Inteligência Artificial
URI Permanente para esta coleção
Navegar
Navegando Inteligência Artificial por Autor "André Alessandro Stein, Msc"
Agora exibindo 1 - 8 de 8
Resultados por página
Opções de Ordenação
- 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 de técnicas e tecnologias para aceleramento do treinamento de redes convolucionais(2021) Kita, Luigi Takeo; André Alessandro Stein, MscSistemas de tomada de decisão e reconhecimento facial são exemplos de tecnologia aplicada, onde é empregada uma Rede Neural Artificial (RNA). Para uma RNA ser capaz de efetuar tais tarefas, ela aplica a estratégia de dividir e conquistar. A Rede possui vários neurônios ligados entre si, cada um contendo seus próprios pesos sinápticos. Dessa forma, cada neurônio possui parte do conhecimento da RNA e com a interligação deles a Rede consegue realizar sua função. Os pesos sinápticos são ajustados na etapa de treinamento, esta etapa consiste em várias épocas. Em cada época é enviado um conjunto de dados para a Rede, observando seu comportamento e alterando os pesos. Ao utilizar um conjunto de dados junto com a saída esperada, o treinamento é chamado de supervisionado. Mesmo com a simplicidade que seja implementar esse algoritmo com as ferramentas disponíveis, outros problemas surgem. Entre eles, o tempo necessário para realizar o treinamento, de forma que, conforme o conjunto de dados aumente, é necessário mais épocas para a RNA convergir. Por consequência aumentando o tempo de execução da Rede. Visto a complexidade do problema, este trabalho visou testar e comparar formas de diminuir esse tempo, utilizando a capacidade de paralelização de processadores e placas gráficas. Além disso, a diminuição do espaço em memória utilizado pelos pesos sinápticos de 32 bits para 16 bits, conhecido como precisão mista, também foi testada. Com os resultados obtidos, foi possível verificar uma melhora de 8 a 18 vezes na utilização da placa gráfica sobre o processador. Entretanto, a utilização de precisão mista não apresentou ganhos significativos.
- 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 placas veiculares em ambientes não controlados via redes convolucionais leves(2023) Back, João Paulo; Cristhian Heck, M.Eng; Daniel Gomes Soares, Msc; André Alessandro Stein, MscCom a crescente frota de automóveis ao redor do mundo, a construção de modelos que reconhecem placas veiculares, ou ALPR, tornou-se uma ferramenta de suma importância para a fiscalização e análise do tráfego de veículos. À vista disso, em um sistema ALPR estão envolvidas fases como a de segmentação, reconhecimento e também a de detecção da placa veicular. Durante a etapa detecção, pode-se surgir diversos complicadores, tais como a detecção em ambientes com variações climáticas, ângulo ou luminosidade. Essas complicações podem ser contornadas através da utilização de métodos de aprendizado profundo, mais especificamente Redes Neurais Convolucionais, ou CNNs, que utilizam múltiplas camadas de processamento. A utilização de métodos com estas características pode levar a um aumento excessivo do uso de recursos computacionais, sendo consequentemente impróprio pra muitos tipos de aplicações. Dessa forma, neste trabalho foram propostos modelos de CNN leves, na qual estes não apresentem um custo computacional excessivo, sendo o local de estudo escolhido o de ambientes não controlados. Para alcançar os objetivos do trabalho, inicialmente foi realizado uma revisão bibliográfica com o objetivo de identificar os modelos que têm sido utilizados na detecção de placas veiculares para ambientes não controlados e também identificar quais foram as variáveis utilizadas nos experimentos. Essa análise forneceu a pergunta de pesquisa proposta neste trabalho, que é a de verificar se é possível obter resultados competitivos na detecção de placas veiculares através de modelos de CNN leves em relação à abordagem tradicional. Posteriormente, foi realizado a construção e o treinamento dos modelos que utilizam mais camadas convolucionais (tradicionais), e de modelos que utilizam menos camadas convolucionais (leves), em diversas configurações de parâmetros. O desempenho dos modelos foi analisado por meio de métricas utilizadas na detecção de objetos e gráficos. Em especial, nos testes com dois conjuntos de imagens da CCPD, os modelos leves alcançaram a mesma eficácia dos modelos tradicionais, porém com uma velocidade de detecção 3 a 5 vezes menor. Dessa forma, os resultados demonstram que é possível utilizar redes de CNN leves para detectar placas veiculares em ambientes não controlados, tanto em termos de eficácia, quanto de eficiência.
- 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.
- 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.