Divulgação - Defesa Nº 195

Aluna: Iago Richard Rodrigues Silva

Título: “Modelos Baseados em Aprendizado de Máquina para Diagnóstico da Doença de Alzheimer”.

Orientadora: Profª. Roberta Andrade de Araujo Fagundes
Coorientador: Wellintong Pinheiro Santos

Data-hora: 21/Agosto/2019 (14:00h)
Local: Escola Politécnica de Pernambuco – SALA I-7

Resumo:

“A doença de Alzheimer (DA) é uma das doenças neurodegenerativas mais comuns presentes na sociedade. A DA está relacionada ao envelhecimento e é a forma mais comum de demência, com isso ela afeta em quase sua totalidade os idosos devido às alterações que ocorrem no cérebro. A DA apresenta-se como uma perda progressiva de características comportamentais e intelectuais. O declínio da memória, linguagem e percepção são alguns dos problemas. Não existe cura para Alzheimer, entretanto quando a doença é diagnosticada precoce e corretamente, tratamentos existentes podem amenizar a qualidade de vida do indivíduo. Existem diversos tipos de diagnósticos para esta doença, que podem seguir-se através de abordagens que utilizam testes cognitivos, sinais elétricos ou exames de imagem. Para análise destes exames, a utilização de algoritmos inteligentes têm se mostrado eficiente. Diante deste contexto, esta dissertação tem como objetivo apresentar dois modelos para diagnóstico da Doença de Alzheimer utilizando algoritmos aprendizado de máquina em imagens de ressonância magnética. O primeiro modelo consiste na utilização de extração explícita de atributos, tendo como o algoritmo de extração de texturas desenvolvido por Robert Haralick como agente. O segundo modelo foi elaborado a partir de extração de atributos por intermédio de uma rede neural convolucional proposta neste projeto de pesquisa. Em ambos os modelos foram executados algoritmos clássicos de aprendizado de máquina para classificação dos dados gerados pelos extratores de características, como SVM, Random Forest e K-NN. Ambos os modelos foram avaliados seguindo métricas tradicionais da literatura, como acurácia, sensibilidade e especificidade. Os resultados obtidos e avaliados mostram que houve contribuição na proposição destes novos modelos, e que eles contém resultados compatíveis com o estado da arte. O primeiro modelo apresenta-se com uma acurácia próxima a 80%, tendo mostrado avanço enquanto a trabalhos relacionados ao diagnóstico da doença utilizando três classes em imagens de ressonância magnética. Enquanto o segundo modelo apresentou resultados superiores a 90%, resolvendo o problema de classificação de duas classes.”

Divulgação - Defesa Nº 194

Aluna: Raquel Bezerra Calado

Título: “Aplicação de Técnicas de Mineração De Texto para Categorização de Dados Não Estruturados Extraídos dos Diários Oficiais Brasileiros”.

Orientador: Prof. Alexandre Magno Andrade Maciel

Data-hora: 14/Agosto/2019 (14:00h)
Local: Escola Politécnica de Pernambuco – SALA I-4

Resumo:

“Os diários oficiais brasileiros são fontes ricas de informação governamental, mediante suas publicações os atos oficiais tornam-se públicos e passam a ser considerados válidos. Operadores do direito no exercício de suas funções dependem diretamente dessas publicações em sua rotina de trabalho. No entanto, colher estas informações tem se tornado uma tarefa cada vez mais desafiadora. Os conteúdos que compõem os diários são em grande parte não estruturados e em numerosa quantidade. A cada mês, cerca de dois milhões de novas páginas desses documentos são criadas, esses arquivos contém informações sobre atos oficiais da administração pública executiva, legislativa e judiciária que precisam ser buscados e filtrados diariamente para as mais diversas finalidades. Os métodos de análise de dados tradicionais tornaram-se obsoletos devido ao crescimento do volume desses dados. Uma possível solução para este problema é utilizar técnicas de Mineração Textual (MT). O uso de MT vêm sendo amplamente explorado para processamento, recuperação e extração de informação em documentos escritos em linguagem natural. Apesar desse fato, observa-se uma grande ausência de trabalhos utilizando abordagens de mineração textual em dados dos diários oficiais brasileiros. Neste contexto, este trabalho teve como objetivo propor a modelagem e desenvolvimento de uma solução tecnológica que possibilite a construção de um sistema que aplique técnicas de categorização de conteúdos, oriundas da mineração de textos para classificar conteúdos dos diários oficiais brasileiros. Para validar a abordagem proposta, construíram-se bases de dados não estruturados a partir dos diários mencionados. A quantidade de categorias de cada base de dados varia de acordo com o diário a que ela se refere. Dois experimentos foram realizados para mensurar a eficiência de diferentes classificadores e arquiteturas. O primeiro experimento teve como objetivo confirmar se há relação entre um determinado texto e uma determinada a categoria. O objetivo do segundo experimento foi categorizar os conteúdos apresentados. Os resultados do primeiro experimento apontaram que a montagem da arquitetura utilizando conjuntos de classificadores dinâmicos aumentaram consideravelmente as taxas de acerto da solução proposta. Observou-se que no segundo experimento os classificadores mais eficientes foram os algoritmos baseados em gradient boosting. A partir dos resultados obtidos, concluiu-se que ambas as abordagens propostas demonstraram grande eficiência nas tarefas realizadas em dados não estruturados oriundos dos diários oficiais brasileiros”

Divulgação - Defesa Nº 193

Aluno: Cristian Camilo Millan Arias 

Título: “Interactive Reinforcement Learning for Continuous Spaces and Dynamics Environments”.

Orientador: Prof. Bruno José Torres Fernandes

Coorientador: Francisco Javier Cruz Naranjo

Data-hora: 09/Agosto/2019 (09:00h) 
Local: Escola Politécnica de Pernambuco – SALA I-4

Resumo:

“A Aprendizagem por Reforço refere-se a um paradigma de aprendizagem de maquina onde um agente interage com um ambiente circundante para aprender como realizar uma tarefa. Muitas vezes, a aprendizagem é afetado pelas características e a forma de como o agente percebe o ambiente. As características do ambiente podem mudar sobre o tempo ou ser afetadas por perturbações externas que o agente não pode controlar. Por outro lado, as representações discretas do ambiente permitem que a aprendizagem seja rápida, e os algoritmos sejam simples para desarrolhar uma tarefa. No entanto, a informação perde-se durante o processo de discretização. Além disso, em espaços contínuos, o agente demora muito para encontras as ações ótimas. Algumas propostas resolvem esses problemas, por exemplo, a Aprendizagem por Reforço Interativo é uma abordagem no qual uma entidade externa ajuda aprender ao agente através de um feedback. Também tem abordagens robustas, como Aprendizagem por Reforço Robusto, que permite ao agente aprender uma tarefa considerando perturbações produzidas no ambiente. Nesta dissertação, propõe-se uma metodologia para implementar Aprendizagem por Reforço Interativo em cenários onde os estados e as ações estão em espaços contínuos e o ambiente é dinâmico. Para avaliar a proposta, implementou-se um cenário simples, o problema do Cart-pole, onde as características do ambiente mudam em cada episodio. Os resultados mostraram que a abordagem proposta aumenta a recompensa acumulada em relação ao método de aprendizagem autônomo, além disso, o agente é robusto contra mudanças nas características do ambiente.”