Buscar Trabalhos

Trabalhos Disponíveis

TRABALHO Ações
Unsupervised Domain Adaptation applied to Agriculture and Urban Forests using Transformers, GANs and Diffusion Models
Curso Doutorado em Ciência da Computação
Tipo Tese
Data 30/08/2024
Área CIÊNCIA DA COMPUTAÇÃO
Orientador(es)
  • Wesley Nunes Goncalves
Coorientador(es)
    Orientando(s)
    • Alessandro dos Santos Ferreira
    Banca
    • Hemerson Pistori
    • Jonathan de Andrade Silva
    • LUCAS CORREIA RIBAS
    • Lucas Prado Osco
    • Wesley Nunes Goncalves
    Resumo Arquiteturas de aprendizado profundo, como Redes Neurais Convolucionais, representaram um enorme avanço na área de aprendizado de máquina e vèm continuamente quebrando recordes em inúmeras áreas da inteligência artificial como o reconhecimento de imagens. Todavia, o sucesso dessas arquiteturas é dependente de uma grande quantidade de dados rotulados. Essa anotação dos dados de treinamento consiste em um processo dispendioso e frequentemente realizado de forma manual. Nos problemas relacionados à agricultura e florestas urbanas,devido a diferenças nas condições de aquisição das imagens, por fatores como altura de captura, diferentes sensores, condição do solo, estágios da cultura e iluminação, é comum que os modelos precisem ser novamente treinados a medida que são realizadas novas capturas. Nesse contexto, a adaptação de domínio se apresenta como uma alternativa promissora para lidar com esse problema. A adaptação de domínio consiste em adaptar o conhecimento aprendido em um domínio de origem para aplicá-lo a um domínio destino diferente mas relacionado ao original. O objetivo desse trabalho é utilizar a abordagem de adaptação de domínio para encontrar soluções que lidem com problemas que necessitam de grandes quantidades de dados anotados. Nosso foco consiste em problemas relacionados à agricultura e florestas urbanas, utilizando recentes arquiteturas usadas na adaptação de domínio não supervisionada como as Redes Adversárias Generativas e Vision Transformers e Diffusion Models. Neste trabalho, propomos uma abordagem para resolver o problema de detecção de faixas de plantação e falhas em lavouras, usando dilatação para gerar mapas de segmentação aproximados a partir de linhas anotadas com um pixel de largura. Utilizamos DAFormer, um modelo baseado em transformers, para avaliar a capacidade de transferir o conhecimento aprendido em conjuntos de dados de origem para conjuntos de dados de destino. Além disso, propomos um método para segmentação de árvores que integra adaptação de domínio com modelos de tradução de imagem para imagem e redes de super-resolução para melhorar a qualidade de imagens aéreas de baixa resolução. Nosso método também visa enfrentar o desafio da limitação de dados rotulados, empregando aumento de dados para gerar amostras adicionais de treinamento em alta resolução a partir dos dados rotulados existentes, melhorando assim o desempenho do modelo e reduzindo a necessidade de processos custosos de rotulagem.
    Download
    O Problema do Mapeamento de Sequências em Grafos de De Bruijn
    Curso Doutorado em Ciência da Computação
    Tipo Tese
    Data 06/08/2024
    Área CIÊNCIA DA COMPUTAÇÃO
    Orientador(es)
    • Said Sadique Adi
    Coorientador(es)
    • Francisco Eloi Soares de Araujo
    Orientando(s)
    • Lucas Barbosa Rocha
    Banca
    • Diego Padilha Rubert
    • Fabio Henrique Viduani Martinez
    • Felipe Alves da Louza
    • Francisco Eloi Soares de Araujo
    • Guilherme Pimentel Telles
    • Luis Antonio Brasil Kowada
    • Luiz Carlos da Silva Rozante
    • Said Sadique Adi
    Resumo Um problema relevante na Biologia Computacional consiste na tarefa de mapear uma sequência em outra, visando a comparação entre elas. Normalmente, esse processo utiliza uma sequência de referência de alta qualidade construída a partir de um conjunto específico de sequências. No entanto, a limitação dessa abordagem é evidente, pois a sequência de referência tende a ser enviesada, representando apenas um conjunto restrito de sequências e sendo incapaz de abranger todas as possibilidades. Para contornar esse viés, uma boa estratégia é representar múltiplas sequências por meio de estruturas mais robustas, como o grafo de sequências ou o grafo de De Bruijn, e mapear sequências nesses grafos. O grafo de sequência é um grafo na qual cada vértice é rotulado com um ou mais caracteres. No grafo de De Bruijn, de ordem k, cada vértice é rotulado com uma sequência distinta de comprimento k e há uma arco de um vértice para outro vértice se e somente se existe uma sobreposição de comprimento k-1 do sufixo do primeiro vértice com o prefixo do segundo vértice. Dadas como entrada uma sequência s e um grafo de sequência (ou De Bruijn) G, mapear s em G consiste em encontrar um percurso p em G tal que a sequência induzia s' por p seja a mais semelhante possível a s. Essa definição dá origem aos problemas abordados nesta tese, a saber o Problema do Mapeamento de Sequências em Grafos de Sequência -- PMSG e o Problema do Mapeamento de Sequências em Grafos de De Bruijn - PMSB. Ambos os problemas admitem três variantes: 1) mudanças apenas na sequência, 2) mudanças no grafo e 3) mudanças na sequência e no grafo. Apresentamos neste trabalho uma análise aprofundada do PMSB. Para a variante 1, temos a implementação e avaliação de algoritmos exatos que a resolvem. Propomos, ainda, heurísticas para o PMSB e conduzimos testes comparativos entre os algoritmos exatos, nossas heurísticas e aquelas encontradas na literatura. Além disso, realizamos um estudo demonstrando que é possível converter um grafo de De Bruijn em um grafo de sequência simples, de tal forma que todas as sequências do grafo de De Bruijn também são induzidas no grafo de sequência simples. No que diz respeito à variante 2, abordamos o problema considerando a capacidade de induzir novos arcos quando um k-mer é modificado no grafo de De Bruijn. Essa abordagem torna o problema mais fácil, permitindo-nos apresentar uma solução polinomial exata para essa variante.
    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.
