Navegando por Assunto "Aprendizado do computador"

Agora exibindo 1 - 6 de 6

Acesso aberto (Open Access)
Análise de atributos de classificação para o diagnóstico de falhas em rolamentos baseado em SVM
(Universidade Federal do Pará, 2019-08-06) SOUZA, Jusley da Silva; BAYMA, Rafael Suzuki; http://lattes.cnpq.br/6240525080111166; MESQUITA, Alexandre Luiz Amarante; http://lattes.cnpq.br/3605920981600245; https://orcid.org/0000-0001-5605-8381
Nas indústrias, a preocupação em disponibilidade total de máquinas e equipamentos mecânicos no setor produtivo é assunto de pesquisas e testes para obtenção de técnicas mais eficientes aplicadas ao monitoramento e diagnóstico de falhas. Rolamentos são elementos de máquina de grande aplicação no setor industrial, e apresentam alto índice de falhas, que geram paradas da máquina para realizar manutenção. Por esse motivo este trabalho apresenta técnica de Inteligência Artificial aplicada aos sinais de vibrações de uma máquina rotativa para diagnóstico de falhas em seus rolamentos. Os sinais de vibração fazem parte de um banco de dados aberto, oferecido pela Case Western Reserve University. Neste trabalho é aplicado de duas formas o algoritmo de classificação Máquina de Vetores de Suporte (Support Vector Machine, SVM) para o diagnóstico de defeitos em rolamento. No primeiro caso são usados preditores estatísticos (Valor RMS, Fator de Crista, Fator K, Curtose e Skewness) como atributos para o classificador SVM. No segundo caso, o processamento do sinal é feito aplicando o método EEMD (Ensemble Empirical Mode Decomposition), que gera vários sinais denominados de Funções de Modos Intrínsecos (IMFs). Para cada IMF faz-se a sua modelagem usando Modelagem Autoregressiva (AR), e os coeficientes dos modelos AR de cada IMF são usados como atributos para o classificador SVM. As análises são realizadas para grupos de treinamentos e validação, com janelas escolhidas aleatoriamente e com janelas escolhidas na sequência temporal, considerando-se dois problemas de classificação dentro dos mesmos dados: um considera-se a mesma severidade e muda apenas o tipo de defeito e a outra em que tanto a severidade quanto o tipo de defeito variam. Como resultados, as metodologias apresentaram excelentes resultados de confiabilidade para diagnóstico de falhas em rolamentos.
Acesso aberto (Open Access)
Avaliação automática de questões discursivas usando LSA
(Universidade Federal do Pará, 2016-02-05) SANTOS, João Carlos Alves dos; FAVERO, Eloi Luiz; http://lattes.cnpq.br/1497269209026542
Este trabalho investiga o uso de um modelo usando Latent Semantic Analysis (LSA) na avaliação automática de respostas curtas, com média de 25 a 70 palavras, de questões discursivas. Com o surgimento de ambientes virtuais de aprendizagem, pesquisas sobre correção automática tornaram-se mais relevantes, pois permitem a correção mecânica com baixo custo para questões abertas. Além disso, a correção automática permite um feedback instantâneo e elimina o trabalho de correção manual. Isto possibilita criar turmas virtuais com grande quantidade de alunos (centenas ou milhares). Pesquisas sobre avaliação automática de textos estão sendo desenvolvidas desde a década de 60, mas somente na década atual estão alcançando a acurácia necessária para uso prático em instituições de ensino. Para que os usuários finais tenham confiança, o desafio de pesquisa é desenvolver sistemas de avaliação robustos e com acurácia próxima de avaliadores humanos. Apesar de alguns estudos apontarem nesta direção, existem ainda muitos pontos a serem explorados nas pesquisas. Um ponto é a utilização de bigramas com LSA, mesmo que não contribua muito com a acurácia, contribui com a robustez, que podemos definir como confiabilidade2, pois considera a ordem das palavras dentro do texto. Buscando aperfeiçoar um modelo LSA na direção de melhorar a acurácia e aumentar a robustez trabalhamos em quatro direções: primeira, incluímos bigramas de palavras no modelo LSA; segunda, combinamos modelos de co-ocorrência de unigrama e bigramas com uso de regressão linear múltipla; terceira, acrescentamos uma etapa de ajustes sobre a pontuação do modelo LSA baseados no número de palavras das respostas avaliadas; quarta, realizamos uma análise da distribuição das pontuações atribuídas pelo modelo LSA contra avaliadores humanos. Para avaliar os resultados comparamos a acurácia do sistema contra a acurácia de avaliadores humanos verificando o quanto o sistema se aproxima de um avaliador humano. Utilizamos um modelo LSA com cinco etapas: 1) pré- processamento, 2) ponderação, 3) decomposição a valores singulares, 4) classificação e 5) ajustes do modelo. Para cada etapa explorou-se estratégias alternativas que influenciaram na acurácia final. Nos experimentos obtivemos uma acurácia de 84,94% numa avaliação comparativa contra especialistas humanos, onde a correlação da acurácia entre especialistas humanos foi de 84,93%. No domínio estudado, a tecnologia de avaliação automática teve resultados próximos aos dos avaliadores humanos mostrando que esta alcançando um grau de maturidade para ser utilizada em sistemas de avaliação automática em ambientes virtuais de aprendizagem.
