Inteligência Artificial
URI Permanente para esta coleção
Navegar
Navegando Inteligência Artificial por Orientador "Daniel Gomes Soares, Msc"
Agora exibindo 1 - 16 de 16
Resultados por página
Opções de Ordenação
- ItemAnálise comparativa de modelos de recomendação: Um estudo focado em filmes(2024) Matheus Fernandes Cândido; Daniel Gomes Soares, Msc; Juliano Tonizetti Brignoli, Dr; Fábio Alexandrini, DrO aumento da quantidade de produtos disponíveis, seja de forma digital ou física , torna necessário o desenvolvimento de aplicações que consigam recomendar os produtos mais adequados a diferentes perfis de consumidores. Neste trabalho, são avaliadas as técnicas de filtragem colaborativa e floresta aleatória para recomendação de filmes. Além disso, são investigadas formas de utilização das diferentes técnicas em conjunto (ensembles). Todo o desenvolvimento, treinamento e validações foram feitos com os dados do MovieLens Rating Disposition 2023, uma base de dados de filmes, usuários e suas avaliações, incluindo o momento em que a avaliação foi feita. Buscou-se aplicar somente algumas técnicas básicas de engenharia de recursos, sendo a única exceção a penalização das avaliações ao decorrer do tempo visando entender se, ao priorizar avaliações recentes, as recomendações ficaram mais assertivas. Os resultados obtidos demonstraram que penalizar pelo tempo não contribui para a melhora do modelo. Em grande parte dos testes, a precisão se manteve estável, mas a sensibilidade e f1-score caíram consideravelmente. O único momento em que houve pequeno ganho de desempenho foi para penalizações por semestre e ano com o uso de filtragem colaborativa. Nesse caso, a precisão apresentou leve aumento, mas foi equilibrada com queda equivalente das outras métricas.
- ItemChatterbot para auxiliar na escolha de um curso no IFC(2017) Coelho, Alex Manoel; Daniel Gomes Soares, Msc; Wesley dos Reis Bezerra, M.Eng; Juliano Tonizetti Brignoli, DrEste trabalho apresenta o desenvolvimento de um chatterbot para auxiliar na escolha da carreira acadêmica, que é capaz de manter uma conversação na língua portuguesa, e de responder perguntas sobre os cursos do IFC-Campus Rio do Sul. Inicialmente para criar a base de conhecimento do chatterbot foi pensado em usar apenas os recursos da linguagem AIML, mas com os testes foi possível notar que depender somente dos recursos dessa linguagem a conversa ficaria muito limitada, pois nem sempre a frase enviada pelo usuário irá retornar uma resposta adequada do chatterbot, mesmo que a frase tenha um sentido parecido à que está na base de conhecimento. Então para contornar este problema foi acrescentado 4 etapas: (1) Com auxílio do parser Palavras foi feito a troca das palavras originais por suas respectivas palavrasbases, no intuito de padronizar as frases enviadas ao chatterbot; (2) Troca das palavras redigidas erradas pela mais parecida; (3) Troca de sinônimos por palavras chaves, as quais estão contidas na base de conhecimento AIML; (4) Verifica relações entre palavras, pois pode acontecer da frase ter o mesmo sentido, mas com a ordem das palavras diferente a que está contida na base de conhecimento. Com o uso desses procedimentos foi possível fazer com que o chatterbot entendesse frases com o mesmo sentido, mas escritas de maneiras diferentes.
