Agenda de defesas Agenda de defesas

Voltar

Ciência da Computação promove três defesas amanhã (22)

Um dos temas são os impactos arquiteturais da introdução de gamificação em um sistema de software

O Programa de Pós-Graduação em Ciência da Computação realiza defesas amanhã (22). Confira abaixo os detalhes:

Mestrado

Aluno: Gabriel Ibson de Souza
Orientador: professor Leopoldo Motta Teixeira
Título: “Uma análise sobre os desafios e impactos arquiteturais da introdução de gamificação em um sistema de software: O estudo de caso VazaZika”
Hora/Local: 14h – Centro de Informática – anfiteatro
Confira a banca examinadora e o resumo da pesquisa

Aluno: Kelvin Batista da Cunha
Título: “Detecção de Objetos em 6-DoF em Tempo real Utilizando Técnicas de Aprendizagem Profunda”
Orientadores: professores Veronica Teichrieb e Francisco Paulo Magalhães Simões (IDPE)
Hora/local: 10h – Sala D220 – Centro de Informática
Banca avaliadora: professores Bruno Motta de Carvalho (DIMAp/UFRN), Germano Crispim Vasconcelos (CIn/UFPE) e Veronica Teichrieb (CIn/UFPE)

Resumo

Detecção e rastreamento em seis graus de liberdade (6-DoF, six Degree-of-Freedom) são problemas amplamente estudados na área de visão computacional. É possível encontrar aplicações que utilizam detecção 6-Dof em áreas como realidade aumentada, robótica, reconstrução, entre outros. As técnicas desenvolvidas podem utilizar diversos tipos de sensores, com prevalência na literatura de técnicas baseadas em sensores RGB ou RGBD. Para utilizar apenas informações RGB, houve um recente avanço com a utilização de técnicas baseadas em aprendizagem profunda. Para tal, os métodos propostos geralmente utilizam modelos mais complexos para lidar com a falta da informação de profundidade. Devido a isto, a performance do algoritmo é prejudicada, realizando, em alguns casos, a estimação de pose dependente de pós-processamento que prejudica o tempo de execução do algoritmo. Nesse contexto, esta dissertação visa avaliar a aplicabilidade das recentes técnicas de aprendizagem profunda para realizar a detecção de objetos 3D com 6 graus de liberdade. O principal objetivo é o desenvolvimento de uma técnica para estimação da pose em 6 graus de liberdade em tempo real utilizando apenas câmeras RGB com o uso de aprendizagem profunda, bem como avaliar as limitações e perspectivas de seu uso para identificação de oportunidades. Para alcançar o objetivo foi escolhido um método base para desenvolvimento, a partir das principais características obtidas na revisão da literatura. Os resultados foram validados através da utilização da base de dados pública Linemod. Em seguida, foram analisados detalhadamente seus pontos de robustez e falhas para diferentes cenários. Posteriormente, foi gerado um conjunto de dados para avaliar como o método se comporta para cenários genéricos, variando características de iluminação, ambiente, parâmetros de câmeras e inserindo objetos com superfícies reflexivas. Nestes cenários, o método conseguiu obter resultados compatíveis com o estado da arte para casos em que aparecem imagens borradas, ambientes poluídos e oclusão parcial do objeto. Para casos em que foram utilizadas imagens de diferentes câmeras de testes e mudanças de ambiente, o método obteve baixo desempenho. Para melhorar o comportamento da técnica nestes cenários, foi gerado um conjunto de imagens sintéticas, com adaptação do domínio e randomização do domínio. A utilização das imagens sintéticas possibilitou avaliar a potencial melhoria de precisão do modelo nos cenários genéricos.

