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
2025
2024
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
Aplicação de Técnicas de Aprendizado de Máquina em um Sistema de Recomendação de Jogos Eletrônicos
DEBORAH DE AZEVEDO SALOMÃO CONDÉ
Resumo
No universo dos jogos eletrônicos, uma indústria global que movimenta bilhões, existem diferentes tipos de jogador. Richard Bartle propôs uma classificação em quatro arquétipos: Achievers (Conquistadores), Explorers (Exploradores), Killers (Assassinos) e Socializers (Socializadores). Este trabalho busca empregar essas características para classificar jogos eletrônicos e, por meio de técnicas de aprendizado de máquina, formular recomendações personalizadas de jogos com base no perfil de cada jogador. A premissa é que jogos com perfis semelhantes ao do jogador têm maior probabilidade de serem apreciados por ele, fundamentando assim a criação de recomendações adaptadas e personalizadas. Este estudo visa, portanto, usufruir de conhecimentos sobre o usuário para induzir as escolhas de jogos, contribuindo para uma interação mais significativa e satisfatória no universo dos jogos eletrônicos.
Ano
2024
Orientador
SAULO MORAES VILLELA
Co-Orientador
Palavras-chave
Aprendizado de Máquina, Jogos Eletrônicos, Kmeans, Knn, Jogadores, Taxonomia de Bartle
Fire detection through a combination of deep neural networks and graph cuts
DAVI MAGALHÃES PEREIRA
Resumo
Recent developments in computer vision techniques have markedly improved fire detection capabilities compared to conventional systems. This work introduces an innovative methodology that integrates deep neural networks for identifying instances and regions of fire, graph cuts, and color thresholding for a nuanced approach to fire segmentation. The incorporation of fire segmentation masks facilitates precise analysis, providing valuable insights into fire origins and propagation to proactively prevent future incidents. Our method, leveraging graph cuts segmentation with comprehensive color information, demonstrates enhanced accuracy and detailed fire detection. The results illustrate a notable improvement in recall, maintaining competitive precision, thereby establishing an efficient and effective fire detection framework.
Ano
2024
Orientador
SAULO MORAES VILLELA
Co-Orientador
MARCELO BERNARDES VIEIRA
Palavras-chave
Fire detection; fire segmentation; image classification; graph cut; deep learning; color thresholding.
Predição de Carga de Autenticações em um Serviço Global de Acesso Sem Fio para Dimensionamento de Recursos
SAMIRA BARROSO DOS SANTOS
Resumo
Com o aumento expressivo do número de usuários conectados em redes sem fio, a gestão desse volume de conexões se torna vital para otimizar economia e aprimorar a qualidade do serviço. Nesse contexto, este trabalho destaca a aplicação de técnicas e análises de inteligência computacional com o propósito de antecipar o crescimento da carga de usuários em um sistema global de autenticação sem fio. É importante observar que, apesar do crescente aumento na demanda por conectividade sem fio, as ferramentas atualmente disponíveis para o gerenciamento de redes Wi-Fi frequentemente apresentam deficiências. Isso inclui limitações na capacidade de prever com precisão o volume de conexões, planejar adequadamente a capacidade da rede e otimizar os recursos de autenticação. Tais deficiências muitas vezes resultam em sobrecarga dos servidores de autenticação e na degradação da qualidade do serviço. O objetivo principal desta pesquisa é identificar o momento adequado para reforçar a infraestrutura da rede e dos servidores de autenticação, com base na análise do volume de conexões ao longo de um período de tempo. Essa abordagem visa aprimorar a eficiência na gestão, no planejamento e na alocação de recursos computacionais relacionados aos servidores de autenticação. Como resultado desta investigação, temos que o modelo LSTM utilizado alcança valores de até 99\% de precisão na predição do volume de usuários autenticados em um conjunto de dados reais. Aplicado na gerência de redes, resultados também comprovam que o modelo provê a utilização eficiente dos recursos computacionais relacionados ao enlace de conexão com a Internet.
