Lista Pública de Trabalhos Acadêmicos
Curso:
Todos (trabalhos mais recentes)
Ciência da Computação - Diurno
Ciência da Computação - Noturno
Engenharia Computacional
Licenciatura em Computação
Pós-Graduação em Modelagem Computacional
Sistemas de Informação
Pesquisar:
Ano:
Todos
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
Filtrar
Permite filtrar a lista de TCCs com o curso, o termo e o ano
escolhidos. O termo pode ser, por exemplo:
Autor ou orientador;
Nome do TCC;
Palavra-chave;
Conteúdo dos resumos.
by-year
Trabalho
Autor
PDF
Extras
Distributional Safety Critic for Stochastic Latent Actor-Critic
THIAGO SILVA MIRANDA
Resumo
When employing reinforcement learning techniques in real-world applications, it is often desirable to constraint the agent, such that it does not perform actions that would lead to potential damage, harm or unwanted scenarios in general. In order to specify and enforce these constraints, current state-of-the-art safe reinforcement learning algorithms rely on the constrained Markov decision process framework which makes use of a cost function to inform the agent about how unsafe each transition is. Particularly, recent approaches focus on developing safe behavior under conditions where the full observability assumption is relaxed and, instead of having acess to the true state of the environment, the agent receives observations with incomplete information. In this vain, we develop a method that combines distributional reinforcement learning techniques with methods used to facilitate learning in partially observable environments. Our approach, called distributional safe stochastic latent actor-critic (DS-SLAC), uses a implicit quantile network as safety critic and learns based on a stochastic latent representation of the environment. We evaluate the DS-SLAC performance on four Safety-Gym tasks. Ultimately, DS-SLAC obtained results better than those reached by sate-of-the-art algorithms in two of the evaluated environments, while being able to develop a safe policy in three of them. Lastly, we also identify the main challenges of performing distributional reinforcement learning in the safety constrained partially observable setting.
Ano
2023
Orientador
HEDER SOARES BERNARDINO
Co-Orientador
Palavras-chave
Reinforcement Learning, Safety, Distributional RL
Análise do impacto do ensino remoto emergencial: um estudo experimental na UFJF
NATHAN TOSCHI REIS
Resumo
Com a pandemia do Covid-19 as instituições de ensino superior implementaram o Ensino Remoto Emergencial. Na UFJF este foi implementado em setembro de 2020 e durou até abril de 2022. Durante esse período de tempo alunos e professores tiveram de se adaptar à um modelo de ensino inédito para muitos. A carga e o modo como muitas disciplinas eram avaliadas mudaram, assim como os hábitos de estudo dos alunos, que após seis meses sem aula foram apresentados a esse novo cenário. Para avaliar como o desempenho e a motivação desses alunos se comportou durante esse período, o objetivo deste trabalho aqui apresentado busca analisar a nota de todos os estudantes da UFJF durante esse período e no período anterior à pandemia, buscando entender através de análises estatísticas como as notas se comportaram. Além disso, para entender melhor a parte motivacional e emocional desses alunos a análise estatística anterior é complementada com uma pesquisa feita através do Google Forms. Os resultados obtidos mostraram um grande aumento na das notas na maioria dos cursos, principalmente nos cursos de Ciências Exatas, porém as respostas do formulário apontaram uma grande desmotivação dos estudantes durante o ERE junto com um sentimento de queda de aprendizado, o que levanta alguns questionamentos sobre as estratégias que foram utilizadas durante esse período e sobre qual foi o real nível de aprendizado dos estudantes. O trabalho também disponibiliza através de um repositório todas as análises e ferramentas, possibilitando estudos posteriores mais precisos.