      Abordagem baseada em Cenários para Extração de Requisitos de Interoperabilidade de Sistemas-de-Sistemas a partir de Processos-de-Processos de Negócio
      Curso Mestrado em Ciência da Computação
      Tipo Dissertação
      Data 30/04/2024
      Área CIÊNCIA DA COMPUTAÇÃO
      Orientador(es)
      • Maria Istela Cagnin Machado
      Coorientador(es)
        Orientando(s)
        • Murilo Gustavo Nabarrete Costa
        Banca
        • Awdren de Lima Fontao
        • Marcelo Fantinato
        • Maria Istela Cagnin Machado
        • Valdemar Vicente Graciano Neto
        Resumo Contexto: A partir da concepção de novas alianças de organizações que podem ocorrer por meio de parcerias, fusões ou aquisições, é visto um desafio para integrar os processos de negócios de suas organizações-membro com a finalidade de alcançar os objetivos de negócios mais amplos que antes não poderiam ser viabilizados. Essa integração resulta na criação de novos processos de negócio complexos e dinâmicos, conhecidos como Processos-de-Processos de Negócio (PoP). Geralmente, esses processos são automatizados por sistemas de software distintos, que, durante o processo de integração, passam a interoperar entre si para executar funcionalidades mais amplas do que aquelas que poderiam ser executadas por um único sistema de software, resultando assim, na formação de Sistemas-de-Sistemas (SoS). Problema: O domínio de SoS apresenta novos desafios para a extração de requisitos, de modo especial, requisitos de interoperabilidade devido às características destes tipos de sistema, como independência gerencial e operacional, bem como a sua arquitetura dinâmica. Os requisitos de interoperabilidade são fundamentais para garantir uma comunicação adequada entre os sistemas constituintes que compõem o SoS. No entanto, os trabalhos encontrados na literatura geralmente fornecem soluções para a extração de requisitos de interoperabilidade em fases mais avançadas do ciclo de vida do SoS, como a fase de projeto arquitetural. Esses trabalhos também tendem a não considerar as informações contidas em nível de negócio como fonte de informação para a extração dos requisitos, uma vez que são essenciais para uma compreensão adequada da interoperabilidade e para garantir alinhamento com o nível técnico. Objetivo: A principal contribuição deste trabalho de mestrado é propor uma abordagem baseada em cenários na notação BPMN (Business Process Model and Notation) para a extração sistemática de requisitos de interoperabilidade. Modelos que representam PoP foram utilizados como fonte de informação. A abordagem inclui um metamodelo, que contém classes para representar a interoperabilidade entre os processos de negócio do PoP utilizando elementos da notação BPMN, e um conjunto de diretrizes para a extração sistemática e automatizada de requisitos de interoperabilidade com base em classes desse metamodelo. Método de pesquisa: O trabalho foi conduzido utilizando o método de pesquisa Design Science Research, resultando na produção dos seguintes artefatos: seis cenários abstratos, uma variante dos cenários abstratos, um metamodelo e um conjunto de diretrizes para extração de requisitos de interoperabilidade de SoS. Resultado: Abordagem automatizada para a extração e especificação de requisitos de interoperabilidade durante a Engenharia de Requisitos de SoS. Essa abordagem utiliza modelos do PoP em conformidade com cenários abstratos de interoperabilidade definidos neste trabalho que visam mitigar os desafios existentes ao realizar o tratamento adequado do dinamismo da interoperabilidade entre os processos do PoP e, consequentemente, entre os constituintes do SoS. Com isso, a abordagem garante alinhamento entre os níveis de negócio e técnico, contribuindo diretamente para o alcance de seus objetivos estratégicos de negócio.
        Download
        Abordagem baseada em Cenários para Extrair Requisitos de Tolerância a Falhas de Sistemas-de-Sistemas a partir de Processos-de-Processos de Negócio
        Curso Mestrado em Ciência da Computação
        Tipo Dissertação
        Data 29/04/2024
        Área CIÊNCIA DA COMPUTAÇÃO
        Orientador(es)
        • Maria Istela Cagnin Machado
        Coorientador(es)
          Orientando(s)
          • Sidny de Almeida Molina Pereira
          Banca
          • Debora Maria Barroso Paiva
          • Elisa Yumi Nakagawa
          • Maria Istela Cagnin Machado
          • Rodrigo Pereira dos Santos
          Resumo Contexto: Sistemas-de-Sistemas (do inglês, Systems-of-Systems ou SoS) se referem a um agrupamento de sistemas de software, denominados sistemas constituintes, de diversas organizações que têm seus processos de negócios específicos. Quando esses processos são reunidos para alcançar objetivos estratégicos de alianças de organizações (tais como parcerias, fusões ou aquisições de empresas), surgem processos de negócios complexos e dinâmicos que são normalmente automatizados por SoS e são denominados Processos-de-Processos de Negócio (do inglês, Processes-of-Business Processes ou PoP). Sob essa perspectiva, para alcançar os objetivos estratégicos das alianças, os sistemas constituintes interoperam entre eles para obter comportamentos não fornecidos por um único sistema de software. Problema: Falhas podem ocorrer durante essa interoperabilidade afetando o funcionamento e a confiabilidade do SoS como um todo. Apesar da importância dos requisitos de tolerância a falhas para a estabilidade do SoS, eles ainda não são muito explorados na literatura. Os trabalhos existentes geralmente consideram esses requisitos apenas durante o design arquitetural, negligenciando a importância do tratamento de requisitos ao longo de todo o ciclo de vida do SoS, bem como o alinhamento entre os níveis técnico e de negócio. Objetivo: Este trabalho de mestrado visa definir uma abordagem baseada em cenários na notação BPMN (Business Process Model and Notation) para extrair sistematicamente requisitos de tolerância a falhas de SoS, relacionados a problemas de comunicação entre sistemas constituintes, a partir de informação útil de PoP. Essa abordagem consiste de um metamodelo baseado em elementos de tratamento de exceções da notação BPMN, comumente utilizados para representar falhas de comunicação entre processos de negócio de alianças de organizações, e de um conjunto de diretrizes de extração automática de requisitos de tolerância a falhas de SoS baseadas em elementos desse metamodelo. Os elementos de tratamento de exceções desse metamodelo foram identificados a partir da análise de cenários abstratos de tratamento de exceção de envio e de recebimento de mensagens, que foram construídos com base no conhecimento adquirido a partir da modelagem de cinco cenários concretos de PoP reais de quatro domínios distintos (ou seja, educacional, agronegócio, emergência e saúde hospitalar). Método de pesquisa: O trabalho foi desenvolvido com base no método de pesquisa Design Science Research, obtendo-se os seguintes artefatos: dois cenários abstratos, um metamodelo e um conjunto de diretrizes de extração de requisitos de tolerância a falhas de SoS. Resultado: O trabalho apoia especialmente as etapas de extração e especificação de requisitos de tolerância a falhas durante a Engenharia de Requisitos de SoS, a partir de informações obtidas em modelos de PoP. Com isso, é possível alcançar alinhamento entre os níveis técnico e de negócio sob a perspectiva de tolerância a falhas durante a comunicação entre os constituintes, podendo favorecer a competitividade e lucratividade de alianças de organizações.