Ano
2024
Orientador
EDELBERTO FRANCO SILVA
Co-Orientador
Palavras-chave
Inteligência artificial, Aprendizado de Máquina, Predição de Carga de Usuários, Redes sem fio, Internet, LSTM
Classificação de expressões faciais, gênero e engajamento em videochamadas usando redes neurais convolucionais
ANA BEATRIZ KAPPS DOS REIS
Resumo
A rápida transição para o ensino remoto, impulsionada pela pandemia de COVID-19, trouxe consigo desafios significativos, notadamente a escassez de interação entre alunos e professores. Neste trabalho busca-se avaliar modelos baseados em redes neurais convolucionais para classificação de expressões faciais, gênero e nível de engajamento dos participantes de videochamadas. Ao oferecer aos professores uma visão aprofundada do estado emocional e participação dos estudantes, a proposta visa melhorar a compreensão do envolvimento e interesse dos alunos nas matérias, contribuindo para uma experiência educacional mais efetiva. Para avaliar os modelos de classificação, foram criados cenários realistas, envolvendo indivíduos reais. Devido à dificuldade de obter vídeos no cenário educacional, os vídeos foram criados no cenário de trabalho remoto. Acredita-se que nesse cenário é igualmente possível analisar o engajamento dos participantes. A aplicação prática desses cenários proporcionou \textit{insights} valiosos. Na classificação emocional, as emoções se mostraram compatíveis com as expectativas. Quanto à classificação de gênero, o modelo obteve precisão na maioria das instâncias. Além disso, observou-se que o nível de engajamento apresentou resultados mais efetivos quando a câmera estava bem posicionada, isto é, diretamente na frente do rosto, permitindo uma captura adequada da região dos olhos.
Ano
2023
Orientador
EDELBERTO FRANCO SILVA
Co-Orientador
LUIZ MAURILIO DA SILVA MACIEL
Palavras-chave
redes neurais convolucionais, videochamadas, expressões faciais, cenários realistas, nível de engajamento, classificação emocional, classificação de gênero.
Proposta de Um Método de Controle de Acesso Baseado em Atributo em Redes Dispositivo a Dispositivo
FERNANDO LUÍS ALFELD
Resumo
As comunicações dispositivo a dispositivo (D2D) referem-se a uma tecnologia que permite ligações diretas entre dispositivos, sem o envolvimento de infraestruturas de rede fixa, como pontos de acesso ou estações rádio base. Sua aplicação permite que dispositivos da Internet das Coisas (IoT) se comuniquem via Wi-Fi em modo \textit{ad hoc}, ou por tecnologias ponto a ponto, como o Bluetooth. Para construir conexões D2D sustentáveis, é necessário possuir um controle de acesso dinâmico que trate adequadamente de questões de segurança e privacidade na troca de mensagens pela rede. O controle de acesso baseado em atributos (ABAC) é uma estratégia de autorização que define permissões com base em atributos e condições ambientais, como hora do dia e local, atribuídos a usuários e aos recursos. Desta forma, este trabalho estuda o ABAC, para, através de validações, avaliar quais atributos são mais relevantes no ambiente D2D.
Ano
2023
Orientador
EDELBERTO FRANCO SILVA
Co-Orientador
Palavras-chave
Dispositivo a Dispositivo, Controle de Acesso Baseado em Atributos, IoT, Cibersegurança.
