A inovação em métodos de seleção de características (features) é essencial para aprimorar os sistemas de predição adotados por instituições financeiras, principalmente em serviços financeiros que envolvem análise de risco de crédito e as decisões de investimento necessárias para a sua concessão. Essa seleção criteriosa não só potencializa o desempenho dos modelos de predição, mas também reduz possíveis custos financeiros associados à aquisição desnecessária de dados. Nesse contexto, essa tese apresenta o Clustered Spearman Markowitz (CSM), um método alternativo e inovador que combina a correlação de postos de Spearman para agrupar preditores semelhantes, e a teoria de alocação de ativos de Markowitz para determinar os pesos desses grupos, interpretando a precisão dos modelos gerados por cada grupo como o retorno, e sua variância como risco, a fim de utilizar a relação risco-retorno associada à cada grupo de features para selecionar quais são realmente necessárias para o ajuste do modelo de análise de crédito (credit scoring). O objetivo central do CSM é eliminar características irrelevantes ou redundantes, contribuindo para modelos de predição mais eficientes em modelos de análise de crédito. A validade e a eficiência do método foram comprovadas por meio de extensos testes de simulação e pela aplicação em um conjunto de dados reais amplamente utilizado, tal como o Lending Club Loan Data. O desempenho do CSM foi comparado à técnicas padrão e à metodologias recentes, demonstrando superioridade em precisão, F1 Score e redução significativa do número de features selecionadas, consolidando-se como uma importante contribuição para a inovação na análise de risco de crédito e na modelagem preditiva de instituições financeiras.

A Depressão é um transtorno psicológico prevalente que afeta milhares de pessoas ao redor do mundo e que apresenta um desafio em seu diagnóstico. Métodos existentes, como os questionários internacionais: Manual Diagnóstico e Estatístico de Distúrbios Mentais (DSM-5) e a Escala de Classificação de Depressão de Hamilton (HAMD), apesar de serem muito utilizados, podem não diagnosticar de maneira acurada e consistente a depressão. Em resposta, os esforços de pesquisas recentes têm tentado explorar biomarcadores promissores para aprimorar o diagnóstico da depressão através de dados de Eletroencefalograma (EEG) e áudio. Neste trabalho, utilizou-se a base de dados MODMA, que possui tanto sinais de EEG quanto de áudio, para uma análise considerando cada um dos sinais disponíveis mas também um cenário multimodal, explorando os dois em conjunto. O estudo aborda as etapas de pré-processamento, extração de features, redução de dimensionalidade e classificação, usando SVM. Considerando o processo de classificação somente com o sinal do EEG e usando o mRMR, obteve-se uma acurácia de 76% usando todos os pacientes disponíveis ou 49,82% usando somente os dados dos pacientes para os quais os sinais de EEG e áudio estão disponíveis. Já para os sinais de áudio, considerando-se toda a base de dados obteve-se 80,9%, mas com os pacientes comuns obteve-se 78,03%. Uma análise multimodal que integra características de EEG e áudio obteve desempenho aprimorado, alcançando uma acurácia de 80.32%, destacando o valor de combinar biomarcadores complementares. Esses resultados reforçam o potencial de abordagens multimodais para melhorar a precisão e a confiabilidade do diagnóstico da depressão.

A Doença de Alzheimer (DA) é predominantemente manifestada em idosos. Com o aumento da expectativa de vida, é esperado que a incidência da doença cresça com o tempo. Estudos mostram que a informação genética pode ser também um indicativo de tendência ao desenvolvimento da DA. Pessoas que são portadoras do alelo ε4 da Apolipoproteína E (APOE ε4) têm maior chance de desenvolverem DA. A Eletroencefalografia (EEG) é uma metodologia relativamente barata e não invasiva que pode ajudar no diagnóstico da doença. A análise de Potenciais Relacionados a Eventos (em inglês: Event-Related Potentials - ERP) é uma ferramenta de EEG amplamente difundida na literatura para auxiliar na identificação da DA. Recentemente, ela tem sido utilizada também para portadores do alelo APOE ε4, sejam pessoas com DA ou idosos saudáveis. Neste estudo, foi acrescentada a ferramenta de Perturbação Espectral Relacionada a Eventos (em inglês: Event-Related Spectral Perturbation - ERSP), inédita no que se refere a identificação de portadores do alelo APOE ε4. A extração das características de ERP e ERSP de um exame de EEG pode ser usada como atributos de classificadores com técnicas de Aprendizado de Máquina (em inglês: Machine Learning - ML). Este trabalho busca, através de dados coletados em estudo prévio, classificar indivíduos em diferentes grupos levando em conta se o mesmo tem ou não DA e é ou não portador do alelo APOE ε4. Utilizou-se a ferramenta EEGLAB para o pipeline de preparação de dados e extração das características (features), buscando diferenças estatisticamente significantes entre os grupos no teste auditory oddball a que foram submetidos. Também foi utilizado a linguagem de programação Python com auxílio da biblioteca scikit-learn, a fim de realizar rotinas de seleção de features e classificação dos indivíduos, com base nas features extraídas. Dos classificadores que utilizamos, identificamos uma maior precisão e vantagem técnica na utilização de Support Vector Machine (SVM), onde esse classificador alcançou melhores resultados na maioria das classificações se comparado aos outros dois algoritmos utilizados neste trabalho. Também trazemos como resultado a maior eficácia na utilização do ERSP em relação ao ERP quando se trata de precisão de ML. Quanto à seleção de features, podemos tirar conclusões sobre regiões cerebrais que mostram mais diferenças estatisticamente significantes nas classificações realizadas. Vimos que, tanto para ERP como para ERSP, os eletrodos de maior destaque são C3, PZ e O2. Um resultado interessante que esse trabalho também observou é que as diferenças estatisticamente significantes foram encontradas também no intervalo pré-estímulo (-500 a 0 ms), e não apenas no intervalo de 200 a 350 ms que é geralmente utilizado para estudos cognitivos. Também foi possível notar que, no ERSP, Alfa e Beta se destacaram como bandas que apresentaram a maioria das diferenças estatisticamente significantes entre os grupos estudados.

Na era da Indústria 4.0, a integração entre sistemas físicos e digitais tem se consolidado como um dos pilares para a modernização dos processos industriais. Os gêmeos digitais, por sua vez, desempenham um papel estratégico nesse contexto, viabilizando a simulação, o monitoramento e o controle de ativos industriais em  tempo real, com potencial para otimizar operações, reduzir custos e aumentar a confiabilidade dos processos. Contudo, para que essa integração ocorra de forma eficiente, especialmente em aplicações industriais que demandam respostas rápidas e sincronização precisa, a latência da rede de comunicação se apresenta como um fator crítico. Atrasos na transmissão de dados podem comprometer diretamente o desempenho das aplicações de gêmeo digital. Neste trabalho, analisou-se experimentalmente o impacto da latência de rede no desempenho de projetos de gêmeo digital aplicados em ambientes industriais reais. Os experimentos foram conduzidos no laboratório OpenLab do SENAI SP, considerando diferentes infraestruturas de rede e protocolos de comunicação, tanto de Tecnologia da Informação (TI) quanto de Tecnologia da Automação (TA). Os resultados obtidos demonstraram que as redes baseadas em protocolos industriais, como EtherCAT, Ethernet/IP, Modbus TCP e OPC UA, apresentaram latências significativamente menores em comparação aos protocolos típicos de redes de TI. Além disso, foi possível validar, em um cenário prático, a aplicação de um gêmeo digital conectado a um manipulador pneumático físico, evidenciando que a adequada escolha da infraestrutura de comunicação foi decisiva para garantir o desempenho esperado e a sincronização em tempo real. Esses resultados reforçam que o desempenho dos gêmeos digitais em ambientes industriais depende diretamente do planejamento adequado da infraestrutura de rede, da seleção dos protocolos de comunicação mais compatíveis e da definição clara das regras de transação entre os sistemas físicos e digitais.

Nos últimos anos, o Harvesting de Energia de Radiofrequência (RF, do inglês Radio Frequency) tem ganhado destaque como solução promissora para alimentar sensores e dispositivos autossuficientes, utilizando rectenas, que combinam antenas com retificadores para coletar a energia eletromagnética de RF do ambiente e convertê-la em corrente contínua (DC, do inglês Direct Current). No entanto, há duas questões ainda pouco abordadas em relação às rectenas que envolvem a sensibilidade térmica do retificador, devido à dependência dos parâmetros do diodo Schottky com a temperatura, e a limitação dos testes com sinal de onda contínua (CW, do inglês Continuous Wave), que não representam adequadamente os sinais reais como Wi-Fi, Bluetooth e 5G.

Logo, este trabalho tem como um dos objetivo projetar retificadores de RF com ampla faixa de operação em temperatura, sob baixas potências de entrada (Pin), atuando na faixa de 3,5GHz licenciada para aplicações 5G, além de avaliar o desempenho de rectenas sob excitação de sinais no padrão 5G NR. Para a problemática térmica de retificadores, duas soluções são propostas: a primeira consiste em um retificador com rede de casamento trimável em temperatura, utilizando o diodo SMS7630, cujos elementos paralelos da sua rede de casamento são trimados para gerar protótipos otimizados  25 ◦C (P25) e 50 ◦C (P50), sendo a proposta validada por resultados experimentais em -20 dBm que indicam maior eficiência para P25 em temperaturas mais baixas e para P50 em temperaturas mais elevadas. Complementarmente, a segunda proposta é o retificador de RF Paralelo Dual (DPRF, do inglês Dual Parallel RF ), composto por dois retificadores em paralelo, um com o diodo SMS7630 otimizado para 25 ◦C e outro com o diodo SMS7621 otimizado para 70 ◦C, de modo a combinar suas melhores características térmicas para manter a eficiência estável em -20 dBm ao longo de uma ampla faixa de temperatura, sendo sua robustez validada por meio dos resultados experimentais.

O segundo objetivo deste trabalho é analisar o desempenho de retificadores e rectenas sob um sinal no padrão 5G NR, para isso, duas rectenas foram desenvolvidas, utilizando antenas planares dos tipos Patch e Quasi-Yagi (QY) e o retificador P25 como base para operar em 3,5 GHz com Pin de -20dBm. Os testes iniciais focam no retificador, considerando diferentes configurações do sinal 5G para manter a taxa de dados constante, e indicam menor eficiência de retificação com sinais com períodos de ociosidade no tempo, além de possível saturação do diodo devido à alta relação entre potência de pico e potência média (PAPR, do inglês Peak-to-Average Power Ratio). Para as rectenas, utilizando um sinal 5G contínuo com largura de banda de 100 MHz, os resultados obtidos indicam eficiências de 15,5% e 9,4% na rectena Patch, e de 20,4% e 16,6% na rectena QY para os sinais CW e 5G, respectivamente.