          Download
          Buriti: um framework para apoiar a tomada de decisão a partir de dados educacionais públicos na Educação Básica
          Curso Doutorado em Ciência da Computação
          Tipo Tese
          Data 26/03/2024
          Área CIÊNCIA DA COMPUTAÇÃO
          Orientador(es)
          • Edson Norberto Caceres
          Coorientador(es)
            Orientando(s)
            • Doglas Wendll Sorgatto
            Banca
            • Amaury Antonio de Castro Junior
            • Edson Norberto Caceres
            • Nalvo Franco de Almeida Junior
            • Vanessa Araujo Borges
            • Wellington Santos Martins
            Resumo A Educação Básica é o período de ensino obrigatório para os cidadãos brasileiros entre 4 e 17 anos e os conhecimentos aprendidos em suas três etapas (Educação Infantil, Ensino Fundamental e Ensino Médio) repercutem pela vida dos educandos e por toda a sociedade. Assim, analisar os dados disponíveis sobre a Educação Básica, especialmente aqueles relacionados à qualidade dessa educação, podem oferecer informações importantes para apoiar a tomada de decisão. Por isso, utilizando os dados educacionais públicos, e outras bases de dados, analisou-se algumas etapas da educação nacional em busca de padrões, anomalias e tendências. Para isso, foi criado o framework Buriti, inspirado em modelos de referência de Learning Analytics e de modelagem de dimensional de dados, e um framework de apoio a tomada de decisão na educação. O Buriti foi utilizado, neste trabalho, para analisar os dados de desempenho do SAEB, em seus valores nacional, comparativamente por Unidade da Federação, detalhadamente para o Estado de Mato Grosso do Sul e para um conjunto de escolas. Estas análises, conduzidas em cinco estudos de caso, comprovaram haver problemas de proficiência na Educação Básica que causam uma involução no aprendizado, especialmente entre o 5º e o 9º anos do Ensino Fundamental, que não são sanados no Ensino Médio e têm impacto o ingresso dos jovens no Ensino Superior. Também verificou-se que há uma relação forte entre o desempenho no SAEB e o nível socioeconômico, uma relação mais fraca entre o desempenho no SAEB e a formação dos professores. Assim, este trabalho contribuiu com a identificação de problemas na Educação Básica, a criação do Buriti e com a ampliação da aplicação dos processos de Learning Analytics.
            Classificação da Disponibilidade de Vagas de Estacionamento Usando Aprendizagem Profunda
            Curso Mestrado em Ciência da Computação
            Tipo Dissertação
            Data 25/03/2024
            Área CIÊNCIA DA COMPUTAÇÃO
            Orientador(es)
            • Wesley Nunes Goncalves
            Coorientador(es)
              Orientando(s)
              • Calebe Pereira Lemos
              Banca
              • Jose Marcato Junior
              • Patrik Ola Bressan
              • Wesley Nunes Goncalves
              Resumo A emissão proveniente de veículos automotores é uma das mais consideráveis para poluição atmosférica. Neste contexto, conhecer a disponibilidade de vagas de estacionamento desempenha um papel importante para redução da poluição do ar, pois o tempo de busca é menor. Além disso, esses sistemas podem contribuir para a melhoria da eficiência do tráfego, pois evitam que os motoristas circulem sem necessidade em busca de uma vaga. Entretanto, a automatização dessa tarefa apresenta desafios, principalmente relacionados com a captura da imagem com diferentes iluminações, estações climáticas e visão obstruída. Este trabalho tem como objetivo avaliar métodos recentes de aprendizagem profunda para classificação de vagas de estacionamento disponíveis a partir de imagens. Os resultados mostraram destaque para o Res2Net, com acurácia superior a 99% nos experimentos com o dataset público (CNR-Park+EXT) e 100% para o dataset construído (UFMS-Park).
              Download
              An IoT Architectural Framework for Dynamic Cattle Supplementation
              Curso Doutorado em Ciência da Computação
              Tipo Tese
              Data 21/03/2024
              Área CIÊNCIA DA COMPUTAÇÃO
              Orientador(es)
              • Ricardo Ribeiro dos Santos
              Coorientador(es)
                Orientando(s)
                • Guilherme Augusto Defalque
                Banca
                • Davi Jose Bungenstab
                • Gumercindo Loriano Franco
                • Mário Manuel de Miranda Furtado Campos Cunha
                • Paulo Sérgio Lopes de Souza
                • Renato Porfirio Ishii
                • Ricardo Ribeiro dos Santos
                Resumo O crescimento da população mundial desafia a demanda de produção de carne bovina no mundo. Nesse contexto, há de se considerar o processo de nutrição animal como primordial para alcançar o desempenho desejado de produção do rebanho. Nos maiores países produtores e exportadores de carne bovina do mundo, embora a forragem seja a principal fonte de nutrição dos animais, a degradação das pastagens obriga pecuaristas a fornecerem ao rebanho a suplementação como fonte complementar à nutrição animal. Além de ser um processo que necessita de grande carga de trabalho e tempo, a atividade de suplementação bovina é impactada pelas perdas ocasionadas por dosagens incorretas oriundas de programas nutricionais imprecisos. Implementos agrícolas vêm sendo utilizados por pecuaristas para auxiliar no processo de suplementação, como os Alimentadores Automáticos Programados (Programmable Automatic Feeders - PAFs), que têm a função de fornecer doses pré-determinadas de ração ao rebanho de maneira programada, diminuindo a mão de obra que seria empregada no trato. Apesar de todo aparato tecnológico que PAFs podem possuir, como antenas de rádio frequência para identificação (RFID) dos animais, sensores de chuva, para evitar que o suplemento seja fornecido em períodos chuvosos, etc, PAFs atualmente não possuem integração com sistemas de apoio à decisão (Decision Support Systems - DSS) e com tecnologias que levem em consideração as características dos animais, o desempenho da pastagem, e os parâmetros ambientais para auxiliar no processo de tomada de decisão otimizada para suplementação. Observa-se uma lacuna tecnológica sobre a automação e dinamização do processo de tomada de decisão sobre a suplementação bovina. Tendo em vista tais aspectos, o objetivo deste trabalho é propor um arcabouço de arquiteturas IoT capaz de integrar tecnologias de monitoramento do bem-estar animal (colares de bioacústica, acelerômetros, etc), tecnologias de monitoramento de condições da pastagem (sensores espectrais), e sensores ambientais (sensores de temperatura e umidade, por exemplo), e programas nutricionais com o intuito de desenvolver o processo de suplementação dinâmica em rebanhos de bovinos. Essa tese é composta por uma coletânea de cinco artigos acadêmicos, onde: Capítulos 1 e 2, propõem um conjunto de conteúdos de referência para motivação do desenvolvimento do trabalho; Capítulo 3 apresenta um artigo de revisão de literatura, que detalha as principais técnicas e tecnologias existentes que contribuem para o aprimoramento do processo de suplementação e demonstra o primeiro projeto de uma arquitetura IoT para o processo de suplementação dinâmica; Capítulo 4 apresenta dois artigos, sendo que o primeiro detalha o projeto e desenvolvimento de modelos de aprendizado de máquina para predição de condições da forragem e o segundo, demonstra como foi o processo de coleta de dados para criação de um dataset para validação da proposição das arquiteturas IoT projetadas nas seções posteriores; Capítulo 5 consolida e valida projetos de arquiteturas IoT para suplementação dinâmica de bovinos por meio de dois artigos; e Capítulo 6 apresenta as conclusões e contribuições desta tese.
