Engenharia Elétrica e Computação - Teses - EE Higienópolis
URI Permanente para esta coleção
Navegar
Submissões Recentes
Agora exibindo 1 - 5 de 83
- TeseOtimização de redes de sensores físicos e virtuais para monitoramento de monóxido de carbono na região metropolitana de São PauloBorges, Marco Aurelio (2024-12-06)
Escola de Engenharia Mackenzie (EE)
Um dos problemas que afeta as grandes cidades é a poluição do ar, causadora de doenças respiratórias. Embora existam sensores para monitorar este tipo de poluição, como Monóxido de Carbono (CO), um problema de pesquisa em aberto é identificar a quantidade ideal de sensores necessários para monitorar uma determinada região de maneira eficiente e precisa. Neste contexto, esta pesquisa propõe a elaboração de um método que otimize a quantidade de sensores utilizados para a criação de uma rede para monitorar a Região Metropolitana de São Paulo (RMSP). Para tanto, foi realizado um estudo de caso com a base de dados do Instituto Nacional de Metrologia (INMET), que fornece medições de temperatura e umidade pertinentes da área em questão, e sensores físicos que medem temperatura, umidade e CO. A proposta consiste em definir uma rede de sensores virtuais, na qual o valor de cada dispositivo é dado por um modelo de interpolação espacial denominado Inverse Distance Weighting (IDW). A partir disso, propõe-se o modelo de Fragmentação em Grupos por Rota (FGR), que visa distribuir os sensores em microrregiões com características semelhantes em termos de poluição. Como resultado, ´e apresentado, com detalhes, a distribuição do CO realizada pelo método de Monte Carlo, o qual tem a capacidade de gerar coordenadas dentro dos limites de latitude e longitude da área analisada. O principal resultado obtido foi o mapeamento de 36.378 medições de CO dentro da RMSP e a redução da quantidade de sensores empregados em 55% com uma variância média de 0.0563 para cada sensor. - TeseOtimização da seleção dinâmica de ensemble em classificação: integrando seleção de protótipos e metaclassificadoresManastarla, Alberto (2024-09-27)
Escola de Engenharia Mackenzie (EE)
No campo da aprendizagem de máquina, o uso de sistemas de múltiplos classificadores (MCS) tem sido reconhecido como eficaz para alcançar altas taxas de reconhecimento no campo de aprendizado de máquina. Entre esses sistemas, as técnicas de seleção dinâmica de ensemble (DES) se destacam, porque diferentes modelos ou classificadores podem ser competentes (ou es pecialistas) em diferentes regiões locais do espaço de características, também conhecidas como regiões de competência. Por essa razão, uma abordagem conveniente é selecionar o(s) modelo(s) mais promissor(es) para uma dada instância em análise. A competência dos classificadores, ge ralmente, é estimada de acordo com um determinado critério, calculado na vizinhança (região de competência) da instância em análise, definida em um conjunto de validação previamente esta belecido. Um problema surge quando há um alto grau de ruído nos dados de validação, fazendo com que as instâncias pertencentes à região de competência não representem a instância em análise. Nesses casos, a técnica de seleção dinâmica pode escolher um classificador (modelo) que se ajustou demais ou se subajustou à região de competência em questão, em vez daquele com o melhor desempenho de generalização. Também, uma outra questão importante no DES é definir o critério adequado para calcular a competência dos classificadores, considerando que existem diversos critérios disponíveis. Usar apenas um critério pode levar a uma estimativa ina dequada da competência do(s) classificador(es). Para abordar essas questões, foi desenvolvido o SGP-DES (Self-generating Prototype Dynamic Ensemble Selection), um novo framework de seleção dinâmica de ensemble que combina técnicas de seleção de protótipos, extração de me tainformações e um metaclassificador versátil. A versatilidade deste metaclassificador provém de sua capacidade de operar tanto com modelos otimizados quanto com modelos baseados em instâncias, ambos destinados a avaliar e selecionar de forma dinâmica, a partir de um pool de classificadores inicialmente gerado, os classificadores mais promissores para compor os ensem bles de classificadores finais que farão a predição do rótulo de classe das instâncias analisadas durante a fase de generalização do framework. O SGP-DES incorpora diversos critérios de se leção para avaliar a competência dos classificadores e adapta-se às variações nas condições de classificação. Ele utiliza metacaracterísticas derivadas das regiões de competência das instân cias analisadas, estabelecidas por protótipos representativos do conjunto de