Ano
2023
Orientador
VICTOR STROELE DE ANDRADE MENEZES
Co-Orientador
Palavras-chave
ERE; Covid-19; Pandemia; UFJF; Análise Estatística; Motivação; Desempenho
Processo de Avaliação de uma Intervenção Gamificada para a Redução do Consumo Excessivo de Álcool
MATHEUS DE OLIVEIRA CARVALHO
Resumo
O consumo excessivo de álcool é um dos principais males que uma sociedade pode enfrentar, sendo responsável por um alto número de doenças e mortes. Porém, ainda que seja um problema grave, ele ainda é de difícil resolução pois, apesar de existirem vários métodos para tratamento, poucos apresentam uma efetividade comprovada. Com isso em mente, a gamificação aplicada em conjunto com uma intervenção de consumo de álcool surge como um meio que pode ajudar a resolver esse problema. Diante disso, este trabalho tem como foco realizar uma análise em um aplicativo móvel gamificado chamado Álcool \& Saúde para verificar a usabilidade, a experiência do usuário e se a aplicação de técnicas de gamificação ajudaram ele nesse processo. Para isso, um questionário foi desenvolvido, assim como um projeto que teve que ser submetido para o Comitê de Ética, sendo todo esse processo documentado e servindo de base para trabalhos futuros envolvendo seres humanos. Além disso, outras funcionalidades ligadas a jogos também foram implementadas. As análises das respostas dos usuários ao questionário foram positivas e mostram que um aplicativo com elementos de jogos pode gerar bons resultados.
Ano
2023
Orientador
HEDER SOARES BERNARDINO
Co-Orientador
Palavras-chave
Gamificação, Consumo excessivo de álcool, Intervenção Breve, Sistema Móvel, Comitê de Ética, Avaliação.
Analyzing Data Augmentation Methods for Convolutional Neural Network-based Brain-Computer Interfaces
GABRIEL OLIVEIRA MOREIRA FARIA
Resumo
Brain-computer interfaces (BCIs) are systems that use brain signals to interact with external devices, with a wide variety of applications spanning from entertainment to healthcare. Within BCIs, motor imagery brain signals are one of the most commonly used, enabling individuals to control external devices by mentally simulating body movements. In this context, convolutional neural networks (CNNs) can be used to classify motor imagery electroencephalogram (EEG) signals and translate them into specific commands. However, these signals are usually noisy and can vary significantly over time and among people, making it frequently necessary to collect a large amount of data to calibrate these models. This process can be time-consuming and fatiguing for BCI users, a particularly significant issue in healthcare settings. In order to address this problem, this work investigates the effectiveness of data augmentation in reducing the need for data and improving classification accuracy. Five data augmentation methods previously documented in the literature are evaluated across two motor imagery benchmark datasets utilizing a few-parameter CNN. The evaluations encompass a variety of configurations of EEG electrodes, motor imagery tasks, and training sample sizes. Each method is then compared against one another in terms of both accuracy and data distribution effects. The overall findings indicate that data augmentation can alleviate the need for original data, resulting in higher accuracy even with fewer training samples. The findings also indicate that combining different data augmentation methods can lead to further improvements in accuracy.
Ano
2023
Orientador
HEDER SOARES BERNARDINO
Co-Orientador
ALEX BORGES VIEIRA
Palavras-chave
brain-computer interface, motor imagery, convolutional neural network, data augmentation
Classificação de Eventos Sonoros em Ambientes Assistidos: um Estudo Experimental para Detecção de Tosse
CAIO SOUZA DE OLIVEIRA
Resumo
Ambientes assistidos são capazes de monitorar e facilitar a vida de seu residente, por meio de um ecossistema composto por uma rede de sensores e diversos dispositivos IoT. Com foco em sensores de captura de áudio, este trabalho almeja avaliar a capacidade que modelos de aprendizagem de máquina possuem para lidar com a classificação de eventos sonoros registrados por tais sensores. Para tal, foi realizada uma comparação de dois modelos de redes neurais artificiais, neste contexto: Convolucional e Long Short-Term Memory. Utilizando Coeficientes Cepstrais de Frequência-Mel como atributos de dados acústicos, que são produtos de uma técnica estabelecida como a melhor para extração de atributos de áudios. Os modelos foram testados com o conjunto de dados focado para tosses, COUGHVID, e alguns dados de instrumentos, para serem o outro rótulo de classificação, com resultados que apresentaram acurácias acima de 80% e bons F1-Scores para ambos modelos, dado que estão próximos do valor máximo na escala.
Ano
2023
Orientador
VICTOR STROELE DE ANDRADE MENEZES
Co-Orientador
Palavras-chave
Ambientes assistidos, classificação de áudio, aprendizado de máquina.