Acesso aberto (Open Access)
Identificação de danos em estruturas usando modelo preditor baseado em técnicas de aprendizagem de máquinas
(Universidade Federal do Pará, 2019-10-04) BONA, Vanessa Cordeiro de; BAYMA, Rafael Suzuki; http://lattes.cnpq.br/6240525080111166; MESQUITA, Alexandre Luiz Amarante; http://lattes.cnpq.br/3605920981600245; https://orcid.org/0000-0001-5605-8381
O aumento na quantidade de novas edificações e a existência de inúmeras construções antigas, sejam de pequeno médio ou grande porte, chamam a atenção para a necessidade de medidas que mantenham a qualidade, segurança e vida útil das estruturas. A realização de inspeções e monitoramentos independentemente da idade da edificação, tornam-se indispensáveis para detectar a existência de danos principalmente na sua fase inicial, evitando a sua propagação ou consequências graves que se originam devido a um colapso da estrutura, por conta do elevado grau de deterioração e inexistência de técnicas para recuperação. Baseando-se nesses aspectos, a presente dissertação tem como objetivo geral realizar a detecção de danos em estruturas usando a abordagem de aprendizagem de máquinas (machine learning) que integra três técnicas: inicialmente aplica-se o Ensemble Empirical Mode Decomposition (EEMD) que faz um processamento dos sinais e busca adequá-los para aplicação do Modelo Auto Regressivo (AR) gerando os atributos, que servirão como padrões de entrada para o classificador Support Vector Machine (SVM). Os dados utilizados para aplicação dos métodos são provenientes da modelagem de vigas de aço bi-apoiadas, íntegras e com regiões danificadas, pelo Software de Análise Estrutural SAP 2000. Tendo como referência a criação das estruturas por elementos finitos, foram aplicados dois tipos de carregamentos. O primeiro caso de carregamento aleatório atuando em apenas um ponto da viga e o segundo caso com três carregamentos simultâneos em três pontos da viga. Conforme as variações de localização e grau de severidade dos danos, o estudo buscou avaliar a capacidade dos modelos preditores em classificar os dados corretamente. Nas análises com maiores perdas de massa, os valores de acurácia são mais elevados, diminuindo de acordo com a redução da geometria do dano, pois os sinais de deslocamento se tornam similares ao da estrutura íntegra. Em relação a quantidade de carregamentos, o método demonstrou melhor desempenho e acurácia nos casos com três cargas simultâneas.