treinamento original que foram utilizados para formar o conjunto de validação. Essa estratégia permite ao metaclas sificador prever quais serão os classificadores mais eficazes, dado uma instância em análise. No entanto, a adequação de alguns critérios de seleção pode variar conforme o tipo de problema de classificação. Condições particulares nos dados, como alta demanda de armazenamento, resposta lenta do processo de classificação e baixa tolerância a ruídos, podem comprometer a eficiência ou precisão desses critérios. Por isso, é importante que o método de seleção de pro tótipos, responsável por formar o conjunto de validação e de onde serão definidas as regiões de competência das instâncias analisadas, seja adaptável ao problema de classificação em questão, de modo a otimizar a eficácia do metaclassificador no processo de seleção dos classificadores mais aptos para predizer corretamente o rótulo de classe das instâncias analisadas. Experimentos realizados com conjuntos de dados públicos amplamente conhecidos na literatura demonstraram que o SGP-DES supera os métodos DES de última geração, assim como os métodos tradicionais de modelo único e de ensemble, em termos de acurácia, confirmando sua eficácia em uma ampla gama de contextos de classificação. - TeseEducação musical de crianças surdas com o auxílio de inteligência artificialBenites, Cristiano da Silva (2024-08-15)
Escola de Engenharia Mackenzie (EE)
Esta tese investiga a inclusão musical de crianças surdas por meio do desenvolvimento e aplicação de tecnologias assistivas baseadas em inteligência artificial. O estudo explora como a combinação de estímulos visuais, vibrações táteis e reconhecimento de gestos pode transformar a experiência musical para crianças com deficiência auditiva, proporcionando-lhes acesso a uma forma de expressão historicamente inacessível. A pesquisa se estrutura em torno da criação de um sistema inovador de reconhecimento de gestos musicais, que associa notas musicais a cores e utiliza dispositivos de vibração para permitir que as crianças "sintam" e "vejam" a música. Esse sistema foi desenvolvido com base em uma análise aprofundada da literatura existente sobre educação musical inclusiva, tecnologias assistivas e práticas pedagógicas voltadas para crianças surdas. A metodologia adotada envolveu uma série de experimentos práticos com crianças surdas, onde o sistema foi testado e validado. Os resultados mostraram que o uso dessas tecnologias não apenas facilita o acesso à música, mas também tem impactos significativos no desenvolvimento emocional, social e cognitivo dessas crianças. O engajamento e a motivação demonstrados pelos participantes confirmam a eficácia das ferramentas desenvolvidas, sublinhando a importância de práticas pedagógicas que valorizem a diversidade sensorial e ofereçam múltiplos canais de aprendizado. Além das contribuições práticas, a tese promove uma reflexão sobre as limitações das abordagens tradicionais de ensino musical e a necessidade de políticas educacionais mais inclusivas. O trabalho sugere que a música pode, e deve, ser uma parte integral da educação de todas as crianças, independentemente de suas capacidades auditivas. Para isso, é essencial que educadores e formuladores de políticas adotem tecnologias assistivas e abordagens pedagógicas inovadoras como elementos centrais do currículo educacional. O estudo conclui que a inteligência artificial e outras tecnologias emergentes possuem um potencial transformador na inclusão de crianças surdas na educação musical, criando novas possibilidades de expressão e apreciação artística. A pesquisa abre caminho para futuras investigações, sugerindo que o sistema desenvolvido pode ser aprimorado e adaptado para atender a outras deficiências sensoriais e contextos educacionais variados. Ao integrar essas tecnologias com práticas pedagógicas inclusivas, podemos avançar na construção de uma sociedade mais justa e equitativa, onde a música seja verdadeiramente acessível a todos. - TeseModelo de propagação caótico determinísticoBotelho, Alberto Leonardo Penteado (2024-02-20)
Escola de Engenharia Mackenzie (EE)
