Departamento de Informática (DI)
Permanent URI for this community
Browse
Browsing Departamento de Informática (DI) by advisor "Cunha, Carlos Augusto da Silva"
Now showing 1 - 8 of 8
Results Per Page
Sort Options
- Aplicação de técnicas de machine learning à análise de padrões de aprendizagem em gamingPublication . Bastos, João Pedro Fernandes; Duarte, Rui Pedro Monteiro Amaro; Cunha, Carlos Augusto da SilvaA motivação para a produção deste trabalho está essencialmente ligada com o interesse particular na área de machine learning e no potencial da sua aplicação no quotidiano. Trata-se de uma área extremamente complexa, com desafios interessantes tanto a nível de conceitos teóricos como nível de tecnologias e metodologias de implementação. Esta área mostra um potencial de evolução enorme para os próximos anos, tendo uma capacidade poderosa de processamento e suporte à tomada de decisão inigualável na humanidade, sendo um conceito aplicável transversalmente a qualquer indústria e que, se corretamente aplicada, poderá trazer benefícios até agora inalcançáveis para a qualidade de vida do nosso dia-a-dia. Este trabalho pretende explorar a aplicação de técnicas de machine learning à análise de padrões de aprendizagem em jogos (gaming), com o intuito principal de identificar e otimizar as capacidades de algoritmos atualmente existentes e ainda com vista a investigar a relevância da aplicação do conceito de curiosidade nesses algoritmos. Esta exploração passará pela aplicação dessas técnicas a vários jogos, através da implementação de algoritmos de machine learning que interajam diretamente com os ambientes dos jogos e que aprendam a conhecer todas as características inerentes, com vista a reforçar o conhecimento e daí obterem a capacidade de concluir os jogos com sucesso. Desta forma, torna-se possível identificar padrões específicos a cada jogo. Globalmente, através da aplicação de técnicas de machine learning, nomeadamente Q-learning, uma técnica de treino de modelos de aprendizagem com o intuito de ser agnóstica perante o ambiente onde opera e dotada da capacidade de aprender a conhecer um ambiente e os seus obstáculos por forma a superá-los, pretende-se obter resultados de benchmarking para a comparação de padrões de aprendizagem no que se refere à performance, facilidade de implementação e aplicabilidade em cenários reais. Estes resultados servirão ainda para retirar conclusões da mesma natureza sobre a aplicação do conceito de curiosidade num algoritmo de aprendizagem inteligente em gaming, nomeadamente nos jogos Snake e Tetris, que serão abordados no contexto deste documento.
- Caso de estudo sobre automação de testes de softwarePublication . Trindade, Sofia Inês Morais; Lacerda, Ana Cristina Wanzeller Guedes de; Cunha, Carlos Augusto da SilvaA qualidade de um sistema, atualmente é algo imprescindível para os utilizadores. Sem o mínimo de qualidade o produto pode não chegar ao consumidor final. Para assegurar a qualidade é necessário efetuar uma quantidade exaustiva de testes durante as fases do seu desenvolvimento de onde podem surgir defeitos. Quanto mais cedo os defeitos forem detetados menor é o seu custo de resolução. Atualmente, existe também a necessidade de validar os sistemas de forma mais rápida e segura devido ao conceito de entrega e integração contínua, cujo objetivo é colocar qualquer tipo de alteração no ambiente de produção. Neste sentido, recorre-se a estratégias de automação de testes para otimizar o seu processo de entrega. Com a realização deste trabalho pretende-se aprofundar os fundamentos teóricos sobre a área da qualidade, mas também, propor uma estratégia de automação de testes de software, tendo em conta uma arquitetura básica e passível de aplicação na maioria de sistemas que a usem. Esta estratégia é aplicada num caso de estudo, tendo em conta as boas práticas e diretrizes do processo de teste: planeamento, controlo e monitorização, análise, desenho, implementação, execução e conclusão. A arquitetura adotada pela estratégia de testes proposta é baseada no padrão arquitetural de três camadas. O âmbito da estratégia passa pela implementação de testes de integração nos serviços da camada aplicacional, onde se validam as regras de negócio, o corpo e o código das respostas recebidas. Inclui ainda a implementação de testes End-to-End na camada de apresentação, onde se validam interações entre os componentes e as interfaces da aplicação. Todos os testes automatizados são executados numa pipeline de integração e entrega contínua, sempre que pretenda enviar qualquer alteração para o ambiente produtivo. A aplicação da estratégia a um caso de uso permitiu concluir que a mesma é passível de utilização em projetos de várias dimensões, visto que são abordados os aspetos mais pertinentes da definição estratégias de teste. Qualquer pessoa que tenha interesse na área de automação de testes consegue obter as bases necessárias para proceder á implementação de testes automáticos, criar baterias de testes de regressão automáticas e investir o restante tempo em testes exploratórios manuais, cujo foco são situações nunca antes pensadas e de onde podem surgir problemas ainda não identificados, evitando que estes cheguem ao consumidor final.
