“O acúmulo de secreção nas vias aéreas é um sério problema em pacientes submetidos à ventilação mecânica. Evidências desse acúmulo podem ser vistas no sinal de fluxo durante a fase expiratória do ciclo respiratório. Neste trabalho desenvolvemos um sistema de detecção automática de secreção nas vias aéreas de pacientes entubados. O sistema desenvolvido é capaz de detectar secreção em tempo real, ciclo a ciclo, de forma não invasiva, utilizando apenas o sinal de fluxo de ar nas vias aéreas. Nossa abordagem é baseada em processamento digital de sinais e sistemas imunológicos artificias. Os algoritmos de processamento e o sistema imunológico artificial obtiveram índices de acerto acima de 90% em uma base de dados contendo mais de 850 ciclos respiratórios. O sistema também apresentou uma capacidade de generalização satisfatória, evidenciada pelos resultados obtidos com baixos percentuais de treinamento e pelo grau de imunidade a ruído e perturbações periódicas no sinais. Os resultados obtidos foram satisfatórios e algumas das contribuições desse trabalho incluem, a detecção de secreção, um algoritmo da seleção negativa melhorado e uma estrutura para detecção de assincronias paciente-ventilador.”
“Reconhecer traços emocionais na fala é uma tarefa desafiadora que se tornou muito popular nos últimos anos, especialmente devido aos recentes avanços nas redes neurais profundas. Embora muito bem-sucedidos, esses modelos herdaram um problema comum das redes neurais profundas fortemente supervisionadas: um grande número de amostras fortemente marcadas são necessárias, de modo que o modelo aprenda uma representação geral de emoções. Este trabalho propõe uma solução para este problema com o desenvolvimento de uma rede neural semi-supervisionada capaz de aprender a representação da fala a partir de amostras não-rotuladas e utilizá-las em diferentes cenários de reconhecimentos de emoções em fala. Foram realizados experimentos com diferentes conjuntos de dados, representando cenários naturais e controlados. Os resultados mostram que o modelo proposto é competitivo com soluções de ponta em todos esses cenários, compartilhando as mesmas representações aprendidas, que foram aprendidas sem a necessidade de dados rotulados fortes.”
“A satisfação que um usuário possui ao utilizar um serviço de VoIP em uma rede sem fio, muitas vezes, está relacionada à qualidade de seus serviços. A maximização dessa correspondência está condicionada a um bom planejamento da topologia. No entanto, tal requisito está vinculado à experiência de especialistas que, geralmente, desconsideram os principais fatores degradantes: excesso de pontos de acessos, interferência e desbalanceamento de tráfego. Portanto, se faz necessário uma abordagem que minimize tais problemáticas. Técnicas de Inteligência Computacional (IC) apresentam habilidades de lidar com problemas de otimização de alta dimensionalidade. Algoritmo Evolucionário (Cultural), como uma técnica estabelecida de IC, lida bem com restrições simbólicas. Por isso, foi utilizado aqui para determinar o local ótimo de alocação dos pontos de acessos que maximize a cobertura com qualidade, diminuindo os fatores de deterioramento. A técnica selecionada foi submetida a diferentes dimensionalidades, através de um Hipercubo de alocações de Pontos de Acessos (HAPA) e as simulações, no estudo de caso, revelaram que o algoritmo é capaz de projetar uma rede sem fio eficiente para suportar serviços de VoIP, obtendo um volume de cobertura acima de 90%, intensidade de sinal nas estações cliente que permite a máxima navegação na rede (-64.43 dBm), baixa interferência e alto balanceamento de carga.”