Navegando por Autor "Martins, Allan de Medeiros"

Agora exibindo 1 - 20 de 104

Uma abordagem baseada em tipicidade e excentricidade para agrupamento e classificação de streams de dados
(2017-05-24) Bezerra, Clauber Gomes; Oliveira, Luiz Affonso Henderson Guedes de; http://lattes.cnpq.br/7987212907837941; Martins, Allan de Medeiros; ttp://lattes.cnpq.br/4402694969508077; http://lattes.cnpq.br/1125827309642732; Silva, Diego Rodrigo Cabral; Lemos, André Paim; http://lattes.cnpq.br/2426104312592166; Costa, Bruno Sielly Jales; http://lattes.cnpq.br/2486327435960311
Nesta tese apresentamos uma nova abordagem para realizar o agrupamento e a classificação de um conjunto de dados de forma não supervisionada. A abordagem proposta utiliza os conceitos de tipicidade e excentricidade usados pelo algoritmo TEDA na detecção de outliers. Para realizar o agrupamento e a classificação é proposto um algoritmo estatístico chamado Auto-Cloud. As amostras analisadas pelo Auto-Cloud são agrupadas em unidades chamadas de data clouds, que são estruturas que não possuem formato ou limites definidos. O Auto-Cloud permite que cada amostra analisada possa pertencer simultaneamente a várias data clouds. O Auto-Cloud é um algoritmo autônomo e evolutivo, que não necessita de treinamento ou qualquer conhecimento prévios sobre o conjunto de dados analisado. Ele permite a criação e a fusão das data clouds de forma autônoma, à medida que as amostras são lidas, sem qualquer intervenção humana. As características do algoritmo fazem com que ele seja indicado para o agrupamento e classificação de streams de dados e para aplicações que requerem respostas em tempo-real. O Auto- Cloud também é um algoritmo recursivo, o que o torna rápido e exige pouca quantidade de memória. Já no processo de classificação dos dados, o Auto-Cloud trabalha como um classificador fuzzy, calculando o grau de pertinência entre a amostra analisada e cada data cloud criada no processo de agrupamento. A classe a que pertence cada amostra é determinada pela data cloud com maior grau de pertinência com relação a amostra. Para validar o método proposto, aplicamos o mesmo em vários conjuntos de dados existentes na literatura sobre o assunto. Além disso, o método também foi validado numa aplicação de detecção e classificação de falhas em processos industriais, onde foram utilizados dados reais, obtidos de uma planta industrial.
Abordagem heurística baseada em busca em vizinhança variável para o agrupamento balanceado de dados pelo critério da soma mínima das distâncias quadráticas
(2016-08-22) Costa, Leandro Rochink; Aloise, Daniel; ; ; Martins, Allan de Medeiros; ; Aloise, Dário José;
Após vários avanços na tecnologia de captação e armazenamento de dados e do crescimento de aplicações que provêm novas informações, o número de elementos informacionais disponíveis é enorme tanto em volume quanto em variedade. Com esse aumento na quantidade de informações, a necessidade de entendê-los e resumi-los se tornou cada vez mais urgente. O Agrupamento Balanceado de Dados, do inglês Balanced Clustering, visa encontrar grupos de entidades similares que possuam aproximadamente o mesmo tamanho. Neste trabalho, é proposta uma nova abordagem heurística baseada na metaheurística Busca em Vizinhança Variável, do inglês Variable Neighborhood Search (VNS), e na metodologia Menos é mais, do inglês Less is more approach, para o problema de agrupamento de dados usando o critério da soma mínima das distâncias quadráticas com restrição de balanceamento dos grupos. Os algoritmos encontrados na literatura não são escaláveis ao passo que aumentamos o tamanho do problema para além de 5000 elementos de acordo com experimentos realizados nesta pesquisa. Os experimentos computacionais mostram que o método proposto supera o atual estado da arte neste problema.
Algoritmo modificado de PSO matricial aplicado a identificação de sistemas com análise de convergência
(Universidade Federal do Rio Grande do Norte, 2015-07-06) Dantas, André Felipe Oliveira de Azevedo; Maitelli, André Laurindo; ; http://lattes.cnpq.br/0477027244297797; ; http://lattes.cnpq.br/8684342148910073; Martins, Allan de Medeiros; ; http://lattes.cnpq.br/4402694969508077; Casillo, Danielle Simone da Silva; ; http://lattes.cnpq.br/2111858571672626; Araújo, Fábio Meneghetti Ugulino de; ; http://lattes.cnpq.br/5473196176458886; Moreira, Vicente Delgado; ; http://lattes.cnpq.br/4549279470957332
Recentemente diversas técnicas de computação evolucionárias têm sido utilizadas em áreas como estimação de parâmetros de processos dinâmicos lineares e não lineares ou até sujeitos a incertezas. Isso motiva a utilização de algoritmos como o otimizador por nuvem de partículas (PSO) nas referidas áreas do conhecimento. Porém, pouco se sabe sobre a convergência desse algoritmo e, principalmente, as análises e estudos realizados têm se concentrado em resultados experimentais. Por isso, é objetivo deste trabalho propor uma nova estrutura para o PSO que permita analisar melhor a convergência do algoritmo de forma analítica. Para isso, o PSO é reestruturado para assumir uma forma matricial e reformulado como um sistema linear por partes. As partes serão analisadas de forma separada e será proposta a inserção de um fator de esquecimento que garante que a parte mais significativa deste sistema possua autovalores dentro do círculo de raio unitário. Também será realizada a análise da convergência do algoritmo como um todo, utilizando um critério de convergência quase certa, aplicável a sistemas chaveados. Na sequência, serão realizados testes experimentais de maneira a verificar o comportamento dos autovalores após a inserção do fator de esquecimento. Posteriormente, os algoritmos de identificação de parâmetros tradicionais serão combinados com o PSO matricial, de maneira a tornar os resultados da identificação tão bons ou melhores que a identificação apenas com o PSO ou, apenas com os algoritmos tradicionais. Os resultados mostram a convergência das partículas em uma região delimitada e que as funções obtidas após a combinação do algoritmo PSO matricial com os algoritmos convencionais, apresentam maior generalização para o sistema apresentado. As conclusões a que se chega é que a hibridização, apesar de limitar a busca por uma partícula mais apta do PSO, permite um desempenho mínimo para o algoritmo e ainda possibilita melhorar o resultado obtido com os algoritmos tradicionais, permitindo a representação do sistema aproximado em quantidades maiores de frequências.