Estruturas flexíveis inteligentes se tornaram cada vez mais frequentes em aplicações de engenharia, especialmente nas aplicações que possuem exigentes requisitos de desempenho e segurança. Geralmente, as estratégias de controle adotadas para solucionar os problemas de vibrações estruturais não consideram a possibilidade de ocorrência de danos durante a operação e, dessa forma, o dano pode levar o sistema de controle a perda do desempenho e da estabilidade. O controle ativo tolerante a danos é uma área de pesquisa que inclui a possibilidade de ocorrência de danos na etapa de projeto dos sistemas de controle, utilizando conceitos das áreas de monitoramento da integridade estrutural e de controle ativo de vibrações para mitigar a possibilidade de danos como um requisito de projeto de um sistema de controle. Este trabalho visa aplicar uma estratégia de controle ativo tolerante a danos em malha dupla a um sistema ativo de suspensão automotiva com requisitos de desempenho multiobjetivo. Nesta estratégia, o sistema de controle tem como objetivo atenuar as vibrações provenientes da pista, garantindo a segurança e o conforto dos passageiros mesmo com a suspensão danificada. O primeiro controlador é projetado para cumprir os requisitos de desempenho considerando a estrutura saudável e baseia-se na técnica de controle Hoo. Já o segundo controlador é projetado para complementar o desempenho e garantir a estabilidade do sistema em malha fechada sob influência de danos. O sistema de suspensão ativa do fabricante Quanser é adotado como estudo de caso e danos são provocados a partir da mudança dos parâmetros da estrutura. A partir dos resultados obtidos através de simulação, a técnica de controle investigada se mostrou eficaz em aumentar o desempenho e acomodar danos na suspensão inteligente. 

Com o avanço das tecnologias 5G e 6G, os veículos aéreos não tripulados (VANTs), popularmente conhecidos como drones, têm assumido um papel cada vez mais relevante em setores como agricultura, logística, monitoramento ambiental e aplicações militares. Essa expansão destaca a necessidade de métodos eficazes para controle autônomo e prevenção de colisões, especialmente em ambientes de alta densidade de tráfego aéreo.

Este trabalho propõe um modelo de aprendizado por reforço profundo baseado nas técnicas Proximal Policy Optimization (PPO) e Advantage Actor-Critic (A2C), voltado ao controle de voo e à prevenção de colisões em cenários urbanos de entrega de pacotes. A abordagem integra o framework ML-Agents ao simulador tridimensional FluteSim, ambos desenvolvidos na plataforma Unity, permitindo a aplicação de técnicas de Deep Reinforcement Learning em um ambiente dinâmico.

O desenvolvimento do modelo foi estruturado em duas etapas principais: (i) treinamento em ambiente controlado, utilizando a estratégia de Curriculum Learning para promover uma progressão gradual de dificuldade e acelerar a convergência da política; e (ii) inferência em um ambiente urbano de 0,81 km², com lançamentos de drones seguindo uma distribuição de Poisson para representar diferentes níveis de densidade de tráfego aéreo.

Os resultados demonstram que os modelos estudados atingiram uma taxa de colisão de 1,30%, apresentando uma redução de até 81,94% em relação ao método geométrico SingleDrone, considerado o mais eficiente. Além disso, foram realizados experimentos híbridos combinando técnicas de aprendizado por reforço e métodos geométricos, que resultaram em melhorias expressivas, alcançando uma taxa de colisão de apenas 1,10%. Esses resultados evidenciam que as técnicas de aprendizado de máquina, bem como sua integração com abordagens determinísticas, podem reduzir de forma significativa o número de colisões e aumentar a robustez global do sistema.

Dessa forma, modelos de aprendizado de máquina demonstraram elevada capacidade de adaptação, estabilidade e generalização em cenários de alta densidade, configurando-se como uma solução promissora para controle autônomo de drones em aplicações urbanas de entrega inteligente.

Este trabalho traz uma abordagem de metrificação de alinhamento cultural dos grandes modelos de linguagem (LLMs, do inglês Large Language Models) no contexto português brasileiro. O estudo realiza uma análise comparativa entre diversos modelos de LLMs especializados em português brasileiro e os LLMs mais conhecidos e utilizados, treinados majoritariamente com textos em língua inglesa. Para isso, são utilizadas as seis dimensões culturais do modelo de Hofstede, aplicando 24 perguntas para os modelos e solicitando que eles criassem uma persona brasileira corporativa para responder às perguntas, de modo que fosse possível comparar as respostas do modelo com as de uma pessoa real. A avaliação foi baseada em métricas como o RMSE e a distância euclidiana. Os resultados mostram que, apesar da disparidade entre os investimentos e a capacidade computacional, o Sabiá 3.1 trouxe resultados mais próximos com os valores culturais brasileiros, sendo um forte indicativo de que o uso de dados locais pode favorecer o alinhamento cultural em LLMs.

A presente tese de doutorado propõe um modelo inovador, denominado modelo circuital EKV, desenvolvido especificamente para caracterizar o fenômeno da histerese em transistores de efeito de campo (MOSFET) baseados no semicondutor emergente dissulfeto de molibdênio (MoS2). O modelo proposto é capaz de prever com precisão o comportamento desses dispositivos, oferecendo uma ferramenta valiosa para seu desenvolvimento e otimização em aplicações envolvendo circuitos eletrônicos.

A histerese constitui um fenômeno amplamente presente na ciência e engenharia, cujo entendimento é crucial para o avanço tecnológico em diversas aplicações. Embora a histerese apresente efeitos adversos, como a redução da mobilidade dos portadores e, consequentemente, do desempenho dos transistores, ela pode ser estrategicamente explorada para aplicações positivas, incluindo memórias não voláteis e dispositivos digitais.

Através de uma revisão detalhada da literatura científica atual, constatou-se a ausência de modelos capazes de descrever adequadamente a histerese em transistores de MoS2. Portanto, o modelo circuital EKV apresentado nesta tese é pioneiro, contribuindo significativamente para o entendimento fundamental e prático da histerese em dispositivos emergentes baseados em dissulfeto de molibdênio.

As fontes alternativas de energia têm motivado diversos avanços tecnológicos voltados para os sistemas móveis de comunicações, entre eles, o de sensoriamento sem fio e seus dispositivos, aumentando o grau de liberdade espacial destes e desvinculando a necessidade intrínseca de uso de cabos de energia, ou evitando problemas de manutenção relacionados à recarga periódica ou troca de baterias. Esta questão é enfatizada quando fatores ambientais hostis e condições adversas são inerentes ao local de utilização dos dispositivos, impossibilitando meios convencionais de fornecimento de energia e, por consequência, do gerenciamento e controle otimizado de seu funcionamento. Assim, estudos para viabilizar ou mesmo otimizar os sistemas destinados para o sensoriamento, principalmente envolvendo tecnologias IoT e seus meios de comunicação, estão atrelados a processos de coleta de energia para maximização das características de fontes alternativas, estando em evidência e sendo o estado da arte principalmente para aplicações de baixa potência.

Nesse contexto, este trabalho baseia-se nesta premissa para propor um sistema de coleta de energia de RF, ponderando aspectos térmicos e seus impactos na eficiência de conversão da energia, assim como propõe caracterizar com viés de otimização os meios de comunicação para IoT e coleta de energia, simultaneamente, a partir de técnicas não ortogonais de múltiplo acesso. Na sua totalidade, as medidas presentadas buscam aprimorar a energia obtida no processo, sem que haja deterioração das características da rede de comunicação. As dificuldades deste trabalho estão baseadas na análise criteriosa dos sub-itens do sistema de coleta de energia, dentre eles os retificadores de RF e seu comportamento térmico, além da otimização da energia transferida pela fonte de RF em momentos ociosos de comunicação.

A construção de modelos capazes de representar adequadamente fenômenos complexos é de grande relevância para a análise e compreensão de sistemas com comportamento não linear. A engenharia, especialmente por meio da modelagem computacional, consolidou-se como uma área essencial para a observação, caracterização e previsão de fenômenos físicos e biológicos. Nesse contexto, a modelagem fenomenológica permite compreender o comportamento de dispositivos e sistemas, fornecendo subsídios para o aprimoramento de desempenho, controle e diagnóstico. Entre as abordagens existentes, os modelos de histerese destacam-se por sua capacidade de representar sistemas com memória e dependência de trajetória, sendo amplamente empregados na engenharia elétrica para descrever materiais ferromagnéticos, indutores e transformadores.

Este trabalho propõe uma ampliação desse escopo tradicional, aplicando e estendendo a modelagem da curva de histerese para fenômenos de natureza biológica e interdisciplinar. Para isso, são desenvolvidos dois novos modelos inéditos de histerese, inspirados nos modelos de Preisach e Limiting Loop Proximity (LLP), com ênfase na generalização e ampliação da representatividade fenomenológica. Os modelos propostos são capazes de reproduzir com alta fidelidade diferentes tipos de histerese, incluindo histereses biológicas — como a pulmonar e a da glicose — e histereses físicas — como as de memristores e materiais magnéticos. Essa versatilidade demonstra o caráter generalista e adaptativo das abordagens, permitindo que uma mesma estrutura matemática descreva fenômenos de distintas origens físicas e biológicas.

O desenvolvimento desses modelos, denominados Preisach Adaptativo e (Logistic Limiting Loop Proximity), confere ao trabalho um caráter original, integrando conceitos clássicos de histerese com novas funções logísticas e estratégias de parametrização.
A contribuição principal desta tese consiste em estabelecer uma nova metodologia de modelagem fenomenológica de histerese generalizada, capaz de representar, de forma unificada, diferentes tipos de histerese observados em sistemas físicos e biológicos. Os resultados obtidos evidenciam o potencial dos modelos propostos como ferramentas para o estudo, diagnóstico e simulação de fenômenos complexos, promovendo avanços tanto na engenharia quanto nas ciências biomédicas, e fortalecendo a interdisciplinaridade entre essas áreas.

Neste trabalho, estudamos a aplicação de cinco diferentes classificadores, sendo eles os classificadores Naive Bayes baseados nas distribuições multinomial e gaussiana, o Support Vector Classifier (SVC) e os modelos baseados em árvores de decisão Random Forest e eXtreme Gradient Boosting (XGBoost), para a classificação automática de artigos científicos de seis diferentes especialidades biomédicas em um corpus previamente adquirido sobre a COVID-19 em português brasileiro (CorpusCovid-19 UFABC). Estudamos também a explicabilidade global, com o uso do SHapley Additive exPlanations (SHAP), e a explicabilidade local, com o Local Interpretable Model-agnostic Explanations (LIME) para o algoritmo XGBoost. Esse corpus foi extraído da base PubMed com técnicas e métodos de Processamento de Linguagem Natural (PLN), e correspondem a textos científicos do início da pandemia. Os textos do corpus possuem especialidades biomédicas anotadas manualmente com base no título dos artigos, nome dos periódicos, palavras-chave e resumo. As features utilizadas foram o Term Frequency – Inverse Document Frequency (TF-IDF) de dois grupos diferentes: com todos os types dos textos em unigramas e bigramas, e com apenas os types biomédicos em suas raízes (stemming). Além disso, foram considerados os subgrupos para análise: todas as classes (CARDIOLOGIA, CIRURGIA, ENFERMAGEM, EPIDEMIOLOGIA, NEFROLOGIA e SAÚDE PÚBLICA), classes mais específicas (CARDIOLOGIA, CIRURGIA e NEFROLOGIA) e classes menos específicas (ENFERMAGEM, EPIDEMIOLOGIA e SAÚDE PÚBLICA). Os melhores resultados, para todos os grupos e subgrupos, foram obtidos pelo classificador XGBoost, que é o mais complexo do conjunto utilizado. Comparando os grupos, no geral, o uso de todos os types obteve maiores métricas em relação ao uso de apenas types biomédicos. Além disso, sobre os subgrupos, o melhor desempenho foi para as classes mais específicas, que são as de maior lexicalidade biomédica, seguido por todas as classes e o pior resultado foi para as classes menos específicas. Para a explicabilidade, os resultados sugerem que o XGBoost seja um bom classificador, em especial para classificação das especialidades CARDIOLOGIA, CIRURGIA e NEFROLOGIA, em que não há sobreposição das features mais importantes entre as classes e elas destacarem termos condizentes com as respectivas especialidades, em comparação às classes ENFERMAGEM, EPIDEMIOLOGIA e SAÚDE PÚBLICA, em que os atributos utilizados pelo classificador são preponderantemente não específicos de uma determinada especialidade ou são até mesmo da linguagem geral.