                Detecção de Desmatamento no Estado de Mato Grosso do Sul utilizando Segmentação Semântica em imagens bi-temporais dos satélites Landsat 8 e Sentinel 2
                Curso Mestrado em Ciência da Computação
                Tipo Dissertação
                Data 29/02/2024
                Área CIÊNCIA DA COMPUTAÇÃO
                Orientador(es)
                • Edson Takashi Matsubara
                Coorientador(es)
                  Orientando(s)
                  • Paulo Augusto Arantes Vilela
                  Banca
                  • Anderson Bessa da Costa
                  • Edson Takashi Matsubara
                  • Jose Marcato Junior
                  Resumo A supressão da vegetação nativa sem autorização no Estado de Mato Grosso do Sul tem ameaçado a conservação dos biomas locais como o Cerrado e a Mata Atlântica. Neste contexto, é relevante salientar que a Constituição Brasileira de 1988 fixou como dever do Estado e da Coletividade a defesa do meio ambiente, atribuindo ao Ministério Público funções de atuação para a proteção ambiental. A exemplo, o Ministério Público do Estado de Mato Grosso do Sul, por meio do Programa DNA Ambiental, têm monitorado e identificado pontos de desmatamento sem autorização ambiental, em seu Núcleo de Geotecnologias (NUGEO), promovendo ações e providências para a punição e reparação de eventuais danos causados. Atualmente, este mapeamento tem sido realizado através da análise visual, não automatizada, de imagens de diversos satélites, especialmente dos satélites Landsat-8 e Sentinel-2, demandando consideráveis horas de trabalho e mão de obra especializada. Entretanto, com a evolução de técnicas de Deep Learning, novos algoritmos podem ser capazes de automatizar o processo de análise multitemporal de imagens de satélites, promovendo agilidade, ganho de eficiência e possibilitando a alocação de recursos humanos para outros serviços. Este trabalho tem por objetivo apresentar uma proposta de automatização do processo de identificação de desmatamentos utilizando as redes neurais profundas DeepLabv3+, U-Net e Multi-Scale Attention for Semantic Segmentation, para segmentação semântica em imagens bi-temporais de satélite, disponibilizando um modelo de inteligência artificial treinado, com a capacidade de mapear áreas desmatadas em qualquer cena dos biomas Cerrado e Mata Atlântica. Para tanto, buscou-se um conjunto de dados apropriado para essa finalidade. O primeiro dataset foi gerado a partir de arquivo shapefile com polígonos de áreas desmatadas pré-determinadas, associado ao recorte manual de duas cenas do satélite Landasat-8, resultando em um conjunto de dados com poucas amostras e muito ruído. O segundo dataset foi obtido a partir de um novo arquivo shapefile de desmatamentos e cenas do satélite Sentinel-2, cujo download e recortes foram realizados de forma automatizada utilizando-se um framework desenvolvido com APIs e infraestrutura em nuvem do projeto Planetary Computer, associadas a aplicação de uma curadoria especializada, produzindo um conjunto com maior número de amostras e ruído reduzido, com o qual obteve-se os melhores resultados nos treinamentos preliminares utilizando-se a rede neural U-net, adotada como baseline, sendo então escolhido para o treinamento das demais redes neurais artificiais avaliadas neste estudo. Ainda, foi realizado experimento para mitigar o problema do balanceamento dos dados, empregando-se diferentes funções de perda. Assim sendo, as principais contribuições desta dissertação são: (1) um conjunto de dados de desmatamento público rotulado e com curadoria; (2) uma avaliação experimental usando as redes neurais U-Net, DeepLabv3+ e Multi-Scale Attention para segmentação semântica em imagens bi-temporais do satélite Sentinel 2; e (3) uma avaliação experimental das funções de perda Binary-Cross-Entropy, Weighted Binary-Cross-Entropy e Focal Loss. Os resultados mais favoráveis foram obtidos com a arquitetura Multi-Scale Attention for Semantic Segmentation, com a função de perda Weighted Binary Cross-Entropy. Por fim, esse modelo foi disponibilizado ao MPMS, que procederá a sua implantação e implementação de procedimentos para validação dos resultados, bem como aprimoramento da amostra e evolução do modelo.