Análise da Implementação de Redes Neurais em Hardware Utilizando hls4ml no Contexto do LHC L1 Trigger
(Universidade Federal do Rio Grande do Norte, 2025-01-28) Nunes, Marcus Vinicius Silva; Ferraz, Victor Araujo; Martins, Allan de Medeiros; Soares, Antonio Wallace Antunes
Com o aumento previsto da taxa de dados e complexidade no LHC após o aprimoramento para o HL-LHC, técnicas avançadas de aprendizado de máquina estão sendo pesquisadas para garantir latência e performance adequadas, principalmente na seleção de eventos re- levantes (triggers) nos experimentos CMS e ATLAS. A implementação de redes neurais em field-programmable gate arrays possibilita a análise em tempo real com latências na ordem de nanossegundos, superando as limitações de latência de GPU. No entanto, essa abordagem apresenta desafios significativos em termos de consumo de recursos e espaço físico, uma vez que os sistemas de detecção em cavernas subterrâneas têm capacidade limitada de FP- GAs e precisam executar milhares de tarefas simultaneamente. Para atender às restrições de recursos, técnicas como quantização e compressão de modelos são aplicadas para redu- zir o tamanho das redes neurais sem comprometer a latência. Além disso, devido ao longo tempo de desenvolvimento exigido para implementação em HDL, ferramentas de high-level synthesis (HLS) têm sido adotadas para automatizar o processo de descrição de hardware. Nesse contexto, a biblioteca hls4ml utiliza HLS para converter modelos de redes neurais de- senvolvidos em Python para HDL, facilitando e agilizando o desenvolvimento. Neste trabalho é apresentado uma avaliação das características da biblioteca hls4ml, examinando como ela pode ser utilizada para otimizar redes neurais em hardware para atender aos requisitos do LHC L1 trigger, reduzindo latência e uso de recursos sem perda significativa de desempenho.
Análise da taxa de convergência da regra de classificação dos k-vizinhos mais próximos
(2018-10-05) Araújo, Juscelino Pereira de; Oliveira, Roberto Teodoro Gurgel de; ; ; Pereira, André Gustavo Campos; ; Martins, Allan de Medeiros; ; Simas, Alexandre de Bustamante;
O objetivo principal do trabalho é analisar a velocidade de convergência da Regra de Classificação dos k-Vizinhos Mais Próximos (kNN). Assim, o problema da classificação binária é abordado. Os principais resultados teóricos são desenvolvidos, sobretudo o Teorema de Stone, que garante a consistência universal de regras de classificação com determinadas propriedades. Especificamente a regra kNN é analisada, principalmente sua consistência universal. Em seguida, condições restritivas que permitam a obtenção de taxas uniformes de convergência para uma família de distribuições são estudadas. Por fim, sob as mencionadas condições restritivas, a ordem de grandeza da taxa de convergência da regra kNN é obtida de modo a descartar a necessidade de que o espaço das observações seja limitado.
