O Repositório do Conhecimento Institucional FEI tem como objetivo: reunir, organizar, preservar e disseminar a memória e a produção cientifica e intelectual do Centro Universitário FEI.
Comunidades
Selecione uma comunidade para navegar por suas coleções
Submissões Recentes
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.
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 de
Emoções 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.
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 Ferreira
Este 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.
Plano de negócio QG PET
(2024-12-10) Silva, Enzo de Paula Cecilio da
A QG Pet é um plano de negócios no setor de cuidados e saúde para animais de estimação, focado na criação de um software inovador para gestão do histórico de saúde de pets. A plataforma oferece monitoramento eficiente, praticidade e integração com clínicas veterinárias, permitindo o armazenamento centralizado de dados, controle de vacinação e medicamentos, além de comunicação facilitada entre tutores e profissionais. A tecnologia Swarm IA será utilizada para otimizar processos e proporcionar uma experiência personalizada. Com um investimento inicial próprio, a empresa prevê alcançar o ponto de equilíbrio no décimo quarto mês e obter retorno do investimento no vigésimo oitavo mês.
Projeto Boitatá:
(2024-12-21) Moreno, André Gomes; Ramos, Bianca Brandalezi; Teixeira, Christian Ferreira; Anunciato, Guilherme Almeida; Oliveira, Victor Martins de
O presente trabalho propõe o desenvolvimento de um sistema de monitoramento de queimadas em áreas remotas, utilizando tecnologias de comunicação sem fio baseadas no protocolo LoRa. O projeto aborda a necessidade de sistemas eficazes para a detecção e resposta rápida a incêndios, integrando módulos de coleta de dados e uma central de processamento. O sistema foi desenvolvido com sensores de temperatura DS18B20 conectados a módulos Arduino MKR WAN 1310, que se comunicam de forma P2P. A central de processamento, por sua vez, utiliza uma ESP8266 para transmitir os dados coletados a um painel de monitoramento via conexão Wi-Fi. A metodologia incluiu a montagem e teste de protótipos, análise de desempenho da comunicação entre os módulos, medições de consumo de energia e avaliação do alcance do sistema em diferentes condições. Os resultados obtidos demonstraram a funcionalidade do sistema no envio de dados e na detecção de alterações de temperatura em tempo real. Como melhorias futuras, foram identificadas a substituição da ESP8266 por uma conexão direta via USB e a avaliação do uso de um gateway LoRa para ampliar as possibilidades de aplicação. Concluiu-se que a solução desenvolvida oferece uma base promissora para sistemas de monitoramento ambiental, com potencial para ser expandida e aprimorada para aplicações de maior escala, contribuindo para a preservação ambiental e mitigação dos impactos causados por queimadas.