                  Rede neural com conexões densas para previsão de séries temporais de longo prazo
                  Curso Doutorado em Ciência da Computação
                  Tipo Tese
                  Data 02/02/2024
                  Área CIÊNCIA DA COMPUTAÇÃO
                  Orientador(es)
                  • Edson Takashi Matsubara
                  Coorientador(es)
                    Orientando(s)
                    • André Quintiliano Bezerra Silva
                    Banca
                    • Bruno Magalhaes Nogueira
                    • Diego Furtado Silva
                    • Edson Takashi Matsubara
                    • Jonathan de Andrade Silva
                    • Wesley Nunes Goncalves
                    Resumo Previsões de séries temporais são essenciais para compreender e antecipar padrões em dados que variam ao longo do tempo. Essas previsões aplicam-se em uma variedade de campos, desde a meteorologia, onde são usadas para prever condições climáticas futuras, até o mercado financeiro, para antecipar movimentos de ações e moedas. Esta tese detalha a inovação trazida pela integração de redes densas, que visa melhorar tanto a modelagem quanto a precisão das previsões. Superando o modelo SCINet, que já era reconhecido por seus bons resultados em séries temporais univariadas e multivariadas, o estudo introduz o DESCINet. Este novo modelo resolve problemas identificados no SCINet, particularmente aqueles decorrentes do uso de downsampling, uma técnica que, apesar de útil, podia levar à perda de informações críticas e dependia fortemente do ajuste fino de hiperparâmetros. Além disso, a tese aborda a dificuldade do SCINet em manter a precisão em previsões de longo prazo devido à sua limitada capacidade de capturar padrões complexos em várias escalas temporais. O DESCINet, com sua abordagem de conexões residuais densas, promete superar essas barreiras, preservando informações detalhadas e aprimorando a capacidade de modelar dependências temporais complexas. Essa abordagem inovadora permite ao modelo manter um desempenho consistente ao longo de horizontes de previsão estendidos. A aplicação prática do DESCINet foi testada em uma ampla gama de conjuntos de dados, como ETT, Weather, Electricity, Illness, Traffic, and Exchange Rate. Em todos esses casos, o DESCINet demonstrou superioridade em relação ao SCINet, validando sua eficácia em contextos variados e complexos. A seleção desses conjuntos de dados ilustra a diversidade dos desafios inerentes à previsão de séries temporais e destaca a adaptabilidade e robustez do DESCINet. Este estudo adiciona uma contribuição para o campo de séries temporais ao explorar o potencial ainda pouco aproveitado das redes densas. A integração dessas redes em modelos de previsão de séries temporais abre caminho para avanços importantes, tanto em termos acadêmicos quanto em aplicações práticas. A proposta do DESCINet indica uma direção promissora para futuras pesquisas, sugerindo que a superação de limitações atuais na previsão de séries temporais está ao alcance. Ao concluir, esta tese oferece uma melhor compreensão sobre o impacto das conexões densas na previsão de séries temporais, encorajando a comunidade científica a investigar mais profundamente o DESCINet. Espera-se que o trabalho estimule pesquisas contínuas nesta área, pavimentando o caminho para novas inovações e práticas que aprimorem a modelagem de séries temporais, tornando-as mais eficazes e precisas.
                    Download
                    Uma Ferramenta para Ensino e Aprendizado de Exploração de Espaço de Projeto de Arquiteturas de Processadores na Era de Dark-Silicon
                    Curso Mestrado em Ciência da Computação
                    Tipo Dissertação
                    Data 15/12/2023
                    Área CIÊNCIA DA COMPUTAÇÃO
                    Orientador(es)
                    • Liana Dessandre Duenha Garanhani
                    Coorientador(es)
                      Orientando(s)
                      • Erick Rocha Amorim
                      Banca
                      • Amaury Antonio de Castro Junior
                      • Awdren de Lima Fontao
                      • Liana Dessandre Duenha Garanhani
                      • Ricardo Ribeiro dos Santos
                      Resumo A exploração de espaço de projeto é uma atividade útil em diversos contextos de engenharia, e especificamente considerada crucial para o projeto de MPSoCs, usualmente empregados em dispositivos eletrônicos portáteis e sistemas embarcados. Portanto, o tópico é relevante para a formação dos futuros profissionais da indústria brasileira de microeletrônicos. O MultiExplorer é uma ferramenta inicialmente proposta para auxiliar a pesquisa no campo de exploração de espaço de projeto de arquiteturas de processadores na era de dark-silicon. Uma série de estudos foram publicados em periódicos científicos e conferências internacionais, utilizando o MultiExplorer em uma gama de aplicações, desde a mitigação de dark-silicon em arquiteturas multi-núcleo, exploração de espaço de projeto com arquiteturas heterogêneas baseadas em utilização de unidades de processamento gráfico para computação de propósito geral (GPGPU), até alocação de recursos de computação em nuvem. Entretanto, a despeito de sua relevância para o desenvolvimento industrial, e das recomendações curriculares da ACM (Association for Computing Machinery), o tópico de exploração de espaço de projeto não parece ser abordado com frequência nos programas de graduação em Engenharia de Computação e Ciência da Computação no Brasil. Dado o contexto, este trabalho tem como objetivo fomentar a abordagem do tópico a nível de graduação a partir da disponibilização de uma versão aberta da ferramenta MultiExplorer
                      que permita a exposição do tópico em um nível de abstração acessível para os alunos. O trabalho resultou no amadurecimento da arquitetura de software da ferramenta, abertura do código-fonte, estabelecimento de uma interface gráfica para melhor interação dos alunos com a ferramenta. Um estudo de caso avaliou o uso da ferramenta para aprendizado na graduação, por meio de um minicurso, e o prospecto foi positivo.
                      Download
                      Um modelo baseado em habilidades para formação de profissionais de DevRel
                      Curso Mestrado em Ciência da Computação
                      Tipo Dissertação
                      Data 15/09/2023
                      Área CIÊNCIA DA COMPUTAÇÃO
                      Orientador(es)
                      • Awdren de Lima Fontao
                      Coorientador(es)
                        Orientando(s)
                        • ANA ELISA DA SILVA CUNHA
                        Banca
                        • Awdren de Lima Fontao
                        • Bruno Barbieri de Pontes Cafeo
                        • Davi Viana dos Santos
                        • Rodrigo Pereira dos Santos
                        Resumo Developer Relations (DevRel, em português, Relações com desenvolvedores) é uma área organizacional responsável por manter a sinergia entre comunidades de desenvolvedores e organizações. Essa área é presente em empresas como Amazon, Apple, Google e Microsoft, como uma estratégia de governança de desenvolvedo- res em ecossistemas de Software (ECOS). A falta de clareza quanto à natureza e conjunto de habilidades necessárias para um profissional DevRel pode impactar negativamente no desempenho das atividades relacionadas ao profissional e, conse- quentemente, na saúde do ECOS. Tanto a indústria como a academia trouxeram definições sobre DevRel. Contudo, não há estudos suficientes para consolidar um modelo de formação para DevRel. Neste sentido, a proposta deste trabalho de mes- trado é estabelecer um modelo envolvendo um conjunto de passos, dimensões, pa- péis e habilidades para a formação de profissionais de DevRel que seja entendível, compreensível e ajustável para que qualquer pessoa ou organização seja capaz de desenvolver as habilidades inerentes à profissão.
