Um Algoritmo Multi-Start Iterated Greedy para o Problema de Roteamento de Veículos com Drones e Janela de Tempo
Aluno: Marcelo Ian Rezende Menezes
Orientadores: Lorenza Leão Oliveira Moreno, Luciana Brugiolo Gonçalves e Stênio Sã Rosário Furtado Soares.
Descrição: O roteamento de veículos em áreas urbanas combinando caminhões e drones propicia vantagens no processo de entrega de mercadorias, como a redução no tempo total de atendimento, redução do custo de transporte e da emissão de CO2, já que drones não fazem uso de combustíveis fósseis. Uma variação do problema de roteamento de veículos – VRP (Vehicle Routing Problem) onde se utiliza uma frota combinada de caminhões e drones e se considera janelas de tempo nos clientes, abreviada como VRP-DTW, é abordada neste trabalho. É proposto um algoritmo Multi-Start Iterated Greedy (MIG) combinado com Random Variable Neighborhood Descend (RVND). Os resultados preliminares são comparados com outras abordagens na literatura e demonstram que abordagem proposta é competitiva em termos de valor das soluções obtidas e em relação à eficiência de tempo computacional.
Modelagem matemática de tratamentos por hipotermia
Aluno: Davi Luís de Faria Rocha.
Orientador: Ruy Freitas Reis
Descrição: Visto que os tratamentos disponíveis atualmente para o câncer apresentam limitações significativas e podem causar efeitos adversos, é crucial buscar alternativas que possam abordar esse problema que afeta tantas pessoas ao redor do mundo de maneira efetiva. Portanto, este estudo se propõe a desenvolver um modelo numérico para avaliar o potencial do tratamento de tumores por hipotermia – o resfriamento da região afetada.
Uma estratégia para geração de modelos geométricos do concreto em mesoescala.
Aluno: Júlia Zoffoli Caçador
Orientador: Lahis Souza de Assis e Joventino de Oliveira Campos
Descrição: O concreto é um material compósito amplamente utilizado na indústria da construção civil, por suas características favoráveis ao emprego nos mais diversos elementos estruturais. Apesar de muito estudado, simular computacionalmente o comportamento do material frente a diferentes solicitações não é uma tarefa simples. Isso porque suas características microestruturais impactam diretamente em sua resposta macroscópicas. Assim, para que essas análises capturem a realidade, a consideração do material na mesoescala – na qual são distinguidas as fases agregado, argamassa e zona de transição interfacial, em geral – torna-se extremamente importante. Sendo assim, este trabalho pretende desenvolver uma ferramenta eficiente para gerar corpos de prova sintéticos de concreto a partir da curva granulométrica e do percentual de agregados, nos quais estes estejam aleatoriamente distribuídas na matriz de argamassa, para que análises posteriores possam ser realizadas com esses modelos geométricos.
Aprendizado de máquina aplicado à segmentação de imagens médicas do coração.
Aluno: Robert Gonçalves Vieira de Souza
Orientador: Joventino de Oliveira Campos e Luiz Maurílio da Silva Maciel
Descrição: A miocardite é a inflamação do músculo cardíaco, frequentemente causada por infecções virais como hepatite B, hepatite C, parvovírus e COVID-19. Essa condição pode afetar o ritmo cardíaco e os processos elétricos do coração, levando a arritmias. O diagnóstico tradicional da miocardite é feito através de uma biópsia endomiocárdica, que, embora eficaz, é um procedimento invasivo. A ressonância magnética cardíaca (RMC) oferece uma alternativa não invasiva, mas sua precisão diagnóstica depende de imagens de alta resolução e de uma análise detalhada.
Para melhorar o diagnóstico precoce, propõe-se o uso de redes neurais convolucionais (CNNs) para analisar imagens de RMC e identificar a presença de miocardite. Essa alternativa usando Machine Learning pode aumentar a precisão e a velocidade do diagnóstico, permitindo intervenções médicas mais rápidas e eficazes. Além disso, futuros desenvolvimentos podem incluir a criação de uma classe “Outras Patologias” para distinguir miocardite de outras doenças cardiovasculares. Em resumo, o uso de CNNs pode servir como uma ferramenta não invasiva crucial no diagnóstico de miocardite, contribuindo para tratamentos precoces e melhorando os resultados para os pacientes.
Detecção de estresse em tempo real usando dispositivos IoT e aprendizado profundo
Alunos: Luiz Gustavo Ferreira Nazareth e Rubia Danielle Viol
Orientador: Victor Stroele
Descrição: A pesquisa explora a detecção de estresse em tempo real utilizando dispositivos IoT e aprendizado profundo. Dados fisiológicos, como frequência cardíaca, são coletados por pulseiras inteligentes e processados por um modelo de aprendizado de máquina, especificamente redes neurais recorrentes (LSTM). A arquitetura utiliza o paradigma Edge-Fog-Cloud e Lambda para garantir eficiência no processamento. O sistema gera notificações personalizadas para auxiliar os usuários na identificação e redução do estresse, promovendo saúde e bem-estar.
