Programa de Pós-Graduação em Engenharia Elétrica - PPGEE/ITEC

URI Permanente desta comunidadehttps://repositorio.ufpa.br/handle/2011/2314

O Programa de Pós-Graduação em Engenharia Elétrica (PPGEE) do Instituto de Tecnologia (ITEC) da Universidade Federal do Pará (UFPA) foi o primeiro e é considerado o melhor programa de pós-graduação em Engenharia Elétrica da Região Amazônica. As atividades acadêmicas regulares dos cursos de mestrado e doutorado são desenvolvidas principalmente nas Faculdades de Engenharia Elétrica e Engenharia de Computação, supervisionadas pela Coordenação do Programa de Pós-Graduação em Engenharia Elétrica (CPPGEE).

Navegar

Agora exibindo 1 - 20 de 79

Acesso aberto (Open Access)
5G MIMO and LIDAR data for machine learning: mmWave beam-selection using deep learning
(Universidade Federal do Pará, 2019-08-29) DIAS, Marcus Vinicius de Oliveira; KLAUTAU JÚNIOR, Aldebaro Barreto da Rocha; http://lattes.cnpq.br/1596629769697284
Sistemas de comunicação modernos podem explorar o crescente número de dados de sensores usados atualmente em equipamentos avançados e reduzir a sobrecarga associada à configuração de links. Além disso, a crescente complexidade das redes sugere que o aprendizado de máquina, como redes neurais profundas, podem ser utilizadas efetivamente para melhorar as tecnologias 5G. A falta de grandes conjuntos de dados dificulta a investigação da aplicação de aprendizado profundo na comunicação sem fio. Este trabalho apresenta uma metodologia de simulação (RayMobTime) que combina um simulador de tráfego de veículos (SUMO) com um simulador de ray-tracing (Remcom’s Wireless InSite), para gerar canais que representem cenários 5G realísticos, bem como a criação de dados de sensores LIDAR (através do Blensor). O conjunto de dados criado é utilizado para investigar técnicas de beam selection de veículo para infraestrutura usando ondas milimétricas em diferentes arquiteturas, como arquitetura distribuída (uso das informações de apenas um veículo selecionado e processamento de dados no veículo) e arquiteturas centralizadas (uso de todas as informações presentes fornecidas pelos sensores em um dado momento, processando na estação base). Os resultados indicam que redes neurais profundas convolucionais podem ser utilizadas para beam selection sob uma estrutura de classificação de top-M. Também mostra que uma arquitetura distribuída baseada em LIDAR fornece desempenho robusto independentemente da taxa de penetração de veículos, superando outras arquiteturas, bem como pode ser usada para detecção de visada direta com precisão razoável.
Acesso aberto (Open Access)
Abordagem Inteligente com Combinação de Características Estruturais para Detecção de Novas Famílias de Ransomware
(Universidade Federal do Pará, 2024-03-22) MOREIRA, Caio Carvalho; SALES JUNIOR, Claudomiro de Souza de; País de Nacionalidade Brasi
Ransomware é um software malicioso que tem como objetivo criptografar os arquivos do usuá- rio e exigir um resgate para desbloqueá-los. Trata-se de uma ameaça cibernética que pode causar significativos danos financeiros, além do comprometimento de privacidade e integridade dos dados. Embora os scanners de detecção baseados em assinaturas comumente combatam essa ameaça, eles falham na identificação de famílias (variantes) desconhecidas de ransomware. Um método para detectar novas ameaças sem a necessidade de executá-las é a análise estática, que inspeciona o código e a estrutura do software, juntamente com a classificação através de abordagens inteligentes. A Detecção de Novas Famílias de Ransomware (DNFR) pode ser avaliada em um cenário realista e desafiador pela categorização e isolamento de famílias para treinamento e teste. Desta forma, o objetivo desta tese é desenvolver um modelo eficaz de análise estática para a DNFR, que pode ser aplicado em sistemas Windows como uma camada adicional de segurança para verificar os arquivos executáveis no momento do recebimento ou antes de sua execução. A detecção precoce do ransomware é fundamental para reduzir a probabilidade de um ataque bem-sucedido. A abordagem proposta analisa abrangentemente os binários executá- veis, ao extrair e combinar diversas características estruturais, e os distingue entre ransomware ou software benigno empregando um modelo de votação suave que compreende três técnicas de Aprendizado de Máquina: Logistic Regression (LR), Random Forest (RF) e eXtreme Gradient Boosting (XGB). Os resultados para a DNFR demonstraram médias de 97,53% de acurácia, 96,36% de precisão, 97,52% de recall e 96,41% de F-measure. Além disso, a varredura e a predição de amostras individuais levaram uma média de 0,37 segundos. Essa performance indica sucesso na identificação rápida de variantes desconhecidas de ransomware e na adaptabilidade do modelo ao cenário em constante evolução, o que sugere sua aplicabilidade em sistemas de proteção antivírus, mesmo em dispositivos com recursos limitados. Portanto, o método oferece vantagens significativas e pode ajudar desenvolvedores de sistemas de detecção de ransomware na criação de soluções mais resilientes, confiáveis e com rápido tempo de resposta.