- ItemClassificação da arcada dentária por meio de inteligência artificial: um comparativo entre redes convolucionais e multicamadas perceptron(2018) Cachoeira, Rodrigo; Daniel Gomes Soares, Msc; Juliano Tonizetti Brignoli, Dr; André Alessandro Stein, MscA utilização de técnicas computacionais para analisar e classificar imagens nos últimos anos cresceu de forma exponencial, grande parte desse crescimento é devido a evolução de técnicas que utilizam Inteligência Artificial, mais precisamente Redes Neurais Artificiais. O propósito deste trabalho além de demonstrar algumas técnicas utilizadas na análise de imagens é realizar um comparativo em uma situação real do mundo. O avanço computacional trouxe oportunidades antes impossíveis de serem executadas na área de análise de imagens, uma das principais técnicas que anda ganhando espaço no mundo da IA é a técnica convulacional, esta que possui inspiração no funcionamento da visão humana, diferentemente dos processos definidos pela rede neural perceptron. Com base no que foi dito, o propósito principal desse trabalho é comparar as técnicas Perceptron e Convolucional na classificação de dentes da arcada dentária, contidas em raios-x, possibilitando então, a inclusão de novas técnicas em diferentes áreas, não apenas suprindo suas necessidade, mas apresentando melhores resultados de acordo com o surgimento de novas técnicas, como é o caso da rede convolucional, a qual tem como principal foco a análise de imagens, esta que é uma área de grande valia nas análises radiográficas
- ItemComparação entre um sistema especialista e redes neurais artificiais na indução a compra de ativos do mercado acionário(2020) Angioletti, Tiago Henrique; Daniel Gomes Soares, Msc; André Alessandro Stein, Msc; Juliano Tonizetti Brignoli, DrO mercado de ações é alvo de muitos projetos e pesquisas por motivo de que é um dos maiores responsáveis pela movimentação de dinheiro do Brasil. Tendo isso em vista é cada dia mais crescente a ideia de utilizar meios computacionais para tentar prever o que irá acontecer com estes ativos, e assim obter um maior lucro operando na bolsa de valores. Prever tais valores é um problema que está recebendo atenção de pesquisadores, onde buscam encontrar méto dos que consigam prever estes valores futuros, sendo considerado um enorme desafio para a área de computação. Tendo isso em vista este trabalho tem como objetivo desenvolver e avaliar em operações reais no mercado, o desempenho de redes neurais artificiais, além de um sis tema especialista que simule uma pessoa realizando análise técnica na bolsa de valores. Redes neurais são modelos computacionais que tem como característica a capacidade de reconhecer padrões, sendo baseados no sistema nervoso de humanos. Para realização deste trabalho fora utilizado redes neurais artificiais Multilayer Perceptron, e redes neurais artificiais Long Short Term Memory, tais quais são comparadas com um sistema especialista que simula uma pessoa realizando análise técnica na bolsa de valores utilizando o Setup 9.3. Este trabalho demonstra a eficiência do uso das redes neurais para previsão dos valores de fechamento de um ativo, su perando metodologias de análise técnica, tendo maior lucro e assertividade em operações no mercado acionário.
- ItemDetecção de fake news a partir de redes neurais artificiai(2020) Schulz, Mathias Artur; Daniel Gomes Soares, MscAs falsas notícias são histórias fabricadas e construídas com base em notícias verídicas, no entanto possuem como objetivo enganar seus leitores a partir de informações que são falsas intencionalmente. Não são novas no cotidiano das pessoas e, além disso, a internet alavancou o seu crescimento e facilitou a forma como elas são disseminadas. As falsas notícias compartilhadas garantem poder, vantagem e podem causar nos leitores julgamentos precipitados, preconceitos, violência verbal e discriminação. Neste cenário, o combate das falsas notícias pode ocorrer de diversas formas, como o aumento da capacidade dos indivíduos em avaliar as notícias, por meio de características das notícias e sites que avaliam a veracidade das informações e a busca por mudanças estruturais que diminuam o acesso dos indivíduos às falsas resenhas. Dentre as técnicas disponíveis para a detecção de falsas notícias, estão as Redes Neurais Artificiais (RNAs), que são modelos computacionais inspirados no sistema nervoso de seres vivos. A finalidade deste trabalho é desenvolver um modelo de detecção de falsas notícias em sites de notícias brasileiros disponíveis nas mídias sociais por meio da técnica de RNA. Para a obtenção dos objetivos deste trabalho, foi realizada a revisão bibliográfica da literatura de modo a identificar os modelos que têm sido utilizados para a detecção de falsas notícias, as variáveis utilizadas e a forma de conversão dos textos para representação numérica. Foi realizada a modelagem e treinamento das redes Perceptron Multicamadas (MLP) e Memória de Longo Prazo (LSTM) com diversas configurações de variáveis de entrada e parâmetros iniciais. Por fim, é analisado e apresentado o desempenho das redes modeladas por meio de índices estatísticos e gráficos, no qual a melhor configuração para o modelo MLP apresentou um RMSE de 0.0439 e um F1 Score de 98.32% e a melhor configuração para o modelo LSTM apresentou um RMSE de 0.0551 e um F1 Score de 96.27%. Dessa forma, o modelo MLP obteve, neste trabalho, um desempenho melhor quando comparado ao modelo de aprendizado profundo LSTM.
