ESTGV - DI - Dissertações de mestrado (após aprovadas pelo júri)
URI permanente para esta coleção:
Navegar
Entradas recentes
- Ferramentas de Inteligência Artificial generativa: Avanços e Desafios no Processamento de Linguagem NaturalPublication . Consciência, Sara Beatriz Ferreira; Lacerda, Ana Cristina Wanzeller Guedes deA crescente integração de sistemas baseados em Inteligência Artificial na indústria tem impulsionado o desenvolvimento de novas formas de interação entre operadores humanos e sistemas robóticos. Neste contexto, a tradução automática de instruções em linguagem natural para código executável surge como uma abordagem promissora para simplificar a programação robótica e aproximar os sistemas industriais dos princípios da Indústria 5.0, centrados na colaboração humano–máquina. Esta dissertação investiga o papel das ferramentas de Inteligência Artificial Generativa na conversão de linguagem natural em código robótico em ambientes industriais. O trabalho integra três componentes principais. Em primeiro lugar, é realizada uma revisão sistemática da literatura com o objetivo de analisar o estado da arte na avaliação de modelos de Inteligência Artificial Generativa aplicados a tarefas de Processamento de Linguagem Natural e geração automática de código. Em segundo lugar, é desenvolvida uma plataforma experimental capaz de transformar instruções em linguagem natural em código robótico executável, num ambiente de simulação controlado. Por fim, é proposta a ferramenta HARPA, um modelo conceptual de avaliação multidimensional que combina métricas técnicas, operacionais e humanas para analisar o desempenho destes sistemas. Os resultados obtidos indicam que os modelos atuais apresentam elevada capaci dade para gerar código robótico funcional a partir de instruções em linguagem natural. No entanto, evidenciam limitações relevantes em dimensões como alinhamento hu mano, fiabilidade e auditabilidade. Verifica-se ainda que métricas tradicionais de avaliação são insuficientes para validar os requisitos de segurança, previsibilidade, transparência e colaboração exigidos pela Indústria 5.0. A ferramenta HARPA constitui uma abordagem promissora para estruturar a avaliação de modelos de Inteligência Artificial Generativa aplicados à programação robótica industrial.
- Processamento de Linguagem Natural e Machine Learning na Categorização de NotíciasPublication . Varanda, José Carlos Lopes; Lacerda, Ana Cristina Wanzeller Guedes de; Fialho, Joana Rita da SilvaO crescimento exponencial de conteúdos digitais, especialmente notícias, artigos e publicações nas redes sociais, tem gerado grandes volumes de informação não estruturada, tornando a sua organização e análise progressivamente mais complexas. Neste contexto, o presente trabalho contribui para a simplificação e a otimização da classificação automática de notícias em português, por meio do desenvolvimento e da validação de abordagens de categorização que conciliem o elevado desempenho com a eficiência computacional. Para a recolha e análise de dados, realizou-se uma revisão da literatura, seguida da seleção de algoritmos e ferramentas adequadas, da análise exploratória dos dados e da implementação de vários modelos de classificação. Estas etapas visaram comparar criticamente metodologias tradicionais de Machine Learning e de Mineração de Texto com modelos recentes de Processamento de Linguagem Natural, incluindo arquiteturas baseadas em Transformers, nomeadamente o BERT, avaliando simultaneamente o desempenho e o custo computacional associados. Os resultados obtidos indicam que os modelos mais avançados de Processamento de Linguagem Natural, ao apresentarem uma maior capacidade de compreensão do contexto textual, alcançam um desempenho superior, embora impliquem um maior consumo de recursos computacionais. Em contrapartida, os modelos mais leves, baseados em representações otimizadas do texto, revelam um compromisso mais equilibrado entre a precisão e a eficiência computacional, mostrando-se adequados para cenários com restrições de hardware. O trabalho experimental desenvolvido demonstra, deste modo, a viabilidade da implementação de um modeloe experimental funcional de categorização automática de notícias em língua portuguesa, capaz de processar grandes volumes de texto de forma eficaz, assegurando simultaneamente o controlo da complexidade computacional. Em suma, este estudo evidencia que é possível conciliar o desempenho elevado com a eficiência computacional, oferecendo contributos relevantes para o desenvolvimento de modelos de classificação automática de notícias cada vez mais eficazes.