Acesso aberto (Open Access)
Agrupamento de fornos de redução de alumínio utilizando os algoritmos Affinity Propagation, Mapa auto–organizável de Kohonen (som), Fuzzy C–Means e K–Means
(Universidade Federal do Pará, 2017-10-11) LIMA, Flávia Ayana Nascimento de; CARDOSO, Diego Lisboa; http://lattes.cnpq.br/0507944343674734; OLIVEIRA, Roberto Célio Limão de; http://lattes.cnpq.br/4497607460894318
O constante avanço da tecnologia requer medidas que beneficiem as indústrias em busca do lucro e da competitividade. Em relação à indústria de minerais, o processo de fundição de alumínio geralmente possui grande número de células, também chamado de forno ou cuba de redução, produzindo alumínio em um procedimento contínuo e complexo. Um monitoramento analítico é essencial para aumentar a vantagem competitiva dessa indústria, por exemplo, durante a operação, algumas células compartilham comportamentos semelhantes às outras, formando grupos ou clusters de células. Esses clusters dependem de padrões de dados geralmente implícitos ou invisíveis para a operação, mas que podem ser encontrados por meio da análise de dados. Neste trabalho, são apresentadas quatro técnicas de agrupamento, o Affinity Propagation, o mapa auto–organizável de Kohonen (SOM), o algoritmo difuso Fuzzy C–Means (FCM) e o K–Means. Essas técnicas são utilizadas para encontrar e agrupar as células que apresentam comportamentos semelhantes, de acordo com sete variáveis tais como as que consiste no processo de redução do alumínio. Este trabalho visa trazer o benefício do agrupamento, principalmente pela simplificação da análise da linha de produção do alumínio, uma vez que um grande número de células pode se resumir em um único grupo, o que pode fornecer informações mais compactas para o controle e a modelagem dos dados. Este benefício de identificar os dados que possuem características semelhantes e agrupá–los faz com que a análise dos grupos se torne mais simples para quem irá manusear esses dados futuramente. Nesse trabalho de dissertação também será feito a identificação da quantidade ideal de grupo em cada técnica utilizada.
Acesso aberto (Open Access)
Algoritmo memético cultural para otimização de problemas de variáveis reais
(Universidade Federal do Pará, 2019-03-29) FREITAS, Carlos Alberto Oliveira de; SILVA, Deam James Azevedo da; http://lattes.cnpq.br/8540875293894747; OLIVEIRA, Roberto Célio Limão de; http://lattes.cnpq.br/4497607460894318
A tecnologia deu grandes passos nos últimos anos, mas os recursos de computação para certas aplicações precisam de otimização para que os custos envolvidos na solução de alguns problemas não sejam altos. Existe uma área muito ampla de pesquisa para o desenvolvimento de algoritmos eficientes para problemas de otimização multimodal. Nas duas últimas décadas o uso de algoritmos evolutivos em otimização multimodal tem demonstrado ser um sucesso. Dentre esses algoritmos evolutivos, que são algoritmo de busca global, pode-se citar o uso dos Algoritmos Culturais. Um aprimoramento natural do Algoritmo Cultural é a sua hibridização com algum outro algoritmo de busca local, de forma a ter as vantagens da busca global combinada com a busca local. Entretanto os Algoritmos Culturais com busca local usados para otimização multimodal nem sempre são avaliados por testes estatísticos eficientes. O objetivo deste trabalho é analisar o comportamento do Algoritmo Cultural, com populações evoluídas pelo Algoritmo Genético, quando são utilizadas as heurísticas de busca locais: Busca Tabu, Busca de Feixe, Escalada e Recozimento Simulado. Uma das contribuições deste trabalho foi a atualização do conhecimento topográfico do algoritmo cultural pelo uso da área triangular definida pelos melhores resultados encontrados na busca local. Para realizar a análise, um algoritmo memético foi desenvolvido pela hibridização do algoritmo cultural com as heurísticas de busca local citadas, sendo selecionadas uma de cada vez. Os problemas do mundo real costumam ter características multimodais, então as avaliações foram realizadas usando funções de benchmark multimodais, que tiveram seus resultados avaliados por testes não paramétricos. Além disso, o algoritmo memético foi testado em problemas reais de otimização com restrições nas áreas de engenharia. Nas avaliações realizadas, o Algoritmo Cultural Memético desenvolvido apresentou melhores resultados quando comparado com os resultados disponíveis da literatura científica pesquisada.
Acesso aberto (Open Access)
Alocação de dois níveis para uma arquitetura h-cran baseada em offloading
(Universidade Federal do Pará, 2019-01-24) GONÇALVES, Mariane de Paula da Silva; BARROS, Fabrício José Brito; http://lattes.cnpq.br/9758585938727609; CARDOSO, Diego Lisboa; http://lattes.cnpq.br/0507944343674734
O crescimento acelerado de dados e aplicativos representa desafios significativos para a próxima geração de redes móveis (5G). Dentre eles, destaca-se a necessidade de uma coexistência dc novos e antigos padrões durante a transição das arquiteturas. Assim, na coexistência de arquiteturas, o processo de offloading entre diferentes arquiteturas é essencial. Aliado a isso, processos de ofioading tradicionais, que focam apenas nos recursos de rádio, podem ser ineficazes, uma vez que o processo dinâmico de alocação de RRH-BBU influencia no resultado. Desta forma, este trabalho investigou soluções para descarregamento em uma arquitetura híbrida, também conhecida como H-CRAN (Heterogeneous Cloud –Radio Access Network ATchitecture), que centraliza o processamento e busca um melhor uso dos recursos da rede. Através de um algoritmo evolutivo, buscou-se encontrar uma solução subótima para a alocação de dois níveis (TLA) na arquitetura H-CRAN e outra baseada no FIFO (First In, First Out), para fins de benchmarking. A média SNR (Noise Interference Signal), a máxima taxa de bits, o número de usuários com ou sem conexões e o número de conexões em RRHs e macro foram usados como medidas de desempenho. Através dos resultados, percebeu-se uma melhora de aproximadamente 60% na Taxa Máxima de Bits, quando comparada à abordagem tradicional, possibilitando um melhor atendimento aos usuários.