Doutorado

Aluno: Ricardo Tavares Antunes de Oliveira
Orientador: professor Adriano Lorena Inácio de Oliveira
Coorientador: professor Tiago Alessandro Espínola Ferreira (UFRPE)
Título: “O Impacto do Número de Preditores no Desempenho de Comitês Baseados em Cópulas”
Hora/Local: 13h – Centro de Informática – auditório
Confira a banca examinadora e o resumo da pesquisa

Aluno: Andresson da Silva Firmino
Orientador: professor Ricardo Martins de Abreu Silva
Coorientadora: professora Valéria Cesário Times
Título: “Métodos de Otimização Aplicados ao Problema de Recuperação de Contêineres”
Hora/Local: 15h – Centro de Informática – Sala D224
Confira a banca examinadora e o resumo da pesquisa

Aluna: Renata Cristine de Sá Pedrosa Dantas
Orientador: professor Paulo Romero Martins Maciel
Título: “Modelos de Desempenho, Confiabilidade e Disponibilidade para o Planejamento de Sistemas de Transporte Público” 
Hora/local: 9h – Sala E113 – Centro de Informática
Banca examinadora: professores Djamel Fawzi Hadj Sadok (CIn/UFPE), Eduardo Antonio Guimarães Tavares (CIn/UFPE), Francisco Moraes de Oliveira Neto (DET/UFC), João Carlos Souza (ARQ/UFSC) e Ricardo Massa Ferreira Lima (CIn/UFPE)

Resumo

Grandes cidades têm, cada vez mais, enfrentado problemas devido ao grande volume de veículos o que acarreta em engarrafamentos e, consequentemente, perda de tempo e dinheiro, dado a falta de mobilidade urbana. O sistema de transporte público se apresenta como um componente essencial ao desenvolvimento de um país, no entanto, os países em desenvolvimento têm enfrentado diversos problemas. Este trabalho tem como objetivo o desenvolvimento de uma solução integrada, composta por modelos de desempenho, confiabilidade, disponibilidade e performabilidade para o planejamento de Sistema de Transporte Urbano de Média Prioridade (STUMP). A solução que se busca permitirá que os gestores, com base nos modelos descritos, possam avaliar melhorias nos fatores que envolvem: otimização do tempo de viagem, confiança ao usuário sobre o tempo de chegada e o caminho do veículo, o impacto que a falha provoca no desempenho do sistema, diminuição do tempo de espera dos passageiros, melhor relação entre intervalos de partidas e quantidade de veículos na via, entre outros fatores. Nesta tese, são apresentados os conceitos básicos sobre avaliação de desempenho, dependabilidade, modelagem analítica, bem como a composição dos Sistemas de Transporte, permitindo entender a aplicação de tais conceitos e possibilitar ao leitor uma visão global sobre o fundamento deste trabalho. O emprego de estudos de caso endossou a importância de modelos para planejar o sistema: eles podem capturar informações sobre a chegada ao destino, o tempo de viagem, as probabilidades de o passageiro desembarcar do veículo, além do processo de formação de filas no sistema, o que pode ajudar a desenvolver possibilidades de investimento e melhorias nos Stump. Esta tese se apresenta como um instrumento para melhorar os sistemas de forma contínua, servindo como apoio em processos de planejamento de sistemas de transporte.

Aluno: Marcelo Iury de Sousa Oliveira
Orientadora: professora Bernadette Farias Lóscio
Título: “Metadata Curation Framework for Data Ecosystems”
Hora/local: 9h – anfiteatro do Centro de Informática
Banca examinadora: professores Ana Carolina Brandão Salgado (CIn/UFPE), Carina Frota Alves (CIn/UFPE), Cláudia Maria Fernandes Araújo Ribeiro (IFRN), José Viterbo Filho (Instituto de Computação/UFF) e Sandra de Albuquerque Siebra (DCI/UFPE)