Análise de Agrupamentos Com Base na Teoria da Informação: Uma Abordagem Representativa
(Universidade Federal do Rio Grande do Norte, 2013-03-18) Araújo, Daniel Sabino Amorim de; Dória Neto, Adrião Duarte; ; http://lattes.cnpq.br/1987295209521433; ; http://lattes.cnpq.br/4744754780165354; Martins, Allan de Medeiros; ; http://lattes.cnpq.br/4402694969508077; Melo, Jorge Dantas de; ; http://lattes.cnpq.br/7325007451912598; Canuto, Anne Magaly de Paula; ; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790093J8; Braga, Antonio de Padua; ; http://lattes.cnpq.br/1130012055294645; Vellasco, Marley Maria Bernardes Rebuzzi; ; http://lattes.cnpq.br/8265116967095452
Atualmente, um dos maiores desafios para o campo de mineração de dados é realizar a análise de agrupamentos em dados complexos. Até o momento, diversas técnicas foram propostas mas, em geral, elas só conseguem atingir bons resultados dentro de domínios específicos, não permitindo, dessa maneira, que exista um consenso de qual seria a melhor forma para agrupar dados. Essas técnicas costumam falhar por fazer suposições nem sempre realistas sobre a distribuição de probabilidade que modela os dados. Com base nisso, o trabalho proposto neste documento cria uma nova medida baseada no Potencial de Informação Cruzado que utiliza pontos representativos do conjunto de dados e a estatística extraída diretamente deles para medir a interação entre grupos. A abordagem proposta permite usar todas as vantagens desse descritor de informação e contorna as limitações impostas a ele pela sua própria forma de funcionamento. A partir disso, duas funções custo de otimização e três algoritmos foram construídos para realizar a análise de agrupamentos. Como o uso de Teoria da Informação permite capturar a relação entre diferentes padrões, independentemente de suposições sobre a natureza dessa relação, a abordagem proposta foi capaz de obter um desempenho superior aos principais algoritmos citados na literatura. Esses resultados valem tanto para o contexto de dados sintéticos desenvolvidos para testar os algoritmos em situações específicas quanto em dados extraídos de problemas reais de diferentes naturezas
Análise de desempenho da rede neural artificial do tipo multilayer perceptron na era multicore
(Universidade Federal do Rio Grande do Norte, 2012-08-07) Souza, Francisco Ary Alves de; Souza, Samuel Xavier de; ; http://lattes.cnpq.br/9892239670106361; ; http://lattes.cnpq.br/5639935429698099; Martins, Allan de Medeiros; ; http://lattes.cnpq.br/4402694969508077; Lopes, Danniel Cavalvante;
As redes neurais artificiais geralmente são aplicadas à solução de problemas comple- xos. Em problemas com maior complexidade, ao aumentar o número de camadas e de neurônios, é possível conseguir uma maior eficiência funcional, porém, isto acarreta em um maior esforço computacional. O tempo de resposta é um fator importante na decisão de usá-las em determinados sistemas. Muitos defendem que o maior custo computacional está na fase de treinamento. Porém, esta fase é realizada apenas uma única vez. Já trei- nada, é necessário usar os recursos computacionais existentes de forma eficiente. Diante da era multicore esse problema se resume à utilização eficiente de todos os núcleos de processamento disponíveis. No entanto, é necessário considerar a sobrecarga existente na computação paralela. Neste sentido, este trabalho propõe uma estrutura modular que é mais adequada para as implementações paralelas. Propõe-se paralelizar o processo feed- forward (passo para frente) de uma RNA do tipo MLP, implementada com o OpenMP em uma arquitetura computacional de memória compartilhada. A investigação dar-se-á com a realização de testes e análises dos tempos de execução. A aceleração, a eficiência e a es- calabilidade são analisados. Na proposta apresentada é possível perceber que, ao diminuir o número de conexões entre os neurônios remotos, o tempo de resposta da rede diminui e por consequência diminui também o tempo total de execução. O tempo necessário para comunicação e sincronismo está diretamente ligado ao número de neurônios remotos da rede, sendo então, necessário observar sua melhor distribuição
Análise de sinais eletroencefalográficos para a classificação de atividades: uma solução via aprendizado de máquina e imagética motora
(Universidade Federal do Rio Grande do Norte, 2020-01-31) Nóbrega, Taline dos Santos; Martins, Allan de Medeiros; Sousa Júnior, Vicente Ângelo de; ; http://lattes.cnpq.br/6358312955522220; ; http://lattes.cnpq.br/4402694969508077; ; http://lattes.cnpq.br/4237424619301400; Cavalcante, André Mendes; ; http://lattes.cnpq.br/3939185965976929; Morya, Edgard; ; http://lattes.cnpq.br/8813809602087639; Soares, Heliana Bezerra; ; http://lattes.cnpq.br/5057165446370629
As atividades motoras do corpo humano, assim como aquelas relacionadas a tomada de decisões e questões emocionais e psíquicas, podem ser compreendidas por meio da análise dos sinais elétricos provenientes do cérebro, também conhecidos como sinais eletroencefalográficos (EEGs). O estudo e a aplicação desses dados vêm crescendo dentro da comunidade científica. Sabe-se que o emprego de EEG constitui a base do desenvolvimento das Interfaces Cérebro Computador (ICC), e que essas representam o futuro das tecnologias assistivas, especialmente aquelas direcionadas as pessoas que não possuem controle motor. Contudo, a extração de características e padrões desses sinais ainda é um processo complexo. Algoritmos de aprendizagem de máquina vem mostrando excelentes resultados na interpretação de sinais EEG, sendo empregados como ferramenta para classificação e análise. Suas aplicações abrangem desde estudos na área de neurociências, engenharia neural e até mesmo aplicações comerciais. Com isso, a proposta desse trabalho é analisar os sinais advindos da atividade neural de indivíduos submetidos a protocolos que envolvem tarefas do tipo motora e imagética, com objetivo de propor um classificador para tais atividades. Entende-se que tarefas de imagética, especificamente imagética motora, são técnicas neurocognitivas nas quais o sujeito imagina a realização de uma ação motora sem executar o devido movimento, ou seja, trata-se de um processo mental no qual se imagina o movimento do corpo sem executá-lo. A interpretação e classificação desse tipo de sinal permite desenvolver ferramentas de controle que podem ser ativadas por meio de processos cognitivos. Para compor um setup próprio de medição, utilizou-se como instrumentação dois tipos de sensores para coleta dos sinais, um eletroencefalograma de 16 canais e um sensor de baixo-custo, de um eletrodo, com tecnologia de conexão sem fio. A solução proposta para classificação é baseada na técnica de aprendizado de máquina Random Forest. Para ambos sensores, o algoritmo proposto mostrou-se eficiente no processo de identificação do tipo de movimento (real ou imaginético) e do membro que o realizou (mãos ou tornozelos direitos e esquerdos). Adicionalmente, também foi possível validar algumas dificuldades já apontadas por outros pesquisadores da área, como a expressiva variabilidade interpessoal dos sinais EEG, que contribui negativamente no processo de classificação.