Modelos para Previsão da Arrecadação do ICMS do Rio de Janeiro Utilizando Deep Learning
PEDRO FERNANDES FREITAS
Resumo
Este trabalho estuda sobre como a Ciência da Computação pode auxiliar a gestão pública no planejamento e execução de recursos financeiros arrecadados através do Imposto sobre Circulação de Mercadorias e Prestação de Serviços de Transporte Interestadual e Intermunicipal e de Comunicação (ICMS) do estado do Rio de Janeiro. A escolha do tema apoia-se no fato de que os impostos se configuram como importante fonte de renda para o governo, os quais geram recursos financeiros para subsidiarem programas governamentais para a sua população e para custearem bens e serviços públicos. Prever os futuros valores de arrecadação de ICMS torna-se tarefa indispensável para a Secretaria de Fazenda (SEFAZ), tendo em vista que os valores alcançados na previsão servem de base para o planejamento orçamentário do estado. Sendo assim, a previsão de ICMS precisa acontecer pelo menos doze meses antes de o dinheiro ser usado pelo estado, a fim de que o planejamento orçamentário possa apresentar maior eficiência. Desse modo, este trabalho buscou averiguar diferentes possibilidades de previsão para verificar até onde é possível ter um horizonte seguro de previsão, empregando modelos de Redes Neurais Recorrentes Long Short-Term Memory (LSTM) e comparando os resultados.
Ano
2023
Orientador
LUCIANA CONCEICAO DIAS CAMPOS
Co-Orientador
Palavras-chave
Palavras-chave; Rede neural artificial; Machine Learning; Deep Learning; LSTM; ICMS.
Proposta de aplicativo de apoio à coleta de resíduos recicláveis no município de Juiz de Fora
DEOCLÉCIO PORFÍRIO FERREIRA FILHO
Resumo
A questão dos resíduos sólidos é uma discussão global atual, com uma parcela significativa da população considerando o problema resolvido após a coleta doméstica. Contudo, uma parte substancial desse lixo pode ser reciclada, prevenindo a contaminação do solo e contribuindo para a preservação ambiental. A falta de pontos fixos para coleta de recicláveis é um desafio para os catadores, e muitas pessoas desejam separar esses resíduos, mas enfrentam limitações de espaço, levando à mistura com o lixo orgânico. Diante da ampla adoção de dispositivos móveis, surge a oportunidade de usar a plataforma de dispositivos móveis para ações ambientais. Para atender à demanda de coleta de materiais recicláveis no município de Juiz de Fora, neste trabalho é proposto um protótipo de aplicativo móvel que possibilita conectar cidadãos interessados no descarte de resíduos à cooperativa de catadores. O aplicativo foi desenvolvido seguindo o processo de Design Centrado na Comunicação da Engenharia Semiótica utilizando a linguagem MoLIC. O método de Avaliação Heurística foi aplicado para avaliar aspectos de usabilidade e experiência de usuário do protótipo desenvolvido.
Ano
2023
Orientador
ANDRE LUIZ DE OLIVEIRA
Co-Orientador
Palavras-chave
coleta seletiva, reciclagem, interação humano-computador, usabilidade, experiência de usuário, avaliação heurística.
Projeto de interfaces de sistema de gestão de infraestrutura ferroviária utilizando interação por manipulação direta: um estudo empírico
GUILHERME MORAIS BARBOSA
Resumo
Contextualização: A crescente presença das Tecnologias de Informação e Comunicação (TICs) tem provocado transformações significativas na vida cotidiana e no ambiente empresarial. Nas empresas de logística ferroviária, as TICs desempenham um papel essencial, particularmente no gerenciamento de áreas críticas, como o controle de pátios ferroviários. Motivação: Ao analisar o sistema utilizado por uma empresa brasileira nesse setor, identificou-se que a falta de uma representação gráfica eficaz da localização de veículos ferroviários afetava diretamente a eficiência dos colaboradores responsáveis pelo gerenciamento do pátio. Objetivo: Para solucionar esse problema, neste estudo, foi realizado o reprojeto de interfaces do sistema de controle de pátios, denominado Gráfico de Controle de Pátios (GCP), utilizando o estilo de interação por manipulação direta. Metodologia: Além do reprojeto do sistema, um estudo empírico com usuários, utilizando o método de Teste de Usabilidade, foi conduzido para avaliar a usabilidade do GCP e da versão anterior do sistema. Resultados: Os resultados deste estudo revelaram que o nova versão do sistema (GCP), com estilo de interação por manipulação direta, apresentou melhorias de fatores de usabilidade como facilidade de aprendizagem e memorização e eficiência no uso em comparação com a versão anterior do sistema. Conclusão: Constatou-se que a adoção da interação por manipulação direta contribuiu para o aumento da satisfação do usuário durante o uso.