- ItemDetecção de sintomas de depressão por meio de redes neurais artificiais(2024) Victor Beninca Fiamoncini; Daniel Gomes Soares, Msc; Juliano Tonizetti Brignoli, Dr; Rodrigo Curvêllo, MscA depressão é uma condição de saúde mental complexa que envolve uma combinação de fatores biológicos, psicológicos e sociais, sendo caracterizada como um distúrbio afetivo ou de humor. Órgãos de saúde destacam a depressão como sendo uma das doenças de maior morbilidade, sendo comum em clínicas gerais e um problema que vem crescendo nas redes de saúde públicas. Diversos são os fatores estressores que contribuem para o surgimento da depressão, sendo alguns deles: o consumo de substâncias químicas (drogas ou medicamentos), estresse crônico, eventos traumáticos ou até fatores genéticos. O diagnóstico da depressão se torna complexo em relação aos outros, principalmente por ela ser uma doença de característica psiquiátrica. Estima-se que 50% dos casos não chegam a ser diagnosticados, além de uma parcela ínfima receber a devida atenção. Dentre as possíveis soluções para o auxílio do diagnóstico da depressão estão as Redes Neurais Artificiais (RNAs), que são modelos computacionais que possuem como base a inspiração no sistema nervoso encontrado nos seres vivos A finalidade deste estudo é desenvolver um modelo de detecção de pessoas com depressão, tendo como fonte de dados entrevistas em formato de áudio com pessoas depressivas e não depressivas. Para alcançar o objetivo definido foi realizada a revisão bibliográfica de modo a identificar as principais técnicas para realizar o processamento das entrevistas, a fim de servirem para a organização dos dados de entrada para as RNAs. Foi realizada a modelagem, treinamento e validação das RNAs do tipo MLP (Perceptron Multicamadas) e LSTM (Memória de Longo e Curto Prazo) com diferentes configurações de camadas, quantidade de neurônios dentre outras variáveis. Por fim é apresentado e analisado o desempenho das RNAs modeladas por meio de métricas estatísticas, onde a melhor configuração do tipo MLP apresentou o índice RSME de 0.41 e o F1-Score de 0.91 e a melhor configuração do tipo LSTM apresentou o índice RSME de 0.44 e o F1-Score de 0.89. Desse modo a RNA do tipo MLP obteve índices melhores que a LSTM, entretanto ambos os tipos de RNAs, neste estudo, não conseguiram prever com ênfase pessoas que possuem depressão, ou seja, a maior parte das amostras de teste foram classificadas como não depressivas.
