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.

Técnicas de harvesting de RF (radiofrequência) vêm se tornando uma alternativa promissora para a alimentação de sistemas de baixa potência em redes de sensores sem fio. No entanto, em muitos desses dispositivos, o principal consumidor de energia é justamente o bloco responsável pela comunicação. Surgem então estratégias para aumentar a eficiência energética desse bloco. Uma dessas estratégias consiste na hibernação do Rádio Principal (RP) em períodos ociosos, enquanto um módulo de rádio secundário de baixíssima potência está sempre operando, à espera de um sinal para “acordar” o RP quando solicitado. Esse módulo de rádio secundário, o Wake-up Receiver, apresenta perfil de consumo compatível com a potência gerada no harvesting de RF, o que endossa a integração dessas duas técnicas. Portanto, esse projeto visa a elaboração de um sistema de comunicação autossuficiente, por meio da associação de estratégias de harvesting de RF e Wake-up Radio, ambos operando na banda ISM (Industrial, Scientific and Medical) de 900 MHz. Os testes serão realizados utilizando um dispositivo SDR (Software Defined Radio) como estação base, enquanto os nós serão projetados utilizando elementos discretos. Desse modo, o projeto possui desafios relacionados a otimização de cada bloco constituinte do sistema, além da própria integração entre os blocos de maneira a tornar o todo energeticamente autossustentável.

Este trabalho investiga o diagnóstico inteligente de falhas em maquinário rotativo utilizando exclusivamente sinais de som captados por um único microfone.
As falhas analisadas incluem desalinhamento vertical, desalinhamento horizontal, desbalanceamento de carga, falhas na gaiola do rolamento, falhas na pista externa e falhas nas esferas do rolamento.
Cada tipo de falha apresenta múltiplos níveis de intensidade, resultando em 42 classes independentes no estudo.
O \textit{dataset}, desbalanceado em relação à distribuição de amostras por classe, contém sinais de som originalmente registrados a 50 kHz, 24 bits, com duração de 5 segundos. No pré-processamento, os sinais foram reamostrados e quantizados, normalizados, tiveram silêncios removidos e passaram por denoising com filtro de Wiener. Após segmentação, características no domínio do tempo e da frequência foram extraídas, formando uma matriz de características. As amostras foram escalonadas, separadas em conjuntos de treinamento e teste, e o treinamento foi complementado com sobreamostragem das classes minoritárias.
O modelo, baseado em \textit{ensemble learning} utilizando \textit{eXtreme Gradient Boosting}~(XGBoost), foi otimizado por \textit{grid search} inicial amplo, seguido de refinamentos com ajustes finos iterativos. O modelo final, avaliado com o conjunto de teste, mostrou-se superior a técnicas equivalentes já propostas. Utilizando todas as características, atingiu 99,54% de acurácia e 99,52% de Fbeta- score. Com apenas os Mel-Frequency Cepstral Coefficients~(MFCCs) e seus Deltas, de primeira e segunda ordens, os valores foram 97,83% de acurácia e 97,74% de Fbeta-score.
Um wrapper de seleção crescente, utilizando as 50 características mais relevantes entre MFCCs e Deltas, alcançou 97,90% de acurácia e 99,32% de Fbeta score. Deltas dos MFCCs destacaram-se em importância sobre os próprios MFCCs. Por fim, foi apresentada uma tabela detalhada com os parâmetros que contribuíram para os melhores resultados obtidos.

Técnicas baseadas em Inteligência Artificial se mostram promissoras no apoio à decisão na área da saúde no qual diversos estudos mostram a eficiência computacional no processamento de grande quantidade de dados e sua eficácia na contribuição para decisões baseadas nas informações obtidas. Porém, a falta de compreensão nos mecanismos preditivos dos modelos tem levado a busca de novas técnicas baseadas em Inteligência Artificial Explicável que permitam elucidar questões sobre como as predições são realizadas. Neste contexto, esta pesquisa buscou desenvolver um método baseado em Inteligência Artificial Explicável demonstrando a relação entre dados de entrada e a resposta preditiva. Nos resultados preliminares foram considerando dois métodos de explicabilidade (Local Interpretable Model-agnostic Explanation e Shapley Additive Explanations) aplicados à predição da obesidade infantil, e concluiu-se que a circunferência abdominal revelou-se fator de risco para o desfecho, com evidências que sugerem maior incorporação na prática clínica.

Em Síntese de Fala por conversão Texto-Fala já foram alcançados grandes avanços e propostas soluções capazes de sintetizar sinais de fala com expressividade, em especial, contendo emoção. No entanto, quando consideramos métodos baseados em conversão de voz, ainda existem problemas como confusão entre classes de emoção na fala sintetizada, e dificuldade para transferir emoções sem que sejam conjuntamente enviadas informações do locutor. Uma solução recente para estes problemas, proposta por Li T. et al., foi aumentar a capacidade de diferenciação das emoções através de um classificador de emoção adicionado ao encoder. No entanto, foi utilizado uma base de dados própria, em língua chinesa, dificultando a reprodutibilidade de estudos relacionados a este tema. Além disso, no cenário apresentado seria necessário o treino de um modelo de síntese, pois não é possível inserir as informações de estilo em modelos já treinados. Assim, neste trabalho são apresentadas algumas análises para esta solução utilizando bases de dados conhecidas, como as bases de dados TESS, RAVDESS e CREMA-D, em língua inglesa, e o uso do modelo Mellotron, pré-treinado, que, além disso, consegue utilizar informações explícitas da fala, as quais podem ser úteis para as tarefas analisadas. Deste modo, foram realizados testes adicionando ao modelo pré-treinado um encoder para emoções, e ajustando-o para a tarefa de conversão de voz com emoções, a partir das bases de dados TESS, RAVDESS e CREMA-D. Em seguida foi verificada a capacidade de transferência de emoção por meio de um classificador de emoção e da visualização, em espaço de características, das classes de emoção presentes. Para esta tarefa nas base de dados TESS e RAVDESS foi obtida uma acurácia em torno de 35% para um subconjunto de 4 classes, mostrando que é possível realizar a tarefa, embora o desempenho alcançado não seja satisfatório. Por sua vez, na base de dados CREMA-D foi obtido um valor de acurácia em torno 25%, portanto não garantindo a efetividade do método. Uma explicação para o baixo desempenho é o equilíbrio necessário entre inteligibilidade e acurácia na classificação de emoção sintetizada.

Este trabalho tem como objetivo examinar como técnicas de processamento de linguagem natural (PLN) e de aprendizado de máquina não supervisionado podem ser empregadas para detectar sinais de depressão e ideação suicida em postagens extraídas da plataforma de rede social Reddit. O estudo aborda a crescente importância da Internet como um espaço de expressão de sentimentos e investiga o potencial da modelagem de tópicos para revelar temas importantes em discussões sobre saúde mental. A pesquisa destaca a aplicabilidade de métodos como a Alocação Latente de Dirichlet (LDA) e a Fatoração de Matrizes Não-Negativas (NMF) para caracterizar postagens de forma que se possa identificar padrões de linguagem e tópicos associados à depressão e à ideação suicida. Este trabalho não só busca entender os sinais linguísticos relevantes para o estado emocional dos usuários, mas também busca oferecer uma potencial ferramenta para profissionais da saúde mental, pesquisadores e formuladores de políticas públicas, visando fornecer insights para intervenções precoces e suporte psicológico. Ao focar na língua portuguesa, o estudo contribui para diversificar a pesquisa em PLN, ampliando a compreensão das comunidades de língua portuguesa online, entre muitos estudos realizados em diferentes línguas. A dissertação é fundamentada em uma revisão da literatura que abrange trabalhos relevantes na área, que demonstram a eficácia da modelagem de tópicos em dados sensíveis e a importância de analisar conteúdo online para prevenir comportamentos depressivos e suicidas. As questões de pesquisa focam na capacidade da modelagem de tópicos de identificar automaticamente indícios de depressão e ideação suicida e na busca de padrões linguísticos específicos que caracterizam tais postagens e de tópicos mais comuns relacionados à saúde mental na comunidade de língua portuguesa do Reddit.

A cibersegurança e a resiliência cibernética estão se tornando cruciais para o desenvolvimento de muitas tecnologias, especialmente nos dias atuais de uma era da constante transformação digital. Esta dissertação apresenta uma análise realista da vulnerabilidade em segurança à nível de camada física para redes ópticas baseadas em acesso múltiplo por divisão de código OCDMA e codificação com espalhamento espectral com saltos rápidos em frequência (FFH-OCDMA). O desempenho da rede é avaliado considerando tanto o formato de modulação incoerente ordinário conhecido como chaveamento liga-desliga (OOK) quanto os formatos de modulação coerentes avançados que ocorrem por chaveamento por deslocamento de fase binário (BPSK) e chaveamento por mudança de fase e quadratura (QPSK). Em todos os casos, os efeitos da interceptação de sinais simultaneamente transmitidos por meio de um invasor portando uma réplica similar do receptor do usuário de interesse são avaliados. As análises consideram dois cenários apresentando efeitos deletérios distintos sobre o sinal interceptado pelo invasor: 1) apenas a interferência de acesso múltiplo (MAI) atua sobre o sinal de interesse e 2) ambos a MAI e os ruídos do originários da recepção atuam sobre o sinal de interesse. Para ambos os cenários, foram propostos novas expressões para a composição do formalismo matemático responsável pela quantificação do desempenho em termos da figura de mérito nomeada taxa de erro de bit (BER). Os resultados numéricos indicam que a decodificação e recomposição da informação do sinal interceptado é continuamente dificultada à medida em que invasor comete mais erros de filtragem (relativos ao projeto das Redes de Bragg que compõem o decodificador) durante a inferência do código atribuído ao usuário de interesse. Adicionalmente, foi verificado que os efeitos deletérios da MAI sobre o sinal transmitido do usuário de interesse impactam significativamente e de maneira negativa na capacidade de recomposição da informação pelo invasor. Isso significa que as redes FFH-OCDMA são robustas contra interceptação de sinais proveniente de invasões e oferecem uma solução viável para aumentar a segurança em sistemas ópticos.