- Encriptação Homomórfica: Técnicas e Ferramentas de Segurança e Privacidade para Processamento de DadosPublication . Jorge, Henrique Miguel Sousa; Lacerda, Ana Cristina Wanzeller Guedes de; Henriques, João Pedro MenoitaPerante os desafios atuais da segurança da informação, esta dissertação explora a Encriptação Homomórfica (Homomorphic Encryption - HE) como uma solução inovadora para o processamento seguro de dados sensíveis, num cenário cada vez mais digital e dependente da computação em nuvem, onde o risco de ciberataques é cada vez maior. A HE distingue-se por permitir a realização de operações aritmé ticas e lógicas diretamente sobre dados encriptados, assegurando, em simultâneo, a privacidade da informação e o cumprimento de normas internacionais de proteção de dados. A metodologia adotada integrou uma revisão bibliográfica teórica e uma compo nente experimental aplicada. Foram realizados testes sobre dados encriptados para avaliar os tipos de operações suportadas, o desempenho (em particular, a latência), a precisão numérica e a complexidade de integração. Estes testes decorreram em di ferentes Sistemas Operativos (SO) e Sistemas de Gestão de Bases de Dados (SGBD), recorrendo a bibliotecas criptográficas amplamente reconhecidas tanto na investiga ção como na indústria, bem como a um conjunto de dados sintéticos representativos do domínio da saúde. Os resultados obtidos evidenciaram tanto as vantagens como as limitações prá ticas dos diversos esquemas de HE avaliados, nomeadamente BFV, CKKS, BGV, TFHE, Paillier e RSA sem padding. Foram identificadas diferenças no suporte a operações, na latência, na precisão dos resultados numéricos e na complexidade de integração com sistemas existentes. Com base nesses resultados, foram desenvol vidos modelos comparativos que sintetizaram o comportamento de cada esquema em diferentes contextos de aplicação, permitindo definir diretrizes práticas para a sua adoção. Este contributo constitui uma base sólida para investigações futuras na área.
- Healthcare Data Management Through Blockchain TechnologyPublication . Melo, Pedro Miguel Pereira; Cunha, Carlos Augusto da SilvaO sector da saúde enfrenta desafios significativos relativos à gestão de dados, principalmente em torno da interoperabilidade, segurança e transparência da infor mação. Mesmo com progressos tecnológicos impressionantes, a utilização contínua de sistemas médicos fechados e proprietários impede o avanço para soluções de cui dados de saúde verdadeiramente eficazes e acessíveis. Estes obstáculos prejudicam a qualidade dos cuidados de saúde prestados aos doentes, diminuem a eficiência operacional e desafiam as normas éticas, criando uma necessidade urgente de novas soluções para estas barreiras tecnológicas e sistémicas. Inspirado na forma como as tecnologias modernas podem transformar a prestação de cuidados de saúde, este projeto examina o potencial da blockchain para resolver estes problemas persistentes, reforçando a segurança, a ética e a eficiência na gestão dos dados de saúde. Foram estabelecidos seis objetivos: melhorar a compatibilidade de dados entre sistemas, reforçar a segurança dos dados e a proteção da privacidade, mover o controlo dos dados para os pacientes, aumentar a eficiência e transparência aos ensaios clínicos, melhorar o rastreio de medicamentos e descobrir interligações com tecnologias emergentes como Artificial Intelligence (AI) e Internet of Things (IoT). Com especial preocupação