Inteligência Artificial
URI Permanente para esta coleção
Navegar
Navegando Inteligência Artificial por Orientador "Juliano Tonizetti Brignoli, Dr"
Agora exibindo 1 - 3 de 3
Resultados por página
Opções de Ordenação
- ItemDiagnóstico médico de obessidade: uma comparação entre regressão linear múltipla e lógica Fuzzy para doenças cardiovasculares(2020) Silva, Jean Regis; Juliano Tonizetti Brignoli, Dr; Fábio Alexandrini, Dr; Daniel Gomes Soares, MscSendo um dos principais distúrbios relacionados a obesidade, as doenças cardiovasculares são a primeira causa de morte, em ambos os sexos, no mundo. Os fatores de risco, conhecidos como causas que aumentam a probabilidade de ocorrência de um determinado evento, antecedem em vários anos as doenças cardiovasculares. Destacam-se a obesidade, a diabetes, o sedentarismo, o tabagismo, a hipertensão arterial, a idade, o sexo, entre outros. A análise de regressão é uma técnica estatística para investigar e modelar a relação entre variáveis, sendo uma das mais uti lizadas na análise de dados. Pode se citar inúmeras aplicações da técnica de Regressão na área da saúde, doenças relacionadas a obesidade seria uma delas. O trabalho também recorreu ao uso de Lógica Fuzzy, que foi introduzida nos meios científicos em 1965 por Lofti Asker Za deh, através da publicação do artigo Fuzzy Sets no Jornal Information and Control. Hoje ela é elemento fundamental em diversos sistemas, sendo considerada uma técnica de excelência no universo computacional. O conceito Fuzzy pode ser entendido como uma situação em que não é possível responder simplesmente “sim” ou “não”. Mesmo conhecendo as informações necessárias sobre a situação, dizer algo entre “sim” e “não”, como “talvez” ou “quase”, torna-se mais apropriado. Nesse sentido, o objetivo deste trabalho é apresentar o funcionamento do raciocínio Fuzzy, utilizando o método mais popular de raciocínio Mamdani, em comparação ao uso da técnica estatística de Regressão Linear Múltipla para um auxílio ao diagnóstico, com algumas variáveis de risco, de doenças cardiovasculares. Tratando-se do disgnóstico da doença, com a finalidade entendê-lo, foi realizado um estudo das variáveis de risco baseado no score de Framingham. Como consequência, um método para calcular o risco foi obtido ao selecionar as variáveis idade, colesterol total, HDL colesterol, pressão sistólica, diabetes e tabagismo. Também fora utilizada a base de dados pública Heart Disease Database na seleção da amostragem, a qual possui informações de 303 pacientes da cidade de Cleveland, Ohio, Estado Unidos. A partir de uma escolha aleatória simples, foi calculada a amostragem de 50 indivíduos do sexo masculino. Estas informações subsidiaram a construção da base de regras Fuzzy e da função de Regressão Linear Múltipla. Ao fim, a Regressão Linear Múltipla se mostrou mais eficaz em todas as comparações efetuadas. Para a Regressão Linear Múltipla tivemos uma correlação linear (𝑅2) de 0,8307 em relação ao score de Framingham, enquanto o Fuzzy obteve uma correlação de 0,6152. Desta forma, a Regressão Linear Múltipla mostrou-se mais eficiente como uma inteligência computacional no auxílio ao diagnóstico, visando diminuir o grau de incerteza.
- ItemInterface de visualização para inferências Fuzzy-Bayesianas(2016) Solci, Flávio Sampaio; Juliano Tonizetti Brignoli, Dr; André Alessandro Stein, Msc; Daniel Gomes Soares, MscEntendendo a probabilidade como um mecanismo que auxilia especialistas de diversas áreas em suas tomadas de decisão e a precariedade na integração de teorias complexas no cotidiano desses profissionais, o atual estudo tem como principal objetivo criar uma interface (shell) que permita a utilização de um modelo Fuzzy-Bayesiano como artefato de suporte a decisão no âmbito da informação e do conhecimento sobre incerteza. A metodologia proposta consiste em pesquisa bibliográfica, fundamentação teórica, levantamento de requisitos e validação através de um estudo de caso. Assim sendo, utiliza-se no presente estudo a linguagem Java para a criação de um ambiente em que a visualização de redes Fuzzy-Bayesianas seja mais atrativa ao usuário e permita a democratização do acesso aos benefícios do uso desse modelo matemático. Com testes é possível identificar a maior facilidade e agilidade em utilizar uma ferramenta gráfica para a criação de redes Fuzzy-bayesianas e também pode-se observar o ganho de qualidade nos resultados da rede ao se utilizar uma ferramenta que implemente um motor de inferência que dê suporte a variáveis subjetivas.
- ItemUso de algoritmos de busca heurística e algoritmos genéticos para dinamizar a logística no empacotamento de cargas(2019) Santos, Rafael José Schmidt; Juliano Tonizetti Brignoli, Dr; Cristhian Heck, M.Eng; Daniel Gomes Soares, MscProblemas de empacotamento possuem uma relação forte com a área de logística, quando trata da alocação de um conjunto de itens em um recipiente, considerando variáveis como a otimização de espaço e ordem de entrega. Este trabalho apresenta o desenvolvimento de uma aplicação para dinamizar a logística no empacotamento de cargas utilizando algoritmos de Busca em Espaços de Estados com Heurística A* e Algoritmos Genéticos. Seu principal objetivo é apresentar a melhor forma de alocar um conjunto de pacotes de variados tamanhos em um confinamento também de tamanho variável, de forma com que se aproveite ao máximo o espaço, deixando a maior área útil livre possível no confinamento, como também deixar os pacotes com maior prioridade de retirada mais próximos da saída, e então comparar os resultados obtidos com ambas as técnicas. Os resultados mostram que é possível utilizar tanto o algoritmo de Busca em Espaços de Estados quanto Algoritmos Genéticos para solucionar o problema do empacotamento, verificando que para itens de grandes dimensões ou com maior largura, o Algoritmo de Busca em Espaço de Estados obteve melhor resultado, e para itens pequenos ou com maior comprimento, o Algoritmo Genético obteve o melhor resultado.