Análise de tradução homem-máquina utilizando mecanismos de atenção para sistemas baseados em SQL para indústria 4.0
(Universidade Federal do Rio Grande do Norte, 2020-12-18) Silva Júnior, Silvan Ferreira da; Martins, Allan de Medeiros; Silva, Ivanovitch Medeiros Dantas da; ; http://lattes.cnpq.br/3608440944832201; ; http://lattes.cnpq.br/4402694969508077; ; http://lattes.cnpq.br/0669123874358910; Brito Filho, Francisco de Assis; ; http://lattes.cnpq.br/1448427094519653; Leitão, Gustavo Bezerra Paz; ; http://lattes.cnpq.br/6766556258983738
O uso de bancos de dados relacionais está cada vez mais presente na indústria. Aplicações em medicina, IoT e Indústria 4.0 são exemplos disso. Apesar da grande capacidade e eficiência no armazenamento e recuperação de dados, esse tipo de banco de dados requer conhecimentos técnicos em linguagens de consulta específicas para o acesso a essas informações, o que afasta esses tipos de aplicativos do público não especializado. Neste trabalho, propomos uma aplicação de modelos recentes de Deep Learning em processamento de linguagem natural que utiliza mecanismos de atenção para tradução da linguagem natural em inglês para SQL aplicada a um banco de dados que armazena dados de sensores, com foco no conceito de Indústria 4.0. Exemplos pareados de frases de linguagem natural foram gerados com sua consulta SQL correspondente para serem usados para treinamento e validação. O modelo foi agnóstico em relação ao esquema de banco de dados, de forma que só lida com as sequências de entrada e saída independentemente da estrutura do banco de dados. Os dados vêm de historiadores de processo típico usado nos cenários industriais. Ao treinar a rede neural profunda, foi obtido um modelo de linguagem com uma precisão de aproximadamente 92% no conjunto de validação.
Análise e classificação de imagens de lesões da pele por atributos de cor, forma e textura utilizando máquina de vetor de suporte
(Universidade Federal do Rio Grande do Norte, 2008-02-22) Soares, Heliana Bezerra; Dória Neto, Adrião Duarte; ; http://lattes.cnpq.br/1987295209521433; ; Sablón, Vicente Idalberto Becerra; ; http://lattes.cnpq.br/6350047853320576; Guerreiro, Ana Maria Guimarães; ; http://lattes.cnpq.br/8556144121380013; Melo, Jorge Dantas de; ; http://lattes.cnpq.br/7325007451912598; Brito Júnior, Agostinho de Medeiros; ; http://lattes.cnpq.br/0958617290020120; Martins, Allan de Medeiros; ; http://lattes.cnpq.br/4402694969508077
O câncer de pele é o mais comum de todos os cânceres e o aumento da sua incidência deve-se, em parte, ao comportamento das pessoas em relação à exposição ao sol. No Brasil, o câncer de pele não melanoma é o mais incidente na maioria das regiões. A dermatoscopia e ideodermatoscopia são os principais tipos de exames para o diagnóstico de doenças da pele dermatológicas. O campo que envolve o uso de ferramentas computacionais para o auxílio ou acompanhamento do diagnóstico médico em lesões dermatológicas ainda é visto como muito recente. Vários métodos foram propostos para classificação automática de patologias da pele utilizando imagens. O presente trabalho tem como objetivo apresentar uma nova metodologia inteligente para análise e classificação de imagens de câncer de pele, baseada nas técnicas de processamento digital de imagens para extração de características de cor, forma e textura, utilizando a Transformada Wavelet Packet (TWP) e a técnicas de aprendizado de máquina denominada Máquina de Vetor de Suporte (SVM Support Vector Machine). A Transformada Wavelet Packet é aplicada para extração de características de textura nas imagens. Esta consiste de um conjunto de funções base que representa a imagem em diferentes bandas de freqüência, cada uma com resoluções distintas correspondente a cada escala. Além disso, são calculadas também as características de cor da lesão que são dependentes de um contexto visual, influenciada pelas cores existentes em sua volta, e os atributos de forma através dos descritores de Fourier. Para a tarefa de classificação é utilizado a Máquina de Vetor de Suporte, que baseia-se nos princípios da minimização do risco estrutural, proveniente da teoria do aprendizado estatístico. A SVM tem como objetivo construir hiperplanos ótimos que apresentem a maior margem de separação entre classes. O hiperplano gerado é determinado por um subconjunto dos pontos das classes, chamado vetores de suporte. Para o banco de dados utilizado neste trabalho, os resultados apresentaram um bom desempenho obtendo um acerto global de 92,73% para melanoma, e 86% para lesões não-melanoma e benigna. O potencial dos descritores extraídos aliados ao classificador SVM tornou o método capaz de reconhecer e classificar as lesões analisadas
Análise estatística e técnicas de identificação de pilotos para veículos Baja SAE
(2018-08-31) Nunes, Tomaz Filgueira; Martins, Allan de Medeiros; Silva, Ivanovitch Medeiros Dantas da; ; ; ; Dantas, André Felipe Oliveira de Azevedo; ; Nobre, Marcelo Henrique Ramalho;
Imergindo-se no contexto dos esportes motorizados, o uso de inteligência artificial se torna uma grande aliada para o bom rendimento de uma equipe de corrida, pois pode extrair características importantes do sistema carro/piloto e assim fornecer feedbacks para melhor performance, como já pode ser encontrado em algumas equipes de Formula 1. Partindo deste princípio, este trabalho objetiva a caracterização de pilotos de um veículo off-road Baja SAE para que feedbacks, durante a temporada de competição, possam ser realizados. Através da parceria com a equipe Car-Kará Baja SAE UFRN, foram selecionados 4 pilotos, com diferentes níveis de experiência em condução de veículo Baja SAE, em 7 pistas de testes. Os dados foram colhidos através de um data logger industrial e analisados de maneira offline. A partir da coleta dos dados, fez-se a divisão do vetor de variáveis (RPM, velocidade linear, velocidade angular, aceleração longitudinal e aceleração lateral) em 3 e 5 seções e então foi computada análise estatística (média, desvio padrão, valor máximo e valor mínimo) de cada parte, criando o vetor de características. Esse vetor, por sua vez, foi inserido em uma arquitetura neural artificial de duas camadas ocultas, obtendo uma taxa de classificação, do conjunto de dados reunindo os 4 pilotos, de 97% para o vetor de variáveis com 3 divisões e 93% para o vetor com 5 divisões.