A linguagem de programação P4 tem sido utilizada para a programação do plano de dados em dispositivos de redes, incluindo switches e roteadores, permitindo que os desenvolvedores especifiquem o processamento de pacotes dentro do elemento de rede, tanto físico quanto virtual. Originada com o propósito de superar limitações e desafios presentes nas redes definidas por software, como a demanda por maior flexibilidade e capacidade de customização, a linguagem P4 oferece uma abordagem inovadora. Este trabalho se concentra na aplicação de P4 em ambientes de IoT, explorando as oportunidades de implementação em aplicações IoT e realizando uma comparação, entre cenários com e sem o uso de P4, sendo este último caso com a utilização do protocolo OpenFlow. Os cenários propostos têm como objetivo aprofundar o entendimento sobre o uso de P4 direcionado para IoT, abordando os contextos de filtragem de pacotes, automação de serviços e interoperabilidade nas redes IoT. Para tanto, foram empregados o simulador de redes Mininet-WiFi e a ferramenta P4Docker. Como parte deste estudo, foi desenvolvida uma solução de gateway multiprotocolo que demonstra eficácia na identificação de diferentes protocolos e tipos de dados, bem como um sistema de geração de alertas com base em mensagens utilizando o protocolo MQTT.

As fraudes em cartões de crédito são um problema crescente na sociedade moderna, especialmente com o aumento das modalidades de compras e pagamentos online. Logo, há alta demanda para sistemas de prevenção e detecção de fraudes que sejam robustos e confiáveis. A tarefa de detecção de fraudes pode ser tratada como um problema de classificação e, neste contexto, múltiplos autores relatam dificuldades ao treinar os classificadores nos conjuntos de dados de fraudes, que possivelmente apresentam desbalanceamento e sobreposição entre as classes. Técnicas de pré-processamento de amostragem, como sobre-amostragem e sub-amostragem, são frequentemente utilizadas na fase de pré-processamento para tratar o problema do desbalanceamento. Por outro lado, métricas de avaliação como o R-Valor e o R-Valor Aumentado foram apresentadas nos últimos anos para medir o nível de sobreposição presente nos dados. Portanto, este trabalho se propõe a analisar os comportamentos de diferentes classificadores quando há utilização de técnicas de amostragem em conjuntos de dados sintéticos desbalanceados e sobrepostos, além de efetuar este estudo em aplicação real, para um conjunto de dados de fraudes em cartões de crédito, objetivamente medindo os efeitos nas métricas acima mencionadas e também nos desempenhos de classificação. Este trabalho, bem como outros autores apontaram por meio de estudos em diversos conjuntos de dados, demonstra que a utilização da métrica R-Valor Aumentado é mais apropriada em cenário de dados desbalanceados em comparação ao R-Valor. Entretanto, este trabalho conclui que, para os conjuntos de dados estudados, os resultados de classificação obtidos após a aplicação das técnicas escolhidas de amostragem não apresentaram diferenças significativas em relação a não aplicação das mesmas, reforçando ponto trazido por certos autores que, supostamente, o problema de sobreposição dos dados pode ser mais oneroso de lidar que o desbalanceamento. Outra questão trazida a tona por este estudo é a relação entre a dispersão observada dos dados de cada classe em relação ao desempenho de classificação dos estimadores. Além disso, aponta-se que os algoritmos de classificação baseados em árvores de decisão obtiveram resultados bons para o conjunto de dados real de fraudes, considerando as circunstâncias de alto desbalanceamento e classes sobrepostas significativamente.

Nos últimos anos, os avanços tecnológicos relacionados aos dispositivos e à infraestrutura da Internet das Coisas (IoT, do inglês Internet of things) possibilitou às grandes indústrias rastrear estoques, gerenciar máquinas e monitorar processos industriais de maneira mais rápida e eficaz, além de contribuir para o desenvolvimento de veículos autônomos e, no caso de consumidores individuais, automatizar residências e monitorar a saúde pessoal. Essa evolução também permitiu, devido às conexões com a Internet, que cada um desses dispositivos se tornasse um potencial alvo de ataque por indivíduos mal intencionados, sendo necessária uma maior preocupação com a segurança desse ambiente bastante heterogêneo. Como os dispositivos IoT são restritos em recursos computacionais e energia, os modelos de segurança tradicionais, que atuam como uma linha de defesa, agindo no processo de detecção de intrusos e ameaças, não podem ser diretamente adotados para eles. Uma alternativa é implementar um sistema de detecção de intrusão (IDS, do inglês Intrusion Detection System) em um gateway, protegendo assim os dispositivos IoT. Embora IDS's tradicionais empreguem técnicas estatísticas, abordagens mais recentes se concentram na utilização de algoritmos de aprendizado de máquina (ML, do inglês Machine Learning), que procuram aprender as características de cada tipo de ataque a partir de dados de tráfego de rede.

Devido à grande quantidade de dados de tráfego disponíveis, restringir os atributos de tráfego empregados para detecção de uma eventual ameaça é uma garantia de ganho computacional e de tempo. Assim, técnicas de seleção de atributos (ou de características) são fundamentais para uma implementação prática de um IDS usando ML. Além disso, como a disponibilidade de dados de tráfego normal é muito maior que a de dados de intrusões, é comum utilizar técnicas de reamostragem, que procuram equilibrar as quantidades de dados das duas classes de tráfego (normal e ataque), antes dos classificadores baseados em ML. Portanto, um dos objetivos principais deste trabalho é realizar uma análise comparativa de desempenho de diversas técnicas de seleção de atributos aplicadas a algoritmos de aprendizagem de máquina para IDS. Outro objetivo desta dissertação é avaliar a efetividade de técnicas de reamostragem para balanceamento dos dados. Em particular, neste trabalho de mestrado, foram utilizados três algoritmos para classificar os dados de tráfego IoT em normal ou de ataque, três técnicas de seleção de atributos e uma técnica de reamostragem. Os resultados obtidos indicam que classificadores baseados em árvores de decisão, com seleção de atributos usando a informação mútua, fornecem uma boa solução de compromisso entre complexidade computacional e desempenho de classificação. Além disso, para as bases de dados consideradas, não houve alteração significativa de desempenho dos classificadores ao se empregar a técnica de reamostragem simulada.

Os sistemas de colheita de energia de radiofrequência (RFEH) representam uma avançada tecnologia para converter a radiação eletromagnética em energia elétrica, especialmente relevante para a Internet das Coisas (IoT). Apesar de sua importância, há uma lacuna na otimização do componente de retificação, o diodo retificador, essencial para a eficiência energética dos dispositivos. Este estudo propõe explorar e otimizar o diodo retificador em sistemas RFEH, usando aprendizado por reforço para generalizar seu comportamento e otimizar seus parâmetros. O modelo visa a melhorar a eficiência de conversão de energia RF em DC, contribuindo para o desenvolvimento de sistemas RFEH mais eficientes e sustentáveis. O trabalho iniciou-se com a análise de um modelo de circuito do diodo, seguido pelo desenvolvimento de um ambiente de simulação. A metodologia de aprendizado por reforço, especialmente o Advantage Actor-Critic (A2C), foi adotada para otimizar os parâmetros do diodo. O estudo também avaliou a generalização do modelo de aprendizagem por reforço e comparou a eficiência do diodo proposto com diodos comerciais, investigando a influência dos parâmetros na eficiência do circuito. Essa pesquisa visa preencher a lacuna na otimização dos componentes de retificação em sistemas RFEH, crucial para a eficiência dos dispositivos IoT alimentados por essa tecnologia.

Este estudo aborda o desafio de otimizar os parâmetros de um diodo Schottky em retificadores de baixa potência para sistemas de coleta de energia RF, visando a maximização da eficiência energética. Foi realizada uma comparação sistemática entre quatro algoritmos evolutivos — Algoritmos Genéticos (GA), Evolução Diferencial (DE), Estratégias Evolutivas (ES) e Algoritmos Meméticos (MA) — para identificar o método mais eficiente em termos de otimização dos parâmetros críticos nessa análise. A metodologia incluiu modelagem analítica dos algoritmos, parametrização dos diodos, implementação dos algoritmos em Python e simulações via software ADS (Advanced Design System) para validar os resultados. Os resultados indicam que os Algoritmos Meméticos superaram os demais em termos de rapidez e eficácia na convergência para configurações ótimas, oferecendo um aumento de aproximadamente 19% na eficiência dos retificadores em comparação com os métodos convencionais. Em síntese o MA é 11% mais eficaz que o modelo GA, 7% mais eficaz que o modelo DE e 6% mais eficaz que o modelo ES. As implicações desses resultados são discutidas em termos de design de sistemas de coleta de energia RF mais eficientes.

Esta tese explora a aplicação das técnicas de Separação Cega de Fontes (BSS – Blind Source Separation) e Separação Cega de Fontes Conjunta (JBSS – Joint Blind Source Separtion) no pré-processamento e na análise de sinais de EEG para reconhecimento de emoções, com foco na classificação de reações empáticas. Desenvolvemos um protocolo para a coleta de dados de EEG voltados para estudos emocionais a fim de verificar se uma pessoa apresenta atividade elétrica cerebral diferente dependendo de quem ela observa, não apenas em relação à situação emocional envolvida. Adicionalmente, avaliamos algoritmos de BSS quanto à sua eficácia na remoção de artefatos. Nesse contexto, exploramos a aplicação de algoritmos baseados na informação mútua incluindo o uso de estimadores baseados em kernel. Nossos resultados indicam uma melhoria significativa na acurácia da classificação de estados emocionais dependendo da função kernel utilizada, com o kernel Epanechnikov melhorando o desempenho em até 10% em relação ao algoritmo clássico SOBI e obtendo uma melhoria absoluta de 21% quando nenhuma remoção de artefato foi aplicada. Isso indica a importância da etapa da remoção de artefatos na melhora do desempenho da classificação de sinais de EEG. Outro objeto de estudo foram os métodos de JBSS, que em um cenário simulado mostraram a superioridade no desempenho de técnicas baseadas na Análise por Vetores Independentes (IVA – Independent Vector Analysis) quando comparado a técnicas baseadas em diagonalização conjunta de matrizes de correlação. Por fim, aplicamos o IVA em diferentes conjuntos de dados de sinais de EEG, tanto para extração de características, como no contexto de remoção de artefatos. Foi possível observar que o desempenho de técnicas de IVA depende muito do valor do passo de adaptação e do conjunto de dados sendo tratados simultaneamente. Concluímos que a remoção de artefatos é crucial para melhorar a classificação de reações empáticas em EEG, independente da forma como os dados são analisados. Para a classificação de reações empáticas, o JBSS pode ser inadequado devido à variabilidade individual na atividade elétrica cerebral, que dificulta a exploração de uma possível correlação entre sinais de diferentes sujeitos.

