DECSI - Trabalhos apresentados em eventos

URI permanente para esta coleçãohttp://www.hml.repositorio.ufop.br/handle/123456789/5265

Navegar

Filtrar resultados informando as primeiras letras
Agora exibindo 1 - 3 de 3
  • Imagem de Miniatura
    Item
    Caracterização das publicações e relações entre mídias alternativas polarizadas no Facebook.
    (2022) Laurett, Natan Siller; Ribeiro, Filipe Nunes
    O presente trabalho desenvolve a caracterização de publicações e de relações entre páginas de mídias alternativas de direita e esquerda no Facebook ao longo de um período de 4 anos. Essa caracterização é realizada por meio de estatísticas de engajamento, referências externas nas publicações e detecção de comunidades através de semelhanças de publicações, modeladas como um grafo. Para esta última, foi utilizada extração de backbone utilizando o método do filtro de disparidade e detecção de comunidade por meio do algoritmo de Louvain. Os resultados mostram a predominancia das paginas de direita em termos de engajamento, e evidenciam fortes relaçoes de comunidades em 2018.
  • Imagem de Miniatura
    Item
    Enhancing SSVEP-based BCI performance with GAN-generated EEG signals.
    (2023) Silva, Isac Lopes; Vargas, Guilherme Vettorazzi; Leite, Sarah Negreiros de Carvalho
  • Imagem de Miniatura
    Item
    Utilizando aprendizado por representação para a classificação de laços sociais da IoT
    (2022) Pereira Júnior, Jamisson Jader Moraes; Figueiredo, Thiago Silva; Lopes, Ramon; Torres, Luiz Carlos Bambirra; Santos, Bruno P
    A Internet of Things (IoT) tem sido marcada pelas interações entre dispositivos que cooperam para realizar atividades. A partir deste ambiente cibernético e conectado, um possível paradigma derivado é o Social IoT (SIoT), onde múltiplos tipos de relacionamentos e confiabilidade podem ser estabelecidos entre dispositivos. Neste cenário, abordamos as questões de como modelar lac¸os sociais em IoT e na proposição de modelos para, automaticamente, classificar e predizer relações em SIoT. Este artigo propõe a utilização de aprendizado por representação para classificar diferentes tipos de lac¸os sociais em SIoT. Para isso, utiliza-se como estratégias para classificação Graph Neural Networks (GNN) ou Algoritmos Tradicionais de Classificação (ATC). Em nossos experimentos, GNN é rápido na etapa de treinamento e apresenta métricas F1-{macro, micro} de 0.61 e 0.88, respectivamente. Ao usar ATC, o treinamento ´e 121× at´e 11.235× mais lento que GNN, ao passo que as métricas F1-score alcançam 0.86 e 0.95, respetivamente.