"A qualidade dos dados é crucial para uma tomada de decisão sólida em aplicações de Internet das Coisas (IoT), mas as ferramentas existentes muitas vezes carecem de flexibilidade e modularidade. Este estudo aborda essa lacuna propondo três contribuições principais: (1) identificar limitações críticas nas abordagens existentes de avaliação da qualidade dos dados por meio de uma revisão sistemática da literatura, (2) desenvolver uma ferramenta de software de código aberto e orientada por eventos chamada Ferramenta de Garantia da Qualidade dos Dados (DQAT) para avaliação de dados em tempo real em diversas aplicações de IoT, e (3) avaliar a viabilidade de métodos de aprendizado de máquina de ponta para a melhoria da qualidade dos dados em cenários de dados em fluxo. A modularidade e escalabilidade do DQAT permitem a simulação de cenários de ponta a ponta e a integração com aplicações do mundo real. Sua eficácia será avaliada usando um conjunto de dados agrícolas e métricas como precisão, completude, pontualidade, consistência e melhoria geral na qualidade dos dados. Este trabalho visa abordar a melhoria da qualidade dos dados na IoT e explicar como liberar todo o seu potencial para uma tomada de decisão confiável."

A separação cega de fontes (BSS - Blind Source Separation) compreende um conjunto de técnicas não-supervisionadas para recuperação de fontes a partir da observação de suas misturas. Neste trabalho são investigadas aplicações de algoritmos bioinspirados de otimização ao problema de BSS no contexto não-linear Post-Nonlinear (PNL), dentro das premissas de independência estatística da Análise por Componentes Independentes (ICA- Independent Component Analysis) . Em especial, são utilizados o algoritmo de Otimização por Enxame de Partículas (OEP) e sua versão híbrida com o algoritmo de Evolução Diferencial (OEP-ED) é proposta, em diferentes topologias para separação das misturas, sendo adotada a informação mútua como função objetivo. Os resultados das simulações computacionais mostram que o algoritmo híbrido OEP-ED na topologia quadrada apresenta os melhores resultados para recuperação das fontes. No mesmo contexto de misturas são analisados os algoritmos bioinspirados modificados para incorporar o Estimador baseado em kernel (KDE-Kernel Density Estimator), e ao final, uma versão adaptada do OEP-ED é aplicada ao problema de equalização cega não linear seguindo o princípio PNL, onde também se verificam uma boa estimativa das fontes em cenários diversos de simulação

A tomografia por impedância elétrica é um problema inverso que visa obter informações de propriedades elétricas de uma região de interesse a partir apenas de medidas de tensão elétrica em torno dessa mesma região. Sendo um problema mal-posto, a sua discretização para solução computacional resulta em sistemas de equações mal-condicionados, instáveis na presença de ruídos e erros de modelagem. Uma forma de resolvê-lo é através do método de regularização, tratando-o como um problema de otimização e restringindo o espaço de soluções com informações a priori das soluções.

A presente tese estuda a união dos paradigmas dos métodos de regularização e de aprendizagem profunda na reconstrução de imagens de tomografia por impedância elétrica. Especificamente, redes neurais convolucionais que realizam denoising e remoção de artefatos foram incluídas em algoritmos convencionais para reconstrução de imagens absolutas e imagens a diferenças. Foram considerados tanto os casos em que todos os eletrodos estão disponíveis, quanto o caso da progressiva desativação de eletrodos. As propostas apresentaram ganho de performance sem necessidade de um aumento expressivo do poder computacional, indicando o potencial que aprendizagem profunda pode trazer para a área de pesquisa de tomografia por impedância elétrica.

A Separação Cega de Fontes Conjunta (JBSS, do inglês Joint Blind Source Separartion) é uma extensão do problema de Separação Cega de Fontes (BSS, do inglês Blind Source Separation) para múltiplos conjuntos de dados, sendo um importante tópico de pesquisa aplicado em muitas áreas devido à sua ampla versatilidade. Ao lidar com vários conjuntos de dados e explorar suas informações simultaneamente, esse método tem chamado a atenção dos pesquisadores na última década e ainda é um desafio. Entre os vários métodos possíveis no contexto de JBSS, a Análise de Vetores Independentes (IVA, do inglês Independent Vector Analysis) é uma abordagem interessante, uma vez que é baseada na Análise de Componentes Independentes (ICA, do inglês Independent Component Analysis) e explora a dependência estatística entre diferentes conjuntos de dados por meio do uso da Informação Mútua (Mutinf, do inglês Mutual Information). Este trabalho propõe três abordagens diferentes de IVA para lidar com sinais biomédicos, focando no paradigma de Imaginação Motora (MI, do inglês Motor Imagery) e uma possível extensão para o transtorno de Convulsões Epilépticas. Primeiramente, no contexto da classificação de MI com base em sinais de Eletroencefalograma (EEG, do inglês Electroencephalogram) para Interface Cérebro-Computador (BCI, do inglês Brain-Computer Interface), vários métodos tem sido propostos para extrair atributos de maneira eficiente, principalmente com base em Padrões Espaciais Comuns e Bancos de filtros. Nesse cenário, propomos uma abordagem original para extração de atributos no contexto de imagética motora, baseada na exploração da minimização da Mutinf por meio do IVA, seguida pelo uso de filtros Autorregressivos. Para a classificação dos movimentos imaginados, utilizamos alguns classificadores consolidados: Análise Discriminante Linear, Máquinas de Vetores de Suporte, K-Vizinhos Mais Próximos, e classificadores de aprendizagem profunda: EEGNet e EEG-Inception. Essa abordagem foi avaliada em dois conjuntos de dados de MI diferentes: BCI Competition IV - Dataset 1 (DS1) e BCI Competition III - Dataset 4a (DS4a). Na segunda abordagem, propomos uma aplicação inovadora de IVA como técnica de Aprendizado por Transferência para a classificação de MI. A exploração da dependência estatística entre os conjuntos de dados por meio da Mutinf poderia auxiliar na classificação de MI, uma vez que permite um tratamento genérico e homogêneo de todos os dados e uma possível transferência de conhecimento entre sujeitos/pacientes. Os resultados foram avaliados no conjunto de dados DS1, mostrando uma alta correlação e pequeno desvio padrão entre os sujeitos cruzados. Além disso, inspirados pelos resultados anteriores, na terceira abordagem, apresentamos os resultados para a técnica de agrupamento com um conjunto de dados epilépticos desenvolvido em colaboração com o Laboratório de Processamento de Sinais (LTS4, do inglês Signal Processing Laboratory 4) na École Polytechnique Fédérale de Lausanne (EPFL, do inglês Swiss Federal Institute of Technology in Lausanne), na Suíça.

As futuras redes 6G proporcionarão novos mercados, serviços e indústrias, possibilitando uma infinidade de novas oportunidades e aplicações. Além disso, o 6G se beneficiará de tecnologias emergentes e disruptivas, como o sistema de comunicação sem fio em terahertz (THz). A banda THz (0,1–10 THz) vem recebendo uma atenção substancial devido seu amplo espectro não alocado, que viabiliza aplicações com grande largura de banda e alta capacidade. Felizmente, estes requisitos podem ser atendidos pelo diodo de tunelamento ressonante (RTD). Entretanto, suas potencias de saída são relativamente pequenas. Sendo assim, quando o RTD é empregado em transmissores, essa limitação prática impede o aumento do alcance de sistemas de comunicação sem fio. Assim, estudos buscando alternativas para aumentar a potência de saída do RTD continuam em desenvolvimento. Neste contexto, a presente tese objetiva-se a realização da modelagem analítica e avaliação de desempenho de circuitos osciladores em RTDs, para aplicação em sistemas de comunicação sem fio em THz. Para isso, desenvolvem-se modelagens numérica e analítica (simplificada) para a obtenção da atenuação atmosférica no canal. O modelo simplificado é composto por equações fechadas e tem validade no intervalo de 100 a 600 GHz. O modelo foi validado e comparado com vários modelos diferentes. Os resultados reproduzem corretamente os dados experimentais fornecidos, tornando o modelo de canal útil para avaliar o desempenho das redes THz. Na sequência, apresentam-se conceitos sobre o funcionamento dos circuitos baseados em RTDs, bem como suas principais figuras de mérito. Posteriormente, propõe-se um modelo compacto para caracterizar analiticamente circuitos osciladores baseados em RTDs. O modelo é formado por equações fechadas que descrevem o comportamento elétrico do dispositivo, considerando efeitos parasitas e sua degradação com o aumento da frequência de operação. Depois, o formalismo é validado e modelam-se diferentes circuitos osciladores. Com os resultados, os circuitos osciladores formados por um único RTD forneceram potências de saída de ate 5,0 mW em 300 GHz. Assim, o dispositivo modelado é um potencial candidato para aumentar a potência de saída das fontes no gap THz, principalmente no intervalo de frequência de 300 a 500 GHz, operando a temperatura ambiente. Logo a seguir, realiza-se a avaliação de desempenho de enlaces sem fio em ambiente externo, utilizando transmissores baseados em RTDs, sob diferentes condições climáticas adversas, tais como turbulência, chuva e erro de alinhamento entre antenas. À ferramenta analítica desenvolvida, combinam-se os efeitos determinísticos e aleatórios do canal de propagação, fornecendo assim equações fechadas para calcular a BER e a capacidade média do canal dos enlaces analisados. Portanto, após a validação do formalismo, aplica-se a ferramenta para modelar enlaces sem fio operando em 342 GHz. Agora, no ambito das aplicações em nanoescala, modelam-se circuitos osciladores baseados em RTDs de nanocoluna de GaAs/AlAs. Os resultados mostram que o sistema opera com nível ultra-baixo de potencia de consumo DC (160 nW), uma excelente eficiência de conversão DC-AC (2,4%) e taxa de dados da ordem de centena de Gb/s. Finalmente, o nanodispositivo pode ser usado em uma infinidade de aplicações nas futuras redes 6G, principalmente na área de saúde.