- ItemFerramenta educacional para aprendizado conexionista baseado na biblioteca neurolab(2016) Meurer, Taylan Branco; Daniel Gomes Soares, Msc; Rodrigo Curvêllo, M.Eng; Patrícia Blini Estivaleti, DrO trabalho trata sobre uma ferramenta educacional para aprendizado conexionista. A ferramenta contemplará tipos de entradas intervalares, com conexões para frente de uma ou mais camadas. As entradas serão obtidas por meio de um arquivo externo com o próprio valor da entrada mais o da saída. Além disso, ela é composta por sete regras de treinamento e quatro funções de ativa ção. As regras contempladas são: Delta, Gradiente Descendente (GD) e suas derivações (GDA,GDM, GDX, RPROP) e Broyden Fletcher Goldfarb Shanno (BFGS), uma regra quase-Newton. O software é escrito em Python2.7 com GTK3+, OpenCV e baseado na biblioteca neurolab. O objetivo é desenvolver uma ferramenta de apoio ao ensino de Redes Neurais Artificiais. Esse ob jetivo é motivado pela dificuldade de compreender essa área de conhecimento, pela rara existên cia de softwares com finalidades educativas e pela ausência de algumas características cruciais para o ensino nas ferramentas atuais. A metodologia foi empregada por meio de uma abordagem quantitativa e fez uso de uma pesquisa aplicada. O objetivo da pesquisa foi eminentemente ex ploratório e buscou implementar a ferramenta dentro de requisitos pedagógicos e de engenharia de software. A ferramenta obteve um Nível Geral de Qualidade de Software igual a 7.60, que se enquadra em alta qualidade conforme o modelo de avaliação empregado - PECTUS.
- ItemFramework para sistemas de raciocínio baseado em casos(2017) Schulz, Fernando; Daniel Gomes Soares, Msc; Cristhian Heck, M.Eng; Marcela Leite, Msc; Rodrigo Curvêllo, M.EngA IA abrange uma enorme variedade de subcampos, desde área de uso geral, como aprendizado e percepção, até tarefas específicas como jogos de xadrez, demonstração de teoremas matemáticos, criação de poesia e diagnóstico de doenças. Uma subárea da IA que se originou a partir de uma abordagem para a solução de problemas e para o aprendizado com base em experiência passada, chama-se Raciocínio Baseado em Casos (RBC). De uma forma simplificada, podemos entender o RBC como a solução de novos problemas por meio da utilização de casos anteriores já conhecidos. Um novo problema que nos é apresentado é resolvido com a reutilização da solução de um problema anterior parecido com o atual. Diversos artigos, trabalhos de conclusão de curso e livros da área, implementam, utilizam e exemplificam o RBC através de um framework, ou seja, usando-o através de uma aplicação ou bibliotecas, provendo assim, uma funcionalidade genérica para a técnica, porém, atualmente, as soluções existentes para o desenvolvimento de sistema de RBC obrigam o usuário a terem pleno domínio sobre esta técnica. Também não disponibilizam uma interface amigável e consistente para definição da representação do conhecimento e das métricas de similaridade, além disso, outra característica que deve ser levada em consideração na elaboração de sistemas de RBC é a integração desse sistema com diferentes tecnologias, desde a forma como são armazenadas as informações, até as interfaces para apresentação das informações aos usuários. Sendo assim, esse trabalho abrange o desenvolvimento de um framework na qual permite conexão com diferentes tecnologias de banco de dados, e por tratar-se de uma aplicação desenvolvida em Java, pode também, comunicar-se com diferentes tecnologias de linguagem de programação. A metodologia utilizada consistiu em pesquisa bibliográfica, levantamento de requisitos funcionais e não funcionais. Com o intuito de validar todas as funcionalidades desenvolvidas no framework, foram elaborados diversos testes distintos. O desenvolvimento deste trabalho resultou em um projeto que atendeu todas as propostas, permitindo assim, conexão com diferentes tecnologias de banco de dados, comunicação com diferentes tecnologias de programação e estruturação de sistemas RBC de qualquer natureza.
