Navegando por Assunto "Artificial intelligence"

Agora exibindo 1 - 12 de 12

Acesso aberto (Open Access)
Algoritmos para seleção de metodologias de avaliação de softwares educacionais
(Universidade Federal do Pará, 2023-09-26) CASTILHO, Janize Monteiro de; FARIAS, Fabricio de Souza; http://lattes.cnpq.br/1521079293982268; https://orcid.org/0000-0003-4344-6953
Com o propósito de auxiliar nos processos de ensino-aprendizagem, muitos professores têm decidido utilizar Software Educacional (SE) em suas aulas. No entanto, para escolher um SE como recurso didático é fundamental avaliar a metodologia empregada pelo professor, uma vez que esta precisa ser pedagogicamente e funcionalmente apropriada para suprir as necessidades e objetivos presentes em sala de aula. Além disso, é necessário fazer uso de mecanismos que avaliem o SE para verificar sua adequação aos objetivos do professor. Atualmente, verifica-se que existem diversas técnicas e metodologias disponíveis na literatura para avaliação de SE, no entanto ainda não há uma solução para tomada de decisão e escolha de um SE que atenda plenamente os perfis de usuários e suas diferentes necessidades a serem atendidas por determinada aplicação metodológica, o que gera a demanda oriunda do desenvolvimento de soluções feitas sob demanda e com baixa capacidade de generalização em termos de aplicação prática. Desta forma, são disponibilizadas soluções sem padronização e que diversas vezes não levam em consideração critérios relativos à qualidade, escalas de mensuração e procedimentos de verificação do SE. Essa heterogeneidade dificulta muito a avaliação de um SE, uma vez que a subjetividade na escolha da metodologia de avaliação de SE pode produzir resultados inconclusivos. Diante deste contexto, esse trabalho criou um modelo de qualidade que considera 24 metodologias de avaliação de SE disponíveis na literatura e objetiva automatizar a escolha da metodologia de avaliação de SE a partir da aplicação de algoritmos de inteligência artificial (IA), reduzindo a possibilidade de subjetividade no processo de escolha. Durante a investigação foram utilizados processamento de linguagem natural (PLN), Random Forest, k-Nearest Neighbors e Redes Neurais Artificiais. Em todos os cenários de pesquisa, o processamento de linguagem natural foi combinado com os demais algoritmos, oferecendo uma solução baseada na aplicação de algoritmos de IA híbridos e fracamente acoplados, com vistas na melhoria dos resultados. Deste modo, sendo realizadas simulações considerando PLN+Random Forest, PLN+k-Nearest Neighbors e PLN+Redes Neurais Artificiais. Após as simulações, os resultados indicam que é possível determinar a melhor metodologia de avaliação de SE utilizando algoritmos de IA, sendo obtido os melhores resultados com a combinação de PLN+Random Forest.
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)
Analysis of classical and advanced control techniques tuned with reinforcement learning
(Universidade Federal do Pará, 2023-09-01) SILVA, Daniel Abreu Macedo da; SILVEIRA, Antonio da Silva; http://lattes.cnpq.br/1828468407562753
A teoria de controle é utilizada para estabilizar sistemas e obter respostas específicas para cada tipo de processo. Controladores clássicos, como o PID utilizado nesta pesquisa, são difundidos globalmente nas indústrias, isto por possuírem topologias bem estudadas pela literatura e serem facilmente aplicados em microcontroladores ou controladores lógico programáveis; já os avançados, como GMV, GPC e LQR também utilizados neste trabalho, possuem certa resistência em aplicações comuns das indústrias de base, mas são muito utilizados em sistemas de energia, aerospaciais e robóticos, pois a complexidade e estrutura desses métodos gera robustez e alcança desempenhos satisfatórios para processos de difícil controle. Neste trabalho, esses métodos são estudados e avaliados com uma abordagem de sintonia que utiliza o aprendizado por reforço. São aplicadas duas formas de sintonia para os controladores, estas são o método da Repetição e Melhora e o método de Jogos Diferenciais. O primeiro utiliza iterações offline, onde o agente do processo é a técnica de controle escolhida, que trabalha com os índices de desempenho e robustez como ambiente (métrica de como o processo está evoluindo), sendo capaz de organizar uma política de ajuste para o controlador, que se baseia em recompensar o fator de ponderação até obter o critério de parada do processo (resposta desejada). O segundo método se baseia em utilizar estratégias de reforço que recompensam o controlador conforme a resposta se modifica, assim o LQR aprende as políticas de controle ideais, adaptando se às mudanças do ambiente, o que permite obter melhor desempenho por recalcular os tradicionais ganhos encontrados com a equação de Ricatti para sintonia do regulador; neste método, os jogos diferenciais são utilizados como uma estrutura para modelar e analisar sistemas dinâmicos com múltiplos agentes. Para validar o que é apresentado, o Motor Tacogerador e o Ar Drone são escolhidos. O Motor Tacogerador é modelado com a estimação dos mínimos quadrados em uma estrutura ARX-SISO para avaliação do primeiro método de sintonia. O Ar Drone é modelado com uma abordagem em espaço de estados para avaliação do segundo método de sintonia.