- Enhancing Interpretability of Neural Networks in Food Recommendation SystemsPublication . Rebelo, João Edgar Lucas; Cunha, Carlos Augusto da Silva; Duarte, Rui Pedro Monteiro AmaroABSTRACT: Over the years the risk of developing diseases related to poor alimentation has been increasing. Many of these diseases are caused by obesity. Obesity is a silent disease related to being overweight, which due to its rapid growth has become a public health problem. Worldwide obesity has nearly tripled since 1975. Obesity can lead to health problems like type 2 diabetes, cardiovascular disease, and even cancer. The main factors that result in obesity are a sedentary lifestyle and a poor diet. Although obesity is uncured, it can be avoided/treated through a healthier lifestyle and diet. Amid so much information about diets and healthier recipes, it can be difficult to find a diet that meets the needs of each person. Recommendation systems can filter from a large dataset, the information that best suits the profile of each user. Due to the constant in crease in information and computational power, recommendation systems have evolved from a traditional approach to a deep-learning one. Recommendation systems are a hot topic in deep learning. Research in the food recommendation systems area has seen little development when compared to recommendations systems in other areas, such as leisure and entertainment. A powerful tool to use in food recommendation systems is neural networks. Neural networks play an important role in our society, for their capacity to learn from complex and high-dimensional data. One side down of neural networks is the difficulties if not impossibility in understanding how the predictions are being made. The behind the-scenes often remain opaque, leading neural networks to be characterized as “black boxes”. With this research, we aim to give contribute to understanding how neural networks operate underneath and make them more transparent and so more trustworthy. With this goal in mind, we propose the use of a secondary model to predict the errors of a primary neural network. By analyzing the error predictions of the second model, we aim to gain insights into its decision-making process. With this approach, we hope not only to help to understand the func tioning of neural networks but also to provide an idea of how to improve their performance. Improving neural networks’ understanding can make them more simple and accessible. With the work developed through this research, we look to stride towards making neural networks more transparent and explainable, thereby enhancing trust in these powerful models.
- KLM para medir as variações de performance das aplicações webPublication . Cunha, Daniel Augusto Rebelo; Duarte, Rui Pedro Monteiro Amaro; Cunha, Carlos Augusto da SilvaO recente aumento da oferta de aplicações de software contribuiu para o aumento da exigência dos utilizadores, o que originou um acréscimo da complexidade dessas aplicações. Tal contribuiu para a adoção de mecanismos de automatização do processo de testes de software, de forma a reduzir erros de codificação e encurtar o tempo necessário para disponibilizar uma nova versão da aplicação ao utilizador. Atualmente, automatizar o processo de testes de aplicações é um processo já bem estudado e suportado por muitas ferramentas. No entanto, a avaliação da usabilidade de uma aplicação requer soluções que permitam determinar, antecipadamente, o tipo de melhorias que podem ser necessárias na aplicação sem a execução de um elevado número de testes com utilizadores. A performance é um fator tão importante numa aplicação web como a avaliação da sua usabilidade. O número de interações cliente-servidor, bem como o volume de dados transferido em cada interação estão relacionados com o desempenho da aplicação web, pelo que a satisfação do utilizador está dependente destes fatores. O presente documento aborda a automatização da análise do impacto das alterações do desenho da aplicação no utilizador, assim como a análise de dependências entre interações clienteservidor. Através da implementação do modelo Keystroke Level Model (KLM) são medidas interações não planeadas do utilizador, sendo posteriormente identificados padrões com base nos operadores KLM e nos tempos de cada operador. Com base nestes padrões são gerados indicadores de desempenho que são analisados pelo designer de interfaces, possibilitando alterações no desenho da aplicação. De forma a facilitar a análise da performance das aplicações web, é também proposta uma ferramenta que identifica os recursos que podem ser transferidos do servidor com a antecedência necessária de forma a evitar atrasos na interação do utilizador com a aplicação. No sentido de priorizar o carregamento de recursos é identificada uma ordem para o seu carregamento com base nas diferenças temporais entre eles.