A Educação exerce um papel fundamental no desenvolvimento de um país, em sociedades que a priorizam são verificados baixos índices de criminalidade e maior estado de bem-estar.  De acordo com a teoria do capital humano, os efeitos da educação podem ser associados a um maior desenvolvimento econômico. No Brasil, apenas nas últimas décadas houve um maior progresso em termos educacionais, dada a implementação de novas leis e expansão na oferta de matrículas. Contudo, segundo as avaliações nacionais e internacionais, o desempenho acadêmico ainda é baixo, considerando o quanto se investe. Dado este cenário, torna-se necessário intervenções, por meio de políticas públicas, que considerem as reais necessidades de cada ciclo escolar da educação básica. Ademais, identifica-se que o Brasil dispõe de uma série de dados em Educação, obtidos por pesquisas governamentais, que no momento são pouco explorados, mas que possibilitariam uma melhor compreensão sobre a Educação no país. Desta forma, foi proposta a avaliação do desempenho educacional brasileiro utilizando modelos de Inteligência Artificial (IA), priorizando os modelos de melhor performance preditiva nas diferentes análises realizadas. Foi identificado que os modelos de IA possuem melhor desempenho (métricas de erro e coeficiente de determina) em relação aos modelos tradicionais, o que corrobora com a literatura. Além disso, foi caracterizado que a importância relativa das variáveis é distinta para cada nível escolar. Por fim, sugere-se que a elaboração de políticas públicas educacionais destinada à melhora do desempenho acadêmico escolar, considere os resultados de estudos que avaliam os dados educacionais disponíveis e se possível sob a perspectiva de IA. 

A gestão de soluções de Internet das Coisas (IoT) é uma tarefa complexa devido à sua distribuição e heterogeneidade inerentes. As abordagens tradicionais de gerenciamento de IoT frequentemente se concentram em dispositivos e conectividade, deixando de lado uma compreensão abrangente dos diversos componentes de software, hardware e comunicação que constituem uma solução baseada em IoT. Esta tese propõe uma nova arquitetura de gerenciamento de IoT em quatro camadas, denominada IoTManA, que abrange diversos aspectos de uma infraestrutura distribuída para gerenciar, controlar e monitorar componentes de software, hardware e comunicação, bem como fluxos e qualidade dos dados. A arquitetura fornece uma visão baseada em grafos multicamadas do caminho fim-a-fim entre os dispositivos e a nuvem. O IoTManA foi implementado em um conjunto de componentes de software denominado Sistema de Gerenciamento de IoT (IoTManS) e testado em diferentes cenários: Agricultura Inteligente e Cidades Inteligentes. Os resultados indicam que essa abordagem pode contribuir significativamente para lidar com a complexidade do gerenciamento de soluções IoT. A modelagem baseada em grafos acíclicos direcionados (DAGs) multicamadas do IoTManA facilita ao sistema de gerenciamento implementado (IoTManS). O uso de DAGs permite que o sistema tenha controle no relacionamento entre componentes de infraestrutura e software, permitindo ainda a detecção e identificação de causas-raiz de falhas tipicamente distribuídas em soluções de IoT. A arquitetura e o sistema utilizam microserviços responsáveis pela descoberta e exposição de capacidades no ambiente monitorado, além de técnicas de balanceamento de carga e de gestão FCAPs (Fault, Configuration, Accounting, Performance, Security), que permitem que o grafo se adapte dinamicamente às mudanças no ambiente gerenciado. Realizamos uma análise de desempenho do IoTManS com foco em dois aspectos: tempo de detecção de falhas e escalabilidade, para demonstrar cenários e recursos de aplicativos. Os resultados mostram que o IoTManS pode detectar e identificar a causa-raiz das falhas em tempos variando de 806ms a 90.036ms, dependendo do seu modo de operação, adaptando-se às diferentes necessidades de IoT. Além de validar a viabilidade da implementação da arquitetura, os experimentos também demonstram que a escalabilidade do IoTManS é diretamente proporcional à escalabilidade da plataforma IoT subjacente, gerenciando até 5.000 componentes simultaneamente. Por fim, discutimos os recursos que ainda podem ser implementados na arquitetura e nos sistemas propostos, destacando áreas para desenvolvimento futuro.

Radares são sensores que emitem ondas eletromagnéticas e captam o seu eco ao detectar algum obstáculo. Dentre os vários tipos de radar, esta tese se concentrará nos radares de abertura sintética (SAR, do inglês Synthetic Aperture Radar). Em geral, esses radares são instalados em plataforma móveis, como aviões ou satélites, e suas imagens não são afetadas por condições climáticas como, por exemplo, a presença de nuvens e nem por falta de luminosidade. Os SAR embarcados nos satélites Sentinel-1, da agência espacial européia, por exemplo, fornecem imagens que são disponibilizadas livremente, entretanto, o seu modo de aquisição SM em órbita ascendente, que possui maior resolução, não é disponibilizado para a maioria das regiões no Brasil, diferentemente do que ocorre para o modo de aquisição IW em órbita descendente. Considerando que técnicas atuais de aprendizado de máquina para classificação, detecção de alvos e remoção de ruído exigem bases de dados maiores que as disponibilizadas para serem devidamente treinadas, o objetivo deste trabalho é gerar imagens SAR com características de aquisição em órbita ascendente a partir de imagens adquiridas em órbita descendente e investigar técnicas de filtragem que possam ser aliadas ao processo de geração de imagens. Para tanto, foi utilizada a rede neural generativa adversária Pix2pix, cuja arquitetura foi modificada para se adequar às imagens SAR. Paralelamente, é apresentado um estudo do comportamento do ruído speckle nas imagens geradas, visando aumentar o conjunto de dados de treino para técnicas de filtragem. A rede Pix2pix é então aplicada como um filtro de speckle utilizando tanto um conjunto de treino com imagens originais do SAR Sentinel-1, bem como com este mesmo conjunto aumentado por imagens previamente geradas pela Pix2pix geradora de imagens. Os resultados deste novo filtro são comparados aos de técnicas de filtragem específicas para SAR como os filtros clássicos de Lee, Lee-Sigma e Refined-Lee e de métodos utilizando as redes neurais SAR-CNN e SAR2SAR. Por fim, os filtros de speckle são também aplicados às imagens geradas e também é proposta uma nova abordagem onde é treinada a rede Pix2pix para gerar e remover speckle simultaneamente, reduzindo em uma única as duas etapas de geração e filtragem, otimizando recursos computacionais. Os resultados são apresentados visualmente por imagens que foram avaliadas através de um questionário por profissionais da área utilizando uma escala adaptada do NIIRS e por parâmetros numéricos de qualidade de imagem. A conclusão é que embora a Pix2pix seja uma rede com aplicabilidade genérica, ela é promissora tanto para a geração e aumento do conjunto de dados de imagens SAR, quanto para a remoção de speckle. Destaca-se também que a geração e filtragem de imagens SAR simultaneamente, propostas neste trabalho, traz bons resultados, reduzindo custos computacionais e etapas de processamento.

A equalização de canais baseada em aprendizagem por Teoria de Informação (ITL) tem o potencial de lidar com cenários onde técnicas clássicas apresentam dificuldades, como sinais correlacionados e canais não-lineares. No entanto, tais critérios necessitam de funções kernel para calcular as medidas utilizadas no processo de equalização. Na literatura, a função kernel comumente utilizada é a Gaussiana. Neste trabalho é proposto a utilização do kernel  Epanechnikov para estimar valores, assim é possível inferir como o  desempenho dos algoritmos é afetado com esta nova função.

Dentro do contexto de ITL, temos o critério baseado na correntropia (COR), definida como uma medida de correlação generalizada que pode ser utilizada no processo de equalização do sinal, sendo particularmente interessante por conta das suas propriedades envolvendo a função  kernel e os momentos estatísticos considerados. Incluímos na análise o Correlation Retrieval (CR), que faz uso exclusivo de momentos estatísticos de segunda ordem. Através da modelagem e simulação do processo de equalização, discutimos as similaridades entre os critérios e os resultados obtidos.

Além disso, estudamos os filtros adaptativos baseados em kernel (KAF - Kernel Adaptive Filter), que são interessantes pela sua capacidade de lidar com sistemas não-lineares, algo que os algoritmos clássicos não conseguem. Dentro deste contexto, incluímos a análise do Kernel Least-Mean-Square (KLMS) e o Kernel Maximum Correntropy (KMC), visando comparar o desempenho dos algoritmos em diversos cenários.

Este trabalho propõe o estudo e desenvolvimento de um ambiente de
simulação computacional, que possibilita observar o comportamento de um
circuito de Chua com a adição de um indutor não linear utilizando o
modelo de histerese L2P. Para realizar isto, foi descrito em uma
fundamentação teórica todo o funcionamento do circuito de Chua e sobre a
aplicação do indutor não linear utilizando o modelo de histerese L2P.
Desta forma, foi possível se obter os parâmetros utilizados na
construção do circuito. Por fim, o projeto foi elaborado por meio de
simulação em conjunto do circuito no software LTspice e de sua modelagem
em linguagem Python, em que foi possível se observar a resposta do
circuito com a geração do caos e sua resposta com o modelo de histerese
L²P. Na simulação, é realizado a obtenção de dados necessários para a
elaboração do circuito utilizando o LTspice, de modo que em seguida pôde
ser feita a codificação do modelo desejado em linguagem Python, que por
fim tornou possível a obtenção e a comparação das respostas do circuito
com e sem a adição de um indutor não linear e a observação das mudanças
que isso causa ao comportamento deste sistema caótico.

Os autocodificadores variacionais (VAEs) são redes neurais amplamente utilizadas em tarefas de aprendizado não supervisionado. Deduz-se neste trabalho uma extensão do algoritmo de equalização cega baseado em VAEs de Caciularu et al. para canais SIMO (Single-Input Multiple-Output). Propõe-se, ainda, uma formulação alternativa deste método com complexidade computacional reduzida. O desempenho dos algoritmos propostos foi avaliado através de simulações numéricas, que indicaram vantagens em relação a técnicas anteriores.

Nos últimos três anos, com a pandemia  da Covid-19, o movimento antivacina voltou a crescer, apoiados em teorias conspiratórias e informações falsas, disseminadas de diversas formas entre a população mundial. Neste contexto, a  pandemia da COVID-19 potencializou o movimento antivacina no Brasil, apoiado em teorias não científicas e notícias falsas e na possibilidade de ampla comunicação por meio de redes sociais como Twitter, Facebook e YouTube. A Organização Mundial da Saúde (OMS) classificou o grande volume de informações sobre o tema contra a COVID-19 como Infodemia. Neste artigo, apresentamos um protocolo para identificar usuários polarizadores (chamados de polarizadores) e estudar os perfis dos polarizadores brasileiros no Twitter (renomeado para X há algumas semanas). Analisamos as interações polarizadoras no Twitter (em português) para identificar os principais polarizadores e como os conflitos que eles causaram influenciaram a taxa de vacinação da COVID-19 ao longo da pandemia. Este protocolo usa dados desta rede social, teoria dos grafos, Java e scripts R-studio para modelar e analisar os dados. As informações sobre a taxa de vacinação foram obtidas em um banco de dados público do governo chamado OpenDataSus. Os resultados apresentam os perfis do Polarizador do Twitter (posição política, gênero, atividade profissional, opiniões sobre imunização). Observamos que os acontecimentos sociais e políticos influenciaram a participação desses diferentes perfis nos conflitos e na taxa de vacinação.

