Eventos
Divulgação - Defesa Nº 184
Aluno: Ingryd Vanessa de Sá Teles Pereira
Título: “Uma representação geral da fala para reconhecimento de emoção com uma rede semi-supervisionada utilizando GAN”.
Orientador: Prof. Alexandre Magno Andrade Maciel
Co-Orientador: Prof. Prof. Pablo Vinícius Alves de Barros
Data-hora: 27/Setembro/2018 (13:30h)
Local: Escola Politécnica de Pernambuco – SALA I-4
Resumo:
“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.”
Divulgação - Defesa Nº 183
Aluno: Danilo Monteiro Souza
Título: “Projeto de rede WLAN IEEE 802.11n para implementação de VoIP baseado em Algoritmos Culturais”.
Orientador: Prof. Edison de Queiroz Albuquerque
Co-Orientador: Prof. Fernando Buarque de Lima Neto
Data-hora: 21/Setembro/2018 (09:00h)
Local: Escola Politécnica de Pernambuco – SALA I-4
Resumo:
“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.”
Divulgação - Defesa Nº 182
Aluno: Breno Soares dos Santos
Título: “Aplicando Variáveis Macroclimáticas na Previsão de Vazão Utilizando Reservoir Computing, LSTM e Aprendizagem Profunda”.
Orientador: Prof. Mêuser Jorge Silva Valença
Data-hora: 17/Setembro/2018 (14:30h)
Local: Escola Politécnica de Pernambuco – SALA I-5
Resumo:
"Desde 2013, o Rio São Francisco tem atravessado um período de baixa hidraulicidade, ou seja, a intensidade da chuva está abaixo da média. Consequentemente, tem sido necessário operar a uma vazão mínima muito abaixo dos estabelecidos na licença de operação, que é de 1300 m3/s. Devido a esta crise hidráulica, o fluxo operacional no Rio São Francisco alcançou 700 m3/s , caracterizando esta situação como crítica. Neste trabalho, foi proposto o uso de Reservoir Computing (RC), Long Short Term Memory (LSTM) e Aprendizagem Profunda para prever a vazão de Sobradinho para 1, 2 e 3 meses à frente. Para isso, foram montadas bases de dados onde uma combinação entre a vazão de Sobradinho e variáveis macroclimáticas foi realizada. A seleção de variáveis e suas localizações foi feita utilizando Correlação Linear e Entropia (Random Forest). Após a obtenção do Erro Percentual Médio Absoluto (EPMA) de cada rede e a realização de testes estatísticos, foi observado que a rede profunda utilizando a taxa de precipitação apresentou o menor EPMA (6,59%). Gráficos comparativos entre o ocorrido e o previsto foram gerados para cara rede neural utilizada.”
O Programa