Previsão de Preços Horários do PLD com Fatores Climáticos e Sazonais
Aluno: Pedro Nalon Moraes
Orientador: Rodrigo Barbosa de Santis
A previsão de preços horários do PLD no Brasil apresenta desafios devido à variabilidade climática e à interdependência entre fontes de geração renovável e a demanda. Modelos tradicionais de previsão, como ARIMA e SARIMA, têm limitações na captura de padrões complexos e não lineares. Recentemente, métodos baseados em redes neurais e aprendizado profundo têm mostrado resultados promissores, mas a integração de fatores climáticos e sazonais nesses modelos ainda é um campo pouco explorado no contexto brasileiro.
O objetivo Geral é desenvolver um modelo preditivo de preços horários do PLD, utilizando redes neurais e técnicas de aprendizado profundo, que incorpore variáveis climáticas e sazonais. Já os objetivos específicos são coletar e organizar dados históricos do PLD, dados climáticos (temperatura, precipitação, radiação solar) e dados de geração renovável (hidrelétricas e usinas solares), comparar métodos tradicionais (ARIMA, SARIMA) com modelos baseados em redes neurais, como LSTM e Transformers, avaliar o impacto de fatores climáticos na acurácia das previsões de PLD e validar o modelo preditivo utilizando métricas de erro e simular cenários de previsão em diferentes condições climáticas e sazonais.
Serious game for Attention Improvement.
Aluno: Augusto de FIlippo Cavalini
Orientador: Heder Soares Bernardino
Descrição: Interfaces Cérebro-Máquina (BCI) são equipamentos utilizados para interpretação de sinais cerebrais com base nos sinais elétrico emitidos pelo cérebro. Os sinais são coletados por um eletroencefalograma (EEG) e posteriormente analisados e classificados por um código que seleciona alguma característica a ser estudada. Uma possível característica de ser estudada é o nível de atenção de uma pessoa. Com base na classificação da atenção de uma pessoa é possível criar um jogo que encoraje a atenção ou desencoraje a falta de atenção, esse tipo de jogo pode ser utilizado no treinamento de atenção para pessoas no espectro autista, pessoas com déficit de atenção, ou qualquer pessoa que queira treinar sua atenção.
Detecção de Anomalias e Picos no PLD para Suporte à Decisão
Aluno: João Arthur Vieira
Orientador: Rodrigo Barbosa de Santis
Descrição: O Preço de Liquidação das Diferenças (PLD) é um dos principais indicadores do mercado de energia brasileiro, refletindo o custo marginal de geração no mercado de curto prazo. Devido à variabilidade climática e à dinâmica do sistema elétrico, o PLD pode apresentar anomalias e picos inesperados, que geram riscos financeiros para os participantes do mercado. Este projeto visa desenvolver uma metodologia para a detecção de anomalias e picos no PLD, utilizando técnicas de aprendizado de máquina e análise de séries temporais, com o objetivo de fornecer um suporte à decisão para os agentes do mercado de energia.
Estratégias de Operação com Sistemas Híbridos (Solar + Baterias) no mercado PLD.
Aluno: Gabriel Andrioli Fonseca
Orientador: Rodrigo Barbosa de Santis
Descrição: A geração solar enfrenta desafios relacionados à variabilidade e intermitência da produção, principalmente em horários de pico ou em períodos de baixa radiação. Para mitigar essas limitações, a combinação de sistemas híbridos de geração solar com baterias surge como uma solução estratégica. A utilização de baterias para armazenar energia gerada durante o dia e liberar à noite ou em períodos de alta demanda pode otimizar a operação e maximizar a receita no mercado de Preço de Liquidação das Diferenças (PLD). Este projeto visa desenvolver estratégias operacionais para sistemas híbridos, considerando as flutuações do PLD e a viabilidade econômica da operação desses sistemas.
As baterias de armazenamento oferecem uma solução potencial para equilibrar a oferta e demanda, mas a gestão eficiente da carga e descarga das baterias, em conjunto com a previsão do PLD, é um desafio técnico e econômico. Além disso, a análise de viabilidade financeira de sistemas híbridos (solar + baterias) no contexto do mercado de energia brasileiro ainda é limitada.
Modelagem computacional do impacto de oficinas de lógica e programação como preparação para OBI em alunos do ensino fundamental e médio.
