ESTGV - DI - Trabalhos de projeto (após aprovados pelo júri)
Permanent URI for this collection
Browse
Browsing ESTGV - DI - Trabalhos de projeto (após aprovados pelo júri) by advisor "Cunha, Carlos Augusto da Silva"
Now showing 1 - 4 of 4
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.
- 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.
- 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.