Inteligência Artificial
URI Permanente para esta coleção
Navegar
Navegando Inteligência Artificial por Autor "Mittelmann, Munyque"
Agora exibindo 1 - 1 de 1
Resultados por página
Opções de Ordenação
- ItemPrevisão de casos de dengue por meio de redes neurais artificiais(2016) Mittelmann, Munyque; Daniel Gomes Soares, Msc; André Alessandro Stein, Msc; Juliano Tonizetti Brignoli, DrA dengue é uma doença transmitida pela picada de mosquitos do gênero Aedes. Apesar de ser um problema de saúde pública mundial, países tropicais, como o Brasil, são os mais atingidos por esta enfermidade. Devido à falta de medicamentos antivirais específicos e vacinas preventivas, é essencial prover informações adequadas aos órgãos públicos e à comunidade. Neste cenário, um alerta precoce de surtos de dengue possibilitaria a tomada de ações preventivas para um efetivo controle da doença, melhorando a eficiência das campanhas de controle dos vetores e permitindo mobilização de recursos humanos e materiais. Ao possibilitar a tomada de ações preventivas para um controle efetivo da doença, a previsão da incidência da dengue adquire um papel social indispensável. Dentre as técnicas que podem ser utilizadas na elaboração de modelos de previsão, incluem-se as Redes Neurais Artificiais (RNAs). RNAs são modelos computacionais inspirados no sistema nervoso de seres vivos. O propósito deste trabalho é desenvolver um modelo de previsão de casos de dengue para os municípios de Itajaí (Santa Catarina) e Guarulhos (São Paulo) por meio da técnica de RNAs. Neste trabalho, é comparada a utilização de duas arquiteturas distintas de RNAs, as redes Perceptron Multicamadas e as Redes Neurais Auto-Regressivas com Entradas Exógenas. Para que os objetivos do trabalho sejam atingidos, inicialmente foi realizada uma revisão sistemática da literatura de modo a identificar os modelos que têm sido utilizados para previsão de incidência de dengue, as variáveis utilizadas nestes modelos e o horizonte de previsão. Posteriormente, foi realizada a modelagem e treinamento das redes com diversas configurações de variáveis de entrada e parâmetros iniciais. O desempenho das redes modeladas foi analisado por meio de índices estatísticos e gráficos. Os resultados mostram que é possível realizar a previsão de casos de dengue nas áreas de estudo, com erro e antecedência aceitáveis, utilizando-se RNAs e tendo como entrada informações meteorológicas e dados quantitativos da dengue.