Desenvolvimento e validação do sistema Mining_RNA

O sequenciamento do genoma humano proporcionou o aprofundamento de diversos tipos de estudos e tecnologias de análise biológica, dentre estas, o microarranjo. A necessidade publicar os dados brutos dessas pesquisas impulsionou a criação de bancos de dados públicos onde essas informações pudessem ser indexadas e resgatadas. Essas bases são uma grande fonte de dados transcriptômicos que infelizmente acabam sendo subutilizadas. O objetivo deste trabalho foi o desenvolvimento de um sistema WEB para mineração de dados em estudos transcriptômicos a partir de microarranjos armazenados no banco de dados biológico Gene Expression Omnibus (GEO), o Mining_RNA. Através de uma usabilidade passo-a-passo juntamente com uma série de filtros o sistema possibilita resgatar dados do GEO, calcular a expressão diferencial entre os genes de um estudo, possibilitando ainda análises estatísticas para cada gene do estudo analisado. O sistema foi validado através da comparação com a avaliação dos mesmos dados com o software GEO2R (eficácia aproximada de 98%) e no estudo original (eficácia maior que 90%). Mining_RNA pode ser um forte aliado dos pesquisadores para a reanálise de estudos transcriptômicos, possibilitando uma nova forma de analisar os dados e gerando resultados tão confiáveis quanto ferramentas já consolidadas.

AutoRL-TSP-RSM: sistema de aprendizado por reforço automatizado com metodologia de superfície de resposta para o problema do caixeiro viajante

A definição de parâmetros é uma importante etapa para a utilização de métodos de Aprendizado de Máquina. No entanto, pode ser altamente custoso definir esses valores de condições iniciais para cada aplicação. Assim, este trabalho tem como objetivo propor um sistema de Aprendizado de Máquina Automatizado para ajuste de parâmetros. Nesta linha, foi desenvolvido um método de Aprendizado por Reforço Automatizado aplicado ao Problema do Caixeiro Viajante. O sistema proposto ajustou através da Metodologia de Superfície de Resposta dois parâmetros (taxa de aprendizado e fator de desconto) do algoritmo Q-learning. Os resultados revelaram que os valores ajustados pelo método proposto alcançaram, em geral, as melhores soluções, em comparação com a adoção de parâmetros da literatura.

Técnicas de geolocalização para tecnologia LoRa: um mapeamento sistemático

A geolocalização LoRa nativa é um recurso comercialmente emergente, inerente à tecnologia sem fio LoRa, que, no entanto, tem limitações importantes. A principal limitação é a baixa precisão: 20-200m para gateways equipados com relógios de alta resolução e 1-2km para gateways mais simples. Nos últimos anos, pesquisas têm sido realizadas com o objetivo principal de melhorar esses níveis de precisão. Assim, este mapeamento sistemático apresenta uma visão geral do estado da arte das técnicas de geolocalização LoRa nativas. São mapeados 43 artigos publicados entre 2016 e 2021. As técnicas de multilateração TDoA/RSSI são as mais utilizadas, junto com uma ampla gama de algoritmos que calculam as coordenadas geográficas, como métodos analíticos, métodos estatísticos, aprendizado de máquina e impressão digital. Apenas 23% dos artigos são de redes LoRaWAN reais, destacando uma lacuna de pesquisa a esse respeito. No geral, melhorias nos níveis de precisão são observadas em praticamente todos os trabalhos mapeados: 25m em média para os simulados ou experimentados em ambientes controlados, e 300~m para testados em ambientes reais de propagação de sinal, como grandes áreas urbanas.