- Modelo machine learning para padrões alimentares de doentes com AlzheimerPublication . Cardoso, Tiago Ribeiro; Cunha, Carlos Augusto da Silva; Duarte, Rui Pedro Monteiro AmaroEste trabalho pretende explorar a aplicação de técnicas de machine learning na análise de padrões de alimentares. A área de machine learning pode ser aplicável a qualquer indústria e que, se corretamente aplicada, poderá trazer benefícios que até agora eram impossíveis de alcançar para a qualidade da vida humana. Por estas razões a utilização de técnicas de machine learning tem vindo nos últimos anos a ganhar importância no âmbito do reconhecimento de padrões para suporte á tomada de decisões. A doença de Alzheimer leva as pessoas a perder a autonomia de exprimir as suas necessidades. Com isto os doentes de Alzheimer tornam-se dependentes de outras pessoas, mesmo para as tarefas mais básicas, nomeadamente a escolha de alimentos. Tornando assim o controlo alimentar destas pessoas uma tarefa bastante importante executada pela pessoa que apoia a sua rotina diária, denominada de Cuidador Informal (CI). Este acompanhamento é sem dúvida um processo que exige do CI uma grande responsabilidade, disciplina e habilidade para lidar com possíveis adaptações circunstanciais, como a substituição de alimentos prescritos no plano alimentar por outros equivalentes ou a combinação cuidadosa de alimentos. A combinação de alimentos é um fator sobretudo ligado à preferência dos próprios doentes, para além das regras de combinação dos alimentos recomendados pelos especialistas da doença, existem padrões particulares a cada indivíduo que podem variar ao longo do tempo. Pretende-se assim, desenvolver um modelo de machine learning para detetar padrões a partir do registo prévio alimentar, podendo substituir o doente nas suas escolhas e auxiliar a pessoa que o acompanha. Pretende-se explorar várias combinações de configurações, adaptando os valores dos diferentes hiperparâmetros na execução do trabalho experimental, para comparar e obter resultados que servirão para retirar conclusões sobre a aplicação destas técnicas neste contexto.
- Modelos de Preditivo de Estimativa do Peso Corporal Baseado em Inteligência Artificial: Uma Abordagem Integrada de Pré-Processamento e AvaliaçãoPublication . Figueiredo, Diana Margarida Lopes; Cunha, Carlos Augusto da Silva; Duarte, Rui Pedro Monteiro AmaroO peso corporal é muito mais que um número numa balança. Este valor pode ser indicador de várias doenças, pois tanto o excesso como a falta de peso têm implicações na saúde dos indivíduos. O excesso de peso está associado a doenças cardíacas, obesidade, diabetes, hipertensão arterial, distúrbios respiratórios, entre outras. Enquanto a falta de peso num nível extremo está associado a problemas de deficiência nutricional, enfraquecimento do sistema imunológico, osteoporose e desequilíbrios hormonais. Devido a estes problemas, surge a necessidade de acompanhar e analisar as alterações corporais, para a adoção de uma dieta e um estilo de vida equilibrado com as necessidades do indivíduo. O processo de controlo do peso é um processo complicado e está dependente de vários fatores. Assim sendo, e considerando que a versatilidade da área de Machine Learning (ML) permite desenvolver projetos que melhorem a qualidade de vida do ser humano, neste trabalho pretende-se desenvolver um modelo de ML para prever o peso futuro tendo em conta o registo alimentar, exercício físico e Taxa Metabólica Basal (TMB) de indivíduo, com o objetivo de mostrar o impacto que três dias podem ter no peso futuro. Os resultados da performance do modelo obtidos através do cálculo das métricas de desempenho, foram positivos. Através do cálculo do Coeficiente de Determinação foi obtido o valor 0.75, o que para esta métrica é considerado um valor bom, visto que está mais próximo de 1 do que de 0. Os valores do cálculo do Mean Squared Error (MSE) e do Mean Absolute Erro (MAE) demonstra que o modelo conseguiu aprender os padrões nos dados e que não existiu overfitting significativo. Estes resultados demonstram ser viável o desenvolvimento deste tipo de soluções.