Acesso aberto (Open Access)
Alocação ótima de geração distribuída em redes de distribuição utilizando algoritmo híbrido baseado em cuckoo search e algoritmo genético
(Universidade Federal do Pará, 2018-09-02) OLIVEIRA, Victoria Yukie Matsunaga de; AFFONSO, Carolina de Mattos; http://lattes.cnpq.br/2228901515752720
Esta tese de doutorado propõe um novo algoritmo Cuckoo Search (CS) chamado Cuckoo-GRN (Cuckoo Search with Genetically Replaced Nests), que incorpora benefícios do algoritmo genético (GA) no algoritmo CS. O método proposto trata os ninhos abandonados do CS de maneira mais eficiente, substituindo-os geneticamente. Isto melhora significativamente o desempenho do algoritmo, estabelecendo o equilíbrio ideal entre a diversificação e a intensificação de busca. O novo algoritmo é utilizado para otimizar a localização e o dimensionamento de unidades de geração distribuída em um sistema de distribuição, a fim de minimizar as perdas de energia ativa, melhorando a estabilidade da tensão do sistema e o perfil de tensão. Alocações de uma ou mais unidades de geração distribuída são consideradas. O algoritmo proposto é extensivamente testado em funções matemáticas de benchmark, bem como nos sistemas de distribuição de 33 e 119 barras. Os resultados da simulação mostram que o Cuckoo-GRN pode levar a uma melhora substancial de desempenho em relação ao algoritmo CS original e a outras técnicas atualmente conhecidas na literatura, não apenas em termos de convergência, mas também de precisão da solução.
Acesso aberto (Open Access)
Análise de desempenho de algoritmos para classificação de sequências representando faltas do tipo curto-circuito em linhas de transmissão de energia elétrica
(Universidade Federal do Pará, 2019-12-05) FREIRE, Jean Carlos Arouche; MORAIS, Jefferson Magalhães de; http://lattes.cnpq.br/5219735119295290; CASTRO, Adriana Rosa Garcez; http://lattes.cnpq.br/5273686389382860
A manutenção da qualidade de energia em sistemas elétricos de potência depende do tratamento dos principais distúrbios que possam surgir em sua geração, transmissão e distribuição. Dentro deste contexto, muitos estudos vêm sendo desenvolvidos com o objetivo de realizar a detecção e classificação de faltas do tipo curto-circuito em sistemas elétricos através da análise do comportamento do sinal elétrico. Os sistemas de classificação de faltas em linha de transmissão podem ser divididos em dois tipos: sistemas de classificação on-line e pós-falta. No cenário pósfalta as sequências do sinal a serem avaliadas para a classificação possuem comprimento (duração) variável. Na classificação de sequências é possível utilizar classificadores convencionais tais como Redes Neurais Artificiais, Máquinas de Vetores de Suporte, K-vizinhos mais próximos e Árvore de Decisão (Floresta aleatória). Nestes casos, o processo de classificação geralmente requer um pré-processamento das sequências ou um estágio de front end que converta os dados bruto em parâmetros sensíveis para alimentar o classificador, o que pode aumentar o custo computacional do sistema de classificação. Uma alternativa para este problema é a arquitetura de classificação de sequências baseada em quadros (FBSC - Frame Based Sequence Classification). O problema da arquitetura FBSC é que esta possui muitos graus de liberdade na concepção do modelo (front end mais classificador) devendo este ser avaliado usando um conjunto de dados completo e uma metodologia rigorosa para evitar conclusões tendenciosas. Considerando a importância do uso de metodologias para classificação de faltas do tipo curto-circuito eficientes e principalmente com baixo custo computacional, este trabalho apresenta os resultados do estudo desenvolvido de análise do algoritmo KNN (K-vizinhos mais próximo) associado a medida de similaridade de Alinhamento Temporal Dinâmico (DTW) e do algoritmo HMM (Modelo Oculto de Markov) para a tarefa de classificação de faltas. Estas duas técnicas permitem o uso direto dos dados sem a necessidade de utilização de front ends, além de possuírem a capacidade de poder tratar séries temporais multivariadas e de tamanho variável, que é o caso das sequências de sinais para o caso pós-falta. Para desenvolvimento dos dois sistemas propostos para classificação foram utilizados dados simulados de faltas do tipo curto-circuito oriundos da base de dados pública UFPAFaults. Para comparação de resultados com metodologias já apresentadas na literatura para o problema, foi também avaliada, para o mesmo banco de dados, a arquitetura FBSC. No caso da arquitetura FBSC, diferentes front ends e classificadores foram utilizados. A avaliação comparativa foi realizada a partir da medida de taxa de erro, custo computacional e testes estatísticos. Os resultados obtidos mostraram que o classificador baseado no HMM se mostrou mais adequado para o problema de classificação de faltas do tipo curto-circuito em linhas de transmissão.
