PPGCC - Mestrado (Dissertações)
URI permanente para esta coleçãohttp://www.hml.repositorio.ufop.br/handle/123456789/597
Navegar
130 resultados
Resultados da Pesquisa
Item Self-supervised learning for arrhythmia classification.(2023) Silva, Guilherme Augusto Lopes; Luz, Eduardo José da Silva; Silva, Pedro Henrique Lopes; Luz, Eduardo José da Silva; Silva, Pedro Henrique Lopes; Freitas, Vander Luis de Souza; Meneghini, Ivan ReinaldoArrhythmias, heart diseases that are commonly diagnosed through electrocar- diograms (ECG), require computational methods for detection and classification to improve the physician’s diagnosis. Although there is abundant literature on the subject, the high intra-patient variability and noise of ECG signals pose challenges in developing practical machine-learning models. To address this, we propose a cus- tomized adjustment of machine learning models through self-supervised learning with human-in-the-loop. Our approach introduces a pretext task called ECGWavePuzzle, which improves classification performance through better generalization. Evaluation metrics on the MIT-BIH database demonstrate the effectiveness of our approach, which improved the ECGnet global accuracy by over 10% and the Mousavi’s CNN by over 13%. Additionally, the experimental results demonstrated that the proposed approach improved the sensitivity and positive predictive value of the arrhythmic classes for certain patients.Item Computational techniques to find and suppress bone from chest radiological images.(2023) Ziviani, Hugo Eduardo; Cámara Chávez, Guillermo; Silva, Mateus Coelho; Cámara Chávez, Guillermo; Queiroz, Rafael Alves Bonfim de; Oliveira, Thiago Eustaquio Alves de; Silva, Mateus CoelhoThe proposal of this work is to propose bone suppression techniques in chest images. The most common, but inaccessible, way is through Dual Energy Subtraction (DES). This the technique requires specific hardware to generate and receive di erent energy levels capable of di erentiating materials by atomic number. This work uses GAN to perform bone suppression on X-ray images and aimed to evaluate the performance of the cGAN, train a model to locate the thoracic box, and assess two di erent training techniques for boneless image translation. Based on deep learning the main contribution of this work is to improve the bone shadow elimination delimiting the learning region of the Deep Learning (DL) model. By the contextualization of the bones region, was possible present a metric that measures the model accuracy in an interested region. With this study was possible a more precise metric to evaluate the bone suppression quality. Using the Japanese Society of Radiological Technology (JSRT) this study achieved a PSNR index of 31.604, and a similarity coe cient, known as SSIM of 0.9402. When delimiting the learning region, the results were: 31.9136 for PSNR and 0.9633 for SSIM.Item Uma formalização da lógica modal usando o assistente de provas Coq.(2023) Silveira, Ariel Agne da; Ribeiro, Rodrigo Geraldo; Roggia, Karina Girardi; Ribeiro, Rodrigo Geraldo; Roggia, Karina Girardi; Vasconcellos, Cristiano Damiani; Reis, Leonardo Vieira dos SantosA modelagem de determinados tipos de sistemas computacionais com a lógica clássica possui fatores limitantes. Neste contexto, a apresentação de outros sistemas lógicos, como a lógica modal, e a construção de uma biblioteca para o assistente de provas Coq tem o intuito de auxiliar nesta tarefa e facilitar o uso para a verificação de propriedades de sistemas. A semântica da lógica modal é representada pela semântica dos mundos possíveis, onde existe uma relação de acessibilidade que conecta os mundos de um mo- delo. Diferentes restrições impostas na relação de acessibilidade constroem sistemas da lógica modal que auxiliam na representação de propriedades nas mais diversas áreas de estudo. O desenvolvimento da biblioteca tem como objetivo sustentar a formalização de propriedades de softwares e prová-los em Coq.Item Problema de roteamento de mamógrafos móveis : uma abordagem bi-objetiva.