Buscar Trabalhos

Trabalhos Disponíveis

TRABALHO Ações
Aprendizado Contínuo para Estimação de Biomassa Forrageira em Imagens Aéreas RGB: Adaptação, Retenção e Dinâmica de Atualização Paramétrica
Curso Mestrado em Ciência da Computação
Tipo Dissertação
Data 27/07/2026
Área CIÊNCIA DA COMPUTAÇÃO
Orientador(es)
  • Edson Takashi Matsubara
Coorientador(es)
    Orientando(s)
    • MATEUS DE OLIVEIRA MILLIAN
    Banca
    • Bruno Magalhaes Nogueira
    • Edson Takashi Matsubara
    • Eduardo Theodoro Bogue
    • Jonathan de Andrade Silva
    • Mariana Caravanti de Souza
    • Vanessa Aparecida de Moraes Weber
    Resumo
    Download
      Desenvolvimento e Aplicação de Gêmeos Digitais na Suplementação de Bovinos
      Curso Mestrado em Ciência da Computação
      Tipo Dissertação
      Data 29/06/2026
      Área CIÊNCIA DA COMPUTAÇÃO
      Orientador(es)
      • Ricardo Ribeiro dos Santos
      Coorientador(es)
        Orientando(s)
        • VITOR HUGO DOS SANTOS DUARTE
        Banca
        • Fabio Iaione
        • Luciano Gonda
        • Marcio Carneiro Brito Pache
        • Ricardo Ribeiro dos Santos
        Resumo
        Download
          Heurísticas de Exploração do Espaço de Projeto para Computação Aproximada em Nível de Instrução
          Curso Mestrado em Ciência da Computação
          Tipo Dissertação
          Data 19/06/2026
          Área CIÊNCIA DA COMPUTAÇÃO
          Orientador(es)
          • Liana Dessandre Duenha Garanhani
          Coorientador(es)
            Orientando(s)
            • FELIPE DE SOUSA SOVERNIGO
            Banca
            • Bianca de Almeida Dantas
            • Bruno Magalhaes Nogueira
            • Isaías Bittencourt Felzmann
            • Liana Dessandre Duenha Garanhani
            • Ricardo Ribeiro dos Santos
            Resumo
            Download
              Análise Evolutiva da Coocorrência entre Code Smells e Community Smells em Code Samples
              Curso Mestrado em Ciência da Computação
              Tipo Dissertação
              Data 21/05/2026
              Área CIÊNCIA DA COMPUTAÇÃO
              Orientador(es)
              • Awdren de Lima Fontao
              Coorientador(es)
              • Maria Istela Cagnin Machado
              Orientando(s)
              • ARTHUR RAMIRES RODRIGUES NETO BUENO
              Banca
              • Awdren de Lima Fontao
              • Davi Viana dos Santos
              • Debora Maria Barroso Paiva
              • Hudson Silva Borges
              • Patricia Gomes Fernandes Matsubara
              Resumo
              Download
                Aprendizado Contrastivo Supervisionado em Cenários de Identificação de Incêndio Fracamente Supervisionada em Imagens de Satélite
                Curso Mestrado em Ciência da Computação
                Tipo Dissertação
                Data 09/04/2026
                Área CIÊNCIA DA COMPUTAÇÃO
                Orientador(es)
                • Jonathan de Andrade Silva
                Coorientador(es)
                  Orientando(s)
                  • Johnny Eidi Haranaka
                  Banca
                  • Edson Takashi Matsubara
                  • Jonathan de Andrade Silva
                  • Jose Marcato Junior
                  • LUCAS CORREIA RIBAS
                  • Wesley Nunes Goncalves
                  Resumo
                  Download
                    Identificação Automática de Vulnerabilidades em Serviço de Armazenamento na Nuvem
                    Curso Mestrado em Ciência da Computação
                    Tipo Dissertação
                    Data 06/02/2026
                    Área CIÊNCIA DA COMPUTAÇÃO
                    Orientador(es)
                    • Ronaldo Alves Ferreira
                    Coorientador(es)
                    • Carlos Alberto da Silva
                    Orientando(s)
                    • Milton Gabriel Porto Bazé
                    Banca
                    • Ana Karina Dourado Salina de Oliveira
                    • Carlos Alberto da Silva
                    • Lourenço Alves Pereira Junior
                    • Ronaldo Alves Ferreira
                    Resumo A computação em nuvem tem experimentado um crescimento acelerado nas últimas décadas, consolidando-se como a principal plataforma para o armazenamento e processamento de dados em larga escala. Em particular, os serviços de armazenamento de objetos baseados em buckets são amplamente utilizados por organizações de diferentes portes. Apesar de os provedores de nuvem oferecerem mecanismos avançados de segurança, falhas de configuração, especialmente relacionadas a permissões de acesso, continuam sendo uma das principais causas de exposição e de vazamento de dados sensíveis. A identificação sistemática dessas vulnerabilidades é desafiadora devido à escala dos ambientes de nuvem.