Acesso aberto (Open Access)
Análise do QoE para streaming de vídeo em redes aéreas 5G mmWave de conectividade dupla
(Universidade Federal do Pará, 2022-02-18) PEREIRA, Ronilson Williame da Silva; SILVA, Marcelino Silva da; http://lattes.cnpq.br/7080513172499497
A evolução nas telecomunicações móveis tem permitido o aparecimento de novos formatos de redes visando atender à crescente demanda de dados sem fio, alimentado principalmente por mais visualização de conteúdo de vídeo. O espectro escasso disponível nas atuais redes celulares, não parece ser capaz de atender a essa explosão de dados sem fio, motivando uma mudança para explorar novas bandas de frequências. Atualmente, um dos grandes problemas das redes móveis atuais é o congestionamento em áreas mais densas como exemplo shows, eventos esportivos e festivais (eventos temporários), pois, temos uma maior concentração de usuários, consequentemente aumentando o volume no tráfego de dados. A comunicação de ondas milimétricas (mmWave, do inglês millimeter wave), bandas de frequência, entre 30 a 300 GHz surge como parte essencial para a próxima geração de redes celulares de quinta geração (5G), pois adotam frequências portadoras mais altas oferecendo alta largura de banda e menor latência. No entanto, o desempenho do sistema se degrada devido à alta perda de propagação e à sensibilidade dos links para obstáculos. Para mitigar tais fatores, nesta dissertação é proposta uma arquitetura 5G mmWave de conectividade dupla utilizando o LTE (Long Term Evolution) e a utilização de UAVs (do inglês, Unmanned Aerial Vehicles) como estações bases aéreas para fornecer garantias de conectividade e qualidade de experiência em streaming de vídeo, um cenário onde a proposta pode ser uma solução adequada, é para fornecer cobertura para eventos temporários. Através de simulações, foi a apresentada uma análise da Qualidade de Experiência (QoE), acerca da transmissão de vídeos 4K com o objetivo de avaliar a transmissão e qualidade dos vídeos percebidos pelos usuários. Os resultados simulados apontam a eficiência do sistema para aplicações multimídia utilizando vídeos, melhorando a QoE dos usuários sem fio em 43%.
Acesso aberto (Open Access)
Análise dos fatores relacionados ao desempenho das escolas no IDEB: estudo de caso no Estado do Pará
(Universidade Federal do Pará, 2022-02-11) GOMES, Vitor Hugo Macedo; SILVA, Marcelino Silva da
A complexidade em identificar todos os fatores que estão relacionados ao desempenho das escolas no Índice de Desenvolvimento da Educação Básica (IDEB) é enorme. Neste estudo foram analisados três bases de dados com o objetivo de identificar diversos fatores em que há correlação com o baixo desempenho nas escolas estaduais no estado do Pará. Inicialmente observou-se por meio das análises que142 municípios do estado estavam com risco de descumprimento da meta no que se refere a diminuição da evasão escolar e, consequentemente, afetando o desempenho das escolas. Este estudo utilizou técnicas de mineração de dados educacionais para primeiramente selecionar variáveis com características estruturais no ambiente de ensino, comparando as escolas com maior e menor desempenho no IDEB identificando possíveis relações com a evasão escolar. Em seguida, foi utilizado o algoritmo Randon Florest (RF), para selecionar as variáveis mais importantes e que impactam de forma direta ou indireta no índice do IDEB. Após a fase de seleção, as variáveis foram submetidas ao algoritmo de Regressão Linear (RL). Os resultados revelam que no grupo de escolas abaixo da média no IDEB, 60,6% residem em famílias com rendimentos até um salário-mínimo, enquanto que 37,5% possuem rendimentos acima de um salário-mínimo. No grupo de escolas acima da média no IDEB, 42,4% residem em famílias com rendimentos até um salário-mínimo, enquanto que 51,6% residem em famílias com rendimentos acima de um salário-mínimo. Evidenciando que a renda das famílias está relacionada à melhores notas no IDEB e, consequentemente, melhores condições de infraestrutura. Os resultados também apontam que os rendimentos das famílias dos estudantes estão relacionados a renda média das famílias nos municípios analisados. Em seguida foram utilizadas variáveis relacionadas ao rendimento dos pais para identificar possível relação entre a escolaridade dos pais e desempenho dos alunos. Por fim, as análises se encerram com a análise do impacto do Índice de Desenvolvimento Humano Municipal (IDHM) nas variáveis que relacionadas à nota dos alunos, qualificação dos professores e experiencia vivenciada pelos professores no ambiente escolar. Os resultados revelam que há correlação entre o índice e o aprendizado dos estudantes em sala de aula. Por outro lado, melhores notas no IDEB, estão diretamente relacionadas a adequação do currículo à disciplina ministrada, além de boas condições de trabalho para os professores.