Acesso aberto (Open Access)
Avaliação de modelos de inteligência artificial híbridos na estimativa de precipitações
(Universidade Federal do Pará, 2022-03-18) GOMES, Evanice Pinheiro; BLANCO, Claudio José Cavalcante; http://lattes.cnpq.br/8319326553139808
As análises hidrológicas realizadas a partir das precipitações na Amazônia são essenciais devido a sua importância na regulação do clima, na circulação atmosférica regional e global. No entanto, nesta região, existem limitações relacionadas a séries de dados com períodos curtos e muitas falhas, sobretudo na escala diária. Apesar dos avanços significativos em ciência e tecnologia, previsões práticas e precisas tem sido uma grande preocupação, devido a sua complexidade. Portanto, vários modelos conceituais, empíricos ou híbridos vêm sendo testados para estimativas de chuva com maior precisão. Dentre os modelos empíricos, os que incorporam métodos de inteligência artificial (IA) são abordagens potencialmente úteis para simular o processo de precipitação. As Redes Neurais Artificiais (RNA), como modelos de IA, são capazes de estabelecer uma relação entre entradas históricas (chuva, vazão, etc.) e as saídas desejadas, através de função não linear composta de vários fatores que são ajustados aos dados observados, permitindo sua estimativa. Assim, para melhorar as análises de precipitações, foi desenvolvido modelos híbridos, envolvendo Rede Neural Artificial (RNA) do tipo com Retardo de Tempo (TDNN), rede ELMAN, rede de Base Radial (RBF) e Sistema de Inferência Neuro-Fuzzy Adaptativo (ANFIS), acoplado com Wavelet Discreta de Máxima Sobreposição (MODWT). Adotaram-se 6 estações pluviométricas, que estão localizados em diferentes biomas da região, e dados de satélite (CMORPH). Os dados de chuva foram avaliados por períodos sazonais (chuvoso e menos chuvoso). Os resultados obtidos demostraram que o modelo MODWT-ANFIS teve a melhor capacidade em simular as precipitações diárias das estações pluviométricas avaliadas, mesmo para períodos menos chuvoso, que são sabidamente mais difíceis de serem simulados em relação aos períodos chuvosos. Nesse caso, as entradas de dados defasadas para 4 dias e 5 dias apresentaram melhor desempenho, com valores de Nash próximos a 1,0 e erros médios quadráticos inferiores a 0,001.