                    Este trabalho apresenta GenBucket, uma ferramenta modular e automatizada para identificar vulnerabilidades em serviços de armazenamento em nuvem, com foco em buckets mal configurados. A proposta combina modelos generativos modernos para a geração inteligente de nomes candidatos de buckets, mecanismos de validação baseados em DNS e HTTP e módulos de classificação e análise de segurança capazes de identificar exposições indevidas e vulnerabilidades reais em buckets públicos. GenBucket suporta múltiplas arquiteturas generativas, incluindo LSTM, Transformer e modelos baseados em GPT, e permite o uso de conjuntos de treinamento customizáveis, possibilitando a captura de padrões linguísticos específicos, como os presentes em nomes de buckets.

                    A ferramenta implementa um pipeline completo que integra geração, validação, classificação e análise de riscos, superando as limitações de abordagens anteriores que dependem de listas de palavras estáticas ou que apresentam baixo grau de automação. Avaliações experimentais extensivas demonstram que o uso de dados de treinamento validados e de modelos generativos modernos resulta em taxas de acerto significativamente superiores ao estado da arte. Em particular, GenBucket alcançou até 21,73% de geração de nomes válidos, um desempenho mais de dez vezes superior ao reportado por trabalhos anteriores, além de identificar dezenas de buckets públicos com vulnerabilidades de segurança.

                    Os resultados obtidos evidenciam o potencial de GenBucket como uma ferramenta eficaz para auditoria automatizada de ambientes de armazenamento em nuvem, contribuindo para a detecção proativa de falhas de configuração e para o fortalecimento das práticas de segurança em infraestruturas em nuvem.
                    Download
                      Identificação Automática de Áreas de Cana-de-Açúcar e Árvores Isoladas Utilizando Segmentação Semântica
                      Curso Mestrado em Ciência da Computação
                      Tipo Dissertação
                      Data 24/11/2025
                      Área CIÊNCIA DA COMPUTAÇÃO
                      Orientador(es)
                      • Wesley Nunes Goncalves
                      Coorientador(es)
                        Orientando(s)
                        • THIAGO EDGAR BAUCE VENANCIO
                        Banca
                        • Edson Takashi Matsubara
                        • Jonathan de Andrade Silva
                        • Jose Marcato Junior
                        • LUCAS CORREIA RIBAS
                        • Wesley Nunes Goncalves
                        Resumo A segmentação manual de ortofotos tem limitações como alto custo, baixa escalabilidade e suscetibilidade a erros. A tarefa de segmentação semântica é fundamental para o monitoramento agrícola, mas enfrenta desafios como o desequilíbrio de classes. O objetivo central deste trabalho é investigar metodologias de segmentação semântica para a identificação automática de áreas de cana-de-açúcar e o mapeamento de árvores isoladas em ortofotos. Uma das contribuições mais importantes foi a avaliação comparativa de modelos do estado da arte, como o SegFormer e o InternImage, em relação a arquiteturas convolucionais mais radicionais e amplamente utilizadas, como a U-Net e a DeepLabV3+. Essa análise forneceu um panorama abrangente do desempenho de diferentes abordagens na segmentação de imagens agrícolas. Além disso, o estudo aprofundou-se no impacto do desequilíbrio de classes, um desafio técnico significativo em domínios agrícolas. Para mitigar esse problema, foram propostas e investigadas estratégias de pré-processamento, como a amostragem focada em classes (Crop-Focused) e a amostragem por zona de
                        borda (Boundary-Zone). A pesquisa também incluiu uma análise do efeito do tamanho dos patches na performance da segmentação, abordando a relação de compromisso entre a captura de contexto global e a preservação de detalhes locais. Com isso, foi possível demonstrar a viabilidade da automação de mapeamentos essenciais, como a identificação de áreas de plantio e árvores isoladas, o que evidencia ganhos diretos em eficiência produtiva e redução de custos operacionais. Essas contribuições, em conjunto, validam a capacidade de soluções de segmentação semântica para o monitoramento automatizado, oferecendo um caminho para a implementação de práticas agrícolas mais eficientes e sustentáveis.
                        Download
                        Towards Improving the LGBTQIAPN+ Developer Experience (DevX) in the Software Engineering Industry
                        Curso Mestrado em Ciência da Computação
                        Tipo Dissertação
                        Data 13/10/2025
                        Área CIÊNCIA DA COMPUTAÇÃO
                        Orientador(es)
                        • Awdren de Lima Fontao
                        Coorientador(es)
                          Orientando(s)
                          • EDVALDO ROBERTO WASSOUF JUNIOR
                          Banca
                          • Awdren de Lima Fontao
                          • Debora Maria Barroso Paiva
                          • Hudson Silva Borges
                          • Kiev Santos da Gama
                          • Maria Istela Cagnin Machado
                          Resumo Pesquisas recentes destacam o crescente estudo de populações ocultas na engenharia de software e das dinâmicas que afetam a produtividade e a experiência (Developer Experience) desses grupos. Portanto, identificar fatores que afetam a DX de profissionais LGBTQIAPN+ torna-se essencial para traçar caminhos que visem mitigar desafios e fornecer soluções que integrem, facilitem e direcionem ambientes sustentáveis de engenharia de software para essa população de desenvolvedores.