Processo para análise de colaboração em ecossistema de software
ANDRÉ DIAS NUNES
Resumo
A colaboração entre desenvolvedores sempre desempenhou um papel fundamental no aprendizado, manutenção e evolução da engenharia de software. Através do compartilhamento de conhecimentos e do trabalho conjunto, esses profissionais impulsionam o desenvolvimento da área. Atualmente, a adesão às plataformas que fomentam essa interação, está em constante crescimento, impulsionada pelo surgimento de novas tecnologias, demandas do mercado e até mesmo como consequência do contexto global de isolamento resultante da pandemia de COVID-19. As comunidades que se formam em torno de uma plataforma específica são responsáveis por criar um Ecossistema de Software (ECOS), constituídos por desenvolvedores, empresas, usuários e demais stakeholders que se envolvem ativamente na sua construção, aprimoramento e utilização. ECOS fornecem um ambiente rico para a colaboração, inovação e compartilhamento de recursos, tornando-se um componente essencial do progresso contínuo da engenharia de software. Visando se adaptar a essa tendência e manter a competitividade no mercado, diversas empresas adotam plataformas e frameworks de desenvolvimento, criando assim ECOS internos. O presente estudo tem como propósito investigar técnicas de análise de dados relacionadas a Sistemas de Reputação, originalmente propostas para ECOS de plataformas abertas, a fim de propor um processo de análise de ambientes reais e privados de uma empresa específica. Foi conduzida uma Prova de Conceito com o propósito de obter insights valiosos sobre os colaboradores mais influentes, suas especialidades e impacto no projeto, dentro do ECOS de uma empresa. Essa análise tem como finalidade auxiliar na gestão de recursos humanos, proporcionando informações relevantes para maximização da eficiência organizacional. Os resultados obtidos apontam para a viabilidade da proposta.
Ano
2023
Orientador
VICTOR STROELE DE ANDRADE MENEZES
Co-Orientador
Palavras-chave
Ecossistema de software, sistema de reputação, gestão de recursos humanos, inteligência empresarial, SYDLE ONE
Hiper-Heurísticas com Programação Genética Gramatical para o Problema de Alocação de Corredores
RAFAEL FREESZ RESENDE CORRÊA
Resumo
Redução de custos e aumento de eficiência são metas fundamentais presentes na indústria, na engenharia e na ciência. O posicionamento de salas em um edifício em construção, maquinários em linhas de produção e semicondutores em placas de circuito impresso são exemplos de contextos que afetam diretamente esses fatores. Diante dessa realidade, o Corridor Allocation Problem (CAP) trata da distribuição física de elementos, denominados facilidades, ao longo de um corredor de dois lados, de forma a reduzir o custo de comunicação entre eles. Este trabalho propõe o desenvolvimento de novas heurísticas através da aplicação de hiper-heurísticas com Programação Genética Gramatical (PGG) em diferentes instâncias do problema, a fim de desenvolver diferentes estratégias para o CAP, possibilitando a obtenção de layouts de baixo custo. Foram realizadas análises estatísticas de resultados obtidos por cada heurística gerada, a fim de destacar e explorar a melhor abordagem. A aplicação de hiper-heurística foi capaz de gerar heurísticas com bons resultados, se assemelhando a heurísticas bem definidas na literatura.
Ano
2023
Orientador
STENIO SA ROSARIO FURTADO SOARES
Co-Orientador
HEDER SOARES BERNARDINO
Palavras-chave
CAP, Hiper-heurísticas, Heurísticas, Programação Genética Gramatical
Ambiente para Planejamento e Simulação de Dificuldade em Jogos
JOÃO COTTA BADARÓ
Resumo
A dificuldade em jogos é um conceito associado à capacidade do jogador superar os desafios impostos, seja por habilidade nos controles ou por acúmulo de poder dentro do jogo, e está diretamente ligada à experiência vivenciada durante uma partida. Pessoas possuem diferentes habilidades, cognitivas ou motoras, e os obstáculos encontrados podem não ser agradáveis a todos. Dessa forma, surge a necessidade de um planejamento e controle de dificuldade por parte do projetista para conseguir manter os jogadores engajados durante todo o progresso do conteúdo. Estimular o jogador a entrar na zona do \textit{flow}, equilibrando o desafio com a perícia observada na atividade tem sido um dos principais objetivos em cada projeto da indústria de jogos. Este trabalho apresenta uma pesquisa exploratória através do projeto e avaliação de um simulador para modelos de dificuldade. A ferramenta proposta possibilita representar a navegabilidade no espaço de desafios do jogo, perfis de jogador, modelos de desistência e progressão de habilidade. Espera-se que pelo uso de métricas sobre os dados simulados, seja possível comparar o efeito de diferentes heurísticas e modelos em busca da de um controlador de dificuldade adaptativa, aumentando o conhecimento sobre o assunto e dando base para outras pesquisas sobre a experiência de jogador em diversos gêneros de jogos.