- Monitorização de padrões de movimento em idosos no domicílioPublication . Mota, David Batista da; Cunha, Carlos Augusto da Silva; Duarte, Rui Pedro Monteiro AmaroO envelhecimento da população é uma tendência confirmada pelos últimos estudos realizados à população, tanto a nível nacional como internacional. Assim, garantir qualidade de vida e uma adequada monitorização, nas mais diversas dimensões dos idosos nas suas habitações, revela-se uma prioridade e, naturalmente, uma área de estudo relevante. A identificação de padrões de movimento e o treino de um algoritmo de machine learning para a deteção de outliers, representam os objetivos principais do trabalho. A monitorização de pessoas está frequentemente associada à perda de privacidade e autonomia. De forma a evitar estas situações, propusemo-nos explorar a capacidade de reutilizar soluções de IoT e sensorização existentes na habitação. Pretende-se extrair das soluções de smart homes, o máximo de informação possível para, numa primeira fase, estudar os padrões de movimento dos habitantes e, dessa forma, alavancar um conjunto de ações que potenciem o seu bem estar e monitorização. Para atingir os objetivos propostos no projeto, foram implementadas várias abordagens para o estudo de padrões, a análise da distribuição dos registos, o cálculo dos percentis e o cálculo da probabilidade da ocupação. Implementou-se um algoritmo de machine learning para proceder à identificação de outliers nos dados extraídos dos sensores da habitação.
- Signal processing measurement of the results of the up-down hop test using sensorsPublication . Capris, Ticiana Carneiro Lopes; Cunha, Carlos Augusto da Silva; Pires, Ivan MiguelThe advancement of mobile technology and sensor development has profoundly impacted several sectors, including physical therapy and rehabilitation sciences. This study focuses on measuring the Up-Down Hop Test findings with sensor technologies to improve clinical assessments and rehabilitation outcomes and contribute to the growth of sports science. By incorporating sensors into mobile devices, the study investigates novel techniques for objectively analyzing data from the Up-Down Hop Test, providing a complete understanding of the patient’s lower limb function and stability. Using sensors, such as accelerometers, gyroscopes, and magnetometers, allows for the accurate capturing of movement data, which is essential for assessing the efficiency of rehabilitation programs and establishing an individual’s readiness to resume physical activity. The study describes the limitations of traditional ways of evaluating Up-Down Hop Test results, which rely on subjective assessments and physical measurements. The study uses sensor technology to overcome these issues, suggesting a more ob jective and efficient assessment process. This method improves the accuracy and reliability of test findings and facilitates the formulation of tailored rehabilitation plans based on quantitative data analysis. A thorough literature analysis offers the study’s theoretical underpinning, em phasizing the importance of the Up-Down Hop Test in physical therapy and the po tential benefits of introducing sensor technology into its evaluation. Related works are discussed, contrasting various techniques and their clinical usefulness, highlight ing the need for trustworthy, objective, and cost-effective tools for assessing athletic performance and healing. The methodology section describes the methods used to execute and evaluate the sensor-based assessment of the Up-Down Hop Test, including sensor selection, data collection protocols, and analytic approaches. Pilot tests and statistical analysis have validated the suggested method’s effectiveness, proving its ability to provide a complete knowledge of test results and guide rehabilitation efforts. The study’s findings support the viability of using sensor technology to correctly quantify Up-Down Hop Test outcomes. It provides valuable insights into the healing process and aids evidence-based decision-making in physical therapy practices. This study adds to the expanding body of knowledge about using sophisticated technology in healthcare, recommending future directions for developing more effective and tailored rehabilitation treatments.