O uso da tecnologia de Multiplexação por Divisão Espacial (Space Division Multiplexing – SDM) em Redes Ópticas Elásticas (Elastic Optical Networks – EONs) é uma solução promissora para aprimorar a capacidade de transporte e flexibilidade necessárias às aplicações de próxima geração. Neste trabalho, propomos que os algoritmos de Otimização por Colônia de Formigas (Ant Colony Optimization – ACO) sejam incorporados ao plano de controle da rede como protocolo de roteamento e associados a um mecanismo de rerroteamento crankback para aprovisionar e restaurar caminhos ópticos de maneira totalmente distribuída. Nesse contexto, ao abordarmos o desafiador problema do Roteamento, Modulação e Alocação de Espaço e Espectro (Routing, Modulation, Spectrum, and Space Assignment – RMSSA), os algoritmos ACO conseguem lidar com a diafonia (crosstalk) entre núcleos e a fragmentação espectral, que são os principais fatores limitantes do potencial das SDM-EONs. Adicionalmente, ao se comparar diferentes níveis de atualização do estado de recursos no plano de controle, os resultados de simulação obtidos destacam o desempenho superior dos algoritmos ACO em relação aos algoritmos tradicionais baseados em protocolo de roteamento por estado de enlace em um plano de controle centralizado. Esses resultados incluem menor taxa de bloqueio de largura de banda, capacidade de restauração comparável, níveis de diafonia controlados e maior escalabilidade, sem um aumento significativo nos tempos de configuração e restauração.

Usando uma função de ativação histerética e o modelo de histerese L2P, o estudo atual investiga a previsão de energia intermitente para melhorar as redes neurais. O objetivo deste estudo é demonstrar que as fontes de energia intermitentes têm um alto potencial para substituir as fontes não renováveis. Devido às flutuações de geração, as previsões são necessárias para atender com segurança e eficiência os mercados de oferta e demanda. À medida que redes distribuídas e redes inteligentes se tornam mais importantes no mix global de energia, modelos de previsão devem ser desenvolvidos e a importância da previsão para geração de rede inteligente avaliada. Um estudo prático de histerese revela que sua aplicação reduz erros de MSE, tornando-se uma ferramenta potencialmente útil. Vários fenômenos naturais e biológicos, como redes cerebrais biológicas e desenvolvimento da memória, exibem histerese, de acordo com uma revisão da literatura. Como o modelo utilizado em sua função de ativação é conhecido, os resultados confirmam a importância da predição em um cenário de fonte de alimentação e descrevem a rede neural e os neurônios de histerese L2P. A rede neural possui quatro parâmetros de configuração que podem ser usados para alterar a forma da curva de histerese, permitindo que ela seja mais flexível ao treinar e prever séries não lineares. Os gráficos contrastam três funções de ativação comuns usadas na previsão de séries temporais. Os valores da rede neural no experimento foram menores do que os do Simoid, RELU e Tangente Hiperbólica. No entanto, como há uma compensação de sobrecarga de processamento maior por previsão futura, um número maior de camadas é necessário para aproximar os valores de treinamento. Como a curva foi modelada por dados anteriores da rede neural, a histerese forneceu uma melhor aproximação. Por fim, mais dados de treinamento podem ajudá-lo a ter um desempenho melhor. A retropropagação e a descida do gradiente exigem que a rede atualize seus pesos em resposta aos dados previstos. Usando uma memória de atraso, a curva é atualizada com base no sinal neste método.

Existem muitos estudos sobre sistemas caóticos devido a suas aplicações,
um destes estudos é o circuito de Chua que prova que um sistema ativo
simples pode gerar atrator caótico. Este trabalho propõe um novo estudo
para o circuito de Chua por meio de simulações, e aplicando uma
histerese de Preisach no indutor a fim de torna-lo não linear com a
ideia de ainda gerar um atrator caótico. Para isso foi feita uma análise
do circuito e foi criado um código para sua simulação em Python, esta
simulação nos dá os gráficos das tensões nos capacitores, a corrente no
induto o atrator caótico, a indutância e a histerese no indutor. Após
isso, o circuito foi simulado com e sem o indutor não linear e depois os
resultados de ambas simulações foram comparadas.

A evolução da Internet e das Redes Sociais Online têm transformado a forma como as pessoas se relacionam e se comunicam. O advento da Internet abriu um novo mundo de possibilidades, permitindo a interação instantânea entre pessoas de diferentes lugares do mundo. Com o surgimento das Redes Sociais, essa interação se tornou ainda mais intensa e dinâmica, permitindo que as pessoas se conectem de forma rápida e fácil, compartilhem informações, ideias, interesses e opiniões. No entanto, essa nova realidade virtual tem gerado questionamentos sobre o comportamento das pessoas e como elas se relacionam nesse universo em relação às suas experiências tradicionais. Há muitos questionamentos se essa conexão virtual não estaria criando uma certa alienação social, levando as pessoas a se isolarem do mundo real e a se concentrarem apenas no universo virtual sem se preocupar com a consequência dos seus atos. Diante disso, este estudo se concentrou em identificar algum tipo de padrão que pudesse correlacionar as Conexões e Contradições entre o Mundo Virtual e Real, pois sugere que existem diferenças e tensões entre esses dois mundos. Para tanto, os dados coletados para análise foram extraídos da Rede Social Twitter, sobre o tema Big Brother Brasil 21 e 22, transmitido pela mídia televisiva Rede Globo. Como recursos, foram utilizadas API do Twitter, linguagem de programação Python, organização em Planilhas Eletrônicas, método estatístico da Correlação Linear de Pearson, modelagem em formato de Grafo para melhor visualização dos dados e tabelas e gráficos para melhor identificação e compreensão dos resultados. Ao investigar os dados sobre o comportamento das pessoas em um programa de televisão que, por sua natureza, pode gerar contrastes e conflitos entre a percepção virtual e a realidade, foi possível ter uma compreensão mais profunda sobre como as pessoas interagem em diferentes contextos e como a comunicação mediada por computador pode afetar a forma com que as emoções são expressas e percebidas. Pesquisas futuras são necessárias para ir além das limitações metodológicas e estatísticas utilizadas nesta pesquisa. O que pode concluir com propriedade é que analisar os dados produzidos pelas Redes Sociais Online é enriquecedor e podem promover a compreensão de como as interações humanas podem ser moldadas por meio delas, sejam no mundo real ou virtual.

Nas últimas décadas, houve um aumento significativo de dispositivos e sistemas conectados à internet, o que exige uma evolução contínua das estratégias de segurança cibernética devido à sensibilidade dos dados transmitidos por essas redes. Dentre as estratégias emergentes, os sistemas de detecção de intrusão têm ganhado destaque, particularmente uma subclasse chamada de sistema de detecção de anomalia (ADS, do inglês Anomaly Detection System), que detecta ameaças ao identificar anomalias em relação aos dados de tráfego normais da rede.
A importância dos ADSs reside na capacidade de identificar ataques desconhecidos sem a necessidade de conhecimento prévio das suas características.

Uma possível implementação de ADS que vêm sendo investigada é a que faz uso de algoritmos de aprendizado de máquina (ML, do inglês Machine Learning). No entanto, estes algoritmos precisam de dados para o seu treinamento, e é comum que dados de ataque estejam em um número menor que dados de tráfego normais, o que pode enviesar esses algoritmos. Assim, auto codificadores (AE, do inglês Autoencoders) têm sido empregados pelo fato de ser possível treiná-los com os dados de apenas uma classe, geralmente a majoritária. Parâmetros extraídos do AE, como o erro de reconstrução (RE, do inglês Reconstruction Error), podem ser utilizados para distinguir os dados normais de dados de ataques, o que geralmente é feito comparando-o com um limiar.
A obtenção deste limiar pode ser feita através de diferentes critérios e depende geralmente de parâmetros que não são conhecidos e que precisam ser estimados. Exemplos vão desde valores simples, como média e variância, até funções mais complicadas, como distribuições de probabilidade e momentos estatísticos de ordens superiores.