Ano
2023
Orientador
ANDRE LUIZ DE OLIVEIRA
Co-Orientador
Palavras-chave
Testes de usabilidade, Estilo de interação, Sistema ferroviário
Formalização em Redex de uma Abordagem Baseada em Tipo Para Terminação de PEG
REGINA SARAH MONFERRARI AMORIM DE PAULA
Resumo
O presente trabalho lida com o problema de terminação de PEGs usando uma abordagem baseada em sistema de tipos. Para alcançar esse objetivo, foi formalizado um sistema de inferência de tipos em PLT Redex usando semântica de reescrita.
Ano
2023
Orientador
LEONARDO VIEIRA DOS SANTOS REIS
Co-Orientador
Elton Máximo Cardoso
Palavras-chave
PEG, parsing, sistema de tipos, inferência, Redex.
Modelo de rede neural Long short-term memory para previsão de cargas elétricas de sistemas de energia eólica
DIEGO DE SOUZA MARTINS
Resumo
Atualmente, a questão energética tem sido debatida mundialmente, em principal, a geração de energia por fontes renováveis. Neste contexto, a energia eólica apresenta-se como uma das principais alternativas que visa atender as demandas sócio-ambientais e econômicas. Segundo o Balanço Energético Nacional, a participação da energia eólica na matriz energética brasileira em 2022 foi de 12,6\%, ficando atrás apenas da energia hidrelétrica, que teve participação de 58\%. Por ser uma fonte de energia limpa e renovável gerada a partir da transformação da energia cinética contida nas massas de ar em energia elétrica, a quantidade de energia produzida pelas turbinas eólicas depende das condições climáticas da região. Tais condições não podem ser controladas, acarretando dificuldade de integralização das usinas eólicas com a rede de matrizes energéticas. Neste trabalho são adotados modelos baseados em séries temporais recorrentes, especificamente a Rede Neural Recorrente LSTM (Long Short-Term Memory), utilizados para identificar os padrões de comportamento da série temporal, gerando previsões futuras de curto prazo. São abordados 2 modelos de previsão: o primeiro modelo utiliza apenas a série de dados de geração de energia eólica, denominado modelo univalorado, e o segundo, utiliza a série dados de geração de energia eólica e velocidade prevista do vento como variável exógena, denominado modelo multivalorado. Verificou-se que os modelos multivalorados apresentaram melhores resultados quando comparados aos modelos univalorados. A partir desses resultados, podemos concluir que a utilização de variáveis exógenas contribui de maneira significativa, aumentando a predição de cargas de energia eólicas através Rede Neurais LSTM.