(2023) Araujo, Thiago Giachetto de; Penna, Puca Huachi Vaz; Souza, Marcone Jamilson Freitas; Penna, Puca Huachi Vaz; Souza, Marcone Jamilson Freitas; Coelho, Igor Machado; Carvalho, Marco Antonio Moreira deEsta dissertação trabalha com o Problema de Roteamento de Unidades Móveis de Mamografia (MMURP). O problema é uma variante do Problema de Rotea- mento de Veículos Aberto Multi-depósito. Neste problema, existe uma quantidade fixa de depósitos, cada um com uma quantidade limitada de Unidades Móveis de Mamografia (MMUs). Cada MMU tem sua capacidade de realização de exames conhecida e um conjunto de cidades candidatas com uma demanda conhecida por exames de mamografia. O objetivo é definir a ordem de visitação das cidades can- didatas para cada MMU, buscando maximizar a demanda atendida e minimizar a distância total percorrida. Ou seja, o MMURP é tratado como um problema de otimização bi-objetivo. Uma formulação de programação matemátia é pro- posta, o método ε-restrito é implementado e dois algoritmos heurísticos baseados no Non-dominated Sorting Genetic Algorithm II (NSGA-II) são desenvolvidos. Os algoritmos heurísticos se diferenciam pela utilização de busca local como um dos operadores de mutação, um possui e o outro não. O método exato e as duas versões do algoritmo heurístico foram implementados e usados para resolver o MMURP para diversos estados do Brasil. Instâncias baseadas em dados reais foram geradas e usadas para avaliar os métodos implementados. Os resultados computacionais mos- traram que ao considerar o hipervolume, as soluções encontradas pelo método exato são superiores. Porém, ao considerar o min-max da taxa de cobertura, o algoritmo heurístico com a busca local é superior.Item Detecção de fraudes financeiras em contas digitais : explorando abordagens hierárquicas e técnicas de aprendizado profundo.(2023) Souza, Andressa Oliveira; Luz, Eduardo José da Silva; Moreira, Gladston Juliano Prates; Luz, Eduardo José da Silva; Moreira, Gladston Juliano Prates; Lima, Helen de Cássia Sousa da Costa; Silva, Rodrigo César Pedrosa; Oliveira, Samuel Evangelista Lima deNos últimos anos, houve um aumento na oferta de serviços financeiros por meio de aplicativos e internet banking, mas isso também levou a um aumento de contas digitais fraudulentas. Em problemas de detecção de fraudes financeiras, é comum encontrar um desbalanceamento significativo entre amostras não fraudulentas e fraudulentas, dificultando sua identificação. Dessa forma, este trabalho aborda a detecção dessas contas, utilizando métodos de sobreamostragem e classificação hierárquica para lidar com o desbalanceamento das classes. Também é investigado se o uso de deep learning com dados matriciais pode superar os classificadores tradicionais Random Forest e XGBoost. Os dados foram fornecidos pela Efí S.A. e incluem 45.209 contas organizadas de forma hierárquica. As contas são categorizadas em primeiro nível como Fraude ou Não Fraude, e no segundo nível, as não fraudes são divididas em quatro classes (A, B, C e D), enquanto as fraudes são divididas em duas (E e F). O problema foi abordado como classificação binária e multiclasse. A análise abrangente revelou que o uso dos métodos de sobreamostragem SMOTE e Borderline SMOTE melhorou as métricas de Sensibilidade e F-score para as classes fraudulentas nos classificadores tradicionais, na classificação binária e na multiclasse. A abordagem hierárquica destacou-se nas métricas de Precisão e F-score para as classes E e F, enquanto a abordagem plana apresentou o melhor desempenho em Sensibilidade para essas classes. O uso de deep learning com dados matriciais superou os classificadores tradicionais apenas na métrica de Sensibilidade na classificação binária.Item Classificação automática de arritmias utilizando mapeamento de sinais de ECG em grafos e redes neurais convolucionais de grafos.(2023) Oliveira, Rafael Francisco de; Luz, Eduardo José da Silva; Freitas, Vander Luis de Souza; Luz, Eduardo José da Silva; Freitas, Vander Luis de Souza; Bianchi, Andrea Gomes Campos; Gertrudes, Jadson Castro; Quiles, Marcos GonçalvesConforme a Organização Mundial da Saúde (OMS), as doenças cardíacas figuram como a principal causa de morte em âmbito global. Embora muitas dessas condições possam ser diagnosticadas antecipadamente, a incidência de casos segue em ascensão. Estimativas indi- cam que mais de 75% dos casos ocorrem em países de baixa renda ou em desenvolvimento, e 17,9 milhões de pessoas morreram de doenças cardíacas apenas em 2019, totalizando 32% das mortes globais. A persistência desse aumento de casos realça a necessidade de novas abordagens que automatizem a detecção de arritmias em sinais de eletrocardiograma (ECG). Na literatura, inúmeras técnicas de extração de características são utilizadas para representar o ECG como séries temporais unidimensionais, com o intuito de classificar pa- drões associados à arritmias. Notavelmente, abordagens