Aluno: Mell Feital Rocha
Orientador: Bárbara de Melo Quintela
Descrição: Utilização de modelagem computacional para compreender o impacto do ensino de pensamento computacional, programação e lógica matemática, através das notas dos alunos, com foco especial nas alunas do ensino fundamental e médio.
Modelagem computacional da inflamação associada ao envelhecimento
Aluno: Samuel Nascimento Barbosa
Orientador: Bárbara de Melo Quintela
Descrição: O envelhecimento populacional resultará em um aumento significativo de doenças relacionadas à idade, impulsionado pelo declínio do sistema imunológico (imunossenescência) e pelo estado inflamatório crônico (inflammaging), que são agravados pelo estresse e pelos altos níveis de cortisol. Esse hormônio, embora essencial para a regulação da glicose e resposta ao estresse, quando em excesso pode comprometer a imunidade e contribuir para o desenvolvimento de doenças crônicas. Diante da complexidade dessas interações biológicas, a modelagem computacional se destaca como uma ferramenta poderosa para representar e estudar esses fenômenos, permitindo a realização de simulações eficientes e econômicas. Este projeto dá continuidade a uma pesquisa anterior sobre a modelagem matemática do sistema imuno-endócrino, buscando aprimorar o modelo existente, otimizar seu desempenho computacional e armazenar parâmetros e resultados em banco de dados. Com isso, pretende-se realizar simulações de longo prazo, aprofundar a compreensão dos efeitos do envelhecimento sobre a imunidade e testar novas hipóteses relacionadas ao impacto do cortisol na resposta imunológica.
Finalizados
Ampliação das metodologias de avaliação em Interfaces Cérebro-Máquina.
Aluno: Gabriel Henrique de Souza
Orientador: Heder Soares Bernardino
Descrição: Interfaces Cérebro-Máquina (BCI) são sistemas que permitem a comunicação direta entre o cérebro e algum componente eletrônico. Quando uma pessoa executa uma determinada tarefa mental, a BCI consegue traduzir o comando sem que a pessoa o diga explicitamente.
Para que as BCI funcionem corretamente, elas necessitam de algumas etapas:
* Coleta do sinal cerebral – normalmente feita com um eletroencefalograma (EEG).
* Processamento e classificação do sinal.
* Execução da tarefa traduzida do cérebro.
* Observação da tarefa sendo executada por parte da pessoa.
E para que a pessoa possa usar a BCI de maneira proveitosa, é preciso levar em conta:
A taxa de acerto da BCI
* O atraso para executar cada comando
* O tempo que leva para a BCI aprender a traduzir o sinal
* Quanto tempo a pessoa precisa usar a BCI
* Qual o custo de produção e manutenção dos equipamentos
* Como a BCI se comporta com diferentes pessoas
Nesse trabalho, nós estamos avaliando as métricas atuais e desenvolvendo novas métricas para avaliar a qualidade de uma BCI.
Levando em consideração outras características além da taxa de acerto do modelo – que é a principal métrica usada nos trabalhos de BCI.
Filtro espacial para Interface Cérebro Máquina
Aluno: Hiero Henrique Barcelos Costa
Orientador: Heder Soares Bernardino
Descrição: Interface Cérebro Máquina consiste na tradução de um sinal cerebral para seu uso em algum dispositivo externo. Entre as formas de coleta do sinal cerebral, o eletroencefalograma é o equipamento mais utilizado por ser não-invasivo e portátil.
Porém, por ser um equipamento não invasivo, ele é muito mais suscetível a ruídos. Não só isso, como o sinal é coletado do couro cabeludo, não se sabe dizer ao certo qual a fonte desse sinal no espaço cerebral. Nesse contexto, é necessário haver a filtragem desse sinal para tanto melhorar o signal-to-noise ratio (SNR) quando certificar a origem desses sinais para que o comportamento cerebral sendo coletado possa ser interpretado com mais clareza.
Data Augmentation Methods for Delay Reduction in Brain Computer Interface.
Aluno: João Stephan Silva Maurício
Orientador: Heder Soares Bernardino
Interfaces Cérebro-Máquina (BCI) conectam o pensamento humano a dispositivos eletrônicos sem uso de músculos. O eletroencefalograma (EEG) é comumente usado em BCI por ser não invasivo e fácil de aplicar, embora possua muito ruído e demande várias etapas para classificar o sinal cerebral. Diversos métodos foram propostos para BCI, como FBSCP, SEE, CSP, SFGP, EEGNET e geometria Riemanniana. Devido à natureza do problema, há um atraso de 2 a 2,5 segundos entre o pensamento e a classificação, o que é problemático para aplicações em tempo real. Além disso, cérebros e sinais cerebrais variam entre indivíduos, exigindo a criação de um modelo específico para cada usuário, o que demanda tempo e esforço. Métodos de aumento de dados podem reduzir o tempo para criar conjuntos de treinamento, mas não diminuem o atraso de classificação. Outras métricas devem ser usadas para avaliar esse atraso junto com as de performance.