Acesso aberto (Open Access)
Um modelo bayesiano que auxilia na identificação de alunos com dificuldades na aprendizagem de programação de computadores
(Universidade Federal do Pará, 2019-05-10) CAMPOS, Willys do Socorro Almeida de; TEIXEIRA, Otávio Noura; http://lattes.cnpq.br/5784356232477760; https://orcid.org/0000-0002-7860-5996; REIS, Rodrigo Quites; http://lattes.cnpq.br/9839778710074372; https://orcid.org/0000-0002-3657-4175
O aprendizado das disciplinas de programação de computadores sempre trouxe desafios para qualquer turma de alunos de Computação, devido às dificuldades ligadas ao seu aproveitamento. Esse cenário muito contribui para a desmotivação do aluno e, assim, no aumento da evasão dos cursos. Geralmente, os professores que atuam nestas disciplinas têm sinais acerca de quais alunos se tornarão bons programadores, porém é difícil detectar quais necessitam de ajuda no processo de aprendizagem. Esta dissertação propõe o uso de um modelo bayesiano que auxilia na identificação de alunos com dificuldades nas disciplinas de programação de computadores. A pesquisa utiliza uma abordagem mista, quanti e qualitativa. Um experimento, com caráter informal, foi realizado com alunos que estavam cursando disciplinas de programação. Esse conjunto de alunos, foi apresentado a cinco professores especialistas com o objetivo de identificar quais necessitariam de ajuda com a aprendizagem de programação. O mesmo conjunto foi apresentado ao modelo bayesiano. Os resultados mostraram que o modelo pode ajudar na identificação de alunos que apresentam dificuldades, com o potencial de contribuir no processo de aprendizagem.
Acesso aberto (Open Access)
Modelo de rádio propagação em UHF para ambientes não homogêneos e climas distintos utilizando técnica de aprendizagem de máquina
(Universidade Federal do Pará, 2015-08-20) GOMES, Cristiane Ruiz; CAVALCANTE, Gervásio Protásio dos Santos; http://lattes.cnpq.br/2265948982068382
As transmissões de TV digital têm crescido muito no mundo todo nos últimos anos, e em especial no Brasil. A implantação e o melhoramento de tais sistemas de transmissão dependem de modelos que levem em consideração, entre outros fatores, as características geográficas da região, pois estas contribuem para a degradação do sinal. No caso do Brasil, há uma grande heterogeneidade de cenários e climas. Há anos são estudados diversos modelos de perda de propagação para diversas faixas de frequências e tipos de trajetos. Esta tese propõe um modelo empírico de rádio propagação outdoor na faixa de UHF, que é utilizada na TV digital. O modelo proposto estima valores de potência recebida podendo ser aplicado a trajetos não homogêneos e a climas distintos. Este último aspecto apresenta caráter inovador para faixa de UHF. Diferentes técnicas de inteligência artificial foram escolhidas para embasamento teórico e computacional por apresentarem a capacidade de introduzir, organizar e descrever dados quantitativos e qualitativos de maneira rápida e eficiente, possibilitando a determinação da potência recebida em uma diversidade de cenários e climas. O modelo proposto foi aplicado a uma cidade da região amazônica que apresenta trajetos heterogêneos como áreas urbanas densamente arborizados, frações sobre água doce entre outros. Campanhas de medições foram realizadas para obtenção dados de sinais de duas emissoras de televisão digital na região metropolitana da cidade de Belém-Pará para modelar, comparar e validar o modelo proposto. Os resultados obtidos são consistentes. O modelo retrata uma nítida diferença entre as duas estações climáticas do ano estudadas e erros RMS pequenos para todos os casos estudados. Comparação com modelos empíricos e determinísticos amplamente utilizados corroboram a validade do modelo.
Acesso aberto (Open Access)
Predição de comportamento de usuários oriundos do marketing digital por meio de redes neurais artificiais e aprendizado supervisionado
(Universidade Federal do Pará, 2019) ALVES, Vitor Pinheiro; TEIXEIRA, Otávio Noura; http://lattes.cnpq.br/5784356232477760; https://orcid.org/0000-0002-7860-5996
O sucesso em atrair clientes a partir de técnicas de marketing gera um problema bilionário e um dos maiores problemas em vendas que é justamente escolher entre os muitos interessados, quais possuem maior probabilidade de fechamento. Este trabalho utiliza redes neurais artificiais para analisar o dataset gerado a partir de técnicas de marketig digital e classificar quais clientes tem maior chance de fechamento em vendas e quais devem ser descartados. A rede neural acerta aproximadamente 70% dos casos entre 3.541 registros processados.