Acesso aberto (Open Access)
Desenvolvimento de Ferramentas de IA para o Monitoramento da Dinâmica de Colmeias de Abelhas Canudo (Scaptotrigona spp)
(Universidade Federal do Pará, 2024-12-16) CAMPOS NETO, Manoel Freitas; OLIVEIRA, Marcos Enê Chaves; http://lattes.cnpq.br/9052059910078575; OLIVEIRA, Roberto Célio Limão de; http://lattes.cnpq.br/4497607460894318; https://orcid.org/0000-0002-6640-3182
As abelhas sociais nativas vêm apresentando elevado potencial agronômico na polinização de plantas no Brasil, destacando-se as abelhas do gênero Scaptotrigona, que melhoram a produtividade do açaizeiro (Euterpe oleracea) em até 70% e do cafeeiro (Coffea arábica) em até 30% com a ajuda desses polinizadores. Contudo, tem-se observado uma drástica redução das populações de abelhas, atribuída a várias causas, como à destruição dos habitats naturais, ao aumento das práticas agrícolas, ao desmatamento que leva à perda de diversidade de plantas, às mudanças climáticas e ao uso de pesticidas. Essas ameaças não só afetam diretamente as abelhas, mas também comprometem a polinização, que é fundamental para a manutenção dos ecossistemas e para a produção de alimentos em todo o mundo. Diante deste cenário, este trabalho tem como objetivo monitorar o comportamento das abelhas Scaptotrigona, também conhecidas como abelhas canudo, utilizando ferramentas de Inteligência Artificial (IA) para obter informações que auxiliem em novas pesquisas para o desenvolvimento tecnológico da criação e na divulgação do conhecimento sobre as abelhas e sua importância. Para isso, foi desenvolvida uma nova metodologia de aquisição de imagens, utilizando impressão 3D, para a criação de um banco de dados inédito com 7.806 imagens de abelhas canudo, contendo 19.954 anotações, que serviram de apoio para a construção de um modelo de rede neural utilizando a rede YOLOv8 para a classificação das classes scapto, scapto_garbage e scapto_polen, com precisão de 96% nessa tarefa. Além disso, o modelo demonstrou grande potencial para estimar a população das colmeias, selecionar as colmeias mais higiênicas e analisar a preferência das abelhas por determinadas floradas, além de auxiliar indiretamente em estudos botânicos para entender melhor o período de abertura das floradas.
Acesso aberto (Open Access)
Indústria 4.0: a inteligência artificial aliada aos cuidados com a saúde no atendimento ao paciente em hospitais universitários federais no âmbito da Amazônia Legal
(Universidade Federal do Pará, 2023-07-17) NOGUEIRA, Vanessa Letícia de Vasconcelos; CARMO, Annibal José Roris Rodriguez Scavarda do; http://lattes.cnpq.br/6070280268935110; SCHIMITH, Cristiano Descovi; http://lattes.cnpq.br/7017921569470426; https://orcid.org/0000-0002-2545-942X
Pesquisas acerca da temática que versa da Inteligência Artificial (IA) cresceram nos últimos cinco anos a partir de um evento conhecido como 4.a revolução Industrial, ou também conhecida como Indústria 4.0. Na área da saúde não é diferente, a Inteligência Artificial desempenha um papel cada vez mais importante no tratamento de pacientes em várias áreas da medicina. O objetivo desta pesquisa foi identificar de que forma o uso da Inteligência Artificial (IA) como subsídio no atendimento ao paciente, vem contribuindo nos cuidados com a saúde. Para tanto, procedeu-se uma revisão bibliográfica a fim de pesquisar sobre o arcabouço teórico que fundamenta a construção da pesquisa, e com isso foi elaborado um framework com base nas principais abordagens teóricas trazidas na literatura vigente. Em conjunto foi realizada uma pesquisa de campo, a qual contemplou uma investigação empírica no local onde ocorre o fenômeno, por meio de um roteiro de entrevista semiestruturada com os profissionais de saúde que atuam nos Hospitais Universitários Federais (HUFs) localizados no âmbito da região da Amazônia Legal. A pesquisa se justifica pela necessidade de aprimoramento em relação ao atendimento dos pacientes assistidos nos HUFs, com o intuíto de contribuir com novos modelos de prestação de serviços. Os dados obtidos nas entrevistas com os profissionais das referidas instituições hospitalares, foram comparados com os resultados provenientes da revisão da literatura, e as características empíricas da pesquisa trouxeram pontos positivos e negativos em relação ao seu uso da IA no atendimento ao paciente. Como solução, esta pesquisa apresenta um modelo para subsidiar no atendimento ao paciente com inserção da IA nos HUFS, considerando o conceito de isomorfismo mimético, no qual essa prática tende a ser homogeneizada ou padronizada de forma iminente mediante sua consolidação no mercado.