em práticas de privacidade, requisitos de transpa rência e às práticas éticas, são estudadas as capacidades tecnológicas associadas às necessidades dos cuidados de saúde, de modo a criar estruturas confiáveis e de res ponsabilidade mais fortes para o tratamento de informações sensíveis dos doentes. Esta pesquisa seguiu uma abordagem cuidadosamente estruturada em duas fases, começando com uma ampla análise para identificar tendências de pesquisa, seguida por uma revisão sistemática aprofundada onde foram examinadas implementações no mundo real e analisados os respetivos resultados. As conclusões demonstram que a arquitetura descentralizada da blockchain e as práticas criptográficas melhoram significativamente a interoperabilidade e a priva cidade dos dados. A utilização de smart contracts permite definições de controlo de acesso granular que permitem aos pacientes gerir os seus próprios registos de saúde. As propriedades da blockchain também aumentam a eficiência nos ensaios clínicos e na gestão da cadeia de abastecimento de medicamentos. Além disso, a integração com AI, IoT e a análise de grandes volumes de dados amplifica o impacto da blockchain no sector da saúde, melhorando as práticas de diagnóstico preditivo e permitindo a implementação gradual da blockchain. Em conclusão, esta investigação contribui para uma avaliação abrangente dos benefícios e limitações da blockchain nos cuidados de saúde, destacando o seu po tencial para promover um ecossistema de dados seguro, centrado no doente e efici ente. Sublinha a necessidade de esforços de colaboração entre as diferentes partes interessadas para resolver os obstáculos técnicos e organizacionais.
- 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.
- 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.
- Detection of fake images generated by deep learningPublication . Monteiro, Stéphane Mesquita; Lacerda, Ana Cristina Wanzeller Guedes de; Caldeira, Filipe Manuel SimõesDuring the last few years, the amount of audiovisual content produced is continually increasing with technology development. Along with this growth comes the availability of the same information through numerous devices that any individual holds, including smartphones, laptops, tablets, and smart TVs, in an entirely free and open manner. These type of content are considered an authenticity element since they represent a reality record. For example, in court, photos frequently determine the jury's course of action since what is available is a recorded picture that validates a narrative and usually does not leave room for doubts. However, with the advancement of Deep Learning (DL) algorithms, a new and dangerous trend known as Deepfakes begins to emerge. For example, a deepfake can be a video or an image of a person on which their face or body is totally or partially modified to appear to be someone else. This technique is often used for manipulation, blackmailing, and spreading false information. After recognizing such a dangerous problem, this study aims to uncover patterns that deepfakes show to identify authenticity as accurately as possible, using machine learning and deep learning algorithms. To get the highest level of accuracy, these algorithms were trained on datasets that included both real and phony photos. The outcomes demonstrate that deepfakes can be accurately identified and that the optimal model may be selected based on the specific requirements of the application.