Ano
2023
Orientador
IGOR DE OLIVEIRA KNOP
Co-Orientador
Palavras-chave
desenvolvimento de jogos; game design; dificuldade; flow.
PickClass: Uma ferramenta para definição da ordem de integração de classes
YAN DE PAIVA ANDRADE CUNHA
Resumo
Observa-se que a orientação a objetos é o paradigma de desenvolvimento de software mais utilizado atualmente. Nesse contexto, uma etapa extremamente importante é a criação e elaboração de um plano de testes bem estruturado, assim como o desenvolvimento desses testes. O objetivo é assegurar a qualidade do produto a ser entregue e reduzir os custos de manutenção futuros, o que consequentemente aumentará a vida útil do sistema. Os testes de software são geralmente divididos em três categorias principais: testes de unidade, testes de integração e testes de sistema. Portanto, o objetivo deste trabalho é fornecer insumos para auxiliar o desenvolvimento do plano de testes, com foco específico nos Testes de Integração. Uma das principais dificuldades encontradas nessa etapa é identificar a ordem de implementação das classes apresentadas no diagrama de classes, visando reduzir a complexidade durante o desenvolvimento dos testes. O acoplamento entre as classes no diagrama e o processo de seleção das classes prioritárias a serem implementadas estão diretamente relacionados à complexidade dos testes. Dessa forma, este trabalho propõe o desenvolvimento de um framework para automatizar o processo de identificação da ordem de prioridade das classes, a fim de facilitar a elaboração dos testes de integração. Com base nas dificuldades mencionadas anteriormente na elaboração desses testes e na importância de reduzir a complexidade durante o desenvolvimento, essa proposta busca oferecer uma solução que contribua para uma abordagem mais eficiente e estruturada na etapa de testes de integração.
Ano
2023
Orientador
MARCO ANTONIO PEREIRA ARAUJO
Co-Orientador
Palavras-chave
Monografia, Engenharia de Software, Classes, Diagrama de Classes, Ordem de prioridade, Componentes de apoio a Testes, Testes de Integração
FisioVR - Uma Arquitetura Baseada em Visão Computacional para Reabilitação Física à Distância
DAUANE JOICE NASCIMENTO DE ALMEIDA
Resumo
O uso de visão computacional e de tecnologias na área da saúde vem crescendo constantemente. A aplicação dessas técnicas no âmbito da reabilitação física, por exemplo, possui grande potencial e pode trazer grandes benefícios para pacientes e profissionais. Neste trabalho é proposta uma arquitetura que, com o uso de técnicas de visão computacional, tem o objetivo de auxiliar no tratamento e no diagnóstico à distância de pacientes em reabilitação física. No sistema proposto o usuário com perfil de profissional pode cadastrar e prescrever exercícios para seus pacientes de acordo com o tratamento. Os usuários com perfil de paciente podem visualizar e executar os exercícios que foram prescritos para eles na aplicação, contando com a ajuda da mesma para auxiliá-los visualmente quanto aos ângulos corretos que devem ser atingidos ao realizar os exercícios e quanto à execução adequada. Ainda, após a conclusão dos exercícios pelos pacientes, é possível que o profissional envie feedbacks aos pacientes sobre os exercícios executados. Foram realizadas pesquisas de campo e uma avaliação qualitativa a fim de verificar a usabilidade e eficácia da aplicação do ponto de vista dos usuários. Foram obtidas avaliações positivas dos participantes, sendo possível concluir que a aplicação é eficaz em seu objetivo e possui grande potencial para combater o sedentarismo.
Ano
2023
Orientador
RODRIGO LUIS DE SOUZA DA SILVA
Co-Orientador
Palavras-chave
Reabilitação Física, Visão Computacional.