Acesso aberto (Open Access)
Inteligência Artificial, Museus e Patrimônio: entrevista com Lucia Santaella
(Universidade de Brasília, 2021-12) SILVA, Carmen Lucia Souza da
Lucia Santaella é pesquisadora 1 A do CNPq. É professora titular no programa de Pós-Graduação em Comunicação e Semiótica da Pontifícia Universidade Católica de São Paulo (PUC-SP), com doutoramento em Teoria Literária na PUC-SP e Livre-Docência em Ciências da Comunicação na Escola de Comunicações e Artes da Universidade de São Paulo (ECA/USP). É Coordenadora da Pós-graduação em Tecnologias da Inteligência e Design Digital. Recebeu o prêmio Jabuti em 2002, 2009, 2011 e 2014, o Prêmio Sergio Motta, Liber, em Arte e Tecnologia, em 2005, e o prêmio Luiz Beltrão - maturidade acadêmica, em 2010. Desde 1996 tem feito estágios de pós-doutorado em Kassel, Berlin e Dagstuhl, Alemanha, sob os auspícios do DAAD/Fapesp. Tem 51 livros publicados, dentre os quais seis são em coautoria e dois de estudos críticos. Organizou 26 livros e publicou perto de 500 artigos no Brasil e Exterior. Suas áreas mais recentes de pesquisa são: Comunicação, Semi-ótica Cognitiva e Computacional, Inteligência Artificial, Estéticas Tecnológicas e Filosofia e Metodologia da Ciência. Nesta entrevista, Lucia Santaella trata sobre Inteligência Artificial e as transformações tecnológicas em curso que afetam os Museus e o Patrimônio Cultural, englobando questões epistemológicas e sociais.
Acesso aberto (Open Access)
Introdução à neurociência computacional com a linguagem python
(Universidade Federal do Pará, 2023-12-29) NASCIMENTO, Weverson Vieira do; PEREIRA JÚNIOR, Antonio; http://lattes.cnpq.br/3239362677711162
Este trabalho propõe um curso introdutório de neurociências computacionais, utilizando a linguagem de programação Python. O cérebro é um órgão complexo, despertando grande interesse na compreensão dos mecanismos biológicos subjacentes ao seu funcionamento. A neurociência computacional é um campo de estudo que busca contribuir para essa compreensão. O curso introdutório é destinado a alunos de graduação interessados em adquirir conhecimentos básicos em Neurociência Computacional. Inicialmente, o curso fornece uma base teórica, abrangendo tanto aspectos neurofisiológicos quanto matemáticos e algorítmicos, permitindo que estudantes de diversas áreas aproveitem o conteúdo com o mínimo de pré-requisitos. Em seguida, o curso apresenta modelos de neurônios, desde os mais simples até os mais elaborados, explorando como esses neurônios se conectam, incluindo circuitos conhecidos de conexões neuronais e a implementação do aprendizado nessas redes. Além disso, o curso aborda temas de inteligência artificial, como redes neurais e neuromórficas, estas últimas utilizando os modelos mencionados anteriormente. Utiliza códigos interativos em linguagem Python, de natureza livre e código aberto, para as simulações do conteúdo apresentado.
