TCC - Bacharelado em Ciência da Computação (Sede)
URI permanente para esta coleçãohttps://arandu.ufrpe.br/handle/123456789/415
Navegar
2 resultados
Resultados da Pesquisa
Item Avaliação da performabilidade do sistema ferroviário da região do Recife(2024-03-08) Santos Júnior, Rodemarck Melo dos; Callou, Gustavo Rau de Almeida; http://lattes.cnpq.br/3146558967986940; http://lattes.cnpq.br/5274177344296463O sistema ferroviário da região do Recife possui capacidade para transportar aproximadamente 400 mil passageiros diariamente. Falhas diminuem drasticamente sua capacidade de transporte. Um exemplo de falha que ocorre frequentemente é a denominada falha de falsa ocupação. Falhas de falsa ocupação ocorrem quando o mecanismo de detecção de trens de parte do percurso apresenta defeito, obrigando o maquinista a assumir o controle manual, aumentando os riscos de acidentes. Uma das soluções é aumentar a capilaridade do sistema ferroviário a partir da adição de rotas alternativas. Nesse contexto, este trabalho propõe um conjunto de modelos para avaliação de desempenho e disponibilidade de sistemas ferroviários. Um estudo de caso utilizando o sistema ferroviário de Recife foi utilizado para mostrar a aplicabilidade dos modelos propostos, onde foi possível aumentar a disponibilidade do sistema em praticamente 50% com a adição de rotas alternativas, melhorando também as métricas de desempenho.Item Uma metodologia para a avaliação de desempenho e custos do treinamento de redes neurais em ambientes de nuvem(2024-03-07) Moura Filho, Cláudio Márcio de Araújo; Sousa, Erica Teixeira Gomes de; http://lattes.cnpq.br/9899077867723655; http://lattes.cnpq.br/8143173691280119Redes neurais profundas são soluções para problemas que envolvem reconhecimento de padrões e diversos trabalhos tentam encontrar maneiras de otimizar o desempenho dessas redes. Essa otimização necessita de hardware adequado para ser implementada, hardware esse que pode ser muito custoso para pequenas e médias organizações. O objetivo deste trabalho é propor uma metodologia para avaliar o desempenho e custo do treinamento de redes neurais, considerando os fatores mais impactantes no tempo de treinamento e avaliar o custo financeiro total do ambiente para essa tarefa. Nesse sentido, observou-se que fatores como o tamanho da imagem de entrada e a arquitetura da rede tem grande impacto na métrica de tempo de treinamento e por consequência no custo total.