Aplicação da função de densidade espectral de correntropia cíclica em uma arquitetura de sensoriamento espectral
(2016-04-25) Câmara, Tales Vinícius Rodrigues de Oliveira; Martins, Allan de Medeiros; ; ; Doria Neto, Adrião Duarte; ; Silveira, Luiz Felipe de Queiroz; ; Fontes, Aluisio Igor Rêgo;
Técnicas de Classificação Automática de Modulação (AMC) têm sido utilizadas por sistemas modernos de comunicação para otimizar o uso do espectro e com isso aumen- tar as taxas de transmissão de dados. No processo de AMC, várias arquiteturas podem ser utilizadas para retirar informação e avaliar características do sinal modulado em um canal. Uma grande parte dessas arquiteturas são construídas utilizando como base a ci- cloestacionariedade. A análise cicloestacionária é realizada por meio das ferramentas: Função de Autocorrelação Cíclica (CAF) e Função Densidade Espectral Cíclica (SCD). Esta ultima particularmente, é utilizada para observar as características cicloestacionárias de diferentes sinais, as quais são chamadas de assinaturas. Embora tenha várias aplica- ções bem sucedidas no âmbito de AMC, a cicloestacionariedade possui restrições pois a CAF e SCD são limitadas à análise estatística de segunda ordem, devido ao uso da correlação com cerne de sua expressão. Com o objetivo de generalizar a avaliação da cicloestacionariedade sobre infinitos momentos estatísticos de um sinal, surgem Função de Autocorrentropia Cíclica (CCAF) e a Função Densidade Espectral de Correntropia Cíclica (CCSD). Tais funções são fundamentadas no cálculo da correntropia. Neste tra- balho a CCSD será investigada quanto capacidade de gerar assinaturas para diferentes modulações e seu potencial de uso em AMC será avaliado.
Aplicação de inteligência computacional em projetos de superfície seletiva em frequência multibanda e/ou banda larga para aplicações comerciais
(2018-06-20) Segundo, Francisco Carlos Gurgel da Silva; Campos, Antonio Luiz Pereira de Siqueira; ; ; Gomes Neto, Alfredo; ; Martins, Allan de Medeiros; ; Braz, Erico Cadineli; ; Silva, Gutembergue Soares da;
As superfÌcies seletivas em frequÍncia (Frequency Selective Surface - FSS) consistem de um arranjo periÛdico de elementos que possuem a capacidade de filtragem de ondas eletromagnÈticas. Nos ˙ltimos tempos, estas estruturas possuem papel de destaque na ·rea de telecomunicaÁıes em virtude da sua variedade de aplicaÁıes. Dentre as aplicaÁıes, atualmente busca-se por FSS com caracterÌsticas de banda ultra larga (ultrawideband - UWB) e multibanda. Essas caracterÌsticas s„o desejadas devido o desenvolvimento de tecnologias com capacidade de transmiss„o cada vez mais elevadas e redes de telecomunicaÁıes operam em v·rias bandas de frequÍncia reduzindo os custos operacionais e de implantaÁ„o do sistema. Para encontrar FSS com tais caracterÌsticas, pode-se fazer uso de tÈcnicas de inteligÍncia computacional com a finalidade de obter estruturas Ûtimas. Dentre as tÈcnicas, tem-se as redes neurais artificiais do tipo RBF, a qual ser· utilizada como ferramenta com objetivo de obter FSS otimizadas com respostas multibanda e/ou banda larga. Neste trabalho, utilizou-se trÍs geometrias largamente utilizada em relatos cientÌficos e uma inÈdita na literatura para desenvolvimento de quatro projetos de FSS, sendo: projeto de FSS para banda X que fez uso da geometria espira quadrada; FSS com resposta UWB que fez uso de estruturas cascateadas de espira quadrada dupla e espira quadrada; FSS com operaÁ„o nas bandas C e Ku que a geometria utilizada foi a cruz de JerusalÈm e, por ˙ltimo, foi desenvolvido o projeto de FSS com geometria convolucionada inÈdita para aplicaÁ„o nas faixas ISM e UNII. Em todos os projetos, foi realizado estudo de estabilidade angular e de polarizaÁ„o e, protÛtipos foram confeccionados e em todos os casos, houve concord‚ncia entre os resultados simulados no Ansoft DesignerTM e os resultados medidos.