Ano
2023
Orientador
LUCIANA CONCEICAO DIAS CAMPOS
Co-Orientador
HEDER SOARES BERNARDINO
Palavras-chave
Series Temporais, Redes Neurais Recorrentes, energia eólica
Detecção e contagem de veículos em vídeos utilizando redes neurais convolucionais
GABRIEL BARRETO CALIXTO
Resumo
Para compreender os impactos de veículos no dia a dia da população, a coleta de informações de contagem de veículos constitui uma importante etapa, sendo possível utilizar tais dados em diversas áreas de conhecimento. Atualmente, a facilidade de geração de vídeos da via pública e os avanços na área de visão computacional, principalmente relacionados às redes neurais de aprendizado profundo, possibilitam a aplicação de um modelo baseado na detecção e rastreamento de objetos para realizar a tarefa de contagem de veículos em vídeos. Neste trabalho, busca-se combinar redes neurais de detecção de objetos e algoritmos de rastreamento para criar um modelo capaz de contar e classificar veículos capturados em diferentes vídeos. Para tal, foram aplicados métodos que representam o estado da arte na resolução do problema: o modelo de detecção de objetos Yolov8 e o rastreador ByteTrack. Adicionalmente, foi construído um conjunto de dados para treinamento das redes de detecção. O treinamento foi realizado em 6 versões da Yolov8, e seu impacto na contagem foi analisado. Na expectativa de tornar o método acessível a uma gama diversa de usuários, foi elaborado um notebook no Google Colab que simplifica sua utilização. Os resultados obtidos mostram que a melhor versão do modelo atingiu acurácia de contagem total média de 87,20%, atingindo 100% em um vídeo, demonstrando a possibilidade de criação de um método de contagem de veículos acessível. Adicionalmente os resultados forneceram informações importantes sobre as limitações da rede de detecção de objetos, como a dificuldade de detecção de motos.
Ano
2023
Orientador
LUIZ MAURILIO DA SILVA MACIEL
Co-Orientador
Palavras-chave
Contagem de veículos; aprendizado profundo; visão computacional; detecção de objetos; rastreamento de objetos.
ELoS - Ensino de Lógica em Sistemas Gráficos
RODRIGO OLIVEIRA FERRARI
Resumo
Neste trabalho é apresentado o ELoS (Ensino de Lógica em Sistemas Gráficos), um sistema destinado a introduzir os conceitos fundamentais de lógica de programação de forma lúdica e interativa. Utilizando uma abordagem semelhante a videogames, o sistema apresenta níveis e fases desafiadoras, exigindo que os alunos completem tarefas por meio da digitação de comandos em uma linguagem de programação própria. Desenvolvido para navegadores web, o ELoS foi implementado utilizando tecnologias como HTML, CSS, JavaScript e ThreeJS. Este estudo introduziu o ELoS em 14 turmas da disciplina DC5199 (Algoritmos - Prática) na Universidade Federal de Juiz de Fora, envolvendo estudantes de diversos cursos na área de exatas. Uma avaliação inicial coletou dados sobre o perfil dos participantes, incluindo idade, tempo de conclusão e experiência prévia em programação. Os resultados revelaram uma participação diversificada, e a maioria dos participantes encontrava-se nos estágios iniciais de suas trajetórias acadêmicas. O sistema atendeu tanto a alunos iniciantes quanto àqueles com alguma experiência prévia em programação, oferecendo uma oportunidade de aprendizado para diferentes perfis de estudantes. Com base nessas informações, é possível afirmar que o ELoS demonstrou potencial para auxiliar no ensino e aprendizagem de programação.
Ano
2023
Orientador
RODRIGO LUIS DE SOUZA DA SILVA
Co-Orientador
Palavras-chave
software educacional, lógica de programação, computação gráfica.
Modelos de aprendizado profundo para a estimativa de idade dentária através de imagens tomográficas da câmara pulpar
ALEXANDRE VIEIRA PEREIRA PACELLI
Resumo
A determinação da idade de um indivíduo é valiosa na ciência forense e em diversas áreas, auxiliando na identificação de vítimas em desastres e litígios civis. Para isso, existem diversos métodos para a estimativa da idade, destacando-se, na área odontológica, a idade dentária. Porém, esses métodos dependem da análise por especialistas na área, além de conter processos manuais demorados, cujos resultados são influenciados pela subjetividade do observador. Nos últimos anos, o aprendizado de máquina profundo tem sido fundamental na resolução de uma ampla variedade de problemas complexos. Por exemplo, estudos recentes que utilizam essa abordagem são capazes de prever a idade dentária com eficácia através de imagens radiográficas. Desse modo, neste trabalho é explorado o uso de modelos de aprendizado profundo, especificamente redes neurais convolucionais, para estimar a idade de indivíduos com base em imagens da câmara pulpar dos dentes obtidas através de imagens de Tomografia Computadorizada de Feixe Cônico. Os modelos desenvolvidos consideram cortes coronais e sagitais dos dentes incisivos centrais superiores, além de imagens que fazem uma junção dos dois cortes, utilizando uma base de dados da Faculdade de Odontologia da UFJF. Este estudo visa destacar o potencial desses modelos na estimativa de idade a partir de imagens tomográficas da câmara pulpar dentária, além de contribuir para a ciência forense e promover a colaboração interdisciplinar. Como resultados, o melhor modelo para os cortes juntos (concatenado) obteve acurácia de 0,527, enquanto o corte sagital obteve 0,516 e o coronal o valor de 0,429.