                          Esta pesquisa buscou compreender o estado da arte sobre a experiência de desenvolvedores LGBTQIAPN+, capturando elementos tanto da literatura clássica e formal quanto da literatura cinzenta. Além disso, dois estudos primários foram conduzidos: um survey direcionado a profissionais LGBTQIAPN+ e, posteriormente, uma combinação de survey e entrevistas em vídeo. Esse desenho metodológico permite a coleta de evidências que apoiam a construção de um modelo de DX para profissionais LGBTQIAPN+ baseado na experiência prática desses profissionais, a fim de orientar a indústria ágil de tecnologia na recepção, integração e retenção desses profissionais engajados.

                          Assim, os achados desta pesquisa incluem: ambientes menos estruturados, com equipes imaturas e poucos processos, comuns em empresas pequenas, são mais propensos a episódios de preconceito e dificuldades de integração. Por outro lado, ambientes com processos estruturados e equipes mais desenvolvidas, como os de grandes empresas, oferecem uma experiência diferenciada, mas não isenta de episódios de viés ou preconceito de gênero.

                          Entre as diretrizes apresentadas no modelo proposto nesta pesquisa estão: ouvir os profissionais, acolhê-los diante de episódios de preconceito e respeitar identidades de gênero e pronomes. Além disso, cerimônias ágeis podem respeitar os processos e desafios enfrentados por esses profissionais, promovendo o desenvolvimento de um ambiente de colaboração e engajamento.
                          Download
                          Avanços no cálculo da distância Double Cut and Join com regiões intergênicas para genomas reais
                          Curso Mestrado em Ciência da Computação
                          Tipo Dissertação
                          Data 17/09/2025
                          Área CIÊNCIA DA COMPUTAÇÃO
                          Orientador(es)
                          • Fabio Henrique Viduani Martinez
                          Coorientador(es)
                          • Diego Padilha Rubert
                          Orientando(s)
                          • VICTOR HUGO BAGORDAKIS DA ROCHA
                          Banca
                          • Diego Padilha Rubert
                          • Fabio Henrique Viduani Martinez
                          • Francisco Eloi Soares de Araujo
                          • Luis Antonio Brasil Kowada
                          • Zanoni Dias
                          Resumo O problema da distância {double cut and join} (DCJ) tem sido amplamente estudado nos últimos anos, resultando no desenvolvimento de diversos algoritmos para suas diferentes variações. Apesar disso, ainda existem poucos estudos sobre o problema da distância DCJ para genomas com genes duplicados e regiões intergênicas. Os tamanhos dos genomas e as desigualdades nos comprimentos das regiões intergênicas desempenham um papel importante no tempo de execução dos algoritmos, porém, a influência desses aspectos costuma receber pouca atenção em estudos anteriores. Neste trabalho, estabelecemos uma definição formal para o problema da distância DCJ considerando regiões intergênicas e genes duplicados, e propomos diferentes estratégias para encontrar uma aproximação para esse problema, através do uso de algoritmos exatos e de aproximação. Os métodos propostos oferecem ganhos em qualidade e eficiência em comparação com os já existentes, superando limitações de métodos atuais relacionadas ao número de genes e às desigualdades nas regiões intergênicas.
                          Download
                          Investigando Racismo Algorítmico na Detecção de Discurso de Ódio no Português do Brasil
                          Curso Mestrado em Ciência da Computação
                          Tipo Dissertação
                          Data 05/09/2025
                          Área CIÊNCIA DA COMPUTAÇÃO
                          Orientador(es)
                          • Renato Porfirio Ishii
                          Coorientador(es)
                            Orientando(s)
                            • CÁSSIA CLAUDIANE SILVA DA ROSA
                            Banca
                            • Fabio Henrique Viduani Martinez
                            • Francisco Eloi Soares de Araujo
                            • Luciano Jose Senger
                            • Renato Porfirio Ishii
                            • Rodrigo Calvo
                            Resumo O tema viés algorítmico tem recebido crescente notoriedade nos últimos anos, devido aos impactos causados por sistemas de Inteligência Artificial (IA) em grupos sociais historicamente discriminados [5] [6] [7]. Os modelos para detecção de discurso de ódio são uma opção viável para identificar conteúdos indesejados em redes sociais, como Instagram, X e Threads. Durante o processo de construção de conjuntos de dados, estas plataformas são usadas como fonte de dados para coletada de publicações, que serão usadas no treinamento de modelos para classificação de discurso de ódio ou linguagem ofensiva. No entanto, em diversos estágios do ciclo de desenvolvimento de um modelo, pode ocorrer a aquisição de discriminação algorítmica. Nesse sentido, este trabalho realiza a investigação de racismo algorítmico em bases de dados e classificadores de discurso de ódio, na língua portuguesa do Brasil. Os modelos de Regressão Logística (RL), Multilayer Perceptron (MLP), BERTimbaubase e Tucano-1b1 foram treinados com as bases de dados OFFCOMBR-2, HateBR e TuPy-E, para a classificação de discurso de ódio e, após isso, uma metodologia para investigação de racismo algorítmico foi proposta com base na predição de discurso de ódio sobre a base de dados BR-RAPData, construída neste trabalho, via coleta de músicas de RAP brasileiras. Como resultado, pelo menos um modelo treinado com as respectivas bases de dados: OFFCOMBR-2, HateBR ou TuPy-E, obteve valores para métrica F1 acima de 70%, sendo estes, resultados substanciais. No entanto, analises sobre as proporções da classe de discurso de ódio, preditas sobre a base de dados BR-RAPData, mostraram que, em alguns casos, mais de 50% da base de dados de RAP fora rotulada como discurso de ódio pelos classificadores.