- ItemPrevisão de casos de dengue por meio de redes neurais artificiais(2016) Mittelmann, Munyque; Daniel Gomes Soares, Msc; André Alessandro Stein, Msc; Juliano Tonizetti Brignoli, DrA dengue é uma doença transmitida pela picada de mosquitos do gênero Aedes. Apesar de ser um problema de saúde pública mundial, países tropicais, como o Brasil, são os mais atingidos por esta enfermidade. Devido à falta de medicamentos antivirais específicos e vacinas preventivas, é essencial prover informações adequadas aos órgãos públicos e à comunidade. Neste cenário, um alerta precoce de surtos de dengue possibilitaria a tomada de ações preventivas para um efetivo controle da doença, melhorando a eficiência das campanhas de controle dos vetores e permitindo mobilização de recursos humanos e materiais. Ao possibilitar a tomada de ações preventivas para um controle efetivo da doença, a previsão da incidência da dengue adquire um papel social indispensável. Dentre as técnicas que podem ser utilizadas na elaboração de modelos de previsão, incluem-se as Redes Neurais Artificiais (RNAs). RNAs são modelos computacionais inspirados no sistema nervoso de seres vivos. O propósito deste trabalho é desenvolver um modelo de previsão de casos de dengue para os municípios de Itajaí (Santa Catarina) e Guarulhos (São Paulo) por meio da técnica de RNAs. Neste trabalho, é comparada a utilização de duas arquiteturas distintas de RNAs, as redes Perceptron Multicamadas e as Redes Neurais Auto-Regressivas com Entradas Exógenas. Para que os objetivos do trabalho sejam atingidos, inicialmente foi realizada uma revisão sistemática da literatura de modo a identificar os modelos que têm sido utilizados para previsão de incidência de dengue, as variáveis utilizadas nestes modelos e o horizonte de previsão. Posteriormente, foi realizada a modelagem e treinamento das redes com diversas configurações de variáveis de entrada e parâmetros iniciais. O desempenho das redes modeladas foi analisado por meio de índices estatísticos e gráficos. Os resultados mostram que é possível realizar a previsão de casos de dengue nas áreas de estudo, com erro e antecedência aceitáveis, utilizando-se RNAs e tendo como entrada informações meteorológicas e dados quantitativos da dengue.
- ItemPrevisão de índicess da bolsa de valores através de redes neurais artificiais: uma comparação com o modelo de predição baseado na lógica paraconsistente(2017) Moraes, Rodrigo; Daniel Gomes Soares, Msc; Guilherme Bitencourt Martins, Msc; André Alessandro Stein, Msc; Juliano Tonizetti Brignoli, DrA predição de índices e/ou valores da bolsa de valores, bem como futuras cotações das ações, é um grande desafio até mesmo para especialistas com anos de experiência em técnicas de investimento. A previsão de tais séries temporais é um problema que tem recebido atenção dos pesquisadores nos últimos anos, na tentativa de encontrar um método preciso para prever tais valores. Prever o futuro, e em especial o comportamento de séries temporais é considerado um grande desafio, tanto para a estatística como para a computação. Dentro deste contexto, este trabalho teve como objetivo a construção de uma modelo baseado em Redes Neurais Artificiais (RNA) para a predição do índice S&P 500 da bolsa de valores de Nova Iorque. RNAs são modelos computacionais baseados no sistema nervoso dos seres vivos e têm como principal característica o poder de generalização e reconhecimento de padrões, se tornando ideal para o previsão de séries temporais. Para a realização deste trabalho, foram utilizadas RNAs do tipo Multilayer Perceptron (MLP) e como complemento, os resultados obtidos através da melhor RNA modelada, foram comparados com os resultados obtidos pelo modelo de predição de índices da bolsa, baseados na Lógica Paraconsistente, estipulado por Martins (2012). Os resultados mostram que é possível fazer previsão de índices da bolsa de valores, com erro e antecedência aceitáveis, utilizando-se RNAs e tendo como entrada dados históricos e estatísticos do índice. Também verifica-se que as RNAs se sobressaem em relação ao modelo paraconsistente, pelo fato de que uma Rede Neural Artificial irá realizar a predição para todos os dias, enquanto o modelo paraconsistente poderá não prever algum dia, por se tornar uma previsão inconclusiva para tal dia.