As redes ópticas são atualmente o principal meio de comunicação de alta velocidade sendo amplamente utilizadas nos backbones de operadoras de telecomunicação. O uso crescente de tecnologias como 5G e até mesmo o surgimento do 6G trazem a perspectiva de um aumento da demanda por maiores taxas de bit. Porém as redes atuais têm algumas limitações que são inerentes à atual arquitetura das redes WDM. Esse trabalho tem como objetivo propor uma abordagem de utilização de segmentação de rotas, a adição de conversores de comprimento de onda de banda larga e o acréscimo de fibras em rotas selecionadas, como formas de melhorar a performance de redes ópticas. A possibilidade de conversão óptica do comprimento de onda tanto por meio da segmentação quanto pelo uso de conversores ópticos trouxe como resultado uma melhoria de indicadores como a razão de bloqueio de conexões e a utilização da rede, porém o principal vantagem do uso dessas técnicas é a possibilidade de acréscimo na taxa de bits total que a rede é capaz de prover.

A avaliação de sinais de áudio é geralmente realizada utilizando diferentes técnicas, como análise de domínio temporal, frequência ou tempo-frequência. No entanto, explorar a avaliação do sinal de áudio a partir do conceito de nitidez em imagens, que geralmente está associado a contornos e bordas, apresenta uma abordagem interessante e potencialmente inovadora. Este trabalho investiga as características de bordas e contornos em domínios transformados dos sinais de áudio e sua correlação com a relação sinal-ruído (SNR). A pesquisa envolveu a degradação e avaliação de fontes sonoras de maneiras específicas, analisando a conexão entre as bordas de diferentes representações e a SNR dos sinais, empregando transformação de domínio tempo-frequência e processos de suavização de escala para transpor o conceito de nitidez. Embora a metodologia tenha alcançado um primeiro objetivo ao avaliar sinais ruidosos, não apresentou vantagens significativas sobre uma avaliação referência. Portanto, foi investigado a aplicação da metodologia na avaliação de sinais misturados, comparando-a com outras abordagens e avaliando sua eficácia na separação de sinais. Os resultados indicam que a metodologia é menos susceptível aos diferentes tipos de fontes misturadas e, consequentemente, sua aplicação permite obter matrizes estimadas mais próximas das matrizes de mistura em comparação com as medidas de referência. Contudo, considerando a abrangência e diversidade do problema de separação de sinais, futuras investigações ainda devem ser realizadas para expandir o conhecimento sobre a aplicação do conceito de nitidez de imagens em sinais de áudio. Além disso, a metodologia oferece potencial para explorar e desenvolver outras técnicas de processamento de imagens no contexto dos sinais de áudio transformados.

A A expectativa de vida global está aumentando, mas junto com esse aumento, observa-se um aumento na incidência de doenças neurodegenerativas, como Parkinson, Alzheimer, Esclerose Lateral Amiotrófica, Diabetes Tipo II, doença de Huntington e Atrofia Muscular Espinhal. Embora muitas pesquisas tenham sido realizadas nessa área, ainda não temos um entendimento completo das bases moleculares dessas doenças. Estudos recentes sugerem que essas doenças estão relacionadas a alterações nas proteínas, que desempenham um papel crucial nos processos biológicos, dependendo de sua estrutura tridimensional (3D) ou conformação nativa. Pesquisas recentes sugerem que segmentos curtos de aminoácidos presentes em proteínas precursoras de amiloide podem desempenhar um papel no desenvolvimento dessas agregações, tornando essas regiões alvos promissores para investigações futuras. Um dos desafios atuais na área de bioinformática é desenvolver métodos precisos de predição de regiões propensas à agregação. Em trabalhos anteriores, utilizamos técnicas de aprendizado de máquina para desenvolver o Magre-I, um método que permitiu a predição de regiões de agregação com base na sequência primária de aminoácidos das proteínas, usando um modelo de consenso para classificação. Agora, apresentamos o Magre-II, uma abordagem aprimorada que utiliza anotações experimentais de agregação e informações da estrutura tridimensional (3D) das proteínas, empregando um modelo estático para realizar as previsões. Comparando-o com outros preditores amplamente utilizados, demonstramos que o Magre-II possui um alto potencial como um preditor preciso de regiões propensas à agregação. A integração de informações experimentais de agregação e estrutura 3D das proteínas oferece uma abordagem mais abrangente e confiável para a predição dessas regiões críticas. Essa metodologia pode auxiliar não apenas na compreensão dos mecanismos moleculares envolvidos na agregação protéica, mas também na identificação de potenciais alvos terapêuticos e no desenvolvimento de estratégias de intervenção mais eficazes. Em resumo, o Magre-II representa uma contribuição significativa para o campo da bioinformática e estudos relacionados à agregação de proteínas. Sua capacidade de prever regiões propensas à agregação com base em informações experimentais de agregação e estrutura 3D o torna uma ferramenta valiosa para investigações futuras e pode impulsionar avanços significativos no entendimento e tratamento de doenças neurodegenerativas e outras patologias associadas à agregação proteica.

Com o objetivo de desenvolver interfaces que permitam maior independência a pessoas acometidas por limitações motoras, foi desenvolvido o conceito de Interface Cérebro-Máquina (BCI) que propõe o desenvolvimento de dispositivos de tecnologia assistiva utilizando a análise de sinais produzidos pelo cérebro. Motivado pelas limitações do BCI, foi desenvolvido o conceito de Interface Cérebro-Máquina híbrida (hBCI), onde através da fusão entre sinais cerebrais e biosinais obtidos de outras partes do corpo, é possível compor um sistema híbrido com potencial de maximizar resultados de classificação de comandos. Esta tese fundamenta-se na revisão de artigos relacionados aos avanços do hBCI nos últimos 12 anos, apresentando um cenário de pesquisa multifacetado onde pesquisadores desenvolvem algoritmos e apresentam soluções de difícil reprodução devido ao baixo índice de compartilhamento de bases de dados. Com o objetivo de contribuir para o desenvolvimento de um cenário de pesquisa mais prolífico no âmbito do hBCI, neste trabalho foram utilizadas duas bases de dados públicas: Multimodal Signal Dataset (MMSD), onde são registrados biosinais de EEG e sEMG em sincronia com a execução de movimentos previamente estabelecidos, e BCI Competition IV (dataset 2a), utilizada para validação. A principal contribuição científica desta tese é o desenvolvimento de um mesmo e único pipeline de processamento de biosinais, com potencial de classificar tanto sinais eletroencefalográficos (EEG) como sinais eletromiográficos (sEMG), captados (de forma não invasiva) respectivamente sobre a superfície do escalpo e da pele. O pipeline de processamento desenvolvido nesta tese faz uso de um sistema de extração de características de biosinais denominado FBRCSP (Filter Bank Regularized Common Spatial Pattern), que permite a seleção de características de biosinais de EEG e sEMG através da técnica NCA (Neighborhood Component Analysis), que por sua vez possibilita a classificação dos biosinais através da técnica de Support Vectors Machine (SVM), onde são usadas as métricas de classificação Accuracy e Kappa de Cohen para avaliação de desempenho. Os resultados obtidos para os sinais de EEG da base de dados BCI Competition IV (dataset 2a) superam os resultados de classificação alcançados através do uso de abordagens clássicas de aprendizado de máquina, divulgados em periódicos científicos nos últimos 12 anos. O mesmo pipeline de processamento foi aplicado aos sinais de sEMG da base de dados MMSD, permitindo classificar grupos de movimentos com uma acurácia média entre sujeitos de 84,5%, e com Kappa médio de 0,722.

Este estudo tem o propósito de analisar o desempenho de redes ópticas elásticas, tomando as características de distribuição de rotas e de tipos de serviços, considerando a distribuição homogênea de rotas, com igual probabilidade na atribuição de rotas entre os nós de rede, em relação à distribuição heterogênea, em que a a probabilidade de atribuição de rotas é ponderada de acordo com a densidade demográfica dos nós de rede. Duas topologias conhecidas são consideradas para o estudo: a NSFNET e a Pan Europeia (PANEUR). Entre os indicadores de desempenho usados neste trabalho, que inclui uma análise de fairness (imparcialidade) nas redes, estão as probabilidades de bloqueio da rede, por tipo de serviço e por tamanho das rotas. A utilização dos recursos e o número médio de hops (saltos) são outros parâmetros também usados neste estudo, que por abordar a imparcialidade em termos de tamanhos de rotas e de tipos de serviços, com adaptações da técnica denominada Trunk Reservation(TR), também incluiu o índice de Jain e a vazão normalizada da rede. As análises gráficas das métricas de desempenho mencionadas (apresentadas neste trabalho de forma conjunta: (a) sem aplicação de TR, (b) com TR inter rotas e (c) com TR interserviços) e os cálculos para a obtenção dos índices de fairness e de vazão foram feitos por meio dos dados obtidos do simulador OfNetSim, que teve como contribuição pontual deste trabalho a implementação de uma distribuição fundamentada na distribuição de rotas orientada pela densidade demográfica dos nós. Os resultados deste estudo mostram que na rede NSFNET os valores de probabilidade de bloqueios foram mais acentuados na distribuição heterogênea de rotas do que na homogênea. Já para a topologia PANEUR foi observado o efeito inverso no que se refere às probabilidades de bloqueio relacionadas às distribuições homogênea e heterogênea para todos os cenários, porém com valores mais próximos entre si do que no caso da NSFNET. Uma análise global, feita por meio de todos os parâmetros de desempenho utilizados neste trabalho foi feita, de forma a apresentar possíveis explicações para este comportamento.

A Rede Óptica Elástica – Elastic Optical Networks (EON) -  surgiu como uma solução para gerenciar diferentes tipos de serviços, melhorando a escalabilidade e eficiência da rede. No entanto, as EONs tendem a apresentar diferenças no desempenho do serviço devido aos requisitos de largura de banda desiguais. Assim, a proposta deste trabalho é abordar o problema da distribuição dos tipos de serviço de maneira heterogênea de acordo com o tamanho da rota, diferentemente da maior parte das análises que são feitas nos dias de hoje com distribuição homogênea dos tipos de serviços, já que divide os tipos de serviços de maneira proporcional independentemente dos tamanhos das rotas. Pode ser que em algumas situações esta distribuição proporcional não seja a mais adequada, como no caso de existir a escolha do formato de modulação, que implica no requisito de largura de banda. Dessa forma, os resultados de distribuição heterogênea, com o uso de simulação, podem ser muito mais próximos daqueles observados quando existe a escolha do formato de modulação em função do tamanho das rotas. A motivação para tal estudo é determinar o impacto que estas variações pontuais nas probabilidades de tráfego tem no desempenho global da rede.

Esta  dissertação propõe-se a apresentar a fundamentação teórica e o processo metodológico que nortearam a elaboração do corpus COVID-19 UFABC. O corpus aqui proposto compõe-se de textos de linguagem especializada do domínio da saúde em língua portuguesa publicados entre os meses de março de 2020 a setembro de 2020, período inicial da pandemia. À época indicada, o conhecimento a respeito do coronavírus era inicialmente restrito à comunidade acadêmica especializada e, em consequência disso, a difusão de conhecimento acerca do COVID-19 e dos seus protocolos de prevenção, como o isolamento social, desempenhou papel de protagonismo no enfrentamento da pandemia. Dessa forma, os conteúdos veiculados nesse contexto continham termos importados de domínios especializados, contendo palavras complexas que trazem ao leitor leigo ou pouco familiarizado com o jargão médico dificuldade em decodificar tais informações. Essa dissertação, portanto, apresenta esforços de um primeiro estudo para elaboração de recursos para viabilizar pesquisas em tarefas de simplificação lexicais e identificação de palavras complexas no contexto de combate à COVID-19 por meio do desenvolvimento do Corpus proposto. A metodologia baseou-se na extração, compilação, armazenamento e categorização de textos da base de dados científicos Pubmed, resultando em 254 textos. O processo de categorização indicou prevalência de cerca de 30% para textos relacionados às áreas de Saúde Coletiva e Epidemiologia, em detrimento de outras especialidades médicas e áreas mais exploratórias de pesquisa que tratam de virologia ou genômica, refletindo os padrões de um recorte do comportamento da comunidade científica na pandemia, em especial no que concerne as publicações em língua portuguesa.