                        Download
                        A Multi-Faceted Analysis of How Organizations Create and Maintain Code Samples
                        Curso Mestrado em Ciência da Computação
                        Tipo Dissertação
                        Data 15/09/2023
                        Área CIÊNCIA DA COMPUTAÇÃO
                        Orientador(es)
                        • Bruno Barbieri de Pontes Cafeo
                        Coorientador(es)
                          Orientando(s)
                          • Matheus Albuquerque de Melo
                          Banca
                          • Awdren de Lima Fontao
                          • Bruno Barbieri de Pontes Cafeo
                          • Elder José Reioli Cirilo
                          • Hudson Silva Borges
                          • Maria Istela Cagnin Machado
                          Resumo Code samples, como artefatos presentes no contexto dos ecossistemas de software, a qual tem a função de auxiliar os desenvolvedores, exemplificando o uso de APIs, bibliotecas e outros recursos começaram a ser explorados na literatura recentemente, por volta de 2019. Estudos propuseram a compreender as características estruturais do código desses artefatos, bem como como eles passam por manutenções e evoluem ao longo do tempo. Em 2020, também houve exploração do público-alvo que consome este artefato por meio de perguntas no StackOverflow. Este presente estudo foi dividido em duas partes. Na primeira, investigamos repositórios de code samples no GitHub e analisamos como as organizações lidam com as contribuições de desenvolvedores externos dentro desse ambiente. Na segunda parte, realizamos uma pesquisa com desenvolvedores que produzem code samples dentro das organizações. Isso nos permitiu compreender melhor a visão e as perspectivas deles em relação aos code samples, além de analisar suas experiências com code samples e a dedicação a esses artefatos. As propostas de ambas as partes do estudo não haviam sido exploradas anteriormente no contexto de code samples. Nossas descobertas revelaram alguns pontos como a demora na revisão de pull requests, especialmente os que foram rejeitados, e gargalos na distribuição das atividades de revisão entre os mantenedores. Essas constatações resultaram em uma publicação. Além disso, descobrimos que os objetivos dos code samples vão além dos propósitos educacionais, conforme sugerido pelos desenvolvedores das organizações. Também identificamos que desenvolvedores experientes estão envolvidos no desenvolvimento de code samples nas organizações, dedicando geralmente algumas horas mensais ou semanais para essa atividade. Por fim, notamos a presença de problemas de divergência de opiniões entre os desenvolvedores das organizações, em relação ao público-alvo dos code samples, ao processo de desenvolvimento e à garantia da qualidade desses artefatos.
                          Problema da coloração de vértices com pesos dissonantes e restrições de cores
                          Curso Mestrado em Ciência da Computação
                          Tipo Dissertação
                          Data 21/08/2023
                          Área CIÊNCIA DA COMPUTAÇÃO
                          Orientador(es)
                          • Edna Ayako Hoshino
                          Coorientador(es)
                          • Vagner Pedrotti
                          Orientando(s)
                          • Edison Gabriel Gonçalves Borghezan
                          Banca
                          • Diego Padilha Rubert
                          • Edna Ayako Hoshino
                          • Fabio Henrique Viduani Martinez
                          • Francisco Eloi Soares de Araujo
                          • Henrique Mongelli
                          Resumo O problema de coloração de vértices com pesos dissonantes e restrições de cores é uma generalização do problema de coloração de vértices e vários outros
                          problemas de coloração podem ser reduzidos a ele. Neste trabalho é proposta uma variação do problema de coloração de vértices, e também três modelos
                          matemáticos utilizando programação linear inteira, um modelo cujo número de variáveis e restrições é polinomial, um segundo, no qual o número de variáveis é exponencial em relação ao número de restrições e um terceiro modelo bastante semelhante ao segundo mas que aproveita-se de uma propriedade que permite algumas cores serem aglutinadas almejando uma execução mais rápida. Para os modelos estendidos, são propostos algoritmos de geração de colunas para lidar com o número exponencial de variáveis do problema, assim como heurísticas, tanto para gerar novas colunas quanto para encontrar soluções inteiras em cada nó da árvore de enumeração para acelerar o desempenho de um algoritmo exato de branch-and-price. Um conjunto de instâncias foi proposto e foi possível identificar características das instâncias difíceis para este problema.
                          Preditor Híbrido de Estruturas Terciárias de Proteínas
                          Curso Doutorado em Ciência da Computação
                          Tipo Tese
                          Data 10/08/2023
                          Área CIÊNCIA DA COMPUTAÇÃO
                          Orientador(es)
                          • Telma Woerle de Lima Soares
                          Coorientador(es)
                            Orientando(s)
                            • Alexandre Barbosa de Almeida
                            Banca
                              Resumo
                              Opinion Mining for App Reviews: Identifying and Prioritizing Emerging Issues for Software Maintenance and Evolution
                              Curso Doutorado em Ciência da Computação
                              Tipo Tese
                              Data 14/07/2023
                              Área CIÊNCIA DA COMPUTAÇÃO
                              Orientador(es)
                              • Ricardo Marcondes Marcacini
                              Coorientador(es)
                                Orientando(s)
                                • Vitor Mesaque Alves de Lima
                                Banca
                                • Bruno Magalhaes Nogueira
                                • Fabio Manoel Franca Lobato
                                • Jacson Rodrigues Barbosa
                                • Marcelo Augusto Santos Turine
                                • Rafael Geraldeli Rossi
                                • Ricardo Marcondes Marcacini
                                • Solange Oliveira Rezende
                                Resumo A mineração de opinião para avaliações de aplicativos tem como objetivo analisar os comentários dos usuários nas lojas de aplicativos para apoiar as atividades de engenharia de software, principalmente a manutenção e evolução de software. Identificar prontamente problemas emergentes, como bugs, é um dos principais desafios na manutenção da qualidade do software. No entanto, analisar manualmente esses comentários é um desafio devido à grande quantidade de dados textuais. Métodos baseados em aprendizado de máquina têm sido empregados para automatizar a mineração de opinião e lidar com essa questão. Embora métodos recentes tenham alcançado resultados promissores na extração e categorização de problemas a partir das opiniões dos usuários, os estudos existentes concentram-se principalmente em auxiliar os engenheiros de software a explorar o comportamento histórico dos usuários em relação às funcionalidades do aplicativo e não exploram mecanismos de deteção de tendências e classificação de risco de problemas emergentes. Além disso, os estudos anteriores não abrangem o processo completo de análise de problemas e riscos por meio de uma abordagem não supervisionada. Este projeto de doutorado avança o estado da arte na mineração de opinião para reviews de aplicativos, propondo uma abordagem não supervisionada para identificar e priorizar problemas emergentes. Nosso objetivo é minimizar o tempo entre a ocorrência de um problema e sua correção, permitindo uma rápida identificação do problema. Propomos duas novas abordagens que (i) identifica possíveis requisitos de software defeituosos e treina modelos preditivos para antecipar requisitos com maior probabilidade de avaliação negativa e (ii) detecta problemas a partir de avaliações, classifica-os em uma matriz de risco com níveis de priorização e monitora sua evolução ao longo do tempo. Adicionalmente, apresentamos uma abordagem de construção da matriz de risco usando os recentes Large Language Models (LLMs). Processamos mais de 6.6 milhões de comentários de usuários para avaliar nossa proposta, identificando e classificando o risco associado a quase 270.000 problemas. Os resultados demonstram a competitividade de nossa abordagem não supervisionada em comparação com modelos supervisionados existentes. Comprovamos que as opiniões extraídas dos comentários dos usuários fornecem percepções importantes sobre os problemas e riscos associados aos aplicativos, que podem ser detectados antecipadamente para mitigar seu impacto. Nosso processo de mineração de opinião implementa a análise automatizada de problemas, com priorização baseada em risco e monitoramento temporal.