Acesso aberto (Open Access)
Análise e classificação de severidade de COVID-19 usando aprendizado de máquina
(Universidade Federal do Pará, 2022-08-16) LIMA, Marco Antonio Loureiro; CARDOSO, Diego Lisboa; http://lattes.cnpq.br/0507944343674734
Nos últimos anos, com o crescimento alarmante de casos de COVID-19, uma doença viral altamente contagiosa, fez-se necessário novas formas de diagnóstico e controle desta enfermidade a fim de que a sua propagação seja reduzida até que a população seja vacinada efetivamente. Neste contexto, Inteligência Artificial (IA) e seus subcampos surgem como possíveis alternativas para auxiliar no combate da doença por meio de análises de sintomas relacionados a esta patologia. Alguns métodos de Aprendizado de Máquina (AM) são mostrados como resposta para essa doença, contribuindo com a análise baseada em um conjunto de sintomas apresentados pelo paciente e consequentemente auxiliando o diagnóstico, bem como agilizando o processo de tratamento. Para atingir esse objetivo são propostos três modelos que utilizam esses métodos de AM para predizer a severidade de COVID-19 em graus distintos. Os resultados em cada um destes modelos são avaliados através de métricas estabelecidas ao longo deste trabalho. No mais, diferentes sugestões são mostradas para melhorar a análise e realizar predições com maior acurácia.
Acesso aberto (Open Access)
Uma análise sócio-demográfica da incidência de hanseníase na Amazônia legal brasileira: abordagem baseada em redes bayesianas
(Universidade Federal do Pará, 2019-02-08) GOMES, José Maria da Silveira; FRANCÊS, Carlos Renato Lisboa; http://lattes.cnpq.br/7458287841862567
A Hanseníase é uma doença infectocontagiosa milenar, de caráter crônico e estigmatizante, desde os tempos mais remotos da humanidade até os dias de hoje. Caracteriza-se por uma doença da pobreza e o Brasil é o segundo país do mundo com a maior incidência. A falta de políticas públicas para a redução da pobreza através da melhoria dos indicadores sócio-econômicos do país, estão diretamente relacionados à incidência da doença no Brasil. As estratégias para o controle e monitoramento devem perpassar por ações inteligentes. Uma das soluções para o monitoramento da doença é a utilização das redes bayesianas como método probabilístico para a tomada de decisões no controle e na tomada de decisão quanto aos procedimentos a serem adotados para a redução da incidência da doença. O trabalho tem como objetivo analisar a associação da incidência da doença Hanseníase em relação aos indicadores do desenvolvimento humano, habitação e nível de renda, considerando os municípios da Amazônia Legal brasileira em relação ao Brasil. Estudo ecológico, baseado em dados obtidos sobre os casos de Hanseníase no Brasil no ano de 2010, disponibilizados pelo Sistema de Informação de Agravos de Notificação (SINAN) através do Departamento de Informática do SUS (DATASUS) e os indicadores socioeconômicos através da base da Pesquisa de Domicílios do Censo Demográfico do Instituto Brasileiro de Geografia e Estatística – IBGE e componentes do Índice de Desenvolvimento Humano Municipal, referentes à educação e renda foram obtidos a partir da plataforma de consulta Atlas do Desenvolvimento Humano no Brasil, também adotando como referência o ano de 2010. A metodologia combina as etapas da mineração de dados obtidos através dos bancos de dados consultados, com a análise da distribuição espacial. Foi utilizada a técnica de redes bayesianas com o objetivo de medir a associação entre as variáveis do domínio do problema e para estabelecer a analogia dos dados entre os municípios estudados com os dados encontrados para os demais municípios brasileiros. Com a aplicação do algoritmo K2, foram encontradas associações relevantes com os seguintes indicadores aplicados no estudo: Amazônia Legal Brasileira, Índice de Desenvolvimento Humano Municipal de Renda e Educação e Condição de Habitação dos Domicílios. No modelo de rede bayesiana encontrado, existe uma associação significativa entre os percentuais de domicílios com densidade maior que 2 e taxa de incidência de Hanseníase. Embora a relação entre a taxa de incidência, fatores socioeconômicos, baixos índices educacionais e de renda já tenha sido evidenciada em vários estudos, a inserção do indicador que considera a densidade populacional do domicílio foi uma proposta inovadora deste trabalho, sendo o indicador mais significativo neste estudo. A análise da incidência da Hanseníase pela distribuição espacial comparativa entre a Amazônia Legal e o Brasil, contribuiu para demonstrar que a política pública de habitação para a região estudada é quase inexistente, já que a densidade populacional por moradia é muito alta, facilitando o aparecimento de doenças infectocontagiosas, como a Hanseníase.
Acesso aberto (Open Access)
Aplicação de fanets e ca-markov para captura de imagens para o estudo de uso e cobertura da terra em projetos de assentamentos na amazônia
(Universidade Federal do Pará, 2019-12-06) SOUZA, Jorge Antonio Moraes de; FRANCÊS, Carlos Renato Lisboa; http://lattes.cnpq.br/7458287841862567
Projetos de assentamentos de reforma agrária são uma das medidas adotadas pelo governo na tentativa de criar um relacionamento sustentável com a natureza. Como a área de assentamentos cobre mais de 77.483.317,86 hectares da Amazônia Legal, é essencial compreender as causas da degradação ambiental desses espaços. Isto posto, foram utilizados, de forma combinada, cadeias de Markov e autômatos celulares (CA-Markov) para, a partir de duas imagens classificadas, prever cenários de mudanças no uso e cobertura da terra (LULC). Esta tese apresenta uma metodologia inovadora que difere daquelas usualmente utilizadas em CA-Markov, pois os aspectos de tempo e espaço são observados pela cadeia de Markov e servem como base para a função de transição do autômato celular (CA). A metodologia também contempla a aquisição de imagens, nesse sentido, como a região de interesse permanece, em boa parte do ano, com uma cobertura de nuvens significativa, a obtenção de imagens por sensores ópticos, fica prejudicada, por conta disso, foi imperativa a busca por uma alternativa. As Flying Ad-hoc Networks (FANETs) podem ser utilizadas para complementar informações da região de estudo, capturando imagens de alta qualidade, sem o inconveniente das nuvens. Por outro lado, os nós da rede precisam manter, pelo maior tempo possível, a conexão entre eles, o que é dificultado pela mobilidade e autonomia de voo dos drones. Por esse motivo, é imprescindível a utilização de um protocolo de roteamento que seja capaz de adaptar-se à dinâmica da rede. Além disso, também foi desenvolvido um algoritmo de roteamento baseado em sistema Fuzzy. Testes e simulações foram realizadas com o intuito de validar tanto a metodologia geral MAPS, quanto o protocolo de roteamento.
