Inteligência Artificial
URI Permanente para esta coleção
Navegar
Navegando Inteligência Artificial por Avaliador "Fábio Alexandrini, Dr"
Agora exibindo 1 - 5 de 5
Resultados por página
Opções de Ordenação
- ItemAnálise comparativa de modelos de recomendação: Um estudo focado em filmes(2024) Matheus Fernandes Cândido; Daniel Gomes Soares, Msc; Juliano Tonizetti Brignoli, Dr; Fábio Alexandrini, DrO aumento da quantidade de produtos disponíveis, seja de forma digital ou física , torna necessário o desenvolvimento de aplicações que consigam recomendar os produtos mais adequados a diferentes perfis de consumidores. Neste trabalho, são avaliadas as técnicas de filtragem colaborativa e floresta aleatória para recomendação de filmes. Além disso, são investigadas formas de utilização das diferentes técnicas em conjunto (ensembles). Todo o desenvolvimento, treinamento e validações foram feitos com os dados do MovieLens Rating Disposition 2023, uma base de dados de filmes, usuários e suas avaliações, incluindo o momento em que a avaliação foi feita. Buscou-se aplicar somente algumas técnicas básicas de engenharia de recursos, sendo a única exceção a penalização das avaliações ao decorrer do tempo visando entender se, ao priorizar avaliações recentes, as recomendações ficaram mais assertivas. Os resultados obtidos demonstraram que penalizar pelo tempo não contribui para a melhora do modelo. Em grande parte dos testes, a precisão se manteve estável, mas a sensibilidade e f1-score caíram consideravelmente. O único momento em que houve pequeno ganho de desempenho foi para penalizações por semestre e ano com o uso de filtragem colaborativa. Nesse caso, a precisão apresentou leve aumento, mas foi equilibrada com queda equivalente das outras métricas.
- ItemDiagnóstico médico de obessidade: uma comparação entre regressão linear múltipla e lógica Fuzzy para doenças cardiovasculares(2020) Silva, Jean Regis; Juliano Tonizetti Brignoli, Dr; Fábio Alexandrini, Dr; Daniel Gomes Soares, MscSendo um dos principais distúrbios relacionados a obesidade, as doenças cardiovasculares são a primeira causa de morte, em ambos os sexos, no mundo. Os fatores de risco, conhecidos como causas que aumentam a probabilidade de ocorrência de um determinado evento, antecedem em vários anos as doenças cardiovasculares. Destacam-se a obesidade, a diabetes, o sedentarismo, o tabagismo, a hipertensão arterial, a idade, o sexo, entre outros. A análise de regressão é uma técnica estatística para investigar e modelar a relação entre variáveis, sendo uma das mais uti lizadas na análise de dados. Pode se citar inúmeras aplicações da técnica de Regressão na área da saúde, doenças relacionadas a obesidade seria uma delas. O trabalho também recorreu ao uso de Lógica Fuzzy, que foi introduzida nos meios científicos em 1965 por Lofti Asker Za deh, através da publicação do artigo Fuzzy Sets no Jornal Information and Control. Hoje ela é elemento fundamental em diversos sistemas, sendo considerada uma técnica de excelência no universo computacional. O conceito Fuzzy pode ser entendido como uma situação em que não é possível responder simplesmente “sim” ou “não”. Mesmo conhecendo as informações necessárias sobre a situação, dizer algo entre “sim” e “não”, como “talvez” ou “quase”, torna-se mais apropriado. Nesse sentido, o objetivo deste trabalho é apresentar o funcionamento do raciocínio Fuzzy, utilizando o método mais popular de raciocínio Mamdani, em comparação ao uso da técnica estatística de Regressão Linear Múltipla para um auxílio ao diagnóstico, com algumas variáveis de risco, de doenças cardiovasculares. Tratando-se do disgnóstico da doença, com a finalidade entendê-lo, foi realizado um estudo das variáveis de risco baseado no score de Framingham. Como consequência, um método para calcular o risco foi obtido ao selecionar as variáveis idade, colesterol total, HDL colesterol, pressão sistólica, diabetes e tabagismo. Também fora utilizada a base de dados pública Heart Disease Database na seleção da amostragem, a qual possui informações de 303 pacientes da cidade de Cleveland, Ohio, Estado Unidos. A partir de uma escolha aleatória simples, foi calculada a amostragem de 50 indivíduos do sexo masculino. Estas informações subsidiaram a construção da base de regras Fuzzy e da função de Regressão Linear Múltipla. Ao fim, a Regressão Linear Múltipla se mostrou mais eficaz em todas as comparações efetuadas. Para a Regressão Linear Múltipla tivemos uma correlação linear (𝑅2) de 0,8307 em relação ao score de Framingham, enquanto o Fuzzy obteve uma correlação de 0,6152. Desta forma, a Regressão Linear Múltipla mostrou-se mais eficiente como uma inteligência computacional no auxílio ao diagnóstico, visando diminuir o grau de incerteza.