                                Download
                                Abordagens Multimodais com Fusão de Dados em Aprendizado Profundo
                                Curso Doutorado em Ciência da Computação
                                Tipo Tese
                                Data 16/06/2023
                                Área CIÊNCIA DA COMPUTAÇÃO
                                Orientador(es)
                                • Edson Takashi Matsubara
                                Coorientador(es)
                                  Orientando(s)
                                  • Lucas de Souza Rodrigues
                                  Banca
                                  • Anderson Vicoso de Araujo
                                  • Bruno Magalhaes Nogueira
                                  • Diego Furtado Silva
                                  • Edson Takashi Matsubara
                                  • Eraldo Luis Rezende Fernandes
                                  • Gustavo Enrique de Almeida Prado Alves Batista
                                  • Ricardo Marcondes Marcacini
                                  Resumo As redes neurais profundas, especialmente os modelos de linguagem e visão, têm sido amplamente utilizados em problemas reais nos últimos anos. Geralmente modelos aplicam o uso de apenas um tipo de dado/informação (texto, imagem, vídeo, áudio) em problemas de aprendizado, também chamados de modelos unimodais. No entanto, dada a quantidade crescente de informações não estruturadas e a variedade de formatos de dados existentes, novas abordagens têm sido desenvolvidas com o objetivo de estabelecer estratégias que viabilizem a utilização de múltiplos dados em um mesmo modelo de aprendizado. Este trabalho explora a fusão de dados em modelos de Aprendizado de Máquina Multimodal (AM). A proposta desta tese explora uma estratégia simples que utiliza operações matemáticas para fundir os diversos tipos de dados entre as camadas da arquitetura multimodal, mecanismos de atenção e conexões residuais. Uma outra proposta explora o uso da destilação de conhecimento multimodal para otimizar o desempenho de modelos de aprendizado profundo, transferindo conhecimento entre modalidades de um mesmo domínio. O principal avanço deste trabalho foi usar as operações aritméticas, mecanismos de atenção e conexões residuais em abordagens multimodais com a fusão de dados. Isso permitiu obter representações complementares sobre as modalidades, o que levou a uma melhor convergência sem diferença significativa com o estado-da-arte.
                                  Download
                                  Segmentação de Documentos Jurídicos usando Supervisão Fraca
                                  Curso Mestrado em Ciência da Computação
                                  Tipo Dissertação
                                  Data 22/03/2023
                                  Área CIÊNCIA DA COMPUTAÇÃO
                                  Orientador(es)
                                  • Eraldo Luis Rezende Fernandes
                                  Coorientador(es)
                                    Orientando(s)
                                    • Marlon Daltro Tosta
                                    Banca
                                    • Bruno Magalhaes Nogueira
                                    • Edson Takashi Matsubara
                                    • Eraldo Luis Rezende Fernandes
                                    • Leandro Guimarães Marques Alvim
                                    • Valeria Quadros dos Reis
                                    Resumo Milhões de processos estão em tramitação no sistema judiciário brasileiro.
                                    Os acórdãos são decisões colegiadas de tribunais brasileiros e, por conta disto,
                                    são fundamentais na uniformização do entendimento entre os magistrados e entre diferentes tribunais.
                                    Portanto, desenvolver e implementar soluções tecnológicas eficazes para auxiliar
                                    juízes,
                                    desembargadores e
                                    outros profissionais envolvidos no processo judicial
                                    a lidar com o crescente volume de processos judiciais no Brasil.
                                    Essas soluções devem ser capazes de acelerar a tomada de decisões e reduzir a carga de trabalho,
                                    garantindo a eficiência do sistema judiciário e a satisfação dos cidadãos que dependem dele.
                                    Os acórdãos dos tribunais brasileiros estão disponíveis publicamente,
                                    entretanto, como estes documentos não estão em formato estruturado,
                                    o processamento automático deles é dificultado.

                                    Um dos primeiros passos para o processamento de acórdãos é
                                    a segmentação destes documentos que são compostos por diversas seções com diferentes informações sobre a decisão.
                                    Neste trabalho, foram coletados mais de 960 mil
                                    documentos contendo o inteiro teor de acórdãos de cinco tribunais de diferentes esferas do judiciário brasileiro.
                                    Estes documentos estão em formato PDF e foram coletados nos portais de busca dos tribunais.
                                    Após a coleta, o conteúdo textual e características de layout de 624.161 acórdãos
                                    foram extraídos utilizando diferentes ferramentas.
                                    Adicionalmente, um método de segmentação automática foi desenvolvido para cada tribunal
                                    e todos os documentos foram segmentados em cinco seções obrigatórias em acórdãos de tribunais brasileiros.
                                    A segmentação de 100 documentos de cada tribunal (500 no total) foi manualmente revisada
                                    para servirem como validação e teste de modelos de Aprendizado de Máquina (AM).
                                    Modelos de AM clássicos e baseados em aprendizado profundo foram avaliados utilizando estes datasets.
                                    Todos os modelos foram treinados usando os dados anotados automaticamente (supervisão fraca).
                                    Diversos experimentos foram realizados para avaliar diferentes aspectos do problema de segmentação de acórdãos.
                                    Particularmente, um aspecto analisado foi a capacidade de generalização dos modelos para tribunais não vistos no treinamento.
                                    Outro aspecto considerado nos experimentos foi o impacto de características de layout dos documentos em alguns modelos de AM.
