma precisão equivalente a 79,22%; casos com baixa complexidade, como do chamado “Maníaco do Parque”, que obteve 100% de precisão; e de complexidade média, como do chamado “Fera da Penha”, que obteve cerca de 59,21% de precisão, mostrando que o método sugerido é eficiente, e pode auxiliar os investigadores em suas investigações criminais.Trabalho de Conclusão de Curso Detecção e interpretação de palavras chaves a partir de diálogos médico-pacientes(2025-12-11) Schanz, Gabriel Brito; Barbieri, Joao Pedro Nagib Jorge; Candido, Leonardo Barrionuevo; Fernandes, Lucas PodmanickiO atendimento rápido e preciso em hospitais é um desafio a ser superado no Brasil, onde a superlotação e a urgência são comuns. O princípio é complicado, então é uma comunicação entre médicos e pacientes, em muito pouco tempo para verificar o diagnóstico que depende da comunicação entre o médico e o paciente pode variar e, devido ao cansaço e ao estresse, podem ocorrer erros ou más interpretações. Por outro lado, o avanço das tecnologias de aprendizado de máquina na área médica tem possibilidade de desenvolvimento de sistemas mais Preciso e eficaz para uma análise de dados clínicos. Nesse contexto, o Sistema de Apoio à Decisão Clínica é utilizada em conjunto com aprendizado de máquina para analisar dados do Paciente e fornecer recomendações baseadas em evidências. No entanto, muita informação fundamentos para a detecção de sintomas ainda são frequentemente despercebidos durante as consultas. Assim, este trabalho desenvolveu uma metodologia baseada na interpretação de áudios em consultórios médicos, buscando informações relevantes para o diagnóstico. Os resultados Obtidos demonstraram uma precisão de 73% de detecção de sintomas em relação ao site lá arte.Trabalho de Conclusão de Curso Uma metodologia baseada em visão computacional para classificação de ações estratégicas temporais em jogos de futebol(2024-12-11) Rocha, Lucas Martiniano; Trindade, Mikael Batista daA classificação de padrões em jogadas de futebol é uma aplicação inovadora de inteligência artificial, com potencial significativo para aprimorar análises esportivas e estratégias de jogo. A identificação automatizada de jogadas, como passes, chutes e movimentações específicas, pode ser amplamente utilizada para melhorar táticas coletivas, otimizar treinos e realizar avaliações detalhadas de desempenho em clubes, seleções e competições internacionais. Um dos maiores desafios dessas tarefas, que envolve tanto precisão quanto interpretação de dados, é a identificação de padrões complexos de movimentação e jogadas específicas que cada time realiza durante uma partida. Apesar de atualmente a tecnologia estar muito proxima ao esporte, ainda utilizam equipes com pessoas e o estudo de jogadas ainda é feito manualmente, pelo conhecido time de scout ou analistas de desempenho. O presente trabalho apresenta uma metodologia baseada em visão computacional e redes neurais convolucionais para lidar e resolver esse problema. Os resultados alcançados mostram que a metodologia proposta obtém 62% de assertividade quando utilizada em uma base de dados específica.Trabalho de Conclusão de Curso Estudo de algoritmos bio-inspirados e aprendizado de máquina aplicados à doenças cardiovasculares(2024-12-11) Rodrigues, Lucas MedeirosA proposta deste trabalho teve como objetivo realizar um estudo comparativo do uso de uma rede do tipo MLP e algoritmos Bioinspirados para predição de doenças cardíacas, um problema grave na saúde de muitas pessoas. Usando a base dados UCI Heart Disease Dataset, foram aplicadas as técnicas análise de componentes principais e a Decomposição em valores singulares para redução de dimensionalidade com a finalidade de melhorar o desempenho dos modelos. A MLP foi implementada com cinco camadas, enquanto o algoritmo biosinpirado escolhido, Optimização por enxame de partículas (PSO) foi configurado com trinta partículas. Métricas como acurácia, precisão, recall e F1 score foram utilizadas a fim de comparar seus desempenhos. Os resultados obtidos ajudam a entender as vantagens e desvantagens de cada abordagem, possibilitando uma análise comparativa do uso dos modelos em diferentes cenários, onde foi possível observar resultados de até 85% de acurácia.Trabalho de Conclusão de Curso Reconstrução 3D de ambientes externos baseada na correlação de poucas imagens de diferentes perspectivas(2024-12-11) Medrano, Alessandro Simões; Cunha, Daniel Alves; Mendes, João Vitor Simões; Videira, Pedro Bazaluk MachadoReconstrução 3D está em grande visibilidade atualmente, por conta do avanço tanto da tecnologia de hardwares quanto de softwares. Esse processo tem como propósito trazer novas experiências imersivas através da sua aplicação em diversas áreas, como, por exemplo, na área médica, entretenimento, e construção civil. Porém, há uma limitação na utilização de reconstrução 3D para a criação de malhas de ambientes externos, uma vez que a forma mais comum para a realização deste processo, considerando todas as perspectivas de um ambiente, dá-se por meio da utilização de sensores, os quais realizam o cálculo das profundidades do ambiente, o que facilita sua reconstrução, mas torna-se uma prática restrita por conta do custo dessa tecnologia. Além disso, grande parte das reconstruções 3D de um ambiente externo, a partir de imagens, são realizadas considerando apenas uma perspectiva e com a utilização de uma grande quantidade de dados processados referentes às imagens de um ambiente. Assim, este trabalho propõe a reconstrução 3D de ambientes externos a partir de poucas imagens com a completude de várias perspectivas e sem o uso de sensores. Trata-se de uma metodologia distinta daquelas do estado-da-arte. Os resultados alcançados mostraram que a metodologia proposta aqui é capaz de reconstruir ambientes externos a partir de poucas imagens de diferentes perspectivas, gerando malhas 6D visualmente realistas e em tempo real.Trabalho de Conclusão de Curso Crypto Rush - simulador financeiro do mercado de criptomoedas:(2024-12-05) Pedroso, Filipe Bruhns P.; Freo, Lucas Forge; Popic, Yuri TiernoEste trabalho apresenta o desenvolvimento de um jogo simulador de investimentos em criptomoedas. A motivação para este trabalho surge da crescente popularidade e complexidade do mercado de criptoativos, que exige uma melhor compreensão por parte dos investidores e um ambiente de testes seguro para o investidor simular as suas estratégias de investimentos. Busca-se proporcionar ao jogador uma experiência imersiva que simule o mercado, utilizando dados históricos reais e tecnologias eficientes na análise de dados, a partir de um ambiente seguro para que os usuários possam experimentar e testar suas estratégias, minimizando riscos financeiros reais. Para o desenvolvimento deste trabalho, foi utilizado as linguagem de programação Python e os algoritmos de Rede Neural Recorrente (RNN) e Memória de Longo e Curto Prazo (LSTM).