Ano
2023
Orientador
HEDER SOARES BERNARDINO
Co-Orientador
Karina Lopes Devito
Palavras-chave
Redes Neurais Convolucionais, Estimativa da Idade Dentária, Aprendizado Profundo, Tomografia Computadorizada de Feixe Cônico, Câmara Pulpar.
Distribuição Otimizada de Tarefas de Coleta, Transporte e Entrega a Múltiplos Agentes Robóticos num Cenário de Restrição de Recursos
JOSÉ RONALDO MOURO
Resumo
Deslocar múltiplos agentes autônomos confinados em um ambiente restrito, atribuindo a cada um deles tarefas específicas de coleta e entrega de itens em posições e momentos diversos é um problema de otimização combinatória conhecido como Multi-Agent Pickup and Delivery(MAPD). As restrições cinemáticas do ambiente, a localização física dos agentes disponíveis, os locais de coleta e entrega das tarefas aliados ao instante temporal no qual a tarefa se apresenta para ser executada suscitam soluções diversificadas que impõem cada qual seu próprio custo em tempo de execução das tarefas e consumo energético por parte dos agentes. Nesse contexto, são apresentadas abordagens alicerçadas em clássicos algoritmos que solucionam o problema MAPD de forma a atender duplo objetivo, qual seja, otimização do tempo de execução e do consumo energético.
Ano
2023
Orientador
HEDER SOARES BERNARDINO
Co-Orientador
ALEX BORGES VIEIRA
Palavras-chave
Multi-agente Pickup Delivery
Geração procedural de quebra-cabeças em jogos roguelike
MARCUS VINICIUS VASCONCELOS DE ALMEIDA CUNHA
Resumo
Os roguelikes são jogos nos quais o jogador precisa atravessar uma masmorra com inimigos, tesouros e cenários gerados aleatoriamente. O caráter aleatório da geração de elementos deste gênero de jogos se dá por técnicas de Geração Procedural de Conteúdo (GPC). Assim como demais elementos de um roguelike, puzzles (ou quebra-cabeças) também podem ser gerados por GPC. Os trabalhos na literatura sobre geração de quebra-cabeças normalmente se concentram em um único tipo, como resolução de labirintos, navegabilidade, sokoban e outros, mas pouco se fala da integração desses diversos modelos de desafios. Neste trabalho, iremos abordar como vários modelos de puzzles podem ser incorporados a jogos roguelike e técnicas diversas para GPC aplicadas em cada um desses puzzles. O resultado é a criação de um jogo expansível para uso acadêmico contendo puzzles diversos totalmente criados por técnicas de GPC. A avaliação é feita com jogadores reais por meio de formulários e usando de métricas estabelecidas
Ano
2023
Orientador
IGOR DE OLIVEIRA KNOP
Co-Orientador
MARCELO CANIATO RENHE
Palavras-chave
roguelike; desenvolvimento de jogos; geração procedural de conteúdo; quebra-cabeças.
<< Anterior
<< Anterior
1
2
3
4
5
6
7
8
9
10
Próximo >>