Redes neurais artificiais paraconsistentes aplicadas no monitoramento óptico de produtos

Este trabalho apresenta o uso da Lógica Paraconsistente (LP) aliada a técnicas da fotogrametria voltadas ao processamento de imagens para obtenção de dados de interesse em um cenário de controle de qualidade de linha de produção. A fotogrametria tem sido aplicada com sucesso em cenários de monitoramento, enquanto a LP, por sua vez, tem sido aplicada em situações de controle de processo. Uma vez que a LP considera a incerteza ao realizar cálculos, ela se torna útil em cenários onde a medição desempenha um papel fundamental. Aqui são descritas as etapas para a montagem e execução de uma estrutura lógica denominada Unidade de Convolução Paraconsistente (UCP). A UCP é capaz de realizar transformações em imagens e extrair propriedades, utilizadas pelas Células Neurais Artificiais Paraconsistentes (CNAPs)em etapas de classificação dos objetos presentes nas imagens e identificação de desvios em suas dimensões. Os resultados foram encorajadores, apresentando uma diminuição da variância na distribuição de frequência dos níveis de cinza na imagem 13 vezes maior do que a alcançada pelo uso de uma biblioteca de programação padrão, a realização de medidas em objetos com um erro máximo observado de 1,77% em relação ao valor teórico esperado, uma taxa de precisão de 100% no processo de classificação de objetos com o uso de algoritmos de baixo uso computacional e a capacidade de identificar desvios nas dimensões do objeto de até 1 mm.

Cidades inteligentes assistivas apoiando nos cuidados das pessoas com deficiência: um mapeamento sistemático

Com o avanço das tecnologias móveis e melhorias nos dispositivos sem fio tornou-se possível solucionar problemas no âmbito social das cidades e proporcionar uma gama de alternativas para melhorar e implementar cada vez mais ambientes inteligentes, facilitando a vida cotidiana. Isso também se aplica às cidades inteligentes assistivas, que tem como objetivo proporcionar maior acessibilidade às pessoas com deficiência (PCDs), com necessidades especiais ou idosos, por meio de recursos computacionais que possibilitam diminuir ou sanar uma necessidade encontrada proporcionando mais conforto, acessibilidade e oportunidades. Este artigo apresenta um mapeamento sistemático que relaciona artigos que visam ampliar a acessibilidade e melhorar a qualidade de vida das pessoas com deficiência em cidades inteligentes assistivas. Esta pesquisa baseou-se em seis fontes de dados gerando um total de 93.998 artigos. Destes, após cinco etapas de filtragem e classificação resultaram em 21 artigos selecionados de acordo com o propósito desta pesquisa. Constatou-se que 47,6% destes trabalhos visam a segurança via monitoramento para facilitar a locomoção e acessibilidade diária dos PCDs. Verificou-se que 9,5% dos artigos abordam a comunicação e 28,6% visam tanto a comunicação do usuário quanto sua segurança. O entretenimento foi o tema central de 14,3% dos artigos selecionados.

Reinforcement learning control of robot manipulator

Since the establishment of robotics in industrial applications, industrial robot programming involves therepetitive and time-consuming process of manually specifying a fixed trajectory, which results in machineidle time in terms of production and the necessity of completely reprogramming the robot for different tasks.The increasing number of robotics applications in unstructured environments requires not only intelligent butalso reactive controllers, due to the unpredictability of the environment and safety measures respectively. This paper presents a comparative analysis of two classes of Reinforcement Learning algorithms, value iteration (Q-Learning/DQN) and policy iteration (REINFORCE), applied to the discretized task of positioning a robotic manipulator in an obstacle-filled simulated environment, with no previous knowledge of the obstacles’ positions or of the robot arm dynamics. The agent’s performance and algorithm convergence are analyzed under different reward functions and on four increasingly complex test projects: 1-Degree of Freedom (DOF) robot, 2-DOF robot, Kuka KR16 Industrial robot, Kuka KR16 Industrial robot with random setpoint/obstacle placement. The DQN algorithm presented significantly better performance and reduced training time across all test projects and the third reward function generated better agents for both algorithms.

An end-to-end approach to autonomous vehicle control using deep learning

The objective of this work is to develop an autonomous vehicle controller inside Grand Theft Auto V game, used as a simulation environment. It is used an end-to-end approach, in which the model maps directly the inputs from the image of a car hood camera and a sequence of speed values to three driving commands: steering wheel angle, accelerator pedal pressure and brake pedal pressure. The developed model is composed of a convolutional neural network and a recurring neural network. The convolutional network processes the images and the recurrent network processes the speed data. The model learns from data generated by a human driver´s commands. Two interfaces are developed: one for collecting in-game training data and another to verify the performance of the model for the autonomous vehicle control. The results show that the model after training is capable to drive the vehicle as well as a human driver. This proves that a combination of a convolutional network with a recurrent network, using an end-to-end approach, is capable of obtaining a good driving performance even using only images and speed velocity as sensory data.