- ItemPrevisão de inundações do rio Itajaí-Açu utilizando redes neurais profundas(2019) Peressim, Felipe de Lima; Daniel Gomes Soares, Msc; André Alessandro Stein, Msc; Juliano Tonizetti Brignoli, DrAs inundações são desastres naturais registrados desde a antiguidade e que remontam à história da humanidade. Entre outros desastres, as inundações são os mais destrutivos, causando danos à vida humana, infraestrutura, agricultura e no sistema socioeconômico. Para mitigar os efeitos causados por este fenômeno, tanto medidas estruturais quanto não estruturais, podem ser adotadas. As estruturais são obras de engenharia custosas e que nem sempre podem resolver totalmente o problema, enquanto que medidas não-estruturais são de baixo custo e auxiliam na prevenção e diminuição dos prejuízos ocasionados pelas inundações. Nesta pesquisa foi desenvolvido um modelo de previsão de inundações em curto prazo, que é uma medida não-estrutural, para isso utilizando-se das Redes Neurais Profundas, pois constituem o estado da arte de modelos de aprendizado de máquina atualmente. O município de Rio do Sul - SC foi o local escolhido como área de estudo devido ao seu extenso histórico de inundações que o acomete. Para alcançar os objetivos deste trabalho, inicialmente realizou-se uma revisão bi bliográfica da literatura para identificar as variáveis que poderiam ser utilizadas no modelo, as topologias de RNAs profundas que vem sendo utilizadas para realizar a previsão de inundações em curto prazo. Através da revisão, pode-se observar na literatura que o uso de modelos profun dos tem sido infrequente no que tange problemas de hidrologia. Este fato deu forma a pergunta de pesquisa proposta neste trabalho, que consiste em verificar se é possível obter melhores re sultados na previsão de inundações através do aprendizado profundo em relação à abordagem tradicional. Neste sentido, para atingir os objetivos da pesquisa, foram modeladas, treinadas e testadas, com diversas configurações, parâmetros iniciais e principalmente variando-se os níveis de profundidade das RNAs adotadas, dentre elas duas vertentes de redes neurais recorrentes - LSTM e GRU; e dois modelos de redes neurais Híbridas, constituídas por camadas de redes Convolucionais, Recorrentes e Multilayer Perceptron. O desempenho das redes modeladas foi analisado por meio de índices estatísticos e gráficos. Os resultados mostram que as redes com maior profundidade foram mais representativas e superiores as redes rasas, consequentemente, a abordagem do aprendizado profundo mostrou que é possível fazer previsão de inundações na área de estudo, com erro e antecedências aceitáveis para ser utilizado como uma medida não-estrutural de um sistema de alerta de cheias.
- ItemRecomendação de planos alimentares utilizando raciocínio baseado em casos(2016) Livramento, Matheus; Daniel Gomes Soares, Msc; Juliano Tonizetti Brignoli, Dr; Fábio Alexandrini, DrPara conquistar uma boa saúde, dentre vários aspectos, é indispensável uma boa alimentação. É nesse ponto onde muitas pessoas recorrem a orientação de um profissional. Entretanto, podem ocorrer algumas inconveniências por parte do paciente ou por parte do nuctricionista. Por exemplo, um plano alimentar desenvolvido manualmente por um profissional pode ocasionar inconsistências ou até mesmo um abandono da dieta por parte do paciente e, em consequência da mesma, tornar-se desagradável ou até mesmo impraticável a longo prazo. Já por parte do nutricionista, o aspecto mais trabalhoso de sua função é a elaboração de planos alimentares bem ajustados para cada tipo de paciente que passa pelo seu consultório. Sabendo que cada pessoa possui suas individualidades fisiológicas, embora que, as vezes muito similares entre si, foi utilizada a técnica de Raciocínio Baseado em Casos para amenizar ou anular esses impasses. A ferramenta desenvolvida fornece aos pacientes planos alimentares adaptados ao seu perfil de modo que o mesmo tenha a liberdade de escolher qual plano queira utilizar. Já pelo lado do nutricionista, essa ferramenta utiliza a premissa da similaridade para reutilizar planos alimentares para pacientes com características físicas semelhantes, ou seja, assim que a base de dados do sistema estiver suficientemente populada com planos alimentares, a formulação de novos planos será rara ou nula por parte do nutricionista. Concernente aos testes realizados, focados principalmente nas enfermidades (diabetes, intolerância ao glúten e intolerância à lactose) a ferramenta mostrou-se eficaz pois classificou planos alimentares que continham alimentos restritos como pouco similares, ou seja, não recomendáveis para o paciente portador da doença. Assim, compreendendo que a ferramenta apresentou bons resultados mesmo com poucos casos, conclui-se que sua utilização real por um nutricionista pode ser válida, sendo capaz de agilizar o fluxo de trabalho do profissional e até mesmo evitando possíveis desistências por parte de seus pacientes através do fornecimento de planos dinâmicos.