Compreender o meio através do processamento de informação é uma capacidade que os seres vivos passaram a possuir no período cambriano [542 e 488 mya]. Durante este período, surgiram as células e sistemas nervosos, especialistas em processamento de informação. Desde então, os animais puderam interagir e reagir aos elementos do ambiente sem alterar a estrutura e organização de nossos corpos.
Compreender como o sistema nervoso se organiza e se estrutura é a linha de investigação de muitos pesquisadores. Seja essa investigação por meio da compreensão e/ou descrição dos fenômenos observados, seja uma abordagem interpretativa, ou ainda como inspiração para fins de engenharia.
O presente trabalho se encaixa no grupo dos interpretativos, uma vez que busca entender quais seriam os recursos mínimos computacionais que um sistema, que mimetiza o biológico, precisaria possuir para buscar um objetivo específico em um ambiente com obstáculos.
Uma estrutura mínima é o ponto de partida para a ideação de como as estruturas e organizações devem evoluir para responder às mudanças no ambiente que estão inseridas.
Dessa forma, foi desenvolvida uma estrutura computacional mínima, seguindo todos os requisitos de um sistema neural biológico, capaz de perseguir um objetivo específico em um ambiente com obstáculos.

O avanço tecnológico permite que uma variedade de objetos sejam conectados e controlados remotamente pela Internet, na chamada Internet das Coisas. As redes LoRaWAN possibilitam a comunicação por longas distâncias e com baixo consumo de energia. No entanto, estas redes são suscetíveis a ataques de interferência, em que os atacantes realizam transmissões com o intuito de interferir na comunicação de outros dispositivos na rede. Este trabalho analisa o impacto de jammers em redes LoRaWAN posicionados em diferentes lugares da rede. Os resultados de simulação mostram que os atacantes podem degradar o desempenho da rede, principalmente quando situados próximos ao gateway.

 A classificação de emoções através do uso de sinais de EEG é um assunto que tem atraído a atenção de pesquisadores de diversas áreas, inclusive relacionado ao desenvolvimento de interfaces cérebro-máquina. Neste trabalho, focamos na etapa de redução de dimensionalidade, necessária antes da etapa de classificação. Foram testados o clássico método baseado em Análise por Componentes Principais (PCA) e também o método Máxima Relevância Mínima Redundância (mRMR). Propomos uma alteração no método de Máxima Relevância Mínima Redundância (mRMR) de forma a trabalhar com o sinal de EEG sem a necessidade de discretizar. Mostramos como o método proposto melhora significativamente o desempenho dos classificadores quando comparado ao clássico PCA ou mesmo ao uso de todas as informações disponíveis. Uma análise detalhada do mRMR discreto também foi incluída neste trabalho, além da comparação dos métodos citados com o clássico Backward Wrapper.

Given the amount of communication devices that make use of wireless networks, it is natural the concerning about their security. Cryptographic mechanisms currently used to protect such networks might no longer be reliable in the near future. In addition to that, low computational power and low power consumption devices, such as the ones devised for Internet of Things (IoT), require new security mechanisms, once the traditional ones might not be feasible in such scenarios. Therefore, physical-layer security arises in order to provide alternative security mechanisms by taking advantage of the random wireless channel characteristics. The present work presents the precoding technique, which does not rely on cryptography to secure information. Instead, it pre-distorts the confidential information using the authentic channel information in such a way that only the authentic receiver is able to recover it. However, it is shown that by using linear precoders, an eavesdropper might recover some information by employing blind equalization techniques. To prevent this, it is proposed the use of a non-linear precoder. Although precoding mechanisms are well documented for multiple antenna systems and for orthogonal frequency division multiplexing modulation, the precoders presented in this work deal with single antenna devices and single carrier modulation, which are important for devices that have energy and space constraints. It is shown that the non-linear precoder outperform the linear one in terms of bit error rate and secrecy capacity in a scenario where the authentic and eavesdropper channels are correlated, and in a scenario where the eavesdropper uses blind equalization to try to recover the confidential information.

A different physical layer security mechanism, also presented in this work, consists in using the channel information to generate encryption keys at the authentic users. Several techniques are presented and some preliminary results are shown.

As Redes Ópticas são a parte mais importante da infraestrutura de telecomunicações sobre a qual funciona a  Internet. No entanto, a demanda por largura de banda, maior a cada ano, exige estratégias para uso mais eficiente dos recursos. Entre as questões abordadas em Redes Ópticas estão os problemas de roteamento e atribuição de recursos, os quais podem ser um comprimento de onda para Redes WDM ou uma porção espectral para Redes Ópticas Elásticas (EON). Este trabalho aborda especificamente o problema do roteamento, tanto em redes WDM como em EONs, a partir do uso de uma estratégia aqui proposta, chamada genericamente de Heurísticas de Ordenamento Ponderado (WOH). Os resultados para roteamento fixo, já publicados, e para roteamento fixo-alternado, mostram um significativo ganho de desempenho e um melhor balanceamento de carga. 

Milhões de pessoas em todo o mundo sofrem com a ausência de um membro. A ausência de uma mão afeta diretamente a mobilidade na vida diária. Mesmo com as atuais próteses robóticas avançadas, ainda há necessidade de interfaces homem-máquina portáteis que sejam capazes de explorar o movimento natural simultâneo, proporcional e independente dos dedos. Este estudo propõe o desenvolvimento de uma plataforma experimental para aquisição sEMG e rastreamento das trajetórias de dedos no espaço 3D. Uma revisão completa da literatura foi realizada para entender os sinais e as técnicas atualmente usadas para desenvolver uma plataforma experimental capaz de investigar o movimento natural dos dedos para mãos robóticas. Os dados sEMG foram capturados de um único indivíduo saudável por dois canais simultaneamente, cada um com uma frequência de amostragem de 20 kHz, com nível de ruído abaixo de 5 uV. O sistema de rastreamento da trajetória dos dedos forneceu os deslocamentos angulares e de aceleração usando sensores IMU posicionados nas extremidades de cada dedo, resultando na trajetória dos dedos no espaço 3D. Os dados de saída se mantiveram dentro das especificações do projeto, onde os resultados foram analisados nos domínios de tempo e tempo-frequência e foram consistentes com a literatura. O sistema de rastreamento de trajetória de dedos proposto provou ser único na literatura e forneceu uma forma simples de rastrear trajetórias de dedos no espaço 3D, permitindo o estudo do movimento simultâneo, proporcional e independente dos dedos. A plataforma experimental desenvolvida mostrou se uma poderosa ferramenta para fins de pesquisa e ensino.

Neste trabalho, busca-se realizar uma análise técnico-econômica para se avaliar os ganhos que o compartilhamento de infraestrutura na implantação da rede móvel 5G no Brasil. Com efeito, são avaliadas arquiteturas de compartilhamento da rede de acesso de rádio e de redes neutras para alcançar este objetivo tendo como base a rede móvel já instalada para a tecnologia 4G. Nesse contexto, são apresentados os possíveis ganhos de compartilhamento de infraestrutura para as Estações Rádio Base (ERBs) e para a rede de backhaul. Também é apresentada uma ferramenta de visualização para as ERBs 4G implantadas no Brasil e para a hipotética rede de backhaul necessária para atendimento dos requisitos do 5G.

Nos últimos anos, um novo conceito, fundamentado nas recentes funcionalidades da Internet
of Things (IoT), vem sendo implantado nas indústrias. Este denominado de Indústria 4.0,
traz a necessidade de monitorar e/ou controlar uma grande quantidade de dispositivos
e processos à distância, em áreas importantes como, por exemplo, as redes de energia e
as redes industriais. Sua implementação é baseada no uso de diferentes tecnologias de
comunicação, entretanto, o uso das tecnologias sem fio de Low Power Wide Area (LPWA)
tem se destacado recentemente por apresentar um baixo custo, grande flexibilidade de
instalação e manutenção, gerenciamento de uma grande quantidade de dispositivos, além
do baixo consumo de energia e longo alcance. Dentre as tecnologias sem fio de LPWA
existentes, a tecnologia Long Range (LoRa) tem se mostrado bastante promissora por
utilizar uma modulação por Chirp Spread Spectrum (CSS), que a torna mais robusta a
interferências e aos efeitos degradantes do canal de propagação. Em função disto, este
trabalho apresenta uma análise do desempenho de um sistema de comunicação ponto-aponto
que opera na faixa de 915 MHz, baseado na tecnologia LoRa, para aplicações da
Indústria 4.0 em plantas de pequeno e médio porte.

A verificação de locutores é uma das principais tarefas na modelagem de reconhecimento de locutor, sendo realizada a partir de dados do principal meio de comunicação entre os seres humanos, a voz. Caracterizada como uma das formas de biometria, a verificação de locutores destaca-se principalmente pela forma não intrusiva e amplamente disponível de se coletar dados. Este tipo de tecnologia é de extrema importância para controle de acessos, segurança e análise forense em geral.

A verificação de locutores é feita através da confirmação, ou não, da identidade de um locutor, com base na comparação de características extraídas de segmentos de voz diferentes. Graças ao grande avanço tecnológico, tanto de infraestrutura, quanto de modelagem, a utilização de aprendizado profundo de redes neurais aplicado a este problema vem crescendo muito. Uma destas técnicas é chamada de \emph{d-vectors}, que são representações da voz em tamanho fixo, extraídas a partir de camadas anteriores à camada de saída de uma rede neural profunda, e que tem se tornado o estado da arte na resolução deste problema.

Diferente de redes neurais treinadas para classificar locutores específicos, com a utilização de \emph{d-vector} é possível realizar a verificação de locutores inexistentes nas bases de treinamento. Neste contexto, notou-se a necessidade de comparar estas técnicas de forma padronizada, em situações onde há dados para treinamento que não foram obtidos da mesma origem que a base de teste, representando um problema real, onde necessita-se escolher um modelo, porém não há dados de treinamento e teste com as mesmas características. Foram realizados três experimentos: O primeiro foi feito comparando-se os modelos SincNet e GE2E treinados em diferentes bases de treinamento, também utilizando estratégias de \emph{data augmentation}, e testados na mesma base de dados. O segundo experimento foi feito utilizando-se uma única combinação de treino e teste do primeiro experimento, porém desta vez são utilizados mais dois tipos de modelos: redes ResNet, com função de custo triplet loss, e também um modelo proposto neste trabalho, chamado SincNet + GE2E, em que foi adaptada a rede SincNet para ser treinada com a função de custo GE2E. O Terceiro e último experimento foi feito utilizando-se os modelos já treinados dos experimentos anteriores, em uma única base de treino, mas desta vez testados em diferentes outras bases de teste, extraídas a partir de fontes de dados de origens diferentes.

Os resultados obtidos no primeiro experimento mostraram que a SincNet apresentou melhor desempenho em todas as bases de treinamento, em comparação com o modelo GE2E. As estratégias de \emph{data augmentation} foram menos efetivas para diminuir o EER do que a possibilidade de aumentar a base de dados de treinamento com dados da mesma origem que a base de teste. A variação grande de EER relativo a modelagem em relação ao esforço de aumentar os dados, motivou o segundo experimento, onde foram utilizadas formas diferentes de modelagem. o modelo SincNet + GE2e teve um desempenho melhor que o do GE2E original, porém não superou a SincNet padrão, nem as redes ResNet com função de custo triplet loss.