A predição de cobertura é um método essencial de planejamento de sistemas de transmissão e comunicação sem fio de longo alcance, por minimizar a necessidade de medições de campo para ajuste da área de cobertura e consequentemente reduzir o tempo e o custo de implementação de um sistema de comunicação. No entanto, os métodos de predição de cobertura utilizam simplificações estatísticas que são otimizadas por algoritmos de quantificação de incertezas. As principais causas de incerteza são a dificuldade em representar multipercurso e o ruído impulsivo, pois esses dois efeitos possuem comportamento imprevisível e difíceis de serem modelados estatisticamente. Esta tese apresenta uma nova abordagem para representar incertezas de propagação de ondas eletromagnéticas baseada em sistemas dinâmicos caóticos para modelar o comportamento imprevisível do efeito multipercurso e do ruído impulsivo, resultando em previsões mais próximas daquelas encontradas na natureza. Propõe-se que os efeitos de propagação possam ser classificados como ruído aditivo gaussiano, multipercurso estático caótico, Efeito Doppler caótico e ruído impulsivo caótico. Um novo Modelo de Propagação Caótico Determinístico é apresentado para prever a área de cobertura em um sistema de transmissão DVB-T2 em ambientes rural, rural montanhoso, urbano e densamente urbanizado. Foi avaliado a C/N (Relação Portadora Ruído) para uma BER (Taxa de Erro de Bit) de 10-7 em diferentes canais. O modelo proposto indica um limiar C/N igual a 13,7 dB em ambiente densamente urbanizado e 13,4 dB em ambiente rural com parâmetros de modulação moderadamente menos robusta. Em configuração mais robusta, o limite C/N é igual a 0,9 dB em todos os ambientes. O Modelo Determinístico de Propagação Caótica também foi analisado pelo método subjetivo com software de predição de cobertura Progira. Os resultados obtidos indicam que a área prevista de má recepção é menor em comparação com a obtida pelos métodos tradicionais. Portanto, uma quantidade menor de retransmissores pode proporcionar uma boa recepção, causando uma redução significativa de custos na instalação de um sistema de transmissão. - TeseDeep learning contributions for the next generation of wireless systems = Contribuições de aprendizado profundo para as próximas gerações de sistemas de comunicação sem fioBarragam, Vinicius Piro (2024-02-16)
Escola de Engenharia Mackenzie (EE)
Os avanços tradicionais na camada física dos sistemas de comunicação têm sido impulsionados, normalmente, considerando cada etapa do processamento do sinal como um bloco isolado de processamento, cada um otimizado separadamente usando métodos matemáticos em uma abordagem descentralizada. No entanto, essa estratégia está sendo desafiada pelas crescentes demandas por conectividade sem fio e pela diversidade crescente de dispositivos e aplicações. Em contraste, sistemas baseados em Aprendizado Profundo (DL, do inglês Deep Learning) têm a capacidade de gerenciar tarefas complexas para as quais modelos bem definidos podem não existir. Esses sistemas, aprendendo diretamente dos dados, têm o potencial de se adaptar e até mesmo aproveitar os efeitos não intencionais das condições reais de hardware e canais, em vez de tentar eliminá-los. O objetivo da pesquisa apresentada nesta tese é explorar e contrastar diferentes metodologias para maximizar a eficácia de DL para estimação de canal em sistemas que utilizam Multiplexização por Divisão em Frequências Ortogonais (OFDM, do inglês Orthogonal Frequency Division Multiplexing). Nesta tese, duas abordagens distintas para a estimativa de canal em sistemas de comunicação são investigadas. A primeira emprega Redes Neurais Profundas Totalmente Conectadas (FC-DNNs, do inglês Fully-Connected Deep Neural Networks), começando com o treinamento de neurônios para reter informações de canal usando estimativas de Mínimos Quadrados (LS, do inglês Least Squares) como entradas, tendo canais reais como alvos. Este método se assemelha à arquitetura do autoencoder e mostra eficácia na redução de ruído em cenários de Ruído Branco Gaussiano Aditivo (AWGN, do inglês Additive White Gaussian Noise) e canais Rayleigh. No caso AWGN, seu comportamente corresponde ao desempenho teórico, permitindo a redução do número de pilotos e melhoria da eficiência espectral. Para o caso do canal Rayleigh, ele corresponde ao desempenho do estimador de Erro Quadrático Médio Mínimo (MMSE, do inglês Minimum Mean Square Error ). A segunda abordagem explora Redes Neurais Convolucionais (CNNs, do inglˆes Convolutional Neural Networks) tratando canais sem fio de maneira semelhante a imagens, utilizando assim as propriedades de invariância a translação de características e detecção de bordas. Este método foi treinado a partir de dados de canais seletivos com desvanecimento rápido em frequência, e 22 dB de Relação Sinal-Ruído (SNR, do inglês Signal-to-Noise Ratio) usando o modelo Vehicular A (VehA) a 50 km/h, compara CNNs, Redes Convolucionais Densas (abreviado em inglês, DenseNets) e Redes Residuais (abreviado em inglês, ResNets). As últimas redes, com suas conexões saltadas entre blocos, demonstram desempenho superior em níveis mais baixos de SNR, extraindo efetivamente informações de canais ruidosos.