                            Download
                            Normalização Adaptativa e Aprendizado Híbrido: Técnicas de Adaptação de Domínio para Análise de Vegetação Transgeográfica
                            Curso Mestrado em Ciência da Computação
                            Tipo Dissertação
                            Data 04/09/2025
                            Área CIÊNCIA DA COMPUTAÇÃO
                            Orientador(es)
                            • Jonathan de Andrade Silva
                            Coorientador(es)
                              Orientando(s)
                              • MAX HIROITO TIETI
                              Banca
                              • Cesar Ivan Alvarez
                              • Edson Takashi Matsubara
                              • Jonathan de Andrade Silva
                              • Ricardo Marcondes Marcacini
                              • Wesley Nunes Goncalves
                              Resumo Esta pesquisa explora a capacidade de modelos de aprendizado de máquina (especificamente redes neurais profundas) de generalizar para diferentes contextos e domínios. Aborda a adaptação de domínio, ou seja, como garantir que um modelo treinado em um conjunto de dados específico possa funcionar bem em outro conjunto de dados com características diferentes. Isso é explorado de normalização adaptativa e aprendizado híbrido; para tanto, ocorre a investigação da adaptação de domínio por meio da avaliação do desempenho de modelos pré-treinados em diferentes conjuntos de dados de ecossistemas distintos. Para a análise de vegetação é abordada a aplicação de modelos de aprendizado profundo na observação de imagens de satélite/aéreas, o que é fundamental para a compreensão e monitoramento da vegetação em diferentes escalas. A importância da generalização se justifica pela capacidade do modelo de funcionar bem em diferentes contextos e domínios, fato crucial para a aplicação prática de modelos de aprendizado de máquina em áreas como planejamento ecológico e urbano, onde os dados podem variar significativamente de um local para outro. Foram utilizados dados de duas universidades latino-americanas com ecossistemas distintos: UCDB, no Brasil, e UPS, no Equador. Resultados preliminares indicam que, apesar de todos os modelos testados (FCN, DeepLabV3 e SegFormer) apresentarem bom desempenho, o FCN se destacou na generalização entre os conjuntos de dados, com altas métricas de F1-score, IoU e precisão. O estudo aponta para áreas de melhoria, como a adaptação da normalização, o aprimoramento da rede e o ajuste fino dos parâmetros. Futuramente, serão incorporadas mais classes de segmentação, dados LiDAR e conjuntos de dados de diferentes hemisférios para aprofundar a análise da generalização do modelo. Com isso, pretendemos propor técnicas para melhor adaptação de modelos de aprendizado profundo a diferentes domínios, por meio de segmentação semântica de imagens, uso de redes neurais profundas para a análise de imagens de vegetação e ecossistemas, redundando em aplicações diretas para a pesquisa em monitoramento ambiental, agricultura de precisão e planejamento urbano, por exemplo.
                              Download
                              A Fast and Scalable Feedback-Driven Scheduler for Datacenter Applications
                              Curso Mestrado em Ciência da Computação
                              Tipo Dissertação
                              Data 27/08/2025
                              Área CIÊNCIA DA COMPUTAÇÃO
                              Orientador(es)
                              • Ronaldo Alves Ferreira
                              Coorientador(es)
                              • FABRICIO BARBOSA DE CARVALHO
                              Orientando(s)
                              • Mayco Souza Berghetti
                              Banca
                              • Carlos Alberto da Silva
                              • FABRICIO BARBOSA DE CARVALHO
                              • LUCIANO PASCHOAL GASPARY
                              • Nahri Balesdent Moreano
                              • Ronaldo Alves Ferreira
                              Resumo Aplicações de centros de dados que operam na escala de microssegundos exigem garantias rigorosas de latência ao operar sob alta carga e tempos de serviço variáveis. Esse ambiente frequentemente envolve uma mistura de requisições extremamente curtas e longas, onde as curtas — que duram somente alguns microssegundos — são frequentemente atrasadas pelas mais longas devido ao bloqueio problema de Head-of-Line (HOL) blocking, resultando em maiores latências, especialmente na cauda da distribuição.

                              No entanto, abordagens existentes para mitigar o HOL blocking, como despacho centralizado, preempção de granularidade fina e reserva de recursos, enfrentam limitações fundamentais de escalabilidade.

                              Este trabalho apresenta Synergy, um sistema de escalonamento cooperativo e consciente da aplicação, que utiliza feedback direto das aplicações para priorizar requisições curtas, adapta dinamicamente os parâmetros de escalonamento e evita preempções desnecessárias. Synergy adota uma arquitetura descentralizada, com filas distribuídas, preempção sensível ao tipo de tarefa e ajuste dinâmico de quantum.