O professor como coordenador em um ambiente móvel colaborativo de aprendizagem

Em ferramentas de aprendizagem colaborativa apoiada por dispositivos móveis, trocas de mensagens são realizadas pelos usuários para apoiar a construção coletiva de conhecimento pelos membros de um grupo. O registro das atividades ocorridas no grupo pode fornecer indícios de como ocorre a evolução da aprendizagem. Mecanismos de coordenação em conjunto com técnicas de learning analytics podem ser utilizados em ambientes de ensino, para apoiar o professor na coordenação, possibilitando-o adaptar suas propostas pedagógicas. Essa pesquisa visa identificar os mecanismos de coordenação para ambientes colaborativos de ensino-aprendizagem móvel, bem como aplicá-los à modelagem de um sistema (EZClass) com ênfase na coordenação do professor em um ambiente virtual de aprendizagem. Os mecanismos são representados por meio de requisitos funcionais e são utilizados na definição do sistema EZClass. O EZClass surge com a proposta de auxiliar o professor na coordenação de atividades em um ambiente virtual de aprendizagem, de modo que o professor possa tomar decisões com base nos indicadores apresentados, permitindo-o adaptar sua proposta pedagógica para melhor atender a demanda dos alunos.

Relé de salto de vetor no SIMULINK: implementação da técnica de anti-ilhamento em sistemas de geração distribuída

A crescente demanda por energia elétrica tem incentivado consumidores a investirem em geradores conectados junto às instalações consumidoras. Esse tipo de geração é conhecido como geração distribuída (GD). A GD apresenta vantagens, porém pode trazer alguns inconvenientes como o risco de alimentar um trecho de rede durante uma manutenção (operação ilhada). Para impedir que isso ocorra, as GDs devem possuir proteções que permitam identificar a perda de conexão com a rede. Entre os principais métodos de identificação de ilhamento estão os relés de salto de vetor. Estudos direcionados a detecção de ilhamento podem ser realizados utilizando diversos softwares, entre eles, pode-se citar, o MATLAB/SIMULINK. Porém, não há na literatura um documento que descreva com clareza como implementar uma simulação de detecção de ilhamento pelo método de salto devetor utilizando MATLAB/SIMULINK. Esse trabalho tem como contribuição fornecer uma orientação detalhada dessa implementação utilizando máquina síncrona servindo como guia para alunos que desejam iniciar estudos em geração distribuída.

Stars: um ambiente integrado para avaliação de disponibilidade, custo e consumo de energia de sistemas

Sustentabilidade tem recebido atenção crescente da comunidade cientifica, sendo o maior foco o da redução do consumo energético e também na manutenção de recursos não renováveis para as futuras gerações. Em paralelo, a expansão de paradigmas como o da computação nas nuvens, redes sociais e comércio eletrônico acabou por aumentar a demanda dos data centers. Nesse contexto, ferramentas que dão suporte a modelagem de arquiteturas de data center e que sejam capazes de computar métricas como a de disponibilidade, custo e consumo energético são de extrema importância. Este projeto propõe uma ferramenta para modelagem de arquiteturas de data centers que é capaz de computar métricas como consumo energético, disponibilidade e custo. Além disso, usuários não especializados não necessitam conhecer o formalismo adotado pela ferramenta para computar tais métricas (ex., RBD, SPN e EFM). Além disso, um algoritmo de otimização, chamado Algoritmo Genético, foi integrado a ferramenta para otimizar os resultados alcançados através de uma lista de componentes. Este algoritmo é capaz de encontrar uma combinação de componentes para uma dada arquitetura de data center em uma fração reduzida de tempo em comparação ao algoritmo de força bruta. Resultados alcançados demonstraram que foi possível se obter respostas em menos de 3 segundos com o algoritmo genético em comparação com os 255 segundosdemandados pelo algoritmo de força bruta.