Esta dissertação, portanto, propõe uma estrutura conjunta de um AE e um classificador usando ML, este último com o objetivo de substituir o limiar de detecção. O uso de ML para a detecção também abre a possibilidade de se incluir outras características que podem ser obtidas com o AE, como os valores da camada intermediária, visando uma melhora na detecção dos ataques.
Nesta dissertação, diversos cenários foram avaliados, combinando diferentes técnicas de ML e diferentes combinações de características. Os resultados mostram que há uma melhora na detecção de ataques em grande parte dos cenários ao se utilizar a estrutura proposta.

Este trabalho apresenta o uso da técnica de espectroscopia funcional de infravermelho próximo (fNIRS) para pesquisa educacional. A técnica de fNIRS permite o estudo de aspectos cognitivos envolvidos na aprendizagem e a identificação de padrões na atividade cerebral. O estudo propõe novos métodos para analisar dados do ensino de STEM (Ciência, Tecnologia, Engenharias e Matemática) em diferentes estágios da educação: educação infantil, ensino básico e educação superior. Para isso, foram utilizados métodos de aprendizado de máquinas (Floresta Aleatória e Regressão Logística com LASSO) para prever o desempenho dos alunos de ensino superior em aula virutal e também foram utilizadas medidas de teoria dos grafos para estudar as interações entre professores e alunos de educação básica e infantil. Dentre os resultados obtidos, foi observado que  possível detectar níveis de engajamento de alunos em tarefas bem como distinguir métodos de ensino expositivo e interativo na interação de alunos com professor. Esses resultados permitem afirmar a necessidade de metodologias mais ativas para aprendizagem e avaliar a importância da interação professor e aluno.

Neste trabalho, é analisado o problema de aprendizado de máquina supervisionado e suas aplicações no reconhecimento de transações fraudulentas em pagamentos com cartão de crédito. Primeiramente, é discutido o conceito de fraude em meios de pagamento, suas consequências e a importância de detectar esse tipo de transação para mitigar riscos. Em seguida, são apresentados problemas de aprendizado de máquina supervisionado e não-supervisionado, bem como os principais algoritmos utilizados (como Redes Bayesianas, Redes Neurais, Árvores de Decisão e K-Means), suas aplicações, implementação computacional e métodos de avaliação de desempenho.

Em seguida, são descritas metodologias para combinação de algoritmos de aprendizado de máquina, com destaque para a agregação de classificadores e a combinação de métodos de aprendizado supervisionado e não-supervisionado (Mixed Learning). Como principais contribuições deste trabalho, destacam-se os novos algoritmos CC-OR, CCK-VM e CCK-OR, baseados em uma nova função para agregação de classificadores, aliada ao conceito de Mixed Learning, além de uma variação do algoritmo K-Nearest Neighbors adaptado para dados desbalanceados.

Para avaliar os diferentes estimadores, foram comparados os principais classificadores da literatura, operando individualmente e agregados por meio de voto majoritário, bem como os algoritmos propostos neste trabalho, avaliando-se o desempenho dos mesmos na detecção de operações fraudulentas. Foram realizadas simulações numéricas por meio de programas escritos em Python, utilizando dados reais e sintéticos, as quais revelaram ganhos no uso dos métodos propostos quando comparados com o estado da arte da área.

Em virtude dos avanços da tecnologia, as empresas estão, cada vez mais, adotando sistemas de Inteligência Artificial (IA) em seus departamentos, incluindo Recursos Humanos (RH) e Recrutamento e Seleção. No entanto, constata-se que aumentam os riscos de violações aos direitos humanos e fundamentais, principalmente por meio de discriminação algorítmica, quando vieses e estereótipos são reproduzidos. A metodologia adotada nesta tese envolveu a revisão de artigos técnicos da engenharia e computação, juntamente com a análise jurídica comparativa, abrangendo a legislação brasileira e a União Europeia, que é mais avançada nesse tema. Além disso, foram realizados estudos de casos com análise técnica e jurídica dos vieses discriminatórios e estereótipos, considerando a Lei Geral de Proteção de Dados (LGPD) e o Regulamento Geral de Proteção de Dados (GDPR) da União Europeia, em diálogo interdisciplinar com outras áreas, como a filosofia. Foi desenvolvido um algoritmo de Recrutamento e Seleção e foram avaliadas métricas estatísticas relacionadas à discriminação. Também foi realizado o teste t-student para analisar diferenças estatisticamente significativas entre grupos. Com base nos resultados e análises obtidos, foi proposta uma metodologia em quatro fases para eliminar vieses discriminatórios nos processos seletivos eletrônicos. Essa metodologia inclui a implementação de ferramentas de compliance trabalhista para eliminar vieses históricos, a utilização de algoritmos que não tratam dados sensíveis, a validação da não discriminação algorítmica por meio de métricas estatísticas e a adoção de ações afirmativas, quando necessário.

A teoria de grafos vem sendo muito bem sucedida na tentativa de representar de forma eficiente a relação entre objetos ou elementos de diferentes naturezas e propostas envolvendo sua utilização na caracterização do funcionamento cerebral tem se mostrado uma opção interessante no contexto do desenvolvimento de interfaces cérebro-computador (BCIs), por permitir que seja possível a caracterização do cérebro a partir de sinais eletroencefalográficos (EEG) durante diferentes tarefas mentais, como por exemplo a imagética motora (MI). A quantificação e avaliação da conectividade funcional tem sido aplicada no estudo da organização cerebral durante tarefas motoras com o intuito de buscar um melhor entendimento do processo de imagética que permita o desenvolvimento de BCIs mais robustas. No entanto, até agora, a dinâmica do processo de imagética e a interação entre diferentes áreas cerebrais ao longo do tempo tem sido raramente levadas em consideração e estudos recentes sugerem que essa dinâmica possa fornecer informações relevantes para a discriminação entre
movimento e repouso, bem como na distinção entre diferentes tarefas de MI. Com isso em mente, o objetivo deste trabalho é avaliar a aplicabilidade da conectividade funcional dinâmica nesses dois cenários, repouso vs. MI e imagética da mão direita vs. mão esquerda, buscando a extração de informações relevantes para a distinção dos diferentes estados mentais. Para isso, três medidas de similaridade e quatro métricas de grafo foram estimadas tanto de forma estática como dinâmica para fins de comparar e melhor caracterizar a
conectividade dinâmica. Além disso, os eletrodos mais relevantes para diferenciação dos estados foram analisados. No caso da análise de repouso vs. MI, a conectividade dinâmica permitiu a distinção dos estados ao longo do tempo. Para o estudo da diferenciação das tarefas de imagética, foi utilizada uma estratégia baseada em classificadores lineares e uma análise complementar baseada em deep learning (DL) devido a limitações observadas no caso linear. Os resultados obtidos apontam para a possível utilização da conectividade
funcional dinâmica na classificação de tarefas mentais em BCIs baseadas em MI, porém não se mostrou vantajoso no contexto de estratégias de DL em comparação ao que é feito comumente na literatura.

O protocolo HTTP/2 introduz o conceito de priorização de requisições, onde o cliente manifesta ao servidor suas preferências para completar requisições importantes mais rapidamente. Neste trabalho, propomos que essa priorização também pode ocorrer na camada de rede com o auxílio de uma rede definida por software. Classificando e marcando os fluxos, que estão relacionados aos recursos mais críticos para a renderização de páginas da web, como tráfego de alta prioridade, é possível obter uma melhor Qualidade de Experiência (QoE) para os usuários da web. Para demonstrar os benefícios da abordagem proposta, um protótipo foi construído para emular uma rede de longa distância definida por software, onde caminhos com diferentes características de Qualidade de Serviço (QoS) estavam disponíveis. As métricas SpeedIndex and LargestContentPaint foram usadas para medir a QoE dos vinte principais sítios do Alexa na web. Os resultados obtidos indicam que a abordagem proposta pode melhorar significativamente a QoE em ambientes com perdas, que são conhecidos por serem desafiadores para o protocolo HTTP/2.

A acurácia do Reconhecimento de Imagens por meio de Redes Neurais Convolucionais depende da quantidade e diversidade de cenas das imagens utilizadas no treinamento da rede. Assim, frequentemente a obtenção de várias imagens de uma classe é uma tarefa custosa para o treinamento adequado dessas redes.

Neste trabalho, avaliamos o uso de imagens sintéticas geradas a partir de Modelos 3D para treinamento da rede. Para tanto, foram utilizadas Modelos 3D de cães de diferentes raças com uso de um ambiente virtual tridimensional obtivemos de maneira sintética imagens em diferentes ambientes e posições de câmera.

As simulações realizadas demonstraram que as imagens sintéticas podem ser utilizadas para reconhecimento de objetos reais sendo uma alternativa para obtenção de amostras para treinamento das Redes Neurais Convolucionais. Também aplicando as técnicas de Interpretabilidade de Aprendizado de Máquina podemos medir como o objeto de interesse ante o fundo ou região da imagem foi considerado na classificação e dessa forma diversificar a base de imagens para obter melhor acurácia na classificação.