                              Ao eliminar a classificação centralizada e utilizar medições em tempo real das aplicações, Synergy mitiga de forma eficaz o HOL blocking sem comprometer a vazão. Synergy supera os sistemas mais avançados do estado da arte, alcançando até 43% mais vazão enquanto atende objetivos de nível de serviço em escala de microssegundos.
                              Download
                              Análise Comparativa de Estratégias de Mitigação de Alucinações em Modelos de Linguagem de Grande Escala
                              Curso Mestrado em Ciência da Computação
                              Tipo Dissertação
                              Data 20/08/2025
                              Área CIÊNCIA DA COMPUTAÇÃO
                              Orientador(es)
                              • Renato Porfirio Ishii
                              Coorientador(es)
                                Orientando(s)
                                • Salef Gabriel Gamberini Silva
                                Banca
                                • Bruno Magalhaes Nogueira
                                • Dionisio Machado Leite Filho
                                • Luciano Jose Senger
                                • Renato Porfirio Ishii
                                • Rodrigo Calvo
                                Resumo Modelos de Linguagem de Grande Escala (LLMs) avançaram rapidamente, demonstrando capacidades notáveis em compreensão e geração de linguagem natural. Contudo, sua tendência a "alucinar" informações representa um desafio crítico para sua adoção profissional. Este trabalho investiga e separa métodos contemporâneos de mitigação de alucinações em LLMs por meio de uma revisão sistemática da literatura, classificando-os em categorias distintas. Com base na disponibilidade de código para replicação, quatro técnicas representativas (KCA, ICD, Wiki-Chat, RepE) foram selecionadas para uma análise empírica sobre uma base de modelo unificada, o Llama2 7b. As avaliações, utilizando benchmarks de perguntas e respostas e medidas de similaridade textual, revelaram um desempenho variável. KCA destacou-se em tarefas de perguntas e respostas, WikiChat obteve os melhores resultados em medidas de correspondência de tokens como ROUGE, e ICD demonstrou superioridade em precisão semântica. Conclui-se que a eficácia dos métodos de mitigação depende da tarefa e da medida de avaliação, sublinhando a ausência de uma solução universal e a importância de uma abordagem multifacetada.
                                Download
                                Morte de Ecossistemas de Software: causas, fases, estratégias e métricas
                                Curso Mestrado em Ciência da Computação
                                Tipo Dissertação
                                Data 30/07/2025
                                Área CIÊNCIA DA COMPUTAÇÃO
                                Orientador(es)
                                • Awdren de Lima Fontao
                                Coorientador(es)
                                • IGOR SCALIANTE WIESE
                                Orientando(s)
                                • FELIPE DE SOUZA SOUPINSKI
                                Banca
                                • Awdren de Lima Fontao
                                • Bruno Barbieri de Pontes Cafeo
                                • Debora Maria Barroso Paiva
                                • Hudson Silva Borges
                                • Maria Istela Cagnin Machado
                                Resumo Os Ecossistemas de Software (ECOS) dependem de plataformas que servem
                                como ambientes para interação dos desenvolvedores. Quando a organização proprietária da plataforma não suporta a sinergia entre os objetivos organizacionais e as
                                expectativas dos desenvolvedores, o ECOS pode morrer. A morte resulta na suspensão definitiva de atividades vitais, impactando diretamente os desenvolvedores, que
                                perdem parte do aprendizado e da experiência adquirida. Projetos que dependem
                                da plataforma do ECOS poderão ser descontinuados. Em última análise, a organização responsável perde os recursos investidos no desenvolvimento e manutenção do
                                software e das comunidades. Assim, é importante compreender os sinais que podem
                                indicar a morte de um ECOS. Neste mestrado, discutimos o conhecimento existente
                                sobre a morte de ECOS e delineamos uma visão para complementar a pesquisa sobre
                                o tema. Nossa visão de longo prazo é estabelecer pontos de referência em relação às
                                causas, fases, estratégias e métricas em torno da morte de ECOS. Com base em um
                                mapeamento multivocal da literatura (18 estudos acadêmicos e 19 documentos da
                                indústria), foram identificadas cinco categorias principais de causas de morte: envelhecimento tecnológico, fatores sociais, falhas organizacionais, pressões competitivas
                                e insustentabilidade financeira. O processo de morte segue quatro fases distintas:
                                envelhecimento inicial, declínio manifesto, fase mórbida/crítica e fase terminal. A
                                triangulação metodológica resultou em um catálogo de 47 grupos de métricas organizadas em dimensões social, técnica e de negócios. Validação empírica com 24
                                especialistas estabeleceu hierarquia de priorização: Capital Humano (31,0%), Sustentabilidade (26,6%), Competitividade (24,4%) e Fundação Técnica (20,6%). As
                                métricas sociais predominaram (61,38% das seleções), com "Contributors and Active
                                Developers"emergindo como métrica prioritária universal (28,79% das seleções). A
                                pesquisa revelou consenso sobre métricas fundamentais e padrões de especialização
                                contextual, onde diferentes desafios organizacionais geram demandas específicas por
                                categorias de métricas, estabelecendo pontos de referência empiricamente validados
                                para monitoramento de sinais vitais de ECOS.