baseadas em aprendizado profundo (redes de convolução) têm obtido resultados impressionantes para tal tarefa. Entretanto, abordagens baseadas em grafos e redes complexas foram recentemente investigadas como alternativas para aprimorar o desempenho na detecção de arritmias, porém, ainda se apresenta como um desafio mapear ou representar adequadamente sinais de ECG na forma de grafos. Assim, este estudo explora a representação dos sinais de ECG em grafos por meio do Visibility Graph (VG) e Vector Visibility Graph (VVG). Adicionalmente, utilizamos a estrutura de grafo para a classificação de arritmias com Redes Neurais Convolucionais de Grafos (Graph Convolutional Networks - GCNs). Experimentos envolvendo diferen- tes arquiteturas de GCNs foram avaliados no conjunto de dados MIT-BIH, seguindo os paradigmas inter-patient e intra-patient. Os resultados indicam que a representação dos sinais de ECG por meio de VG e VVG é promissora, e que o VG provou ser mais eficiente em comparação ao método VVG para as arquiteturas de GCNs exploradas. Em relação à classe de batimentos ectópicos supraventriculares (S), os resultados evidenciam que no paradigma inter-patient ainda há um grande desafio a ser superado. Arquiteturas mais simples de GCNs tiveram melhores resultados do que as complexas, indicando que sua simplicidade melhora a captura das características essenciais dos dados e evita ruídos. Essas arquiteturas também são mais eficientes computacionalmente, o que é importante em cenários de recursos limitados.Item ChurNAS : uma busca de arquitetura neural para previsão de desligamento de clientes.(2023) Almeida, Marcus Daniel de; Moreira, Gladston Juliano Prates; Luz, Eduardo José da Silva; Moreira, Gladston Juliano Prates; Luz, Eduardo José da Silva; Silva, Ivair Ramos; Meneghini, Ivan ReinaldoA Predição de desligamento de clientes PDC (do inglês Customer Churn Pre- diction) é fundamental para a gestão eficiente de clientes, uma vez que permite a otimização da lucratividade por meio de estratégias de marketing informadas e cam- panhas de retenção. Nesse contexto, o presente estudo propõe uma nova abordagem, chamada ChurNAS, baseada em algoritmo genético para a busca de arquiteturas neurais (Neural Architecture Search - NAS) em problemas de PDC na indústria de serviços financeiros. Ao contrário dos modelos tradicionais, como regressão logística e árvore de decisão, as redes neurais profundas apresentam maior versatilidade para modelagem de dados complexos. No entanto, a busca pela arquitetura ideal em redes neurais profundas ́e um desafio devido `a sua alta complexidade. Os resultados demonstram que a abordagem ChurNAS encontrou modelos com desempenho supe- rior aos classificadores tradicionais ajustados por otimiza ̧c ̃ao de hiperparâmetros. A abordagem proposta obteve uma acurácia de 88,6%, em comparação com 82,54% do XG-Boost e 82,49% do Floresta Aleatória. Al ́em disso, alcançou uma sensibilidade de 58,89%, enquanto o XG-Boost e o Floresta Aleatória apresentaram 57,1% e 57,81%, respectivamente. Quanto `a precisão, a abordagem ChurNAS obteve 39,41%, superando o XG-Boost (26,96%) e o Floresta Aleatória (26,17%). Adicionalmente, o estudo examinou o impacto da quantidade de dados e da capacidade do modelo, enfatizando a importância de considerar a natureza temporal das transações financei- ras ao utilizar redes neurais para PDC. Em suma, este trabalho destaca o potencial da abordagem ChurNAS para solucionar problemas de PDC no setor de servi ̧cos financeiros e melhorar a eficiência do gerenciamento de clientes.Item Desenvolvimento de algoritmos de IA para dispositivos vestíveis utilizando computação de borda.(2023) Silva, Jonathan Cristovão Ferreira da; Oliveira, Ricardo Augusto Rabelo; Silva, Mateus Coelho; Oliveira, Ricardo Augusto Rabelo; Silva, Saul Emanuel Delabrida; Nacif, José Augusto Miranda; Amorim, Vicente José Peixoto deOs dispositivos vestíveis estão cada vez mais presentes em nossas vidas. Além disso, os algoritmos de inteligência artificial vêm se tornando essenciais para com- por estes dispositivos. Como os dispositivos vestíveis são restritos de recursos, tec- nologias que exigem grande capacidade computacional podem ser inviáveis para aplicações neste contexto, principalmente quando se trata da computação de borda. Visto isso, o trabalho propõe o desenvolvimento de algoritmos de inteligência arti- ficial para integração nestes dispositivos com o processamento dos dados na borda, sem utilizar recursos em nuvem. Esta