- ItemRecomendação de planos alimentares utilizando raciocínio baseado em casos(2016) Livramento, Matheus; Daniel Gomes Soares, Msc; Juliano Tonizetti Brignoli, Dr; Fábio Alexandrini, DrPara conquistar uma boa saúde, dentre vários aspectos, é indispensável uma boa alimentação. É nesse ponto onde muitas pessoas recorrem a orientação de um profissional. Entretanto, podem ocorrer algumas inconveniências por parte do paciente ou por parte do nuctricionista. Por exemplo, um plano alimentar desenvolvido manualmente por um profissional pode ocasionar inconsistências ou até mesmo um abandono da dieta por parte do paciente e, em consequência da mesma, tornar-se desagradável ou até mesmo impraticável a longo prazo. Já por parte do nutricionista, o aspecto mais trabalhoso de sua função é a elaboração de planos alimentares bem ajustados para cada tipo de paciente que passa pelo seu consultório. Sabendo que cada pessoa possui suas individualidades fisiológicas, embora que, as vezes muito similares entre si, foi utilizada a técnica de Raciocínio Baseado em Casos para amenizar ou anular esses impasses. A ferramenta desenvolvida fornece aos pacientes planos alimentares adaptados ao seu perfil de modo que o mesmo tenha a liberdade de escolher qual plano queira utilizar. Já pelo lado do nutricionista, essa ferramenta utiliza a premissa da similaridade para reutilizar planos alimentares para pacientes com características físicas semelhantes, ou seja, assim que a base de dados do sistema estiver suficientemente populada com planos alimentares, a formulação de novos planos será rara ou nula por parte do nutricionista. Concernente aos testes realizados, focados principalmente nas enfermidades (diabetes, intolerância ao glúten e intolerância à lactose) a ferramenta mostrou-se eficaz pois classificou planos alimentares que continham alimentos restritos como pouco similares, ou seja, não recomendáveis para o paciente portador da doença. Assim, compreendendo que a ferramenta apresentou bons resultados mesmo com poucos casos, conclui-se que sua utilização real por um nutricionista pode ser válida, sendo capaz de agilizar o fluxo de trabalho do profissional e até mesmo evitando possíveis desistências por parte de seus pacientes através do fornecimento de planos dinâmicos.
- ItemSistema de recomendação de roupas fundamentado em raciocínio baseado em casos(2015) Santos, Camila Lenz; Daniel Gomes Soares, Msc; Patricia Blini Estivalete, Dr; Fábio Alexandrini, DrA Inteligência Artificial é uma ciência considerada recente, em que trabalhos vem sendo desenvolvidos, como a técnica de Raciocínio Baseados em Casos, cuja aplicação é a solução de problemas por meio da utilização de casos anteriores já conhecidos. Esse trabalho abrange os principais conceitos sobre Raciocínio Baseado em Casos como fundamento para implementação de um Sistema de Recomendação de Roupas, contemplando também conceitos fundamentais sobre o código do vestir. A metodologia utilizada consistiu em pesquisa bibliográfica, levantamento de requisitos funcionais e não funcionais, além disso, foi realizada uma pesquisa quantitativa com mulheres de idade acima de 15 anos, entre a maioria das entrevistadas (48%) possui idade de 15 a 23 anos, 47% das entrevistadas possuem Ensino Superior, a maioria das entrevistadas (35%) gasta 10 minutos por dia procurando o que vestir e 49% possuem dúvidas as vezes do que vestir em alguma ocasião especial. O desenvolvimento do trabalho resultou em um sistema Web utilizando a linguagem de programação PHP que permite a inserção das roupas no sistema e a montagem de combinações de roupas chamadas de casos ou looks. Os casos são cadastrados em uma base de casos e dessa forma é possível fazer a busca de um caso/look quando o usuário desejar uma recomendação do que usar levando em consideração fatores como o clima, a ocasião, o tipo de traje a ser usado e a imagem que deseja transmitir. Após realizada a busca através da técnica de Raciocínio Baseado em Casos é possível concluir todas as outras fases que integram o ciclo RBC como recuperação, reutilização, revisão e retenção dos casos. Resultados foram observados através de testes para validar o sistema proposto demonstrando seu funcionamento.
- ItemSoftware educacional de apoio ao ensino de algoritmos genéticos(2018) Wessner, William; Daniel Gomes Soares, Msc; Cristhian Heck, M.Eng; Fábio Alexandrini, DrDurante as últimas décadas os Algoritmos Genéticos (AGs) ganharam destaque por ser uma técnica poderosa para resolver problemas de busca e otimização, e consequentemente, o ensino desta técnica está se tornando cada vez mais comum. As aulas práticas com o uso de ferramentas didáticas são fundamentais para que os alunos consolidem e apliquem os conceitos aprendidos nas aulas teóricas. Este trabalho apresenta o GeneticsA, que é um software educacional de apoio ao ensino de AG, que tem como objetivo enriquecer o aprendizado, fazendo que o aluno consiga compreender como ocorreu a fases de avaliação, seleção, crossover e mutação. O GeneticsA permite que o usuário escolha as funções de avaliação (Simples, Normalização linear, Windowing e Escalonamento Sigma), os métodos de seleção (Roleta viciada, Método do torneio e Amostragem Estocástica), os operadores de crossover (Um ponto, Dois pontos e o operador Uniforme) e o problema de maximização de funções. O usuário também pode configurar parâmetros como tamanho da população, taxa de mutação, quantidade máxima de gerações e o número de genes. O software foi desenvolvido na linguagem de programação Java e para a criação da interface foi utilizada a API JavaFX.