                                Download
                                Traçado de raios para superfícies de Bézier em GPU
                                Curso Mestrado em Ciência da Computação
                                Tipo Dissertação
                                Data 12/03/2025
                                Área CIÊNCIA DA COMPUTAÇÃO
                                Orientador(es)
                                • Paulo Aristarco Pagliosa
                                Coorientador(es)
                                  Orientando(s)
                                  • Felipe Machado da Silva Fujiki
                                  Banca
                                  • Jonathan de Andrade Silva
                                  • Marcio Artacho Peres
                                  • Paulo Aristarco Pagliosa
                                  • Renato Porfirio Ishii
                                  Resumo Superfícies paramétricas são representações de superfícies que utilizam funções de base paramétricas para interpolar sobre um conjunto pré-determinado de pontos no espaço, chamados de pontos de controle. Objetos tridimensionais com silhueta curva e cantos arredondados são representados com maior fidelidade por essas superfícies quando comparados à tradicional malha de triângulos. Portanto, elas são amplamente utilizadas em design assistido por computador (CAD) e na indústria de animação cinematográfica. Recentemente, elas têm sido alvos de estudos no contexto de análise isogeométrica. Dada a importância de visualizar estas representações, este trabalho estuda utilizar o algoritmo de traçado de raios para sintetizar imagens de cenas contendo objetos compostos por superfícies de Bézier, também chamados de retalhos de Bézier, um tipo clássico de superfície paramétrica. Visto que é possível extrair retalhos de Bézier a partir de superfícies como NURBS, T-Spline e superfícies de subdivisão Catmull-Clark utilizando um operador de extração de Bézier definido por uma matriz, o traçado de raios de retalhos de Bézier pode ser estendido para traçar também tais superfícies. O traçado de raios foi implementado em GPU, mais especificamente em CUDA, a fim de utilizar a grande quantidade de núcleos disponibilizados pela placa de vídeo para paralelizar o algoritmo, e em CPU, para fins de comparação. Adaptações para executar o programa em GPU foram descritas, incluindo a travessia da estrutura de aceleração sem pilha. Dois métodos para intersecção entre um raio de luz e um retalho de Bézier foram implementados: subdivisão recursiva e recorte de Bézier. Testes de desempenho mostraram que o traçado de raios em GPU com o método de recorte de Bézier para intersecção raio/retalho foi ao menos oito vezes mais rápido que em CPU.
                                  Download
                                  Um Método de Refinamento Local de T-splines Conformes para Análise
                                  Curso Mestrado em Ciência da Computação
                                  Tipo Dissertação
                                  Data 12/03/2025
                                  Área CIÊNCIA DA COMPUTAÇÃO
                                  Orientador(es)
                                  • Paulo Aristarco Pagliosa
                                  Coorientador(es)
                                    Orientando(s)
                                    • Gabriel Carvalho Sanches Rocha
                                    Banca
                                    • Alexandre Soares da Silva
                                    • Jonathan de Andrade Silva
                                    • Paulo Aristarco Pagliosa
                                    • Renato Porfirio Ishii
                                    Resumo No contexto de simulação computacional de problemas físicos, a análise isogeométrica (IGA) de um sólido é aquela em que o modelo de análise tem a mesma ordem de continuidade do modelo geométrico do sólido. A representação geométrica mais utilizada na literatura de IGA é baseada em retalhos de superfícies NURBS (non-uniform rational B-splines), visto ser essa a forma de representação mais comumente empregada na indústria de desenho e manufatura assistida por computador (CAD/CAM). Uma superfície NURBS, e, em IGA, o modelo de análise dela derivado, tem sua geometria definida por funções de interpolação racionais que atuam em uma malha estruturada de pontos de controle. Uma alternativa recentemente adotada em softwares de CAD/CAM são T-splines. Estas generalizam superfícies NURBS admitindo formação de superfícies herméticas com malhas de pontos de controle não estruturadas e com junções em T, chamadas T-malhas. Em adição, permitem refinamento local, resultante da adição de vértices e arestas e da subdivisão de faces de uma T-malha.

                                    Embora diversos trabalhos atestem a viabilidade de T-splines em IGA, ainda existem limitações quanto às características das T-splines utilizadas. Essas restrições motivam a definição de um subconjunto de T-splines ditas conformes para análise. Neste trabalho, exploram-se métodos de refinamento de T-splines conformes para análise sob malhas não estruturadas. Para tanto, emprega-se uma estrutura de dados hierárquica para representação computacional de T-malhas, chamada HBDS (handle-body data structure). Os objetivos desse trabalho incluem desenvolver uma aplicação gráfica interativa capaz de apresentar T-splines, manipular seus elementos topológicos, refinar sua T-malha e prescrever arestas de vinco, além de permitir montagem flexível de cenas, com T-splines geradas pela aplicação desenvolvida, ou importação de malhas prontas de terceiros.