No presente estudo, buscamos compreender, do ponto de vista da língua de especialidade, o léxico biomédico de um corpus de textos científicos sobre COVID-19 em língua portuguesa. Além disso, o trabalho teve como objetivo fornecer subsídios que possibilitem identificar padrões na linguagem biomédica e que a posteriori poderão alimentar algoritmos de inteligência artificial no processo de detecção automática de padrões gramaticais e lexicais para auxiliar a máquina na identificação e diferenciação de conteúdo do domínio biomédico. Diante disso, na primeira fase do estudo, foi desenvolvido um novo indicador, Lex-BioMed (ASSIS et al., 2021), que se mostrou capaz de mensurar a distribuição das palavras de conteúdo biomédico por especialidade e gênero que compõem o corpus COVID-19 UFABC (LEITE et al., 2020). Durante o desenvolvimento do Lex-BioMed, identificamos uma alta frequência de sintagmas nominais com presença acumulada de modificadores adjetivais no corpus. Diante disso, iniciamos um estudo onde criamos um modelo estatístico capaz de mensurar a biomedicalidade contextual de um termo dentro do contexto em que está inserido. Na etapa final do trabalho, concluímos que o contexto em que os adjetivos (não biomédico neste caso) aparece é um fator importante na determinação da biomedicalidade, pois em nossos resultados se mostrou difusa se espalhando por todo eixo sintagmático, tornando esses contextos de exceção vinculados a estruturas de dependências. Para os adjetivos classificados como Intrínsecos neste estudo, observamos que prevaleceu a linearidade, o que já era esperado, pois a linguagem biomédica é considerada uma linguagem mais objetiva, com frases mais curtas, onde temos um compromisso maior de linearidade.

A doença de Parkinson (PD, do inglês Parkinson’s Disease) é a segunda doença neurodegenerativa de maior incidência, afetando aproximadamente 1-3 % dos adultos com mais de 60 anos. Dentre outros fatores, a PD impacta as atividades motoras e a qualidade de vida do paciente. A alteração do padrão oscilatório do potencial de campo local do núcleo subtlâmico (STN-LFP) é frequentemente observada em pacientes com PD, o que ocorre, em particular, nas sub-bandas beta (13-35 Hz) e gamma (35-100 Hz), as quais também estão associados à modulação do movimento. Um tratamento tipicamente utilizado na PD grave é a estimulação cerebral profunda contínua, a qual especula-se não ser completamente eficiente por ignorar típicas variações oscilatórias características do estado motor. Neste sentido, a previsão do estado de movimento baseado na composição espectral do STN-LFP ainda é um desafio e uma questão de debate para projetar novas estratégias para a estimulação cerebral profunda, ou seja, um tratamento essencial na PD. Este trabalho busca detectar o estado motor de pacientes parkinsonianos a partir dos sinais de campo local do núcleo subtalâmico submetidos à procedimento para implantação de eletrodos para estimulação elétrica profunda. Para tanto, múltiplas técnicas associadas às estratégias de processamento de sinais e aprendizado supervisionado são aplicadas, tais como: filtragem digital, estimação de espectro, validação cruzada e classificação (análise do discriminante linear, naive Bayes, k-vizinhos mais próximos, máquinas de vetores suporte).

Para dar suporte as demandas previstas de densidade, escala, variedade de uso e velocidade no 5G, que é o padrão de tecnologia de quinta geração para redes móveis, novas arquiteturas de rede estão sendo propostas como alternativas de otimização das redes de telefonia celular atuais. Neste contexto, a arquitetura de rede de acesso por rádio em nuvem (C-RAN, do inglês Cloud Radio Access Networks) surge como alternativa de viabilização da evolução para 5G, na qual a conectividade de rádio para usuários finais é fornecida por meio de unidades remotas de rádio (RRH, do inglês Remote Radio Head) e a maioria das tarefas de processamento de sinal são executadas em unidades de banda base (BBU, do inglês BaseBand Unit) na nuvem. Com efeito, ao se separar as BBUs das antenas, há importantes reduções no consumo de energia e de custo. Entretanto, isso implica a criação de uma rede óptica de baixa latência para interconexão de BBU e RRHs, que é chamada de fronthaul. Nesse contexto, este trabalho busca a otimização da distribuição de BBUs e RRHs através do fronthaul e que minimize os custos de capital para implantação.

Dada a complexidade do problema, este trabalho propõe o uso de uma técnica de otimização baseada em computação evolutiva através da implementação de algoritmo genético (GA, do inglês Genetic Algorithm). Nesse sentido, são avaliados cenários baseados em dados georreferenciados da implantação da rede 4G atual, considerando-se as restrições de: (i) distância, que está relacionadas à latência, (ii) número de RRHs por BBU, que é limitado pela rede de multiplexação por comprimento de onda (WDM, do inglês Wavelength Division Multiplexing) utilizada no fronthaul, e (iii) proteção do tráfego no fronthaul. Os resultados obtidos indicam a eficácia da abordagem proposta, sendo que é possível visualizá-los através de uma ferramenta Web georreferenciada.

Aproximadamente 7\% da população brasileira possui alguma deficiência motora, sendo que este público tem de maneira geral uma maior vulnerabilidade social. Visando mitigar estes impactos, tecnologias assistivas como próteses de membros superiores têm sido desenvolvidas, em especial as que se utilizam de sinais eletromiográficos de superfície (sEMG). Apesar de diversas dessas próteses possuírem elevada taxa de acerto (acima de 90\% em alguns casos), têm um custo médio bastante elevado, da ordem de \$50 mil dólares.Em vista destas dificuldades, ferramentas e softwares de simulação tem sido desenvolvidos com objetivo de melhorar o uso das próteses já existentes bem como facilitar o seu desenvolvimento e assim se buscar a redução dos preços destes aparelhos. Com base nestes objetivos, foi desenvolvido um simulador de código aberto controlado por sinais sEMG que busca de maneira prática e econômica realizar a captura e processamento destes sinais e suas respectivas posições(separadas por categorias) e, além disso, realizar a simulação de próteses de membros superiores e braços robóticos, representando adequadamente os movimentos de flexão e extensão do cotovelo. Para esta tarefa o simulador foi separado em três módulos, sendo o primeiro o módulo de obtenção de sinais sEMG conjuntamente com a captura do ângulo de flexão e extensão do cotovelo, utilizando-se uma {Webcam} comum para e registrar os ângulos de extensão e flexão do cotovelo e o dispositivo Myo, da empresa Thalmic Labs para a obtenção dos sinais sEMG. O segundo módulo sendo o responsável pelo treinamento dos sinais sEMG e geração de classificadores, utilizando a linguagem Python, conjuntamente com a biblioteca scikit-learn, e o terceiro módulo aquele que realiza a simulação do braço robótico, utilizando-se do software de simulação Gazebo, conjuntamente com o software de controle ROS 2. Obteve-se com esses módulos, ferramentas que permitem flexibilidade na captura de sinais EMG, visualização, treinamento e projeto de classificadores, bem como uma interface gráfica simples de modelagem e simulação de braços robóticos.

Macromoléculas adotam várias conformações preferidas em solução dependendo de sua estrutura e forma, determinando sua dinâmica e função.Vários estudos indicaram que essas propriedades dinâmicas são determinadas principalmente pela topologia dos contatos nativos. Estudos nos últimos anos estabeleceram o papel da dinâmica estrutural, também chamada de dinâmica intrínseca, para facilitar, se não impulsionar, as interações e o funcionamento dos sistemas biomoleculares. Portanto, é importante explorar diferentes conformações para modelar processos dinâmicos e determinar estados estáveis (Zhang et al., 2020). A compreensão da correlação entre a dinâmica estrutural de proteínas e suas funções exigem métodos computacionais híbridos que integram movimentos de frequência mais baixa obtidos por Análise de Modo Normal (NM) e movimentos mais rápidos de Dinâmica Molecular (MD) aliados a dados de técnicas biofísicas. O reconhecimento da abundância natural e importância funcional de proteínas intrinsecamente desordenadas (IDPs) e híbridos de proteínas que contêm tanto regiões de proteínas intrinsecamente desordenadas (IDPRs) quanto regiões ordenadas está mudando a ciência das proteínas. IDPs e IDPRs, ou seja, proteínas funcionais e regiões proteicas sem estruturas únicas, podem ser encontradas em todos os organismos e normalmente desempenham papéis vitais em vários processos biológicos. A funcionalidade baseada em desordem complementa as funções de proteínas e domínios ordenados. No entanto, em virtude de sua existência, IDPs/IDPRs, que são caracterizados por notável flexibilidade conformacional e plasticidade estrutural, quebram várias regras estabelecidas ao longo dos anos para explicar a estrutura, dobramento e funcionalidade de proteínas bem dobradas com estruturas únicas.Neste trabalho, investigamos a assinatura dinâmica de certas famílias de proteínas intrinsecamente Desordenada, utilizando  métodos híbridos como SignDy. 

Diante do constante crescimento do tráfego de dados, em grande parte causados pelas redes sociais, trabalhos remotos, voz e vídeo sob demanda, jogos on-line, entre outros, as Redes Ópticas são fundamentais e possuem um papel importante para o transporte de dados, garantindo a qualidade dos serviços oferecidos. Com a tecnologia das Redes Ópticas Elásticas (Elastic Optical Network (EON)s), existem novas soluções para uma melhor otimização de largura de banda no espectro óptico, sem a necessidade de implementação física de novas fibras ópticas nas redes existentes. As EONs diferem das tradicionais Redes de Multiplexação por Divisão de Comprimentos de Onda (Wavelength Division Multiplex (WDM)s), pelo controle da granularidade espectral, aumentando a eficiência do espectro óptico, comparativamente às redes existentes. Devido as tecnologias de modulação óptica: Multiplexação por Divisão de Frequêcias Ortogonais (Ortogonal Frequency Division Multiplexing (OFDM)) e Nyquist-Wavelength Division Multiplex (N-WDM), é possível o controle da granularidade espectral, para uma largura espectral muito reduzida. As Redes EONs são gerenciadas por algoritmos de Roteamento e Atribuição de Espectro (Routing and Spectrum Assignment (RSA)s), que determinam rotas e posição espectral, para a atribuição da demanda solicitada, mantendo as restrições de contiguidade e continuidade, impostas pelas Redes EONs. Este trabalho tem a finalidade de avaliar, com o uso de simulação, novas heurísticas RSAs, desenvolvidas com o objetivo de melhorar a utilização e ocupação do espectro óptico. Com os algoritmos de melhor ocupação espectral, será realizada a atribuição de serviços e a organização de todos os espaços (slots), do espectro óptico, utilizando a banda C de 4,4 THz, permitindo um melhor aproveitamento e flexibilidade do espectro total, pois o mesmo apresenta espaços não contíguos de largura de banda ao longo do tempo, gerando a Probabilidade de Bloqueio (Blocking Probability (BP)) e a fragmentação da rede óptica. As novas heurísticas desenvolvidas apresentaram melhores resultados de desempenho da EON, minimizando a carga computacional do Sistema de Gerenciamento de Rede (Network Management System (NMS)), nas três topologias avaliadas, comparados com algoritmos presentes na literatura científica.