Acesso aberto (Open Access)
Aplicação de redes neurais artificiais para predição de RSSI e SNR em ambiente de bosque amazônico
(Universidade Federal do Pará, 2024-06-11) BARBOSA, Brenda Silvana de Souza; ARAÚJO, Jasmine Priscyla Leite de; http://lattes.cnpq.br/4001747699670004; https://orcid.org/0000-0003-3514-0401; BARROS, Fabrício José Brito; http://lattes.cnpq.br/9758585938727609
A presença de áreas verdes em cidades urbanizadas é crucial para reduzir os impactos negativos da urbanização. No entanto, essas áreas podem influenciar a qualidade do sinal de dispositivos IoT que utilizam comunicação sem fio, como a tecnologia LoRa. A vegetação atenua as ondas eletromagnéticas, interferindo na transmissão de dados entre dispositivos IoT, resultando na necessidade de modelagem de propagação de sinal que considere o efeito da vegetação em sua propagação. Neste contexto, esta pesquisa foi conduzida na Universidade Federal do Pará, utilizando medições em um ambiente arborizado composto pela espécie Pau-Mulato, típica da Amazônia. Dois modelos de propagação baseados em aprendizado de máquina, GRNN e MLPNN, foram desenvolvidos para considerar o efeito das árvores amazônicas na propagação, analisando diferentes fatores, como a altura do transmissor em relação ao tronco, o início da folhagem e o meio da copa da árvore, bem como o fator de espalhamento LoRa (SF) 12 e a copolarização das antenas do transmissor e do receptor. Os melhores modelos foram os de aprendizado de máquina, GRNN e MLPNN, que demonstraram maior precisão, alcançando valores de erro quadrático médio (RMSE) de 3,86 dB e 3,8614 dB, e desvio padrão (SD) de 3,8558 dB e 3,8564 dB, respectivamente. Por outro lado, comparando com modelos clássicos da literatura, o que teve melhor desempenho foi o modelo Floating Intercept (FI), com erro RMSE e SD em torno de 7,74 dB e 7,77 dB, respectivamente, enquanto o modelo FITU-R teve o maior erro RMSE e SD, em torno de 26,40 dB e 9,65 dB, respectivamente, para todas as alturas e polarizações. Além disso, a importância deste estudo reside em seu potencial para impulsionar as comunicações sem fio em ambientes arborizados, uma vez que, mesmo em distâncias curtas nas alturas de 12 m e 18 m, o SNR (relação sinal ruído) teve valores mais baixos devido à influência das folhagens, porém, foi possível enviar e receber dados. Por fim, foi mostrado que a polarização vertical foi a que obteve os melhores resultados para o ambiente de bosque amazônico
Acesso aberto (Open Access)
Arquitetura de modelos híbridos, machine learning e otimizadores para análise de consumo de energia elétrica e produtividade em pintura automotiva
(Universidade Federal do Pará, 2024-03-27) OLIVEIRA, Rafael Barbosa de; OLIVEIRA, Roberto Célio Limão de; http://lattes.cnpq.br/4497607460894318
Estratégias de otimização de consumo energético nas etapas de pintura emergem como fatores primordiais para promover uma produção mais sustentável e competitiva no setor automotivo. Esta dissertação busca prever o consumo energético e maximizar a produtividade na pintura automotiva, utilizando uma abordagem que combina seleção de variáveis, modelos híbridos, hiperparâmetros destes modelos e otimização por meta-heurística em uma arquitetura com 3 etapas. Os processos de pintura automotiva apresentam variáveis em forma de séries temporais que descrevem o histórico do consumo de energia. Na etapa 1, escolhe-se o melhor modelo de aprendizado de máquina (Random Forest, Long-Short Term Memory, XGBoost e GRU-LSTM) para prever séries temporais do consumo energético em t+1. Na etapa 2, avalia-se os modelos RF, XGBoost e Rede Neural Artificial (RNA) Densa para selecionar o melhor preditor de quantidade de veículos produzidos (ciclos). Na etapa 3, seleciona-se a melhor meta-heurística entre Genetic Algorithm (GA), Differential Evolution (DE) e Particle Swarm Optimization (PSO) para otimizar o consumo energético previsto pelo melhor modelo do step 1, usando como medida de fitness o melhor modelo do step 2. A arquitetura final reduziu a energia consumida em até 16% e aumentou o ciclo em 127%, usando os modelos GRU-LSTM na etapa 1, RNA Densa na etapa 2 e DE no etapa 3. Os resultados ressaltam a oportunidade de uso da abordagem proposta para otimizar o consumo de enrgia e a produtividade na pintura automotiva.