Resumo

O Ecossistema de Dados pode ser definido como uma rede sócio-técnica complexa que permite a colaboração entre atores autônomos para explorar dados. Esses ecossistemas fornecem um ambiente para criar, gerenciar e sustentar iniciativas de compartilhamento de dados. Existe um consenso geral quanto ao papel crucial que os metadados podem desempenhar em Ecossistema de Dados. No entanto, na maioria dos casos, o gerenciamento de metadados é subespecificado, se não for abordado de forma alguma. O emprego de uma estratégia de curadoria de metadados pode trazer sucesso ao ecossistema e assegurar a realização dos objetivos dos atores do Ecossistema de Dados. A curadoria de metadados abrange a criação e coleta de metadados, avaliação e seleção de metadados, garantia de qualidade, preservação de metadados e outras etapas do ciclo de vida, e também envolve vários sistemas de TI. Embora importantes, em geral, as atuais iniciativas de curadoria de metadados são uma mistura confusa de atividades, padrões, termos e vocabulários, métodos e ferramentas. As diretrizes referenciais forneceriam uma base para escolher termos e definições padrão, processos e práticas, papéis e responsabilidades, produtos e métricas para os profissionais de curadoria de metadados. Neste contexto, esta tese tem como objetivo propor um framework, denominado Louvre, que oferece uma ampla gama de processos para auxiliar na organização de metadados em Ecossistemas de Dados. Cada processo descreve um conjunto coerente de atividades de engenharia e gerenciamento relacionadas à curadoria de metadados. O Louvre também fornece um conjunto de práticas alinhadas com princípios de desenvolvimento ágil e de colaboração aberta para gerenciar o trabalho de curadoria através do esforço colaborativo de atores auto-organizados. Esta pesquisa também contribuiu para a área de Ecossistemas de Dados, mapeando o estado da arte na área. Além disso, contribui também para o entendimento de várias questões relacionadas à criação e manutenção de Ecossistemas de Dados. Destaca-se também a definição, formalização e modelagem de constructos essenciais relacionados a Ecossistemas de Dados.

Aluno: Ricardo Alves da Silva
Orientador: professor Ricardo Martins de Abreu Silva
Título: “Determinação de Recursos Minerais com Utilização de Otimização e Algoritmos de Aprendizado de Máquina”
Hora/local: 9h – Sala D222 – Centro de Informática
Banca examinadora: professores Cícero Garrozi (Departamento de Estatística e Informática/UFRPE), Giorgio Francesco Cesare de Tomi (Departamento. de Engenharia de Minas e Petróleo/USP), Júlio César de Souza (Departamento de Engenharia de Minas/UFPE), Robson do Nascimento Fidalgo (Centro de Informática/CIn) e Silvio de Barros Melo (CIn/UFPE)

Resumo

O investimento em pesquisa mineral é bastante oneroso e muitas vezes arriscado, tanto do ponto de vista da correta identificação da jazida em subsolo e do correto trabalho de sondagem, que é feito para conhecer a jazida e avaliar a sua viabilidade econômica. Tendo como base a premissa de um país com um potencial extrativo de minerais ferrosos e não ferrosos. Surgiu o interesse em aplicar metodologias inovadoras e eficazes que possam dar um tratamento mais sofisticado e de fácil aplicação para os trabalhos de estimativa de recursos minerais. Não obstante, a combinação de praticidade e eficácia no processo de quantificação dos bens minerais, através de algoritmos de aprendizagem de máquina, é uma forma de tornar os procedimentos de tratamento dos dados de sondagem mais simplificado do ponto de vista operacional. As operações em pesquisa mineral são desenvolvidas por levantamento de solo ou perfuração na área de interesse e, a partir desses dados, é iniciado o estudo de identificação e quantificação de minerais no sólido mineralizado em análise. Para isso, é realizado um estudo geoestatístico utilizando o algoritmo de krigagem, para quantificar, em termos de teor mineral, os minérios existentes no subsolo estudado. Como o método da krigagem é estatisticamente paramétrico, apresenta algumas limitações quanto à modelagem matemática do corpo mineralizado e, em algumas situações, torna-se muito difícil associar um modelo para a análise variográfica do corpo mineral. Um estudo em Inteligência Artificial, especificamente Aprendizado de Máquina, leva a uma melhor percepção do problema de quantificação de minerais, pois, através de métodos não paramétricos, é possível entender a formação geológica do corpo mineralizado e, consequentemente, fazer uma estimativa melhor dos minerais existentes. Dentre os métodos utilizados, é possível destacar as Ensambles, uma vez que estas apresentaram resultados bastante significativos para o problema analisado. Espera-se que os problemas de pesquisa mineral sejam vistos de forma mais simplificada, bem como uma análise mais prática e efetiva dos dados da pesquisa.

Data da última modificação: 21/02/2019, 10:31