A Separação Cega de Fontes (BSS) é um problema bem estabelecido em processamento de sinais, e continua recebendo atenção da comunidade científica dada sua aplicabilidade em diferentes áreas. O uso do Filtro de Kalman, uma clássica ferramenta de estimação de estado, tem sido explorada como uma solução para o problema de BSS, como uma etapa adicional em algoritmos de separação ou numa abordagem de estimador de parâmetros.

Este trabalho apresenta uma revisão teórica sobre o problema de BSS e a aplicação do filtro de Kalman na separação de fontes como um estimador de parâmetros, segundo duas abordagens distintas: estimação conjunta e dual dos parâmetros. As abordagens foram avaliadas em diferentes cenários, analizando a inicialização e variação dos parâmetros dos algoritmos, em termos da SIR e MER. Os resultados mostram que ambas as abordagens são capazes de separar as fontes em cenários com duas fontes, mas pode não convergir para mais fontes.

Além disso, o trabalho apresenta uma nova abordagem baseada na ideia de formatação de feixe, explorando a função de semblance dos sinais. A avaliação do algoritmos para sinais sintéticos foi feita considerando uma medida de inteligibilidade objetiva (STOI) em dois cenários e diferentes valores de SNR. Os resultados foram comparados com algoritmos clássicos (GSS e Delay-and-Sum) e mostraram que a abordagem apresenta a melhor performance dentre os algoritmos avaliados, em cenários sem ruído.

A necessidade de obter-se imagens em alta resolução existe em diversas áreas,como a medicina, astronomia, segurança e monitoramento sísmico. Entretanto, nemsempre as câmeras possuem a alta resolução desejada ou algum fator externo podereduzir a qualidade de uma imagem que se deseja estudar. Assim, diversos estudossurgiram na área de Super Resolução de imagens, cujo o objetivo é obter-se imagensde alta resolução a partir de imagens de baixa resolução utilizandosoftwaresparaessa tarefa. Os métodos comumente utilizados atualmente são baseados em apenasuma única imagem de entrada (single image super resolution(SISR)) e, a partirdo uso de técnicas dedeep learning, é possível treinar uma rede com o objetivode obter-se imagens de alta resolução com características similares ao conjunto detreino.O método proposto para esse trabalho utiliza dois ramos de convolução quese diferenciam na forma com a qual a imagem tem o seu fator de escala aumentadopela primeira vez na arquitetura proposta. Em um dos ramos utiliza-se a convoluçãotransposta e no outro a interpolação bicúbica. Após isso, em cada um dos ramos, osmapas de características passam por𝑛unidades deup and down-projectionparaposteriormente serem concatenados e ser aplicada uma última camada de convoluçãopara obter a imagem em alta resolução. Com esse tipo de estrutura podemos notarque o cenário com dois ramos consegue desempenho superior em termos de PSNRe SSIM quando comparados com o mesmo cenário com apenas um ramo quandoutilizamos𝑛= 1e𝑛= 4unidades deup and down-projection units. Para o cenáriocom𝑛= 6não houve diferenças significativas entre os modelos de um e dois ramos.

As Redes Ópticas Elásticas (EON) têm sido consideradas como soluções promissoras para satisfazer as necessidades atuais por demanda de largura de banda. Isso ocorre devido à melhor eficiência espectral obtida por meio da utilização de tecnologias baseadas em grades flexíveis e alocação de larguras de bandas ajustáveis para serviços com demandas heterogêneas. Contudo, a implementação robusta e escalável de EONs passa pelo gerenciamento eficiente do roteamento e alocação de espectro, recursos de rede e qualidade dos serviços ofertados. Essa tarefa se torna primordial devido ao problema de fragmentação espectral resultante da necessidade de alocação de Unidades de slots de Frequência (FSU) de maneiras contíguas e contínuas aliada à natureza dinâmica dos processos de atendimento e liberação das conexões. As propostas comumente empregadas para lidar com o gerenciamento dos recursos de rede operam com o roteamento no nível do caminho óptico. Porém, os resultados publicados recentemente em um artigo considerando a normalização da carga da rede e sua relação com a utilização geral despertam o interesse pela caracterização da ocupação espectral dos enlaces para potenciais utilizações em métodos de gerenciamento de recursos de rede.

Neste trabalho foi analisada, pela primeira vez, a evolução de ocupação espectral em enlaces de uma EON com carga normalizada. Tal análise foi baseada no cálculo dos coeficientes diretamente relacionados ao nível de ocupação dos enlaces de uma EON sob topologia NSFNet com 14 nós e 21 enlaces bidirecionais. Adicionalmente, foi proposto um método de gerenciamento de rede utilizando limitação de tráfego de dados baseado no nível de ocupação dos enlaces fornecido pelos valores dos coeficientes de utilização calculados. Os impactos de tal técnica de gerenciamento de rede no desempenho da rede EON mencionada também foram analisados e discutidos. Os resultados indicaram que a estratégia de limitação de tráfego de dados considerada não é indicada para o gerenciamento de recursos de rede devido à elevada probabilidade de bloqueio de conexões observada. Essa degradação do desempenho geral da EON é decorrente tanto do impacto negativo que os enlaces com menor número de rotas exercem sobre os enlaces contendo maiores quantidades de rotas quanto dos níveis similares de utilização teórica e futura dos enlaces. Por outro lado, a análise acerca da evolução de ocupação do espectro nos enlaces com carga normalizada obtida pode contribuir significativamente para o desenvolvimento de novas metodologias de normalização de carga nos enlaces e, consequentemente, técnicas inovadoras de gerenciamento de desempenho em redes EON.

Não informado.

The IoT demands of a wireless protocol with a higher coverage area and low energy consumption motivate the development of the LPWAN networks. The LoRaWAN is one of the most recognized and used protocols in the sub-GHz non-licensed frequency band. The TheLoRaWAN networks use a star-of-stars topology with a central element responsible to receives the data from the other devices and forward them to a server that will connect the data to the applications. Besides the large coverage area provided by the LoRaWAN, many applications can find obstacles to transmit their data. Thus, the studies of multihop solutions have grown in the last years, focused on improvements to the LoRaWAN network’s performance. First of all, the presented work provides a survey on the research field with a classification of the related work according to new criteria proposed by the author. The classification includes a new devices nomenclature and a description of the multihop topologies. The related works, in general, are focused on providing a solution to a specific problem. The proposed work developed an analytical model for LoRaWAN multihop definition, including the energy consumption, throughput, packet delivery ratio, and delay models. Based on the proposed model, we provide an analytical evaluation of some scenarios and network configurations that uses relay nodes. The results show that the relay usage improves the network performance by decreasing the energy consumption and increasing the packet delivery ratio. The presented work includes the practical development and installation of a relay at the UFABC campus. The realized tests demonstrate the feasibility of the relay usage. The tests demonstrate the feasibility of the relay usage. The tests results show the relay increases the coverage area, and the RSSI data indicate that it is possible to decreases the transmission power of the devices that uses the relay, resulting in energy consumption decreasing. Considering the analytical and practical results presented, we can conclude the usage of a relay brings benefits to the theLoRaWAN network.

In recent years, the development and popularization of the Internet of Things have allowed spatial-temporal fine-grained data for agriculture, which favored the advancement of data-driven approaches and the deepening of precision agriculture. In this context, this work investigates and contributes to state-of-the-art specifically in water need estimation for IoT-based precision irrigation. For that, we first survey the area and each of their key subjects, build up a graph-shaped map to guide solution designers, and investigate and extrapolate research trends. After, we recognize that data quality is an issue to machine learning approaches applied to IoT data, addressing possible solutions. Finally, we test the feasibility of machine learning approaches to water need estimation based on soil moisture forecast in a real case with a 2–4-year history of 12 fields from 4 farms of diverse geographic and climatic characteristics, with 55 crops from 8 different crop types. We show that machine learning is a promising alternative to traditional approaches, and we also provide a guide for machine learning-based soil moisture forecast modeling.