No terceiro experimento, as comparações realizadas continuaram com a SincNet como o melhor modelo, porém em uma das condições de teste, o modelo utilizando ResNet obteve melhor desempenho. Este resultado indica que, entre todos os modelos, experimentos e banco de dados apresentados nesta dissertação, mesmo com o problema de variabilidade nos dados de voz, a rede SincNet é a melhor escolha na maioria deles.

Na ultima década observou-se um grande movimento de virtualização e “softwarização” promovendo a ampla adoção do paradigma de computação em nuvem, reduzindo despesas operacionais e tornando o mercado de serviços digitais mais acessível e competitivo. Esta revolução apresenta novas oportunidades, mas também novos desafios para a gestão, demandando a esperada gestão autonômica. O encadeamento de funções de serviço (SFC) promove estudos de como automatizar e otimizar o uso de tecnologias como virtualização de funções de rede (NFV) e redes definidas por software (SDN), e neste cenário, identificar funções sobrecarregadas, ou gargalos, torna-se essencial. Tradicionalmente esta identificação é realizada por métricas de hardware como CPU e memória, ou através de informações fornecidas pelas próprias aplicações. Além de sofrerem influência do ambiente de virtualização e da qualidade da implementação do algoritmo, o que compromete a confiabilidade destas métricas, a coleta de informações dos usuários e rastreamento de tráfego se faz necessário para observar a qualidade do serviço ofertado. Neste trabalho, apresentamos a técnica de Avaliação de Enfileiramento de Rede (NQA) para detecção de gargalos. Esta técnica permite identificar o gargalo sem o feedback do usuário ou qualquer interferência no tráfego de rede, independente da composição do SFC. Uma ampla avaliação experimental é apresentada para suportar as conclusões deste trabalho.   

Os testes baseados em computador são amplamente usados em avaliações educacionais em larga escala, no âmbito mundial. No entanto, a participação efetiva de pessoas com deficiência visual (PcDvs) nestas avaliações, por meio do uso de Tecnologia Assistiva (TA) de forma equitativa e independente, ainda é um desafio. O Exame Nacional do Ensino Médio (ENEM) é o principal instrumento de acesso à Educação Superior brasileira, sendo seus resultados utilizados por políticas públicas para ofertas de vagas subsidiadas pelo Estado. Assim, qualquer barreira ou dificuldade encontrada pela PcDv, ao realizar o exame, pode comprometer o seu acesso à Educação Superior. Neste contexto, o objetivo desta tese foi investigar a transição do Ensino Médio para a Educação Superior da PcDv, por meio do ENEM, procurando identificar fatores sociais que possam estar relacionados ao seu desempenho no exame, bem como buscar soluções tecnológicas acessíveis e mecanismos que promovam a acessibilidade no ENEM para esta população. Assim, este trabalho foi estruturado em três estudos, com finalidades e metodologias distintas, conforme o objetivo de pesquisa.

No Estudo 1, foi realizada uma revisão sistemática de literatura investigando as experiências internacionais do uso de soluções tecnológicas acessíveis e TAs, para participação da PcDv em avaliações em larga escala. Na sequência, no Estudo 2, foram analisados os fatores sociais relacionados ao desempenho acadêmico na prova do ENEM e, consequentemente,nao acesso à Educação Superior pelo candidato com deficiência visual, por meio da análise quantitativa dos microdados das edições de 2017 e 2018 do exame. Por fim, para entendimento e análise do  contexto o qual a PcDv  realiza o exame, foi efetuada a análise documental dos documentos oficiais do ENEM e averiguada a validade social do processo atual para acessibilização do exame, dando voz a 29 PcDvs, de 10 estados diferentes, através da pesquisa qualitativa sobre acessibilidade no ENEM realizada no Estudo 3.

Os resultados dos três estudos demonstraram a viabilidade do uso de TAs em avaliações em larga escala para PcDvs, bem como apontaram propostas e recomendações para promover o acesso à Educação Superior deste público. Espera-se que os avanços no tema, identificados na pesquisa detalhada e minuciosa realizada nesta tese, com foco específico na PcDv e baseado na avaliação do ENEM, possa apoiar na decisão de formulação de políticas públicas e colaborar no avanço de pesquisas futuras no tema. Por fim, pretende-se que este trabalho possa contribuir para promover acessibilidade e condições de igualdade no ENEM e demais avaliações educacionais em larga escala, garantindo  assim o direito educacional da  PcDv e  demais estudantes brasileiros com repertórios diversos.

Em todo um universo de aplicações multimídia, a observação de informações tende a ser uma composição tipicamente resultante de algum processo de mistura. Para algumas aplicações, tal Status quo pode ser justamente o que se almeja, contudo, como nem sempre é o caso, é desejável que cada fonte geradora seja representada em um canal diferente de informação; a tarefa que realiza tal processo é conhecida como separação de fontes (ou separação de sinais), independentemente do que representam esses sinais. Tal tarefa não é limitada a um único método; existem muitas formas distintas para se realizar o processo de separação.

Neste trabalho, foram explorados arcabouços de GANs (Generative Adversarial Networks) aliados a técnicas mais tradicionais para se realizar a tarefa de separação de fontes com o objetivo de se provocar um efeito de aprimoramento de áudio para sinais de vozes humanas, o que inclui um processo de atenuação de ruído.

Na área de processamento de sinais, o problema de separação cega de fontes
(BSS, do inglês Blind Source Separation) ocupa uma posição de notoriedade em vista
de sua versatilidade e de possíveis aplicações práticas. Apesar de contar com um sólido
arcabouço teórico em sua vertente linear, a abordagem não linear genérica ainda
carece de metodologias que possam garantir a separação das fontes, tornando este
tópico de pesquisa bastante atual e desafiador. Este trabalho propõe duas abordagens
empregando o modelo Post-Nonlinear (PNL), uma baseada na minimização da
informação mútua e a outra baseada em estatísticas de segunda ordem. Na primeira
abordagem, é necessária a estimação da distribuição das fontes, que podem ser
estimadas usando funções kernel. Frequentemente, a função kernel Gaussiana é
utilizada. No entanto, outras funções kernel com propriedades interessantes podem
ser aplicadas, como o kernel Epanechnikov. Com base nisso, aplicamos o kernel
Epanechnikov para estimar as distribuições, a fim de recuperar as fontes. Além disso,
comparamos um kernel Gaussiano clássico com o kernel Epanechnikov, mostrando
que este último tem um desempenho melhor que o anterior. Ainda dentro do contexto
de misturas não lineares, o conhecimento prévio de algumas informações adicionais
como a estrutura temporal e o conhecimento a priori de certas características das
fontes podem auxiliar no desenvolvimento de novos métodos de separação que
sejam mais robustos. A maioria das técnicas de separação envolvem estatísticas de
ordem superior e algoritmos que utilizam redes neurais ou metaheurísticas. Com o
intuito de facilitar o processo de recuperação, na segunda abordagem tratada neste
trabalho, desenvolvemos um algoritmo de separação chamado A-SOBIPNL, baseado
no gradiente descendente, que utiliza apenas estatísticas de segunda ordem para
explorar a estrutura temporal dos sinais das fontes. Para isso, combinamos dois
algoritmos clássicos, o AMUSE e o SOBI, para atuarem na parte linear e não linear,
respectivamente, obtendo um bom desempenho.

Nesta dissertação, avalia-se o desempenho de sistemas celulares 5G NR operando em ondas milimétricas através de simulações numéricas. As simulações empregam dados sintéticos e utilizam modelos estatísticos para a geração de parâmetros de canais de comunicação que reflitam condições realistas de propagação, nas bandas de 28 e 73GHz.
Os cenários simulados consideram um modelo MIMO Massivo operando em TDD (time-division duplexing).
Os receptores utilizam diferentes equalizadores e formatadores de feixe lineares cujos cálculos levam em consideração a ocorrência de interferência intercelular e uso de parâmetros de canal estimados.
Resultados de simulação mostram que a interferência intercelular é o principal fator limitante de desempenho em tais sistemas, que pode, porém, ser mitigada com o emprego de algoritmos de equalização e formatação de feixe cooperativos.

Redes óticas elásticas (Elastic Optical Network - EON) são uma proposta para aumentar a eficiência no uso do espectro óptico em comparação com a forma como é usado pelas redes WDM convencionais, de grade fixa. Porém, 
ao permitir o estabelecimento de canais com larguras de banda variadas, aumenta-se o potencial de fragmentação espectral da rede. Apesar de muitos esforços de pesquisa para a solução desse problema, até hoje não existem técnicas universalmente aceitas como ótimas. Este trabalho busca apresentar uma proposta que utiliza um algoritmo de aprendizado de máquina para entender quais estados da rede, ou combinações de estados, tem maior impacto sobre a fragmentação e, com base nestas informações, buscar maneiras mais eficientes para tratar esse problema.

A Internet das Coisas (IoT) é um ambiente dinâmico e distribuído composto por diversos dispositivos inteligentes que detectam características e mudanças do ambiente. Devido a esses dispositivos, é possível monitorar o ambiente externo, coletar informações sobre o mundo real e criar um tipo de computação onipresente que permite que cada dispositivo se comunique com qualquer outro dispositivo do mundo, de qualquer lugar. A sinergia dos componentes computacionais e físicos levou ao avanço das implementações da Internet das Coisas.

Muitos componentes de software precisam ser projetados do zero para abordar problemas fragmentados, exigindo assim uma grande quantidade de esforço, pois os desenvolvedores devem ter uma compreensão profunda das tecnologias, do novo domínio de aplicação e da interação com os sistemas legados. Além disso, esses sistemas enfrentam muitos desafios, como lidar com um grande número de sensores e atuadores, como aplicações que exigem ações em tempo real e com a necessidade de sistemas automatizados baseados em gerenciamento de contexto para adaptar seu comportamento as condições do ambiente atual.

Desenvolvedores de aplicativos IoT precisam usar um ambiente de desenvolvimento integrado (IDE) baseado em uma linguagem de alto nível de domínio específico na qual suas entidades e definições de componentes, conexões entre outras entidades serão abstraídas. Combinadas com um compilador, as linguagens de alto nível podem oferecer conhecimento para facilitar a tomada de decisões melhores, por parte dos desenvolvedores de aplicações de IoT, na escolha da arquitetura de software.