                                    Mais especificamente, foram analisados modelos baseados em aprendizado profundo,
                                    propostos recentemente na literatura,
                                    que consideram como entrada tanto o conteúdo textual quanto algumas características de layout.
                                    Modelos de segmentação com incorporação de layout alcançam, em alguns casos,
                                    desempenho superior aos métodos desenvolvidos especificamente para um tribunal.
                                    Modelos que são treinados e testados no mesmo tribunal também tendem a apresentar um desempenho comparável
                                    ou até superior aos métodos de anotação automática.
                                    No entanto, quando se trata de modelos treinados em um tribunal e testados em outro,
                                    o desempenho depende da correlação encontrada entre eles.
                                    Em alguns casos, a perda de desempenho é substancial.
                                    Neste trabalho, são disponibilizados diversos recursos que podem ser usados em trabalhos futuros.
                                    Todos os documentos coletados em formato PDF,
                                    assim como os correspondentes arquivos TSV e JSON com as anotações automáticas,
                                    estão disponíveis livremente.
                                    Também estão disponíveis os scripts de segmentação automática,
                                    assim como os scripts usados para treinamento e avaliação de modelos.
                                    Por fim, também estão disponíveis as anotações revisadas manualmente de 500 documentos (100 de cada tribunal).
                                    Download
                                    Investigation of machine learning techniques to aid in the diagnosis of neurodegenerative diseases
                                    Curso Doutorado em Ciência da Computação
                                    Tipo Tese
                                    Data 20/03/2023
                                    Área CIÊNCIA DA COMPUTAÇÃO
                                    Orientador(es)
                                    • Hugo Alexandre Dantas do Nascimento
                                    Coorientador(es)
                                    • Nilza Nascimento Guimarães
                                    Orientando(s)
                                    • Juliana Paula Felix
                                    Banca
                                    • Hugo Alexandre Dantas do Nascimento
                                    • Nilza Nascimento Guimarães
                                    • Renato de Freitas Bulcão Neto
                                    • Rogerio Lopes Salvini
                                    • Ronaldo Martins da Costa
                                    • Sérgio Teixeira De Carvalho
                                    Resumo Doenças neurodegenerativas (DND), como a Doença de Parkinson (DP), Doença de Huntington (DH) e Esclerose Lateral Amiotrófica (ELA) causam, entre outros sintomas, movimentos involuntários, fraqueza muscular e dificuldade em manter uma marcha estável. Em estágios avançados, essas doenças podem levar à morte. As DNDs não têm cura e diagnosticá-las é uma tarefa difícil porque muitas delas não possuem um único teste definitivo que permita confirmar a doença. Um diagnóstico precoce é ainda mais complexo dada a presença de sintomas comuns a muitas outras doenças, o que posterga intervenções precoces de tratamento e favorece a progressão dos processos degenerativos. Nesta tese, investigamos o uso de técnicas de aprendizado de máquina para auxiliar no diagnóstico e diferenciação de pacientes com DP, DH, ELA e indivíduos saudáveis a partir da marcha. Métodos computacionais alternativos, rápidos, e de baixo custo, são propostos para auxiliar nesta tarefa. Os métodos propostos inovam ao investigar, pela primeira vez na literatura, características obtidas a partir da distorção harmônica da série da marcha, além de prover uma análise detalhada do efeito dos parâmetros da marcha para a classificação desses sinais. Além disso, uma abordagem inovadora é proposta para priorizar os pacientes, reduzindo a quantidade de esforço físico necessário para o exame. Assim, propomos e investigamos a viabilidade de adotar intervalos de caminhada mais curtos, como um único minuto de caminhada, tendo em vista que pacientes com DNNs podem ter dificuldades em caminhar continuamente, mesmo por curtos períodos de tempo, e durante os estágios iniciais da doença. Os métodos propostos são validados com bases de dados públicas de marcha, coletadas por meio de sensores de força alocados nos pés de pessoas com DP, DH, ELA, e também de indivíduos saudáveis durante uma caminhada livre. Os resultados são comparados a estudos de estado da arte, e é possível observar a eficácia e eficiência dos métodos propostos, confirmando seu potencial para auxiliar no diagnóstico de DNDs e serem explorados na prática.
                                    Análise Isogeométrica com Elementos de Contorno e Superfícies de Subdivisão
                                    Curso Mestrado em Ciência da Computação
                                    Tipo Dissertação
                                    Data 03/03/2023
                                    Área CIÊNCIA DA COMPUTAÇÃO
                                    Orientador(es)
                                    • Paulo Aristarco Pagliosa
                                    Coorientador(es)
                                      Orientando(s)
                                      • Bárbara Santos Munhão
                                      Banca
                                      • Afonso Paiva Neto
                                      • Anderson Vicoso de Araujo
                                      • Marcio Artacho Peres
                                      • Paulo Aristarco Pagliosa
                                      Resumo O método dos elementos de contorno (MEC), muito utilizado para solução numérica de problemas de mecânica do contínuo, depende de uma malha para a análise e essa malha tem impacto direto na precisão da solução numérica do problema considerado. Quando adotado junto à análise isogeométrica, a escolha de uma representação geométrica adequada é crucial, visto que o modelo de análise deriva diretamente do modelo geométrico. Um tipo de representação amplamente utilizado — que hoje é o padrão na indústria de animação, após forte incentivo da Pixar com o lançamento da API OpenSubdiv — são as superfícies de subdivisão, as quais possibilitam a construção de formas complexas e fornecem aproximações tão boas quanto se queira da forma do objeto a ser representado. Dada tamanha relevância das superfícies de subdivisão, com utilização crescente em diversas áreas, que incluem aplicações CAD (do inglês, Computer-aided Design), e tendo em vista que as simulações físicas não mais se restringem às áreas de ciências e engenharias, com papel importante em outros campos da computação gráfica, tais como jogos digitais, animações e efeitos especiais, neste trabalho foi proposta uma solução para a análise isogeométrica elastostática com elementos de contorno para sólidos representados por superf´ıcies de subdivisão. São introduzidos como parte central desta solução um método de posicionamento de pontos de colocação e um método de extração de elementos curvos para superfícies de subdivisão com bordas, pontos extraordinários e curvas de vinco. A solução proposta se mostrou adequada e equiparável às encontradas na literatura, e se estabelece como uma extensão ao modelo de análise no qual baseia-se este trabalho.

                                      Palavras-chave: superfícies de subdivisão, análise isogeométrica, método dos elementos de contorno.
                                      Página 2 de 15 (20 de 295 registros).