Sistemas de transmissão simultânea de potência e informação sem fio (do acrônimo inglês, SWIPT) são uma das soluções propostas para a utilização em redes de sensores sem fio, tornando-os totalmente ou parcialmente independente de cabos e/ou baterias. Apesar dacrescente demanda de artigos de SWIPT, pouco se debate sobre projetos de hardwares nessa área. Visando preencher essa lacuna, esse trabalho contempla o projeto, síntese e comparação de arquiteturas de recepção baseados em SWIPT em estruturas planares de baixo custo utilizando as bandas de comunicações móveis em 1,8 GHz para comunicação e ISM de 2,4 GHz para harvesting de energia out-of-band. Nesse trabalho são apresentadas as antenas patch dupla e a Dual-Output Quasi-Yagi (DOQY) como arquiteturas do tipo Separated Receiver e Power Splitting, respectivamente. É apresentado também um dispositivo divisor de potência baseado em frequência que integra a DOQY, que se mostra uma alternativa mais eficiente para sistemas de harvesting out-of-band de arquitetura Power Splitting se comparado aos divisores de potência convencionais. Os resultados preliminares apontam um desempenho satisfatório da patch dupla, apresentando bom isolamento entre portas e Pout = 17 uW. A antena DOQY apresentou ganho de 70% em relação a uma antena Quasi-Yagi de mesmas dimensões (QYref), e o mesmo desempenho no quesito harvesting. O desempenho em 1.8 GHz foi elevado a 81% da QYref quando o retificador foi adicionado na sua respectiva porta. Os resultados apresentados pela DOQY a credenciam a topologia de sistemas SWIPT com harvesting out-of-band. 

Os Veículos Aéreos Não Tripulados (VANTs) foram inicialmente utilizados em
aplicações militares, mas têm se tornado cada vez mais populares em aplicações civis
dado o avanço da tecnologia na miniaturização dos componentes e minimização dos
custos. Entretanto, os VANTs possuem limitações em sua capacidade de operação
dadas pela baixa capacidade energética e restrições cinemáticas, que limitam a
autonomia e manobrabilidade do veículo. Portanto, o método de planejamento de
trajetória para VANTs deve considerar essas limitações, encontrando trajetórias que
respeitem os limites cinemáticos, tenham comprimento minimizado e visitem múltiplos
waypoints. Os métodos encontrados atualmente são capazes de encontrar trajetórias
válidas para VANTs, mas não fazem minimização do comprimento, ou são incapazes
de encontrar a trajetória para múltiplos waypoints. Este trabalho apresenta o TEvol, um
algoritmo capaz de encontrar trajetórias que respeitem os limites cinemáticos de
curvatura, torção e inclinação para múltiplos waypoints com comprimento minimizado.
Além disso, o TEvol também pode considerar restrições cinemáticas de Velocidade e
Fator de carga baseadas no diagrama V-n específico de um VANT, o que pode
proteger o veículo de falhas estruturais e estolagem. No TEvol, as trajetórias são
modeladas como curvas de Bézier e otimizadas utilizando um algoritmo genético de
otimização multiobjetivo baseado em seleção não dominante denominado NSGAII. Os
resultados mostram que o algoritmo é capaz de encontrar trajetórias que visitem
múltiplos waypoints respeitando as restrições de curvatura, torção e inclinação, ou as
restrições de velocidade e fator de carga, e também todas as restrições
simultaneamente. Foram encontradas trajetórias válidas em até 81.66% dos
experimentos realizados.

Devido à facilidade de acesso a hardwares de alto desempenho, há um crescimento exponencial da utilização dos algoritmos e das técnicas de aprendizado de máquina nos últimos anos. Em paralelo a isso, o acesso à Internet tem se popularizado e a prova disso é que estamos cercados de dispositivos inteligentes como televisores, celulares, assistentes pessoais e outros dispositivos portáteis, como relógios, por exemplo. Além disso, vários equipamentos industriais de baixo custo e com hardware simples para aplicações específicas, como dispositivos de monitoramento ambiental, controles remotos e câmeras, começam a ser dotados de acesso à Internet, o que possibilita a utilização de algoritmos de aprendizado de máquina, rodando em um servidor ou cluster externo (na nuvem), para análise dos dados obtidos. Com este cenário, é útil saber quais são as restrições para execução dos algoritmos de aprendizagem de máquina em hardware de baixo custo, bem como os respectivos desempenhos. Isto se faz necessário, pois nem sempre é possível processar os dados coletados por estes dispositivos em equipamentos de maior poder de processamento. Neste trabalho, é proposta uma avaliação de alguns algoritmos de aprendizado de máquina, analisando as necessidades para execução destes algoritmos, implementando em um conjunto de hardwares de uso comum do mercado, efetuando comparativos e análise do uso do algoritmo com o hardware.

Diagnósticos de diferentes tipos de câncer podem ser confirmados por análises microscópicas de amostras de tecido retiradas do corpo do paciente. Com a digitalização dessas amostras, é possível obter as chamadas imagens histológicas, que permitem o desenvolvimento de sistemas computacionais que auxiliem patologistas na definição de diagnósticos. Entretanto, essas imagens podem sofrer variações de cores que podem prejudicar o desempenho de métodos computacionais de processamento de imagens histológicas. Para corrigir essas variações, técnicas de normalização são utilizadas para ajustar as cores das imagens. Neste trabalho, são propostos novos algoritmos para a normalização de imagens histológicas coradas com hematoxilina e eosina, corantes comumente utilizados em práticas clínicas. Para isso, conceitos biológicos e dos corantes foram utilizados para estimativas de matrizes de aparência de cores dos corantes e mapas de densidade dos corantes. As matrizes estimadas definem as cores dos corantes no espaço RGB, e os mapas estimam a quantidade de cada corante representada pelos pixels das imagens. Após realizar essas estimativas para as imagens original e de referência, a matriz de referência é combinada ao mapa original para que as cores da imagem de referência sejam transferidas para a imagem original, enquanto a representação de suas estruturas são preservadas. Esta proposta foi avaliada em imagens histológicas de diferentes tipos de câncer, com evidentes variações de cores, demonstrando resultados relevantes pelos critérios de avaliação utilizados. Métricas quantitativas indicaram o bom desempenho do método proposto em comparação a técnicas já publicadas na literatura. Entre essas avaliações, destaca-se o alto desempenho desta proposta para representação da eosina, sua vantajosa aplicação para os resultados da segmentação e da classificação de imagens histológicas, e sua alta eficiência computacional.

Neste trabalho investigamos a aplicação de um protocolo para estudar perturbar estrturas protéicas por meio dos ângulos diedrais (Cα e Cβ) do backbone localmente por meio de janelas deslizantes ao longo da sequência da macromolécula.   Esse tipo de protocolo pode ser útil  no estudo de estabilidade de proteínas e no estudo de processos de mudança conformacional. O protocolo é inspirado na MDeNM (Molecular Dynamics with excited Normal Modes), na qual a excitação é calculada  a partir dos ângulos diedrais ao invés de  modos normais. As duas etapas fundamentais são: i)  excitação por meio de perturbação dos diedros e a ii) a perturbação é feita através do método de janelas deslizantes. A primeira etapa está relacionada com varredura local do espaço conformacional, e a segunda está associada com uma maior contribuição dos primeiros vizinhos para estabilidade local. Para validação do protocolo, aplicamos a nova metodologia a 4 sistemas: SH3, mioglobina, lisozima e Prion. As três primeiras são amplamente utilizadas na validação de novas metodologias por possuir suas propriedades estruturais e termodinâmicas bem caracterizadas. A comparação com  dados experimentais e teóricos (in silico) indicou que esse novo protocolo é capaz  de prever regiões estáveis e não estáveis.

A crescente demanda por largura de banda por parte dos usuários da rede mundial de computadores tem gerado mudanças na abordagem do uso do espectro das redes ópticas, que atualmente constituem o principal meio de transmissão de dados por longas distâncias. Sendo assim, as Redes Ópticas Elásticas surgiram com o objetivo de aumentar a eficiência de uso do espectro, por meio da alteração da grade de frequências igualmente espaçadas, legada pelas redes ópticas baseadas em Multiplexação por Divisão de Comprimento de Onda desde a virada do século. Uma das questões de pesquisa em Redes Ópticas Elásticas tem relação com o problema da atribuição de rota, espectro e modulação pelos enlaces que constituem a rede. Este trabalho tem o objetivo de estudar o problema de atribuição de espectro nesse contexto, modelando matematicamente um enlace avulso que recebe múltiplas classes de requisições por slots em uma Rede Óptica Elástica. O enlace avulso foi estudado tanto sob tráfego incremental como dinâmico utilizando duas abordagens analíticas diferentes, com a intenção de desenvolver políticas e algoritmos de atribuição de espectro capazes de gerar eficiência espectral e imparcialidade entre os serviços que compartilham a rede. No caso do tráfego incremental, foi adotada uma abordagem baseada em programação dinâmica, admitindo tanto políticas vorazes como não-vorazes de alocação a fim de obter algoritmos capazes de minimizar a ociosidade esperada do sistema até a exaustão do espectro. Foram obtidos algoritmos capazes de prevenir impasses durante a ocupação do espectro sempre que possível, bem como promover a minimização da ociosidade esperada até a exaustão completa do espectro.

No contexto dos sistemas sujeitos a tráfego dinâmico, a abordagem analítica foi baseada no uso de cadeias de Markov em tempo contínuo. As dependências tanto da ocupação espectral como da vazão com o perfil do tráfego foram analisadas, considerando seus efeitos sobre a probabilidade de bloqueio e sobre a receita potencial, respectivamente. A reversibilidade das cadeias associadas ao enlace desfragmentado foi demonstrada, e o aparecimento de estados assintóticos ineficientes associados à forte incidência de parcialidade associada ao congestionamento da rede foi identificada. Foi proposta uma solução para este problema, baseada no truncamento das correspondentes cadeias de Markov reversíveis com o fim de eliminar os estados parcialmente bloqueantes, identificados como os únicos responsáveis pela parcialidade do sistema. Foi possível caracterizar a penalidade de eficiência associada à eliminação total da parcialidade tanto no congestionamento como fora dele, bem como as penalidades associadas à mitigação da parcialidade. Finalmente, os métodos estudados foram usados num ensaio de validação cruzada entre um simulador e um enlace irreversível sujeito à fragmentação espectral, com vistas à futura extensão dos resultados através de futuras simulações sobre instâncias analiticamente intratáveis.