Sistema web e uso de smartbands em um ambiente computacional para coleta e análise de dados sobre dores crônicas
JOSUÉ DE OLIVEIRA DELGADO HERINGER
Resumo
Com o avanço da tecnologia, está cada dia mais claro o potencial que a utilização dessa tecnologia pode gerar no cotidiano da população. Sendo assim, neste trabalho é proposto a criação de um ambiente computacional para que seja possível realizar a coleta e análise dos dados sobre dores crônicas. Dessa forma, a solução visa melhorar a qualidade das informações já coletadas pelos profissionais de saúde a respeito dos pacientes portadores de alguma doença crônica. Ademais, será adicionado a possibilidade do profissional de saúde conseguir realizar o acompanhamento do paciente de forma remota, através dos dados coletados pela smartband e também sobre o grau de dor que o paciente está sentindo no seu cotidiano. Com isso, é esperado que exista uma melhora no acompanhamento acarretando assim uma melhora na vida do paciente.
Ano
2023
Orientador
FABRICIO MARTINS MENDONCA
Co-Orientador
Palavras-chave
Sistemas para dor crônica, smartband, aplicativo, plataforma computacional, IoT
Modelos de Aprendizado Profundo com Transferência de Aprendizagem para Modelagem Hidrológica
HENRIQUE COLONESE ECHTERNACHT
Resumo
Devido ao crescente uso da inteligência artificial, torna-se cada vez mais necessário o estudo e o desenvolvimento de ferramentas eficazes para a solução dos mais diversos problemas como, por exemplo, a capacidade de prever a vazão de rios em bacias hidrográficas. Esse problema se torna relevante, uma vez que o uso dos rios tem impacto direto em diversas áreas da sociedade, como em transporte, agricultura e geração de energia. Nesse trabalho, é proposta a criação de um modelo de aprendizado profundo com transferência de aprendizagem que utiliza uma rede neural profunda, do tipo convolucional (CNN), para prever a vazão em de rios utilizando séries temporais hidrológicas. O modelo desenvolvido neste trabalho é capaz de prever a vazão do dia corrente com base no valor da vazão dos três ou sete últimos. Para isso, foram utilizas séries temporais contendo informações de duas bacias, sendo elas: bacia do Paraíba do Sul, localizado no Brasil; e bacia do Zambeze, localizado no continente africano. Como resultado, foi obtido uma redução de até 27% no tempo de treinamento perdendo somente 0.31% de desempenho para os dados do Paraíba do Sul. Já para os dados do Zambeze, foi obtida uma redução de até 48% do tempo de treinamento perdendo somente 2% de desempenho.
Ano
2023
Orientador
LUCIANA CONCEICAO DIAS CAMPOS
Co-Orientador
Leonardo Goliatt da Fonseca
Palavras-chave
Redes Neurais Convolucionais, Deep Learning, Redes Neurais, Series Temporais, Rio Paraíba do Sul, Rio Zambeze.
Aplicativo Móvel para Monitoramento e Reabilitação Físico-Motora de Pacientes
YAGHO MATTOS DA ROCHA
Resumo
A Reabilitação Motora, como parte importante da fisioterapia, atua na manutenção e recuperação da saúde e integridade de pacientes que enfrentam ou enfrentaram algum tipo de distúrbio físico em regiões de músculo e articulações do corpo humano, carecendo do emprego de tecnologia como provedora de benefícios. As tecnologias atuais, como o uso de aplicativos móveis, podem contribuir para auxiliar em tratamentos, comunicação, coleta e fornecimento de dados referentes a evolução do paciente, além de possibilitar tratamentos remotos de reabilitação motora, que são bastante úteis em situações de pandemias. Nesse contexto, o objetivo principal desta pesquisa é apresentar o desenvolvimento de um aplicativo móvel para a área de Reabilitação Motora — Redox — que contou com a colaboração de pesquisadores e especialistas da área de reabilitação na especificação e testes das funcionalidades implementadas. Como metodologia de pesquisa utilizada, foram empregados métodos de software para o desenvolvimento de aplicativos móveis direcionados à saúde, uso de tecnologias atuais e princípios científicos que regem a Reabilitação Motora. A principal contribuição desta pesquisa se dá pelo próprio aplicativo construído e suas funcionalidades, o qual foi disponibilizado em um ambiente de homologação para testes por partes dos pesquisadores e especialistas da área de Reabilitação Motora. Como trabalhos futuros, pretende-se incluir novas funcionalidades no aplicativo desenvolvido e publicá-lo em lojas de aplicativos móveis para uso por profissionais da área e seus pacientes. Espera-se, assim, contribuir para a reabilitação de pacientes de forma mais integrativa e segura frente aos cenários de pandemia e distanciamento social, acompanhando as tendências atuais da Transformação Digital e evolução da Telemedicina no Brasil.