- ItemRedes neurais recorrentes LSTM para a predição de índices da bolsa de valores: Uma comparação com o modelo de predição baseado em redes neurais artificiais multilayer perceptron(2024) Felipe Tenfen; Daniel Gomes Soares, Msc; Juliano Tonizetti Brignoli, Dr; Cristhian Heck, MscA previsão de séries temporais financeiras é uma das áreas mais estudadas da inteligência artificial no mercado financeiro, tanto no âmbito acadêmico quanto no corporativo. Prever o futuro, especialmente o comportamento de séries temporais, como índices, preços da bolsa de valores e futuras cotações de ações, é considerado um desafio complexo tanto para a área de estatística quanto para a computação, assim como representa um desafio significativo, mesmo para especialistas experientes em técnicas de investimento, e tem recebido cada vez mais atenção nos últimos anos, principalmente devido à possibilidade de rentabilidade. Uma das técnicas mais utilizadas para fazer esse tipo de predição é a aplicação de redes neurais artificiais. Nesse contexto, este trabalho se propôs a desenvolver um modelo baseado em Redes Neurais Recorrentes (RNN), uma classe das redes neurais artificiais, e mais especificamente, do tipo Long Short-Term Memory (LSTM), para prever o valor e a direção do índice S&P 500 da bolsa de valores de Nova Iorque com um dia de antecedência. As Redes Neurais Recorrentes (RNNs) são modelos computacionais inspirados no sistema nervoso dos seres vivos, conhecidos por sua capacidade de processar sequências de dados e aprender com padrões temporais. Essa característica faz delas uma escolha ideal para prever séries temporais, permitindo que capturem dependências temporais e façam previsões com base em dados históricos. Ao longo deste estudo, foram desenvolvidos e comparados diferentes modelos de RNN, com a seleção daquele que obteve os melhores resultados. Esses resultados foram comparados com os obtidos por um modelo de previsão de índices da bolsa de valores S&P500 baseado em Rede Neural Artificial do tipo Multilayer Perceptron (MLP), conforme proposto por Moraes (2017). Os resultados indicam que é possível realizar a previsão de índices da bolsa de valores com erro e antecedência aceitáveis utilizando RNNs do tipo LSTM e dados históricos do índice como entrada. Por fim, observou-se uma prevalência das redes LSTM sobre as redes MLP neste tipo de aplicação, uma vez que o percentual de erro apresentado pela LSTM no experimento realizado foi consideravelmente menor em comparação ao erro da MLP para o mesmo conjunto de dados.