proposta é validada com base em dois estudos de casos. O primeiro estudo de caso é a aplicação de técnicas de Machine Learning e Deep Learning na agricultura, com o objetivo de desenvolver um capacete inte- ligente para realizar inspeção de doençãs em laranjas. No segundo estudo de caso ́e desenvolvida uma nova solução vestível para o reconhecimento de atividade de caminhada. Com o auxílio de três algoritmos de IA, este estudo de caso apresentou novas perspectivas para autoavaliação do usuário a partir dos dados coletados na atividade realizada. Dessa maneira, esse trabalho apresenta uma análise de aspec- tos do desenvolvimento de algoritmos de IA para integração em dois dispositivos vestíveis através da computação de borda.Item Jogos sérios como estratégia de apoio ao ensino e aprendizagem de música : aplicação do jogo Musicália na educação infantil.(2023) Lima, Wemerson Geisler de; Freitas, Alan Robert Resende de; Freitas, Alan Robert Resende de; Bianchi, Andrea Gomes Campos; Silva, Saul Emanuel Delabrida; Darin, Ticianne de Gois RibeiroO presente estudo tem como objetivo analisar a possibilidade de aplicação do jogo Musicália no processo de ensino e aprendizagem de música para crianças pequenas da Educação Infantil com base nos campos de experiência da BNCC e seus objetivos de aprendizagem e desenvolvimento. Foi realizada uma análise comparativa do jogo Musicália com os objetivos de aprendizagem e desenvolvimento dos campos de experiências para crianças pequenas da BNCC, com vistas ao desenvolvimento de uma visão crítica sobre a possibilidade de sua aplicação para o processo de ensino e aprendizagem de música por crianças da pré-escola (4 a 5 anos e 11 meses). Trata-se de uma pesquisa exploratória de abordagem qualitativa, com os resultados a serem analisados com base em uma análise de conteúdo. Foram avaliadas variáveis como usabilidade, leiturabilidade, topografia, uso de mídias, imagens e figuras e sua adequação à idade das crianças e às propostas da BNCC. Os resultados verificados nesta pesquisa demons- traram que o Musicália apresenta importantes características para ser aplicado em sala de aula no processo de ensino e aprendizagem de música para crianças da educação infantil a partir de 1 ano e 7 meses, sendo capaz de inserir a música no cotidiano dessas crianças. Todavia, ainda demanda ajustes para que fique de acordo com a BNCC e, assim, possa atingir os objetivos previstos na mesma.Item Modelo de otimização de portfólios restrito : um modelo para custos para B3 e um estudo do impacto das restrições de cardinalidade e fronteira.(2023) Chagas, Eduardo de Carvalho; Freitas, Alan Robert Resende de; Freitas, Alan Robert Resende de; Souza, Fernanda Sumika Hojo de; Silva, Rodrigo César Pedrosa; Martins, Flávio Vinícius Cruzeiro; Pimenta, AlexandreObserva-se na literatura, um grande esforço no desenvolvimento dos modelos de otimização de portfólios buscando formas melhores de mensuração de risco ao mesmo tempo em que se buscam adicionar restrições que tornam os mesmos mais próximos de uma aplicação prática pelos investidores. Entretanto, formas de mensuração de risco mais elaboradas e novas restrições tendem a tornar os algoritmos de otimização mais complexos se fazendo necessário buscar um equilíbrio entre um modelo mais realístico e um tempo de execução computacional que seja aceitável. Além disso, o mercado de ações do Brasil possui algumas peculiaridades tributárias que podem influenciar nos resultados práticos obtidos pelo investidor, mas não foram encontrados na literatura nenhum trabalho que aborde essa especificidade. Assim, esse trabalho propõe uma modelagem matemática para o cálculo de custos de transação e tributação voltado para o mercado de ações do Brasil que é apresentado num modelo de otimização de portfólios usando o MAD que considera os custos de transação sujeito as restrições de cardinalidade e de fronteira. Para os testes são utilizados os algoritmos NSGA-II e SPEA2 e procurou-se mensurar o impacto de cada restrição individualmente na qualidade das fronteiras Pareto e no tempo de execução do algoritmo. Notou-se que o NSGA-II apresentou uma vantagem em relação ao SPEA2; que apesar dos custos de transação impactarem no tempo de execução do algoritmo, a qualidade das fronteiras Pareto obtidas são muito próximas. Por fim, observou-se que enquanto a restrição de cardinalidade apresentou um impacto mais significativo nas métricas estudas a restrição de fronteira não teve um impacto menos relevante.