Interfaces Cérebro-Computador (Brain-Computer Interfaces - BCI) são utilizadas em geral para reabilitar funções motoras deficientes no indivíduo, a partir da modelagem de padrões de sinais cerebrais. Um dos paradigmas mais utilizado em sistemas BCI é a imagética motora (Motor Imagery – MI), onde a aquisição do sinal de eletroencefalografia (EEG) é feita durante a execução de tarefas que exigem a concentração na intenção de realizar movimentos corporais específicos, mas sem executá-los de fato. A correta identificação da atividade cerebral associada à imaginação motora é crucial para o desenvolvimento de sistemas MI-BCI funcionais. Este trabalho tem como objetivo principal o aprimoramento do processamento de sinais de EEG para aplicação em MI-BCI, focando nas etapas de pré-processamento, extração de características e classificação. Para isso, investigamos diversas metodologias em cada uma das etapas citadas, a saber: no pré-processamento, investigamos a técnica de filtragem no domínio frequência de modulação para melhorar a relação sinal-ruído dos sinais de EEG. Os resultados obtidos mostraram que a solução proposta superou em 3,5% os melhores resultados do estado da arte. Na etapa de extração de características utilizou-se dois métodos principais, um baseado no Padrão Espacial Comum (Common Spatial Patterns - CSP) e outro baseado na técnica de localização de fontes de sinais de EEG, denominada Tomografia Eletromagnética Cerebral de Baixa Resolução (Low-Resolution Brain Electromagnetic Tomography - LORETA). Com a técnica CSP, os resultados foram significativamente superiores aos resultados do estado da arte em MI-BCI. No entanto, usando LORETA, os resultados ficaram levemente abaixo dos resultados obtidos com CSP na literatura. Finalmente, na etapa de classificação, foi proposto um modelo de MI-BCI independente do sujeito (Subject Independent BCI – SI-BCI) que foi comparado ao modelo tradicional de BCI para um sujeito específico (Subject Specific BCI – SS-BCI). Nossos resultados mostraram que SI-BCI é uma opção totalmente viável e possível, e que seu uso pode ser relevante em determinadas condições, como por exemplo quando os participantes não estão disponíveis para realizar longas sessões de treinamento ou para uma rápida avaliação do analfabetismo BCI, reduzindo custos operacionais e recursos humanos, bem como o estresse dos sujeitos envolvidos. Em todos os estudos anteriormente citados, utilizou-se bases de dados públicas de imagética motora, disponíveis na internet.

O sincronismo de sistemas ocorre atrav&eacute s de acoplamento ou itera&ccedil &atilde o entre os mesmos e uma das formas de acoplamento entre sistemas &eacute o mestre-escravo, em que o sistema mestre influencia o comportamento do sistema escravo. Dois tipos de sincronismo s&atilde o apresentados nesse trabalho, o sincronismo completo, em que os sistemas convergem para a mesma trajet&oacute ria com o passar do tempo e o sincronismo de fase, em que as fases dos sistemas permanecem correlacionadas mas as suas amplitudes ficam distintas. O objetivo desse trabalho &eacute mostrar a possibilidade de utilizar o sincronismo de fase entre dois osciladores ca&oacute ticos acoplados como mestre-escravo para transmitir informa&ccedil &atilde o. Sistemas de comunica&ccedil &atilde o que utilizam sincronismo completo j&aacute foram explorados e funcionam no caso ideal. Esse trabalho explora um sistema de comunica&ccedil &atilde o baseado no sistema de R&ouml ssler em que o sincronismo de fase &eacute uma aternativa mais robusta ao sincronismo total nos casos em que h&aacute ru&iacute do.

Não informado

Inúmeras possibilidades de aplicação em Internet das Coisas colocaram esse recurso no topo da transformação digital nos negócios. Um equipamento muito importante neste meio é o gateway, que atua como roteador de tráfego de dados entre dispositivos de diferentes redes. Apesar de exercer funções de controle e como outros dispositivos presentes na Internet das Coisas, ele é afetado por vulnerabilidades em nível de software e hardware. Pouco exploradas, as vulnerabilidades relacionadas ao ataque físico dos gateways são comuns e as soluções demandam altos custos com uso de elementos seguros proprietários que muitas vezes inviabilizam a implementação do dispositivo. O presente projeto tem por objetivo estudar os desafios existentes na implementação de meios de segurança adequados em dispositivos de alta complexidade em Internet das Coisas, especialmente gateways, e propor uma alternativa viável de baixo-custo e de fácil implementação que possa ser utilizada nesses dispositivos para melhoria na proteção e privacidade de dados. Para atingir este objetivo, foram realizados estudos sobre sistemas operacionais seguros que possam ser utilizados em gateways para segurança em nível de software; o uso de elementos para segurança em nível de hardware; funcionamento de processos de inicialização segura para garantia de integridade do dispositivo. O estudo propõe a implementação de arquitetura de baixo custo que faz uso do sistema operacional Ubuntu Core 16, elemento seguro UICC e inicialização segura que, em conjunto, verificam a integridade e segurança do dispositivo. Os resultados obtidos por simulação e outros testes relacionados demonstram que a implementação da arquitetura não requer altos investimentos em software e hardware, entretanto ela é capaz de garantir identificação única ao dispositivo e detectar mudanças físicas e virtuais no sistema operacional que comprometam a segurança do dispositivo.

A métrica tipicamente utilizada para avaliar a destreza de usuários que utilizam sistemas de Interface Cérebro-Computador (Brain Computer Interface - BCI) no paradigma de imagética motora (Motor Imagery – MI) é o coeficiente de acurácia (CA), que pode até ser adequada para avaliar o sistema MI-BCI como um todo, mas não para avaliar isoladamente a destreza do usuário, já que o CA avalia o desempenho conjunto do usuário e do classificador. Os autores Fabien Lotte e Camille Jeunet propuseram novas métricas para avaliação dos usuários isoladamente, isto é, sem depender dos demais blocos do sistema BCI. Este trabalho tem como primeiro objetivo utilizar e aferir a eficiência destas métricas, que avaliam apenas os usuários, e que são: a “distintividade” entre o sinal de eletroencefalografia (EEG) de repouso e de uma determinada tarefa motora, a distintividade entre os sinais de EEG de duas tarefas, a estabilidade do sinal de EEG de repouso, e a estabilidade dos sinais de EEG de cada tarefa motora. Como segundo objetivo, pretende-se utilizar estas métricas de avaliação de destreza para verificar se, no caso de usuários sem deficiência motora, a execução do movimento antes de sua imaginação pode servir como indução para melhorar a eficácia da sua imagética motora, ou seja, para melhorar a sua capacidade de imaginar movimentos distintos. Para isso duas bases de dados com protocolos diferentes são comparadas e avaliadas. Pode ser intuitivo que, em todo sistema BCI, o treinamento melhora significativamente a destreza do usuário para controlar o sistema, isto é, quanto mais sessões de treinamento o sujeito realizar, melhor será seu controle. Assim, utilizando estas novas métricas pode ser possível avaliar se isso está realmente ocorrendo e em que medida.

Não informado

Não informado

A computação neuromórfica representa um paradigma de arquitetura
computacional que, baseando-se na complexa mecânica de atividades de um
sistema neural biológico, objetiva ser uma alterativa mais eficiente
para o processamento de informações em larga escala, “ameaçando” a
preponderante hegemonia da consolidada Arquitetura de von Neumann.
Historicamente, a redução do custo energético de operações
computacionais sempre foi um fator de suma relevância no desenvolvimento
de novas tecnologias e esta talvez seja a principal força motriz da
computação neuromórfica. Nesta arquitetura bioinspirada, toda a
manipulação de informação é efetuada por intermédio de redes neurais
artificiais, constituídas por “neurônios” e inúmeras interconexões
(sinapses) entre os mesmos, que contribuem para que os dados sejam
paralelamente processados e persistidos de maneira rápida, acurada,
energeticamente eficiente e resistente a eventuais falhas locais.

Alicerçando-se nestes conceitos, este trabalho propõe um novo modelo de
neurônio, estimulado por impulsos (spikes) codificados por PRBS
(Pseudorandom Binary Sequence) e modulados por PWM (Pulse Width
Modulation), cuja memristência e ativação são baseadas no comportamento
das dinâmicas térmicas e não-lineares de transição de fase do composto
inorgânico óxido-metálico Dióxido de Vanádio (VO2). É conjecturado que
este novo paradigma de neurônio, quando implementado em uma rede neural
artificial, seja capaz de estabelecer um maior índice de economia
energética, plasticidade sináptica e resistência a ruídos, tornando o
sistema neural mais robusto e conectivo.

As simulações realizadas neste trabalho demonstraram que a implementação
e combinação de operadores lógicos pré-sinápticos, em conjunto com
variações reguladas de não-correlação entre as sequências de entrada,
fazem com que exista um maior controle para com a ativação do neurônio,
produzindo uma maior taxa de eficiência energética no processamento de
informações.

A doença de Alzheimer (DA) é uma síndrome neurodegenerativa que afeta milhões de pessoas em todo o mundo. Além disso, pessoas com comprometimento cognitivo leve (CCL) estão em um grupo de risco que deve ser seguido atentamente, pois há uma alta probabilidade de evolução para DA. Nesta pesquisa, três estudos foram delineados para aprimorar e validar biomarcadores topográficos baseados na análise computacional do eletroencefalograma (EEG) coletado durante a execução de tarefas de memória operacional N-back, com o objetivo de fornecer suporte ao diagnóstico precoce do CCL e da DA. Os participantes foram 15 pacientes com diagnóstico de DA, 21 indivíduos com diagnóstico de CCL e 27 idosos saudáveis (IS) para o grupo controle. Os sujeitos foram submetidos a uma tarefa N-back visual de três níveis, com dificuldade ascendente na carga de memória operacional, durante as quais foram registrados sinais de EEG (32 canais).

O primeiro estudo teve por objetivo explorar o uso de potenciais evento-relacionados (Event-Related Potentials - ERP) e sincronização/dessincronização evento-relacionadas (Event-Related Synchronization/ Desynchronization - ERS/ERD). Diferenças significativas foram encontradas entre os grupos de pacientes (CCL e DA) e controle (IS) no ERP durante a execução das tarefas N-back, predominantemente nos eletrodos fronto-centro-parietais. A maioria das diferenças foi observada nos 400-700 ms pós-estímulo, onde o grupo controle mostrou amplitudes maiores que os pacientes (CCL e DA), ou seja, foram observadas diferenças na amplitude do componente P450, tipicamente relacionado à atualização da memória de trabalho. Adicionalmente, as medidas de ERD/ERS revelaram que os indivíduos do grupo IS elicitaram respostas ERD-alfa consistentemente maiores que os pacientes com CCL e DA durante a execução da tarefa no nível 1-back na condição de coincidência (match trials), com diferenças localizadas nas regiões frontal, central e occipital. Além disso, na condição de não-coincidência (non-match trials), foi possível distinguir entre pacientes com CCL e DA no nível 0-back, com CCL apresentando mais ERD-teta do que DA nas áreas temporal e fronto-temporal.

O segundo estudo teve por objetivo analisar registros de EEG no espaço das fontes com foco na análise dos segmentos do EEG antes e depois das mesmas tarefas N-back de memória operacional, visando desta vez exclusivamente o suporte ao diagnóstico do CCL. Para esse fim, a partir dos dados de EEG, o software LORETA forneceu a localização das regiões de Brodmann nas quais houve uma diferença significativa na comparação de CCL com IS. Diferenças significativas foram encontradas nesta comparação em todas as tarefas de memória operacional, localizadas principalmente nas regiões do lobo frontal e temporal.

Finalmente, o terceiro estudo teve por objetivo extrair características no espaço das fontes, identificadas como biomarcadores topográficos oriundos da análise de EEG captado durante tarefas N-back, para classificar automaticamente os participantes nas categorias CCL e IS. Para esse fim, utilizou-se técnicas de aprendizado de máquina com classificadores implementados através da biblioteca Scikit-learn em linguagem Python. A previsão do classificador atingiu acurácia, sensibilidade e especificidade em torno de 95%. Isso mostra que este método de extração de características no espaço das fontes, com foco na análise dos segmentos do EEG antes e depois de tarefas N-back, consegue superar os melhores desempenhos relatados na literatura, o que indica que essa técnica pode representar uma ferramenta clinicamente relevante para suporte ao diagnóstico precoce de CCL e DA.

 

Não informado

nihil

nihil

nihil

Não informado

Não informado

Não informado

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil