• Informações do Trabalho

Titulo Programação Genética Cartesiana Paralela na Geração de Redes Neuronais Artificiais para o Reconhecimento de Atividade Humana Subtítulo Autor BRUNO MARCOS PINHEIRO DA SILVA Orientador HEDER SOARES BERNARDINO Resumo O Reconhecimento de Atividade Humana (RAH) é um problema promissor e aplicável em diversas situações reais, como na assistência médica remota ou em casas inteligentes. Sua solução, entretanto, apresenta algumas dificuldades, como o grande volume de dados e características disponíveis, associadas à coleta de dados, em geral, por sensores. Uma maneira para tratar o problema é através de modelos de aprendizado de máquina, como Redes Neurais Artificiais Evoluídas pela Programação Genética Cartesiana (CGPANN), mas esta abordagem é computacionalmente cara. Sendo assim, este trabalho propõe o desenvolvimento de técnicas de computação de alto desempenho sobre a CGPANN, assim como sua aplicação no treinamento de modelos para o problema de RAH. Para isso, a arquitetura de Unidades de Processamento Gráfico (GPU) é utilizada e diferentes estruturas de dados para a CGPANN são analisadas quanto ao tempo de execução do algoritmo na GPU e, posteriormente, quanto a qualidade dos modelos em relação ao erro de classificação para o problema de reconhecimento de atividades. Os resultados obtidos apontam uma redução no tempo de execução pela utilização de abordagens paralelas em relação ao algoritmo sequencial, além de indicarem que os modelos da CGPANN para o RAH são promissores em relação àqueles da literatura. Palavras-Chave Reconhecimento de Atividade Humana, Aprendizado de Máquina, Programação Genética Cartesiana, Redes Neurais Artificiais