Acesso aberto (Open Access)
Uma arquitetura de pré-processamento para análise de sentimento em mídias sociais em português brasileiro
(Universidade Federal do Pará, 2018-08-23) CIRQUEIRA, Douglas da Rocha; SANTANA, Ádamo Lima de; http://lattes.cnpq.br/4073088744952858
A Web 2.0 e a evolução nas Tecnologias da Informação e Comunicação, têm impulsionado novos meios de interação e relacionamento. Neste contexto, as Redes Sociais Online (RSO) são um exemplo, como plataformas que permitem a interação e o compartilhamento de informações entre pessoas. Além disso, é possível observar que RSO passaram a ser adotadas como canal de desabafo de consumidores, por meio de opiniões sobre produtos e experiências. Este cenário apresenta uma ótima oportunidade para que empresas possam melhorar produtos, serviços e estratégias de mercado, já que as RSO são poderosas fontes massivas de dados não-estruturados gerados pelo consumidor (do inglês, User- Generated Content - UGC), com opiniões e avaliações sobre ofertas em plataformas tais como Facebook, Twitter e Instagram. O Brasil é um grande exemplo onde esse fenômeno pode ser observado e apresenta potencial oportunidade de exploração de mercado, dado que a população brasileira é uma das nações que mais utiliza RSO no mundo. Neste âmbito, técnicas computacionais de Mineração de Opinião (MO) ou Análise de Sentimento (AS) são aplicadas com o intuito de inferir a polaridade dominante (positivo, negativo, neutro) quanto ao sentimento associado a textos, e, podem ser aplicadas em dados de RSO a fim de avaliar o feedback do público-alvo. Apesar das diversas estratégias de AS reportadas na literatura, ainda há vários desafios enfrentados na aplicação de AS em textos oriundos de RSO, devido às características da linguagem utilizada em tais plataformas. O estado da arte de AS é voltado para a língua inglesa e as propostas existentes para Português Brasileiro (PT_Br) não apresentam uma metodologia padronizada nas tarefas de pré-processamento. Neste âmbito, esta pesquisa investiga uma metodologia sem tradução e propõe uma nova arquitetura expandida de pré-processamento de AS voltada para o PT_Br, a fim de prover atributos enriquecidos para os algoritmos de AS. A proposta foi comparada com modelos bem estabelecidos na literatura, e resultados obtidos indicam que esta pode superar o estado da arte em até 3% de revocação, para 6 de 7 bases de dados avaliadas.
Acesso aberto (Open Access)
Ciência de Dados Aplicada em Dados Públicos: Estudos de Caso Acerca da Previdência Social Brasileira.
(Universidade Federal do Pará, 2020-04-17) FELIX JÚNIOR, Francisco Eguinaldo de Albuquerque; SILVA, Marcelino Silva da; http://lattes.cnpq.br/7080513172499497
A Ciência de Dados trata-se de uma área interdisciplinar relacionada a análise de dados, a qual objetiva a extração de conhecimento e possíveis tomadas de decisão acerca de problemáticas especificas. Nesse contexto, os dados abertos governamentais, que muitas vezes necessitam de pré-tratamentos e métodos computacionais para processamento acerca dos seus conjuntos de dados, apresentam-se como potenciais fontes de informações a serem exploradas na ótica de Ciência de Dados, possibilitando o desenvolvimento de estratégias cada vez mais eficientes e otimizadas em gestão pública. Diante disso, e aliado as recentes discussões relacionadas a reforma na previdência social brasileira, essa dissertação apresenta dois estudos de caso referentes a análises no sistema previdenciário nacional. O primeiro estudo utilizou os microdados referentes aos censos demográficos de 2000 e 2010, disponibilizados pelo IBGE, propondo avaliar a participação que as aposentadorias e pensões possuem na desigualdade de renda da população nos anos avaliados acerca dos estados e municípios brasileiros. Os resultados mostram que, embora os benefícios analisados contribuam para a concentração de renda no Brasil, a parcela correspondente até um salário mínimo contribui para a desconcentração da renda, e aquela acima de um salário contribui para a concentração, sendo um padrão repetitivo em todo o território nacional. Por outro lado, o segundo estudo propôs uma avaliação dos impactos que a reforma da previdência, proposta pela PEC 06/2019, causaria acerca das concessões dos benefícios de aposentadoria entre o período de 1995 a 2016. Observou-se que a PEC 06/2019 dificultaria o acesso aos benefícios, na qual, aproximadamente 83,28% das aposentadorias não haveriam sido concedidas se a mesma já estivesse em vigor desde 1995.