Aplicação de RNA na predição de grandezas elétricas para identificação de falhas em subestações na rede de subtransmissão
(Universidade Federal do Rio Grande do Norte, 2025-07-01) Soares, Rafael Pereira de Alexandria; Martins, Allan de Medeiros; Silva Júnior, José Luiz da; Pimentel Filho, Max Chianca
Este trabalho investiga a aplicação de Redes Neurais Artificiais (RNAs) na previsão de grandezas elétricas em subestações de energia, visando antecipar problemas como so bretensões, subtensões e baixos fatores de potência. Diante da crescente complexidade dos sistemas elétricos e do aumento na demanda energética, a capacidade de prever e mitigar falhas em subestações é crucial para melhorar a confiabilidade do sistema como um todo. A pesquisa utilizou uma base de dados de medições telemedidas de várias subestações, que foram organizados e analisados para identificar padrões e correlações relevantes. Com base nesses dados, foi desenvolvido e treinado um modelo de Perceptron Multicamadas (MLP), utilizando as bibliotecas Keras e TensorFlow, com otimização dos hiperparâmetros realizada pelo Keras Tuner. Os resultados demonstraram que o modelo proposto é eficaz na previsão das grandezas elétricas com uma hora de antecedência, mesmo diante da variabilidade presente nas diferentes classes de tensão. A análise de desempenho do modelo mostrou que as RNAs são capazes de identificar padrões complexos nos dados, contribuindo assim para a antecipação de problemas e aumentando a confiabilidade das operações nas subestações. Conclui-se que a abordagem proposta é viável e tem potencial para ser implementada em ambientes reais, melhorando a gestão e a segurança dos sistemas elétricos.
Uma Aplicação do Algoritmo QT Clustering para Marcação Colaborativa de Pontos Perigosos em Vias Públicas
(Universidade Federal do Rio Grande do Norte, 2012-12-07) Lima, Adelson Luiz de; Brito Júnior, Agostinho de Medeiros; ; http://lattes.cnpq.br/0958617290020120; ; http://lattes.cnpq.br/8978574857607166; Martins, Allan de Medeiros; ; http://lattes.cnpq.br/4402694969508077; Pires, Paulo Sérgio da Motta; ; http://lattes.cnpq.br/5093444018164760; Silva, George Azevedo da; ; http://lattes.cnpq.br/1968459966036974
O trabalho propõe um sistema colaborativo para marcação de pontos perigosos em vias de transporte e geração de alertas para motoristas. Ele consistire de um sistema de alerta de proximidade de um ponto de perigo, que será alimentado pelos próprios motoristas através de um aparelho móvel equipado com GPS. O sistema deverá consolidar dados fornecidos por vários motoristas diferentes e gerar um conjunto de pontos comuns que serão usados no sistema de alerta. Embora a aplicação seja destinada à proteção de motoristas, os dados gerados por ela poderão servir de insumos para os órgãos responsáveis melhorarem a sinalização e recuperação de vias públicas
Aplicações de IA na sintonia de controladores PI e PID
(Universidade Federal do Rio Grande do Norte, 2024-04-30) Costa, Alex Muniz da; Queiroz, Kurios Iuri Pinheiro de Melo; http://lattes.cnpq.br/7489022506091803; http://lattes.cnpq.br/2345130708577024; Martins, Allan de Medeiros; https://orcid.org/0000-0002-9486-4509; http://lattes.cnpq.br/4402694969508077; Dias, Samaherni Morais; Araújo, Ícaro Bezerra Queiroz de
Os controladores PID estão presentes em aproximadamente 96% das malhas de controles industriais, porém estima-se que uma grande parte desses controladores não estão adequadamente sintonizados. Nos dias atuais ainda é uma tarefa difícil realizar a sintonia de controladores por meio de técnicas clássicas, o que tem motivado o desenvolvimento de novas ferramentas, empregando principalmente o uso de inteligência artificial para o ajuste dos parâmetros do controlador PI e PID. Este trabalho tem como objetivo o desenvolvimento de ferramentas que auxiliem na sintonia de controladores PI e PID, baseado na teoria do conjunto estabilizante, desenvolvida por pesquisadores da Texas A&M. Foi criado um banco de dados com funções de transferência para motores industriais de corrente contínua, o qual foi utilizado como entrada para o script, desenvolvido na linguagem Python, que realiza o cálculo do conjunto estabilizante para todas as funções de transferência do banco de dados. Após o cálculo do conjunto estabilizante, foi possível gerar um novo banco de dados, com parâmetros dos controladores PI e PID classificados como pertencentes ou não à região de estabilidade, para uma dada função de transferência. Este procedimento foi aplicado para os controles de velocidade e posição do motor, tanto para o controlador PI quanto para o controlador PID. Este banco de dados foi utilizado para o treinamento das redes neurais artificiais, tendo sido utilizadas duas configurações para o treinamento das redes. Os resultados mostraram que as redes neurais artificiais apresentaram bom desempenho durante os testes, com as redes treinadas para o controlador PI, apresentando acurácia acima de 0,975 e as redes para os controladores PID apresentando acurácia final acima de 0,95.