- Caracterização Anonimizada de Utilizadores de Twitter com base na Análise de SentimentoPublication . Saraiva, Gonçalo Sebastião Trindade; Pinto, Filipe Marques da Silva Cabral; Guedes, Ana Cristina WanzellerAo longo dos anos, impulsionada pelo avanço tecnológico e pela constante inovação de serviços, a sociedade tem intensificado substancialmente o uso das redes sociais, alcançando níveis de dependência (SNS, 2020). A rede social X (antigo Twitter) é uma rede social que permite aos seus utilizadores partilhar as suas opiniões. Esta é uma das redes sociais mais utilizadas atualmente (Martin, 2023) e, quando surgiu, era permitido um máximo de 140 caracteres por tweet, valor que foi aumentado para 280 em 2017. Em Portugal, 2,5 milhões de pessoas usam a rede social X e, mundialmente, esta rede social conta com mais de 330 milhões de utilizadores, o que origina em média a criação de 5 787 tweets por segundo em todo o mundo, o que equivale a quase 500 milhões diariamente (Bacelar, 2022). Estes tweets geram uma quantidade significativa de dados, dados estes que estão a ser cada vez mais importantes na atualidade, pois é possível retirar informações relevantes e/ou ser capaz de identificar perfis. Isto é alcançado através da tecnologia e da descoberta de novas técnicas e algoritmos, sendo estas as principais razões para o desenvolvimento deste projeto. O projeto teve os seguintes objetivos: • Tratar Dados de forma a conseguir obter o melhor resultado possível. • Determinar tópicos para conseguir perceber os assuntos. • Classificar os tweets de modo a determinar se os utilizadores são a favor, contra ou neutros relativamente aos tópicos discutidos nas redes sociais. • Recomendar conteúdos com base no sentimento detetado anteriormente, tendo em conta o tópico abordado. Com o intuito de esclarecer os objetivos deste estudo, propõe-se o seguinte exemplo ilustrativo: Se o Presidente da República for a entidade selecionada, procede-se, assim, à recolha de tweets que façam menção ao perfil "@PresidenteDaRepublica". Em seguida, serão realizadas as etapas necessárias para o tratamento adequado desses tweets, seguido pela identificação dos tópicos mais frequentemente discutidos em relação a essa figura pública. Isso estabelecerá a base de dados fundamental para a condução deste projeto. Uma vez obtida a base de dados, sólida e coesa, realiza-se a análise de sentimento com o objetivo de identificar e classificar os perfis de utilizadores em categorias como "Positivo", "Neutro" ou "Negativo" em relação a diversos temas relacionados com a entidade. Posteriormente, será implementado um sistema de recomendação para enviar conteúdos diferenciados a cada grupo de utilizadores previamente identificados. Esta abordagem permitirá potencialmente influenciar as opiniões das pessoas ou auxiliá-las na formação de opiniões bem fundamentadas e construtivas, independentemente das opiniões serem positivas ou negativas a determinados assuntos.
- 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.
- Modelo das Salas de Aula de Futuro na Região Dão LafõesPublication . Ferreira, Lisete Maria Teixeira; Sá, Filipe Alexandre Almeida Ningre de; Pinto, Maribel Santos MirandaAo longo dos tempos, sérias transformações têm vindo a operar-se em todos os setores socias, graças aos avanços das tecnologias e à sua incontrolável disseminação. O setor educativo tem sido o mais fustigado, mercê do compromisso que assumiu, desde sempre, com a sociedade. A criação de projetos que apelam à implementação das TIC nas escolas constituem um exemplo desse acordo. A criação do projeto “Future Classroom Lab” (FCL) pela European Schoolnet (EUN) e a divulgação dos resultados pelo iTEC (Innovative Te-chnologies for an Engaging Classroom) apelam para a importância das TIC, disseminação e sua implementação nas Escolas. Propiciadoras da criação de cenários educativos inovadores, impõem-se como um meio privilegiado para o uso da tecnologia nas áreas do investigar, criar, apresentar, interagir, partilhar, e desenvolver o conhecimento. Estas são motivadoras das aprendizagens do aluno, permitindo implementar uma nova dinâmica e organização do ensino. Decorrente daquele pressuposto o objetivo geral do presente trabalho traduziu-se na realização de um estudo na Região Dão Lafões, relacionado com as Salas de Aula do Futuro, cujo foco incidiu nas práticas educativas, fruto das metodologias de ensino e aprendizagem atualmente utilizadas nesses espaços que fomentam a motivação. A metodologia adotada, de natureza quantitativa, foi o inquérito por questionário - instrumento de recolha de dados - e a análise estatística como técnica. Trata-se de um estudo, que contou com cento e vinte e um indivíduos – oitenta e nove alunos e trinta e dois professores. Os resultados obtidos demonstraram que a amostra escolhida para o estudo em questão, pouco contacto teve com um cenário educativo com aquelas características, contudo, foram recetivos à inovação e reconheceram a mais-valia que as Salas de Aula do Futuro podem constituir para o êxito do processo de ensino e aprendizagem.