- ItemSistema de recomendação de roupas fundamentado em raciocínio baseado em casos(2015) Santos, Camila Lenz; Daniel Gomes Soares, Msc; Patricia Blini Estivalete, Dr; Fábio Alexandrini, DrA Inteligência Artificial é uma ciência considerada recente, em que trabalhos vem sendo desenvolvidos, como a técnica de Raciocínio Baseados em Casos, cuja aplicação é a solução de problemas por meio da utilização de casos anteriores já conhecidos. Esse trabalho abrange os principais conceitos sobre Raciocínio Baseado em Casos como fundamento para implementação de um Sistema de Recomendação de Roupas, contemplando também conceitos fundamentais sobre o código do vestir. A metodologia utilizada consistiu em pesquisa bibliográfica, levantamento de requisitos funcionais e não funcionais, além disso, foi realizada uma pesquisa quantitativa com mulheres de idade acima de 15 anos, entre a maioria das entrevistadas (48%) possui idade de 15 a 23 anos, 47% das entrevistadas possuem Ensino Superior, a maioria das entrevistadas (35%) gasta 10 minutos por dia procurando o que vestir e 49% possuem dúvidas as vezes do que vestir em alguma ocasião especial. O desenvolvimento do trabalho resultou em um sistema Web utilizando a linguagem de programação PHP que permite a inserção das roupas no sistema e a montagem de combinações de roupas chamadas de casos ou looks. Os casos são cadastrados em uma base de casos e dessa forma é possível fazer a busca de um caso/look quando o usuário desejar uma recomendação do que usar levando em consideração fatores como o clima, a ocasião, o tipo de traje a ser usado e a imagem que deseja transmitir. Após realizada a busca através da técnica de Raciocínio Baseado em Casos é possível concluir todas as outras fases que integram o ciclo RBC como recuperação, reutilização, revisão e retenção dos casos. Resultados foram observados através de testes para validar o sistema proposto demonstrando seu funcionamento.
- ItemSistema de suporte web utilizando raciocínio baseado em casos(2013) Silva, Cíntia Cristina Faez; Daniel Gomes Soares, MscO Raciocínio Baseado em Casos é uma técnica de Inteligência Artificial que visa resolver problemas baseando-se em casos resolvidos no passado, usando o cálculo da similaridade para recuperar os casos já resolvidos mais semelhantes com o problema atual. Este trabalho possui como objetivo desenvolver um sistema web para auxiliar a área de suporte da empresa WLive! a resolver problemas que ocorrem na área de hospedagem. Por ser um sistema web, utilizou-se o banco de dados MySQL e a linguagem PHP. Foram realizados testes que basearam-se em casos atendidos pela área de hospedagem da empresa. Nos testes, as soluções recuperadas dos casos mais similares puderam ser aplicadas com sucesso, mas caso alguma solução não fosse a ideal para o caso atual, a mesma pôde ser alterada ou, caso o usuário desejasse, pôde-se inserir novas soluções.
- ItemSoftware educacional de apoio ao ensino de algoritmos genéticos(2018) Wessner, William; Daniel Gomes Soares, Msc; Cristhian Heck, M.Eng; Fábio Alexandrini, DrDurante as últimas décadas os Algoritmos Genéticos (AGs) ganharam destaque por ser uma técnica poderosa para resolver problemas de busca e otimização, e consequentemente, o ensino desta técnica está se tornando cada vez mais comum. As aulas práticas com o uso de ferramentas didáticas são fundamentais para que os alunos consolidem e apliquem os conceitos aprendidos nas aulas teóricas. Este trabalho apresenta o GeneticsA, que é um software educacional de apoio ao ensino de AG, que tem como objetivo enriquecer o aprendizado, fazendo que o aluno consiga compreender como ocorreu a fases de avaliação, seleção, crossover e mutação. O GeneticsA permite que o usuário escolha as funções de avaliação (Simples, Normalização linear, Windowing e Escalonamento Sigma), os métodos de seleção (Roleta viciada, Método do torneio e Amostragem Estocástica), os operadores de crossover (Um ponto, Dois pontos e o operador Uniforme) e o problema de maximização de funções. O usuário também pode configurar parâmetros como tamanho da população, taxa de mutação, quantidade máxima de gerações e o número de genes. O software foi desenvolvido na linguagem de programação Java e para a criação da interface foi utilizada a API JavaFX.