Eventos
Divulgação - Defesa Nº 196
Aluna: Carlos César Bezerra Fonseca
Título: “Análise de Dados no Cadastro da Rede de Distribuição Secundária de Energia”.
Orientador: Prof. Alexandre Magno Andrade Maciel
Data-hora: 26/Agosto/2019 (14:00h)
Local: Escola Politécnica de Pernambuco – SALA I-5
Resumo:
“O trabalho visa criar um modelo inteligente de análise de dados no cadastro da rede de distribuição secundária de energia, com ênfase na busca por possíveis anomalias que podem ser apenas cadastrais ou realmente físicas. Para isso, utiliza algumas técnicas de mineração de dados, dando foco para a detecção de anomalias. Este estudo utilizou um banco de dados privado contendo informações sobre os ativos que compõem a rede de distribuição secundária de energia, tais como: postes, transformadores, seccionadores, entre outros. A pesquisa foi desenvolvida seguindo todos os passos apresentados na metodologia CRISP-DM. Para detectar as anomalias, foram utilizados os algoritmos Isolation Forest, DBSCAN e BIRCH. Como resultado, os três algoritmos apontaram para um conjunto específico de anomalias, que posteriormente foram validadas por um especialista, no entanto, o Isolation Forest obteve uma maior acurácia na inferência das anomalias. A partir deste estudo, as empresas de distribuição de energia poderão identificar antecipadamente situações arriscadas ou problemáticas financeiramente.”
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”
O Programa