Uma arquitetura para análise de agrupamentos sobre bases de dados distribuídas
(2009-03-06) Gorgônio, Flavius da Luz e; Costa, José Alfredo Ferreira; ; ; http://lattes.cnpq.br/7375286161719016; Martins, Allan de Medeiros; ; Canuto, Anne Magaly de Paula; ; Barreto, Guilherme de Alencar; ; Adeodato, Paulo Jorge Leitão;
Mineração de dados pode ser definida como um conjunto de técnicas para a extração de conhecimento e procura de padrões úteis e previamente desconhecidos em grandes volumes de dados multidimensionais. Algoritmos tradicionais de análise de agrupamento, como mapas auto-organizáveis e K-médias têm sido largamente utilizados como ferramentas de mineração de dados, com o objetivo de permitir a visualização de dados de elevada dimensionalidade, auxiliando na identificação de agrupamentos de dados com características semelhantes. No entanto, algoritmos tradicionais para análise de dados podem não ser eficientes para algumas aplicações atuais por não considerarem a existência de dados armazenados de forma distribuída. Assim, uma crescente tendência de minerar dados armazenados de forma distribuída tem motivado o surgimento de métodos que permitem analisar cada uma das bases de dados isoladamente e combinar os resultados parciais para obter um resultado final. Este trabalho apresenta uma arquitetura para análise de agrupamentos em bases de dados distribuídas, a partir da utilização de algoritmos tradicionais, que reduz sensivelmente a quantidade de dados transferidos entre as unidades remotas e a unidade central. A arquitetura é composta por uma estratégia, baseada em quantização vetorial, que possibilita extrair um conjunto de representantes a partir de partições horizontais e/ou verticais da base de dados, a fim de se obter visões parciais dos agrupamentos existentes em cada um dos conjuntos de dados locais. Posteriormente, os representantes de cada unidade local são enviados à unidade central, que efetua a combinação dos resultados parciais através de um processo de agrupamento sobre os representantes dos dados. Os resultados experimentais obtidos com a utilização da arquitetura proposta sobre diferentes conjuntos de dados demonstram que essa estratégia consegue obter resultados com mesma eficácia que os obtidos com as técnicas de mineração de dados convencionais, onde todas as bases de dados são transferidas para uma unidade central durante a etapa de pré-processamento.
Arquiteturas eficientes para sensoriamento espectral e classificação automática de modulações usando características cicloestacionárias
(Universidade Federal do Rio Grande do Norte, 2014-06-28) Lima, Arthur Diego de Lira; Silveira, Luiz Felipe de Queiroz; ; http://lattes.cnpq.br/4139452169580807; ; http://lattes.cnpq.br/6332490741906316; Martins, Allan de Medeiros; ; http://lattes.cnpq.br/4402694969508077; Fernandes, Marcelo Augusto Costa; ; http://lattes.cnpq.br/3475337353676349; Gurjão, Edmar Candeia; ; http://lattes.cnpq.br/9200464668550566
O aumento da demanda por sistemas de comunicação sem fio de alto desempenho tem evidenciado a ineficiência do atual modelo de alocação fixa do espectro de rádio. Nesse contexto, o rádio cognitivo surge como uma alternativa mais eficiente, ao proporcionar o acesso oportunista ao espectro, com a maior largura de banda possível. Para garantir esses requisitos, é necessário que o transmissor identifique as oportunidades de transmissão e que o receptor reconheça os parâmetros definidos para o sinal de comunicação. As técnicas que utilizam a análise cicloestacionária podem ser aplicadas tanto em problemas de sensoriamento espectral, quanto na classificação de modulações, mesmo em ambientes de baixa relação sinal-ruído (SNR). Entretanto, apesar da robustez, uma das principais desvantagens da cicloestacionariedade está no elevado custo computacional para o cálculo das suas funções. Este trabalho propõe arquiteturas eficientes de obtenção de características cicloestacionárias para serem empregadas no sensoriamento espectral e na classificação automática de modulações (AMC). No contexto do sensoriamento espectral, um algoritmo paralelizado para extrair as características cicloestacionárias de sinais de comunicação é apresentado. O desempenho da paralelização desse extrator de características é avaliado através das métricas de speedup e eficiência paralela. A arquitetura de sensoriamento espectral é analisada para diversas configurações de probabilidades de falso alarme, níveis de SNR e tempo de observação das modulações BPSK e QPSK. No contexto da AMC, o perfil-alfa reduzido é proposto como uma assinatura cicloestacionária calculada para um conjunto reduzido de frequência cíclicas. Essa assinatura é validada por meio de uma arquitetura de classificação baseada no casamento de padrões. A arquitetura para AMC é investigada para as taxas de acerto obtidas para as modulações AM, BPSK, QPSK, MSK e FSK, considerando diversos cenários de tempo de observação e níveis de SNR. Os resultados numéricos de desempenho obtidos neste trabalho demonstram a eficiência das arquiteturas propostas
Cálculo de parâmetros otimizados para superfícies seletivas de frequência por meio do método de otimização Taguchi