Métodos numéricos híbridos para estudo de turbulência.
Aluno: Gabriel Mattos.
Orientador: Iury Higor Aguiar da Igreja
Aluno: Luiz Gustavo Ferreira Nazareth
Título: Simulação de líquidos incompressíveis usando a biblioteca Deal II
.
Aluno: Ruan Medina Carvalho
Título: Agrupamento de modelos 3D de proteínas no refinamento estrutural automático do MHOLine
.
Aluno: Jhuan Barbosa da Silva e Cedro
Título: Análise Isogeométrica em Estruturas de Barras
.
Aluno: Daniel Augusto Mendes Moura
Título: Algoritmos Metaheurísticos de Otimização
.
Aluno: Carlos Alexandre de Almeida Pires
Título: Alinhamento de Ontologias com Heurísticas Multiobjetivo
.
Aluno: Viviane de Jesus Galvão
Título: Análise Comparativa de Técnica de Busca Padrão Combinada com Otimização por Enxame de Partículas e Estratégias Evolutivas
.
Aluno: Gabriel Henrique de Souza
Título: Análise da Corrente induzida na Estimulação Magnética Transcraniana
.
Aluno: Pedro Henrique Santos Muniz e Silva
Título: Aplicação de Estratégias Evolutivas com Penalização Adaptativa em Problemas de Otimização com Restrições
.
Aluno: Agilian Lucas de Paiva Melo
Título: Autômatos Celulares
.
Aluno: Eduardo Melão
Título: Avaliação da interferência aerodinâmica entre as pás e a torre de uma turbina eólica.
.
Aluno: Carlos Alexandre de Almeida Pires
Título: Avaliação do Impacto da Afinidade de Processador no Desempenho de Aplicações Paralelas Executadas em Ambientes de Memória Compartilhada
.
Aluno: Luiz Arthur Ventura Carvalho de Araujo
Título: B-Spline
.
Aluno: Joventino de Oliveira Campos
Título: CFD – Dinâmica de fluido computacional e Equações de Navier-Stokes
.
Aluno: João Pedro Carvalho dos Reis
Título: Desenvolvimento de um script Python para Abaqus para Desenvovimento otimização de temperatura de Pré-carga de molas helicoidais
.
Aluno: Ana Lívia Soares Silva de Almeida
Título: Ferramentas de Visualização Científica para Scanner 3D
.
Aluno: Tales Lima Fonseca
Título: Integração de Plataformas Computacionais para a Solução de Problemas de Otimização em Engenharia
.
Aluno: Evelyn Aparecida de Oliveira
Título: Mecânica de Contato entre Superfícies
.
Aluno: Mateus Teixeira Magalhães
Título: Método de Lattice-Boltzmann e método das fronteiras imersas para simulação de interação fluido-estrutura
.
Aluno: Pedro Henrique Gonçalves Rolim
Título: Método de Lattice-Boltzmann para Equações de Águas Rasas
.
Aluno: Evelyn Aparecida de Oliveira
Título: Métodos Numéricos para Soluções de Equações Diferencias Ordinárias (E.D.O.), Método de Euler, Método Runge-Kutta
.
Aluno: Sebastião Lúcio Reis de Souza
Título: Mídias Digitais e Desenvolvimento de Objetos de Aprendizagem
.
Aluno: João Gabriel da Silva Marra
Título: Server Farm
.
Aluno: Lorran Ferreira Maroco Sutter
Título: Modelagem Geométrica de Malhas 3D do Músculo Cardíaco com Vascularizações
.
Aluno: Joventino de Oliveira Campos
Título: Simulações Computacionais Através do Método de Lattice Boltzmann
.
Aluno: Rodrigo Coelho Villa Verde
Título: Simulação de fluidos pela discretização do espaço
.
Aluno: Gabriel Henrique de Souza
Título: Telepresença através de Realidade Virtual
.
Aluno: Iago Gomes de Lima Rosa
Título: Tratamento Numérico das Equações de Dinâmica dos Fluidos Computacionais
.
Aluno: Lorran Ferreira Maroco Sutter
Título: Uma introdução ao estudo da utilização de malhas não estruturadas no método dos volumes finitos
.
Aluno: Jhuan Barbosa da Silva e Cedro
Título: Uso de Redes Neurais Artificiais no Estudo de Processos Estocásticos
.
Aluno: Gabriel Brandão de Miranda
Título: Utilização de Tecnologias Tridimensionais no Desenvolvimento de uma Prótese para Cão