Ano
2023
Orientador
FABRICIO MARTINS MENDONCA
Co-Orientador
Palavras-chave
Desenvolvimento Móvel. Saúde Móvel. Telemedicina. Telereabilitação. Reabilitação Motora. Fisioterapia.
ESTUDO SOBRE O IMPACTO DA ADOÇÃO DA COMPUTAÇÃO SERVERLESS EM APLICAÇÕES OPEN SOURCE
JULIANA APARECIDA DE PAULA SILVA
Resumo
O número de aplicações Web e usuários conectados à Internet cresce exponencialmente ao longo dos anos. Com isso, as maneiras de se construir um software precisaram ser repensadas para atender escalabilidade e velocidade de entrega. Nos últimos anos, surgiu uma nova proposta, conhecida como serverless, cujo objetivo é que os desenvolvedores possam focar na construção das regras de negócio e que a demanda de gerenciamento de infraestrutura seja atendida pelo provedor de cloud. Portanto, este trabalho visa realizar um estudo comparativo a respeito de como a adoção da computação serverless pode impactar na construção de um sistema, realizando uma pesquisa em repositórios open source e coletando amostras de projetos monolíticos e serverless desenvolvidos nas linguagens de programação Python e JavaScript. Os resultados foram avaliados em relação a quantidade e o tamanho dos arquivos dos projetos, além da quantidade de funções, métodos e classes e como a complexidade ciclomática e o tamanho das funções e métodos se comportam nos dois cenários. A análise demonstrou que as aplicações serverless tendem a apresentar projetos com mais arquivos e com média superior de linhas, bem como a presença de funções e métodos maiores e com complexidade ciclomática superior.
Ano
2023
Orientador
GLEIPH GHIOTTO LIMA DE MENEZES
Co-Orientador
Palavras-chave
Métricas de software; arquitetura; cloud.
Arcabouços para Coleta de RSSI e Evolução de Técnicas de Acordo de Chaves em Redes LoRaWAN
LEONARDO AZALIM DE OLIVEIRA
Resumo
Os meios de transmissão sem fio são considerados vulneráveis do ponto de vista da segurança dos dados trafegados. Uma abordagem comumente utilizada para solucionar essa questão é a de criptografia. No contexto de IoT, em que o número de dispositivos não para de crescer, os métodos de geração distribuída de chaves simétricas que usam de características da camada física se destacam como possíveis soluções para o problema da distribuição de chaves. Dentre as diversas características, o RSSI é um forte candidato, dada a facilidade em obter-se medidas deste parâmetro, que explora a coesão de canal, principalmente em redes LoRaWAN. Com foco na reprodutibilidade de pesquisas, este trabalho apresenta os arcabouços de código aberto LoRa RSSI Grabber e RSSignal. O LoRa RSSI Grabber é capaz de coletar e armazenar medidas simultâneas de RSSI em ambos os lados de uma conexão LoRa (dispositivo e gateway). Através deste arcabouço, foi gerado um conjunto de dados abertos abrangendo diferentes cenários. Por sua vez, o RSSignal implementa a geração distribuída de chaves baseadas no indicador RSSI. As chaves geradas a partir de diferentes conjuntos de dados foram validadas estatisticamente na suíte de testes 800-22 do NIST. Os resultados confirmam a efetividade do método implementado.
Ano
2023
Orientador
LUCIANO JEREZ CHAVES
Co-Orientador
EDELBERTO FRANCO SILVA
Palavras-chave
IoT, LoRa, LoRaWAN, conjuntos de dados de RSSI, geração de chaves
<< Anterior
<< Anterior
1
2
3
4
5
6
7
8
Próximo >>