(2016-07-18) Filgueira, Jannayna Domingues Barros; Campos, Antonio Luiz Pereira de Siqueira; ; ; Martins, Allan de Medeiros; ; Rodrigues, Marcio Eduardo da Costa; ; Gomes Neto, Alfredo; ; Maniçoba, Robson Hebraico Cipriano;
As superfícies seletivas em frequência (FSS) pertencem a uma subclasse dos metamateriais composto por patchs metálicos bidimensionais. Por apresentar um comportamento seletivo de frequência, essas estruturas têm sido aplicadas nas áreas de micro-ondas e sistemas de comunicação, além de ser tema de pesquisa por parte de estudiosos. A literatura define basicamente uma superfície seletiva de frequência como um arranjo periódico de patches que exibe um determinado comportamento de filtragem de frequência podendo apresentar características de filtro rejeita-faixa ou passa-faixa que permite a reflexão ou a transmissão de sinais em uma determinada faixa de frequência. As FSS são utilizadas em diversas aplicações que vão desde sistemas de micro-ondas e antenas até aplicações em radomes e comunicações via satélite. Estruturas de FSS com comportamento Eletromagnético adequado têm sido estudadas por pesquisadores da área. Porém, a análise das características espectrais dessas estruturas requer técnica com elevada complexidade computacional. Para reduzir o esforço computacional relacionado ao tempo de processamento, podem ser utilizadas técnicas de otimização. Neste aspecto, esta pesquisa propõe a utilização de um método de otimização no projeto de FSS. Os métodos de otimização têm como objetivo obter os resultados de um sistema por meio do ajuste dos parâmetros de entrada, ou seja, ao ajustar estes parâmetros os métodos de otimização procuram um melhor resultado de saída de modo que o desempenho do sistema, em termos de qualidade, custo e eficiência, possam ser otimizados. Esses métodos podem ser aplicados em diversas áreas. Atualmente, na área do Eletromagnetismo, os circuitos de micro-ondas e antenas têm aplicado diversas técnicas de otimização como Algoritmos Genéticos (AG), Redes Neurais Artificiais (RNA) e Otimização com Enxame de Partículas (PSO). O método de otimização descrito nesta pesquisa foi desenvolvido com base no conceito do arranjo ortogonal, o Método Taguchi. Este método fornece uma maneira eficiente para escolher os parâmetros do projeto em um processo de Resumo otimização e reduz efetivamente o número de experimentos requerido na aplicação. O Método Taguchi é aplicado com sucesso nas áreas de Engenharia Química e Engenharia Mecânica e mais recentemente têm-se aplicações na área de Eletromagnetismo, porém, sua aplicação em FSS é inédita. Neste estudo aplicamos o Método Taguchi em três estruturas de FSS: FSS quadrada, FSS quadrada com grade e dipolo cruzado. O objetivo do método é obter os melhores valores para parâmetros físicos da FSS, de modo que esta opere de forma satisfatória, de acordo com especificações determinadas no projeto. Utilizamos também nesta pesquisa o Método do Circuito Equivalente. A precisão do método Taguchi é verificada experimentalmente e comparada com as simulações realizadas no ANSYS Designer. Em seguida os protótipos são construídos e caracterizados experimentalmente.
Calibração cega de receptores cinco-portas baseada em separação cega de fontes
(Universidade Federal do Rio Grande do Norte, 2013-05-24) Vidal, Francisco José Targino; Dória Neto, Adrião Duarte; ; http://lattes.cnpq.br/1987295209521433; ; http://lattes.cnpq.br/7452687215068186; Martins, Allan de Medeiros; ; http://lattes.cnpq.br/4402694969508077; Gurjão, Edmar Candeia; ; http://lattes.cnpq.br/9200464668550566; Oliveira, Helio Magalhães de; ; http://lattes.cnpq.br/7817216772024668; Silveira, Luiz Felipe de Queiroz; ; http://lattes.cnpq.br/4139452169580807
Estudos recentes apontam que o aumento nas aplicações de rádio frequência (RF) vem acompanhado por grandes desafios tanto no uso eficiente do espectro eletromagnético quanto no projeto de novas arquiteturas para receptores multi-padrão, ou rádio definidos por software (RDS). O principal desafio da arquitetura física de um RDS é a implementação de um receptor banda-larga com características de baixo custo, baixo consumo, maior grau de integração e flexibilidade. A arquitetura homodina, baseada na tecnologia cinco-portas, surge como uma alternativa para aplicações em rádio definidos por software. No entanto, a regeneração das componentes em fase e quadratura, no receptor cinco-portas, comumente denominada de calibração, constitui um dos maiores desafios na aplicação dessa tecnologia. Os métodos de calibração, propostos na literatura, normalmente baseiam-se no conhecimento do modelo matemático do circuito, em que o mesmo é calibrado previamente (off-line), para um tipo de sinal com características específicas ou em tempo real, com base no conhecimento da sequência de aprendizagem e do tipo de modulação. Nesse trabalho, é apresentado uma proposta de regeneração cega dessas componentes, para um receptor homodino cinco-portas, utilizando a abordagem denominada Separação Cega de Fontes (análise de componentes independentes - ICA), que explora as características estatísticas dos três sinais de saída do receptor cinco-portas. A validação dessa abordagem é realizada por meio de simulação e de resultados experimentais obtidos para o receptor cinco portas implementado em tecnologia de microfita

SIGAA

Navegando por Autor "Martins, Allan de Medeiros"