                                    Download
                                    Uso de LLMs no apoio à geração de strings de busca para o desenvolvimento de Estudos Secundários
                                    Curso Mestrado em Ciência da Computação
                                    Tipo Dissertação
                                    Data 07/03/2025
                                    Área CIÊNCIA DA COMPUTAÇÃO
                                    Orientador(es)
                                    • Bruno Magalhaes Nogueira
                                    Coorientador(es)
                                      Orientando(s)
                                      • MARIA LUÍSA DE BARROS COSTA SILVA
                                      Banca
                                      • Bruno Magalhaes Nogueira
                                      • Edson Takashi Matsubara
                                      • Jonathan de Andrade Silva
                                      • Mariana Caravanti de Souza
                                      Resumo Estudos Secundários (ESs) são uma metodologia amplamente utilizada no meio científico da Engenharia de Software, desde a introdução do conceito de Engenharia de Software Baseada em Evidências. ESs possuem por objetivo coletar todas as informações disponíveis sobre um conceito ou fenômeno. Uma das etapas necessárias para o desenvolvimento de ESs é a definição e execução da estratégia de busca. A busca automatizada é uma das principais estratégias utilizadas no contexto de busca por estudos acadêmicos, e para realizá-la, o processo de geração e refinamento de strings de busca que irão ser aplicadas nas bibliotecas digitais é executado. Nos últimos anos, o
                                      domínio de tecnologia textual sofreu expressiva evolução com o avanço dos modelos de linguagem, sobretudo a partir dos Large language models (LLMs), que por meio da arquitetura transformers e uma grande gama de parâmetros,
                                      comportam alto desempenho semântico em conjunto a uma baixa complexidade de utilização. Baseando-se na dificuldade de construção de strings de busca, neste trabalho é proposta a criação da SeSGx-LLM. SeSGx-LLM é uma extensão do trabalho de Alves et al. (2022), responsável pela criação da Search String Generator (SeSG). A versão proposta neste trabalho possui como objetivo integrar LLMs ao framework da SeSG. Em conclusão, foi possível observar que LLMs podem contribuir beneficamente no processo de geração de sinônimos que irão compor as strings, sendo o Mistral 7B o modelo mais consistente testado. Em complemento, foi possível observar que o LDA obteve desempenho superior no processo de extração de palavras-chaves.
                                      Download
                                      Caracterização e Detecção de Sequestros de Prefixo na Internet
                                      Curso Mestrado em Ciência da Computação
                                      Tipo Dissertação
                                      Data 07/02/2025
                                      Área CIÊNCIA DA COMPUTAÇÃO
                                      Orientador(es)
                                      • Ronaldo Alves Ferreira
                                      Coorientador(es)
                                      • Carlos Alberto da Silva
                                      Orientando(s)
                                      • Adriano Bastos de Carvalho
                                      Banca
                                      • Carlos Alberto da Silva
                                      • Fabrício Sérgio de Paula
                                      • Pedro de Botelho Marcos
                                      • Ronaldo Alves Ferreira
                                      Resumo O protocolo de roteamento BGP (Border Gateway Protocol) não possui mecanismos nativos de segurança, permitindo que atores maliciosos manipulem os anúncios de rota ou anunciem prefixos que não lhe pertencem. Quando um sistema autônomo (AS – Autonomous System) anuncia um prefixo que não lhe pertence, ocorre um sequestro de prefixo, o que pode deixar o AS legítimo inacessível, desviar o tráfego para roubo de informações ou permitir a utilização indevida dos endereços sequestrados (e.g., para envio de spam). Alguns trabalhos propõem soluções para esse problema, como RPKI, BGPSec e ASPA, mas essas soluções ainda não foram amplamente implementadas para eliminar o problema.
                                      A primeira parte deste trabalho utiliza um conjunto extensivo de simulações, com dados reais, para caracterizar a vulnerabilidade a sequestros de prefixo de 29 redes militares, revelando que redes mais conectadas e com vizinhos distribuídos geograficamente são menos afetadas. O estudo realizado também discute possibilidades para tornar os sistemas de roteamento dessas redes mais robusto.
                                      Trabalhos recentes utilizam aprendizado de máquina para identificar esses sequestros, mas os modelos são complexos e do tipo caixa-preta, tornando inviável determinar se utilizam as features mais adequadas. A segunda parte deste trabalho aplica técnicas de Inteligência Artificial Explicável (XAI) para avaliar e melhorar um modelo de detecção de sequestros de prefixo proposto recentemente. A partir de uma análise do modelo original com 28 features, foram criados dois modelos reduzidos com 11 e 5 features, que produzem resultados sem diferenças estatísticas do modelo completo, mas reduzem o tempo de processamento em mais de 31% (9 min por dia) e o espaço de armazenamento total necessário em mais de 36% (970 MB em 160 dias). Quando os resultados obtidos pelos modelos reduzidos com base em novos enlaces identificados são avaliados, o modelo de 5 features se mostrou mais preciso em 0,1152 em relação ao modelo original, demonstrando a importância da correta seleção de features. Analisando os sequestros simulados de redes militares, até 77% dos ataques podem passar despercebidos, mesmo com a melhor ferramenta disponível para detectar sequestros com origem forjada. Além da redução de features, duas abordagens que buscam melhorar o modelo também são apresentadas, uma verificando o impacto no modelo caso seja possível a obtenção de novas informações para incrementar os valores obtidos para uma das features de bidirecionalidade e outra verificando o resultado do modelo com uma nova amostragem para o treinamento. A primeira abordagem resultou em aumento no F1-score para ambas as classes e a segunda em aumento no MCC (Matthews Correlation Coefficient) do modelo de -0,0530 para 0,3165.