Atualmente, um dos desafios enfrentados pelas empresas, em especial as grandes cadeias varejistas, é o de administrar o crescimento da sua organização, de modo estruturado e sustentável.

Uma das muitas formas de propiciar este crescimento é melhorar a performance da operação atual e explorar oportunidades de expandir o negócio.

Infelizmente a busca pela melhoria operacional não funciona como uma panaceia ministrada de modo igualitário, curando todos os problemas e obtendo os mesmos resultados de todos. Muito pelo contrário, a melhoria operacional está relacionada a planos, metas e ações isonômicas, que devem levar em consideração as características e necessidades de cada indivíduo.

Neste caso, para gerir de modo estratégico, uma ferramenta aplicada a gestão de portfólios é a matriz BCG.

Ocorre que, em determinadas organizações, o conhecimento fica preso a pessoas e se perdem ao longo do tempo. Somando a isso, mudanças e evoluções no mercado podem descaracterizar as condições e premissas iniciais e a classificação.

Assim, o presente trabalho visa entregar uma proposta que avalie a fatores relevantes que expliquem a atual classificação, considerando variáveis atuais, aplicando de indução de regras de classificação de arvore de decisão

O modelo proverá critérios para entender os fatores relevantes usados nesta classificação para que, então, se possa avaliar os grupos e seus elementos, permitindo que sejam tomadas ações mais efetivas sobre as lojas a fim de melhorar sua performance ou tomar a decisão de encerrar a operação.

Nesta esteira, espera-se aplicar a mesma metodologia para extrair regras dos grupos alvo desejados (estrela e geradoras de caixa) a fim de obter um modelo mercadológico, apenas com variáveis ambientais, que possa mitigar o risco de insucesso na escolha de novas localizações.

Algoritmos de roteamento baseados em Otimização por Colônia de Formigas (Ant Colony Optimization - ACO) são especialmente vulneráveis a falhas bizantinas, em que nós autenticados se comportam de maneira arbitrária e comprometem o funcionamento do roteamento da rede. Neste trabalho, avaliamos o uso de extensões de rerroteamento crankback associados ao algoritmo ACO para gerenciar falhas bizantinas que afetam muitos nós de uma rede óptica comutada por comprimento de onda. Para tanto, foram utilizados os seguintes tipos de falhas bizantinas, que não podem ser resolvidas apenas com o uso de mecanismos de integridade ou autenticidade: desorientação das formigas no caminho de ida, descarte de formigas no caminho de ida e descarte de formigas no caminho de volta.

As simulações realizadas demonstraram que o mecanismo de rerroteamento crankback pode efetivamente mitigar o impacto na probabilidade de bloqueio da rede causado por múltiplas falhas bizantinas sem requerer um aumento signficativo no comprimento ou no tempo de estabelecimento dos caminhos ópticos.

A mobilidade urbana tornou-se um problema relevante nas metrópoles, dentro do contexto de cidades inteligentes. Um aspecto fundamental da análise de malhas de transporte é identificar os nós que são mais importantes na rede, por algum critério adequado. Neste trabalho, propõe-se uma modificação no cálculo da centralidade de intermediação, visando aplicá-la numa rede representativa da malha de transporte sobre trilhos na região metropolitana de São Paulo. Pondera-se os pesos dos menores caminhos pelo fluxo de passageiros. A partir de dados da Secretaria de Transportes Metropolitanos, faz-se uma análise da evolução do transporte sobre trilhos na região vislumbrando-se seu desenvolvimento futuro.

As Redes de Sensores sem Fio (WSN, do inglês Wireless Sensor Network) possuem um papel significante no desenvolvimento da Internet das Coisas e a adoção do conceito de Redes Definidas por Software (SDN, do inglês Software Defined Network) nas redes de sensores sem fio é vista como uma solução com grande potencial para tratar os desafios das redes de sensores sem fio, principalmente com relação as restrições deste ambiente. A utilização destes dois conceitos define um novo paradigma denominado de Rede de Sensores sem Fio Definida por Software (SDWSN, do inglês Software Defined Wireless Sensor Network). Além destes desafios que devem ser tratados neste novo paradigma, também temos as questões relacionadas com a segurança da informação, que apesar de termos vantagens advindas do uso da SDN na WSN, as preocupações com as ameaças de segurança relacionadas tanto com a WSN quanto com a SDN ainda persistem neste novo paradigma. Este trabalho tem como objetivo aplicar conceito de SDN na WSN e avaliar o comportamento desta rede com relação a potenciais ataques de segurança. Para realização deste trabalho foram selecionados dois tipos de ataque de segurança mais relevantes aos nós sensores, um ataque do tipo "Selective Forwarding" e outro do tipo "Flooding". Para avaliação do comportamento da rede, foi utilizado o simulador COOJA/Contiki e a ferramenta IT-SDN para implementação da SDN em uma WSN, onde foram realizadas simulações em diversos cenários, alterando a posição do nó malicioso, a quantidade de nós malicioso e o tipo de ataque de segurança. Para análise dos resultados foram utilizadas as métricas de consumo de energia, taxa de entrega de pacotes e o atraso na entrega de pacotes. Os resultados deste trabalho indicaram que cada tipo de ataque de segurança impacta de forma diferente no comportamento da rede e que a posição do nó malicioso e a quantidade de nós maliciosos na rede, também influenciam diretamente no impacto que o ataque pode ter no comportamento da rede. 

Não informado.

O atual modelo de Redes Ópticas que utiliza Multiplexação por Divisão de Comprimento de Onda (WDM) vem se mostrando insuficiente para atender a demanda de tráfego advinda de serviços como IPTV, vídeos por demanda, ligações de vídeo em tempo real, entre outros, a qual aumenta em cerca de 30% por ano. Uma das soluções mais promissoras para prolongar a vida útil das atuais Redes Ópticas sem que haja a necessidade de alterar a estrutura já instalada são as Redes Ópticas Elásticas (EON). As EONs aproveitam melhor o espectro utilizado ao realizar uma melhor segmentação das larguras de banda, alocando-as de acordo com as necessidades de tráfego. Com essa nova tecnologia, há o problema de Roteamento e Alocação de Espectro (RSA), que envolve a escolha de uma rota e alocação de espectro para cada requisição. Neste trabalho foi proposto o uso de um algoritmo de roteamento baseado em Otimização por Colônia de Formigas (ACO) para resolver o problema do RSA, comparando-o com algoritmos de roteamento do tipo fixo-alternado e adaptativo. Com as simulações computacionais realizadas neste trabalho foi possível observar que o algoritmo ACO proposto permitiu a diminuição da probabilidade de bloqueio de banda e alcançou bons níveis de capacidade de restauração da rede após falhas simples de nós ou enlaces. Também exibiu tempo de estabelecimento ou de restauração de conexões compatíveis com as outras técnicas estudadas neste trabalho, além de ter mantido níveis similares de informação do estado da rede disseminada por meio dos canais de controle.

Nos últimos anos, tem havido uma onda crescente na implementação de geradores termoelétricos para os mais diversos fins. Embora estes dispositivos não são tão eficientes quanto desejado, podem ser implementados para o aproveitamento da energia térmica em assuntos que envolvem conceitos da Internet das coisas (do termo em Inglês IoT Internet of Things) e a ativação de redes de sensores de baixo consumo energético. No entanto, modelos apropriados para este tipo de geradores precisam ser construídos de forma a projetar adequadamente o sistema eletrônico associado. Metodologias de modelagem clássicas podem ser usadas para esta finalidade, mas a tarefa pode tornar-se tediosa e ainda o desempenho do modelo pode estar muito abaixo do desejado. Contudo, recentes pesquisas na areia da computação evolutiva, permitiram a formulação de novas alternativas de estimação de modelos simplificados, que conseguem reproduzir os comportamentos de fenômenos que outrora eram difíceis de serem explicados mediante o uso das técnicas de modelagem convencionais. Este trabalho visa estabelecer uma nova metodologia para determinar as equações que governam os dispositivos termoelétricos, partindo de um conjunto de dados de Entrada/Saída. Um dos componentes da metodologia envolve conceitos de Programação Genética baseados em Regressão Simbólica, uma vez que se pretende selecionar entre milhares de estruturas não somente àquela mais simples, mas também seu conjunto parâmetros correspondente. Os modelos resultantes são do tipo não-lineares auto-regressivos com entradas externas (NARX do termo em Inglês Nonlinear Auto-Regressive with eXogenous Inputs) no tempo discreto, obtidos com base na evolução temporal das variáveis de estado. Para conferir o potencial da metodologia proposta, são apresentados vários modelos distintos para o mesmo sistema sob análise, que conseguem reproduzir todas as dinâmicas do sistema, na sua forma original.

nihil

nihil

nihil

nihil

nihil

--

Não informado

nihil

nihil

Análise de desempenho em redes ópticas elásticas operando com algoritmos para alocação eficiente de espectro

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