Ciência da Computação
URI permanente desta comunidadehttps://repositorio.fei.edu.br/handle/FEI/342
Navegar
4 resultados
Resultados da Pesquisa
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 Gamificação na programação de robôs domésticos usando ROS no contexto da competição RoboCup@Home(2023-12-06) Zymberg, Guilherme; Carvalho, Kawê Vinicius Barbosa de; Marinaro, Leonardo Pilotto; Mercês, Pedro Henrique Paizam das; Martins, Rafael CarraroEste trabalho foi desenvolvido com o objetivo de tornar a programação de robôs domésticos com ROS, mais atrativa e dinâmica, além de suavizar a curva de aprendizado dos conceitos de robótica apresentada pelos novos integrantes da RoboFEI. Dessa forma, o trabalho consistiu na criação de um jogo utilizando a engine Unity, onde o jogador faz tarefas inspiradas na competição RoboCup@Home. O jogo foca em quebra cabeças de programação orientada a blocos, buscando simplificar o processo de programação de uma forma divertida e introduzir aos seus jogadores conceitos básicos de programação, lógica e robótica, que gradativamente vão aumentando o grau de complexidade conforme o jogador avança nos níveis do jogo, com o objetivo de facilitar a passagem da barreira inicial observada em alunos novos de robótica, e buscando com que o jogador lembre dos conceitos apresentados e tenha mais facilidade em uma eventual tentativa de estudar robótica em um ambiente real. O jogo consta com dois modos, sendo um modo de história, onde o jogador aprende os temas por via de tutoriais e quebra-cabeças planejados com objetivos determinados, além de ensinar alguns outros conceitos com a história do jogo. Além disso, o jogo também tem o modo livre, onde o jogador pode realizar os comandos que quiser sem ter que cumprir um objetivo fixo, permitindo que o jogador converta o código feito no jogo para um código real capaz de ser simulado na própria Hera, robô utilizado pela FEI nas competições, a fim de mostrar o que o jogador criou por meio do jogo em um contexto real e permitir que o jogador crie códigos funcionais de uma maneira mais dinâmica.