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 Modelos de recomendação sensível ao contexto em ambientes de comunicação aumentativa alternativa: naive bayes, redes neurais e aprendizagem federada(2025-03-19) Nascimento, Fabio Augusto Souza do; Nascimento, André Câmara Alves do; http://lattes.cnpq.br/0622594061462533; http://lattes.cnpq.br/2170186670973508A inteligência artificial (IA) está presente em diversos setores da sociedade, promovendo constantes avanços tecnológicos e sociais. Um dos subconjuntos da IA é a aprendizagem de máquina (AM), que possibilita aos computadores aprenderem e evoluírem com base em dados. O conhecimento obtido por meio desse processo auxilia em diferentes áreas, desde a análise e interpretação de informações até a usabilidade de aplicativos. Compreender o funcionamento e as possibilidades dessa ferramenta pode ser um ativo valioso. Entre as múltiplas aplicações possíveis, a AM desempenha um papel importante na comunicação aumentativa e alternativa (CAA), auxiliando indivíduos que apresentam dificuldades nessas interações por meio de aplicativos. Essas aplicações estão em constante evolução e, com as inovações tecnológicas, possibilitam o desenvolvimento de sistemas capazes de compreender o ambiente em que uma pessoa está inserida e oferecer recomendações personalizadas aos usuários. Este trabalho investiga o uso dos Sistemas de Recomendação Sensível ao Contexto (SRSC) em aplicações da CAA, considerando as características individuais dos usuários com base em seus dados e contexto. São utilizados modelos de IA, tais como Naïve Bayes (NB), Redes Neurais Artificiais (RNA) e Aprendizagem Federada (AF), para comparar diferentes abordagens e avaliar sua capacidade de fornecer resultados relevantes. A partir dos experimentos realizados, foi possível verificar que modelos personalizados demonstram melhor desempenho em relação a abordagens globais, oferecendo recomendações mais relevantes aos usuários finais. Nesse sentido, a personalização e o uso de variáveis contextuais podem melhorar significativamente a experiência de pessoas que dependem de CAA, aumentando a agilidade e a assertividade da comunicação.Item Optimization of public transport networks by considering alternative positions for network stations(2024-02-20) Montarroyos, Ingo Porfírio Pastl; Araújo, Danilo Ricardo Barbosa de; http://lattes.cnpq.br/2708354422178489; http://lattes.cnpq.br/3644210138447014Nowadays, the planning of metropolitan areas considers improving the quality of life of inhabitants and urban mobility is one of the main concerns. Studies point out that investments in public transportation and other modes are aimed at the overall improvement of mobility. However, there is a gap in proper tools for optimizing public transport networks. In fact, network optimization is an NP-Hard problem and there are usually many conflicting objectives that need to be optimized simultaneously. This paper proposes the use of manyobjective evolutionary algorithms to address the problem of public transport networks optimization, focusing on metropolitan bus lines. The proposal consists in optimizing the position of bus stops and consequently obtaining new routes that pass through these stops in order to minimize the average travel time, the time spent between origin / destination and the variance of distance between the stops. To evaluate our proposal, a simulator was used to simulate the behavior of different passenger profiles in an urban area and the results were compared between the lines obtained by the optimization process and existing bus lines in the city of São Paulo. According to our results, optimized bus routes have mean travel time 22% less than the existing route and the time spent between origin/destination has decreased up to 18%.