                                      Download
                                      ResGhostU-Net: U-Net compacta para segmentação de eucalipto em imagens multiespectrais da Sentinel-2
                                      Curso Mestrado em Ciência da Computação
                                      Tipo Dissertação
                                      Data 31/01/2025
                                      Área CIÊNCIA DA COMPUTAÇÃO
                                      Orientador(es)
                                      • Jonathan de Andrade Silva
                                      Coorientador(es)
                                        Orientando(s)
                                        • MOUNIF HASSAN TORMOS
                                        Banca
                                        • Jonathan de Andrade Silva
                                        • Jose Marcato Junior
                                        • Wesley Nunes Goncalves
                                        Resumo O mapeamento do eucalipto utilizando imagens de sensoriamento remoto pode ser um processo impreciso e trabalhoso, especialmente quando se considera a análise multitemporal de imagens em larga escala. Para tentar resolver este problema, novas abordagens de aprendizado de máquina foram propostas. Neste trabalho, propomos uma U-Net modificada compacta (ResGhostUNet) para a tarefa de segmentação semântica de eucalipto utilizando imagens do satélite Sentinel-2. Além da arquitetura simplificada que possui número reduzido de filtros e convoluções de profundidade e downsampling, introduzimos o Bloco Residual Fantasma, que permite reduzir o custo computacional e aumentar a eficiência do treinamento. Este estudo utiliza um novo conjunto de dados que contém imagens de plantações de eucalipto em diferentes cidades do bioma Cerrado brasileiro. Os resultados quantitativos e qualitativos demonstram que o método proposto é altamente competitivo em relação aos métodos populares de segmentação semântica. O estudo de ablação destaca a eficácia do componente proposto do método. Além disso, demonstra que a utilização de pelo menos quatro bandas selecionadas produz resultados ligeiramente melhores em comparação com a utilização de todas as 13 bandas. O método proposto supera consistentemente os métodos populares de segmentação semântica, sendo mais simples em termos de design, leve em termos de parâmetros e rápido em termos de processamento. Devido a estas características, a ResGhostU-Net é potencialmente aplicável para mapeamento de eucalipto em grande escala usando imagens de satélite de acesso aberto.
                                        Download
                                        SeSGx-BT: Modelagem de Tópicos utilizando Transformers aplicada em Estudos Secundários
                                        Curso Mestrado em Ciência da Computação
                                        Tipo Dissertação
                                        Data 01/08/2024
                                        Área CIÊNCIA DA COMPUTAÇÃO
                                        Orientador(es)
                                        • Bruno Magalhaes Nogueira
                                        Coorientador(es)
                                          Orientando(s)
                                          • DEMETRIUS MOREIRA PANOVITCH
                                          Banca
                                          • Bruno Magalhaes Nogueira
                                          • Edson Takashi Matsubara
                                          • Ricardo Marcondes Marcacini
                                          Resumo Estudos secundários agregam literatura relevante à algum tema para avaliá-los, fornecer uma visão geral, interpretá-los, entre outros fins. No entanto, seu desenvolvimento tem um custo elevado em termos de tempo e recurso, além de estar sujeito ao viés do pesquisador em algumas etapas, como na identificação de estudos primários. Isso pode comprometer a qualidade e acurácia da revisão. Neste trabalho, é proposta uma abordagem automatizada para uma das etapas principais de um estudo secundário: formulação e refinamento de strings de busca. A abordagem, chamada SeSGx-BT, utiliza de um algoritmo baseado em aprendizado profundo, chamado BERTopic, para modelagem de tópicos em um conjunto de estudos utilizado como um Quasi-Gold Standard. Os tópicos são utilizados para construir strings de busca para serem aplicadas em uma estratégia de busca híbrida, que inclui as estratégias de busca em bases e snowballing. Os resultados mostraram que a SeSGx-BT é capaz de encontrar um alto número de estudos relevantes, e um baixo número de estudos irrelevantes em ambientes de busca híbrida, resultando numa maior revocação e precisão, respectivamente, quando comparada à SeSGx-LDA, uma abordagem similar que utiliza o LDA para extração de tópicos. Esses resultados sugerem que abordagens baseadas em aprendizado profundo podem capturar tópicos com maior semântica, minimizando o esforço humano na etapa de identificação de estudos primários. Com base nas métricas de precisão e revocação obtidas a partir de experimentos executados com 10 bases de dados, a SeSGx-BT se apresenta como uma solução promissora para a automação da formulação e refinamento de strings de busca para estudos secundários, obtendo um aumento de até 270% na precisão, e de até 20% na revocação.
                                          Página 1 de 12 (20 de 226 registros).