Acesso aberto (Open Access)
Classificação de arritmias cardíacas através de uma estrutura competitiva de redes neurais convolucionais autoassociativas
(Universidade Federal do Pará, 2023-05-11) CORRÊA FILHO, Sérgio Teixeira; CASTRO, Adriana Rosa Garcez; http://lattes.cnpq.br/5273686389382860
Este trabalho apresenta a proposta de um sistema para classificação de arritmias cardíacas baseado em uma estrutura competitiva de Redes Neurais Convolucionais Autoassociativas. Três redes neurais foram treinadas para reconstruir sinais de Eletrocardiograma (ECG) para casos de pacientes com batimento supraventricular, ventricular e normal. Após o treinamento, as redes foram alocadas em uma estrutura paralela competitiva para classificação de arritmias. O banco de dados público de arritmia MIT-BIH de sinais ECG foi utilizado para o treinamento e testes das redes, sendo que para cada sinal ECG, de cada paciente, foram extraídos os complexos QRS dos batimentos cardíacos, que foram as características utilizadas como entrada para o sistema, sendo que estes sinais, que se encontravam em formato de sinais temporais (1D), foram transformados para imagens digitais (2D) com o objetivo de utilizar a capacidade das redes neurais convolucionais para reconhecimento de padrões e extração de características em imagens. Para desenvolvimento e análise de desempenho da estrutura proposta foram usados dois paradigmas que vêm sendo utilizados em trabalhos já apresentados na literatura: paradigma interpaciente e paradigma intrapaciente, sendo que o sistema obteve uma acurácia de 96,97%, sensibilidade de 96,30% e precisão de 93,59% para o caso intrapaciente e acurácia de 94,05%, sensibilidade de 70,43% e precisão de 65,74% para o caso interpaciente. Uma análise comparativa com resultados de sistemas de classificação de arritmia já apresentados na literatura mostra que o sistema proposto apresentou resultados próximos ou em alguns casos melhores que os já obtidos, mostrando assim a aplicabilidade da estrutura proposta para o problema.
Acesso aberto (Open Access)
Classificação de ransomware utilizando MLP, redução de dimensionalidade e balanceamento de classes
(Universidade Federal do Pará, 2023-07-03) PEREIRA, George Tassiano Melo; SALES JÚNIOR, Cloaudomiro de Souza de; http://lattes.cnpq.br/4742268936279649
Ransomware é um tipo de malware que impede ou limita o acesso do usuário ao sistema e arquivos até que um resgate seja pago. Combater essa ameaça é difícil devido à sua disseminação rápida e às constantes mudanças nas técnicas de criptografia utilizadas. Algoritmos de aprendizado de máquina, como Redes Neurais Artificiais, têm sido apontados como ferramentas promissoras na classificação de ransomware, porque elas podem aprender a identificar padrões e características complexas em grandes quantidades de dados. Isso permite que as redes neurais sejam treinadas com exemplos de amostras de software malicioso, incluindo ransomware, e depois sejam capazes de classificar novos exemplos com alta precisão. Além disso, as redes neurais também são capazes de aprender e se adaptar a mudanças no comportamento do malware, tornando-as ferramentas eficazes para a detecção de novos tipos de ransomware. Neste trabalho, é explorado três tipos de classificação de ransomware por RNA dentro de um pipeline composto com redução de dimensionalidade por Kernel PCA e balanceamento de classes com a abordagem de superamostragem aleatória. A MLP ( Multi-layer Perceptron) alcançou uma média de 98% de acurácia na classificação binária e 85% de acurácia na classificação de família com goodware, onde tais valores superam os resultados anteriores e demonstram assim a eficácia da inclusão do balanceamento de classes na melhoria do modelo de detecção de ransomware.
Acesso aberto (Open Access)
Classificação de regiões de desmatamento via imagens do satélite landsat no nordeste do Pará
(Universidade Federal do Pará, 2023-12-18) CANAVIEIRA, Luena Ossana; COSTA, João Crisóstomo Weyl Albuquerque; http://lattes.cnpq.br/9622051867672434
Acesso aberto (Open Access)
Classificação de tumores cerebrais: um estudo comparativo entre rede neural convolucional e rede neural convolucional com mecanismo de atenção
(Universidade Federal do Pará, 2024-09-30) SILVA, Ulrich Kauê Mendes Alencar da; CASTRO, Adriana Rosa Garcez; http://lattes.cnpq.br/5273686389382860
Os tumores cerebrais são doenças neurológicas com elevado potencial de impacto na vida dos indivíduos acometidos, requerendo um diagnóstico rápido e preciso por meio de exames complementares de imagem, como a ressonância magnética, que é considerada padrão- ouro nesse processo. Considerando a necessidade de um diagnóstico mais rápido, sistemas de classificação baseados em Aprendizado de Máquina vêm sendo desenvolvidos e dentro deste contexto essa dissertação, tem como objetivo apresentar um estudo comparativo entre uma Rede Neural Convolucional (CNN) e uma CNN com mecanismo de atenção, desenvolvidas para a classificação de tumores cerebrais a partir de imagens de ressonância magnética. O estudo comparativo visa identificar o impacto do mecanismo de atenção no desempenho da CNN para classificação de tumores. Para desenvolvimento e avaliação dos modelos propostos foi utilizada uma base de dados pública, coletada do website Kaggle, e disponibilizada por Masoud Nickparvar, sendo esta composta por 7023 imagens de ressonâncias magnéticas cerebrais, segmentadas em quatro classes: glioma, meningioma, sem tumor e pituitário. Como resultado, a partir das métricas de desempenho obtidas, considerando a base de imagens usadas para teste em ambas as CNNs, observou-se uma melhora no desempenho da CNN após a introdução do mecanismo de atenção, onde a rede com esse mecanismo apresentou um aumento de 1.98% na métrica acurácia, 2.07% na métrica precisão, 2.18% na métrica sensibilidade e 1.72% na métrica F1-score em relação a CNN sem mecanismo de atenção, podendo ainda ser destacado os resultados obtidos em particular para a classe de tumor meningioma, visto que a CNN sem o mecanismo de atenção apresentou dificuldades para classificação desta classe e, após a integração do mecanismo de atenção o modelo obteve um aumento de acurácia de 6.54% para esta classe.