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)
Reconhecimento facial de alunos de Escola Pública no uso de ônibus escolar em cidade inteligente
(Universidade Federal do Pará, 2023-08-04) ROCHA, Jessé da Costa; ARAÚJO, Jasmine Priscyla Leite de; http://lattes.cnpq.br/4001747699670004; FRANCÊS, Carlos Renato Lisboa; http://lattes.cnpq.br/7458287841862567
Nos dias atuais, o desaparecimento de crianças e adolescentes e a evasão escolar são grandes problemas enfrentados por países do mundo todo, em especial os países em desenvolvimento. Este trabalho propõe uma plataforma inteligente de monitoramento dos passos dos estudantes como ferramenta para mitigar esses problemas. Esta plataforma permite identificar os estudantes por meio do reconhecimento facial, e notificar os responsáveis e entidades competentes em diversas situações da vida escolar, tais como: entrada e saída do ônibus escolar, entrada e saída da escola, entrada na cantina escolar etc. O reconhecimento facial, por sua vez, emprega diferentes técnicas de inteligência artificial para reconhecer os estudantes, como: HOG (Histograms of Oriented Gradients), SVM (Support Vector Machine), CNN (Convolutional Neural Network) e KNN (K-Nearest Neighbors). Nos testes realizados, o sistema de reconhecimento obteve excelentes resultados em todas as métricas: acurácia de 98,10%, média ponderada da precisão de 99%, média ponderada da revocação de 98% e média ponderada da pontuação f1 de 98%.
Acesso aberto (Open Access)
Simulação de missões de VANTs em ambientes 3D fictícios e gêmeos digitais com georreferenciamento direto de pixels
(Universidade Federal do Pará, 2023-08-14) CONDE, Lucas dos Santos; KLAUTAU JÚNIOR, Aldebaro Barreto da Rocha; http://lattes.cnpq.br/1596629769697284
O mundo está rapidamente adentrando em uma realidade onde a Inteligência Artificial (IA) se faz cada vez mais presente em diversos sistemas, abrangendo desde o ambiente doméstico até setores como indústria, mobilidade urbana e agronegócio, entre outros. Nesse contexto, com o avanço do poder computacional, simuladores para o desenvolvimento e teste de siste mas autônomos têm despertado grande interesse, tanto por parte de grandes empresas quanto da comunidade científica, devido à fidelidade visual e física que oferecem. Esses simuladores são frequentemente considerados como “gêmeos digitais” de cenários e sistemas reais, e têm trazido vantagens significativas em termos de custo e tempo, poupando recursos físicos e hu manos durante o processo de concepção e aprimoramento de algoritmos. Entre esses sistemas, encontram-se os Veículos Aéreos Não Tripulados (VANTs), que têm demonstrado ser de grande utilidade em contextos como a mobilidade e monitoramento urbano e rural. Eles são aplicados, por exemplo, na detecção de defeitos em painéis fotovoltaicos, identificação de ervas daninhas em plantações, extensão da rede móvel e na busca e resgate de pessoas. Diante disso, este trabalho apresenta a concepção de uma metodologia que integra a simulação realista de missões com VANTs, utilizando o simulador AirSim em conjunto com o motor gráfico Unreal Engine, juntamente com recursos de visão computacional. O objetivo é realizar a detecção de objetos (empregando o modelo de IA YOLO) associada à localização georreferenciada dos mesmos, além de gerar arquivos de imagens geolocalizados, os quais são compatíveis com softwares comerciais para processamento de imagens aéreas. Os resultados foram avaliados usando o software WebODM para reconstrução do cenário a partir dos arquivos de imagens geolocaliza dos (gerando ortofotos). E para avaliação do algoritmo de georreferenciamento direto de pixels, foi testada a capacidade do drone voltar a posição da pessoa (ou objeto) detectado após a posi ção GPS ser retornada pelo algoritmo, com erros menores que 5 metros em relação à posição (em coordenadas UTM) real do elemento no ambiente 3D
Acesso aberto (Open Access)
Simulation of machine learning-based 6G systems in virtual worlds
(International Telecommunication Union, 2021) OLIVEIRA, Ailton Pinto de; NASCIMENTO, Arthur Matheus do; COSTA, Walter Tadeu Neves Frazão da; TRINDADE, Isabela Pamplona; BASTOS, Felipe Henrique Bastos e; GOMES, Diego de Azevedo; MÜLLER, Francisco Carlos Bentes Frey; KLAUTAU JÚNIOR, Aldebaro Barreto da Rocha