Navegando por Assunto "Feature extraction"
Agora exibindo 1 - 2 de 2
Resultados por página
Opções de Ordenação
Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Avaliação experimental da compressão de vídeos de estruturas civis utilizando técnicas de análise modal(2022-12-15) SILVA, Iury Glabson Oliveira; SILVA, Moisés Felipe Mello da; http://lattes.cnpq.br/8154941342611201; https://orcid.org/0000-0001-7897-3978; SANTOS FILHO, Reginaldo Cordeiro dos; http://lattes.cnpq.br/9157422386900321; https://orcid.org/0000-0002-0456-8547Na área de monitoramento da saúde de estruturas, a análise modal é muito utilizada para verificar a condição física das estruturas, a partir da extração de características relevantes para identificação de dano. Para isso, geralmente as propriedades modais (frequências naturais, modos de vibração e amortecimentos modais) são utilizadas, pois as mudanças nas características físicas da estrutura também podem ser vistas nas propriedades modais. Além disso, essas propriedades também representam os dados brutos analisados de forma reduzida, que podem ser vídeos, medições de sensores, entre outros. Neste trabalho, busca-se evidenciar o potencial das propriedades modais, extraídas durante o processo de análise modal, como versões comprimidas do conjunto de medições original, especificamente em medições de vídeos com estruturas sob vibração. Para isso, um framework que realiza a extração das propriedades modais em vídeos de estruturas sob efeitos operacionais, utilizando técnicas para redução de dimensionalidade e extração de características, como a análise de componentes principais e separação cega de fontes, é implementado e adaptado para exportar as saídas resultantes dos seus procedimentos, como coordenadas modais, plano de fundo estático e modos de vibração. Além disso, alguns dos codecs mais utilizados na literatura, como o AVC/H.264, H.265/HEVC, VP9 e AV1 foram selecionados e implementados em um pipeline para obter resultados que pudessem ser comparados com os do framework desenvolvido. Para isso, também foram escolhidas algumas métricas para medir a qualidade dos vídeos, como a PSNR, MS-SSIM e VMAF, sendo essas essenciais para conseguir os dados que serão analisados. Após realizar as implementações dos codecs, métricas e framework de análise modal, uma análise comparativa é executada para alcançar o objetivo principal deste estudo. Assim, os dados obtidos revelam que, de fato, há um potencial da análise modal para a compressão de medições de vídeo. Para uma alta taxa de compressão fixa (todas as implementações foram analisadas para uma mesma taxa de compressão), a qualidade dos vídeos comprimidos pelo framework e pelos diversos codecs selecionados da literatura são equivalentes em métricas que levam em consideração o sistema de visão humano como um fator decisivo na percepção da qualidade em vídeos, como o MS-SSIM e o VMAF. Além disso, ainda em relação a essas mesmas métricas, os resultados provenientes do framework foram consistentemente melhores que os do codec H.264/AVC.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) On reducing the dimensionality of small molecule data for visual-exploratory analysis in human intestinal absorption prediction(2022-02-21) MOREIRA, Igor Matheus Souza; OLIVEIRA, Ewerton Cristhian Lima de; http://lattes.cnpq.br/8998575507999079; SALES JÚNIOR, Claudomiro de Souza de; http://lattes.cnpq.br/4742268936279649Biodisponibilidade oral é uma propriedade desejável no desenvolvimento de drogas. A triagem virtual de compostos de acordo com suas propriedades com inteligência computacional pode acelerar a predição de sua absorção intestinal humana (HIA). A despeito da existência de estudos almejando predizer a HIA de compostos, técnicas de redução de dimensionalidade (DR) que extraem características são raramente empregadas para possibilitar análises visual-exploratórias e pré-processar dados para algoritmos de aprendizado de máquina (ML). Este trabalho aplica seis projetores de DR (ivis, KPCA, PCA, PCS, TSVD e UMAP) para produzir projeções bi e tridimensionais conjuntamente com quatro classificadores de ML (KNN, MLP, RF e SVM) na predição de HIA de pequenas moléculas, um esforço que englobou a análise de cinquenta e dois pipelines. Os resultados demonstram que, a despeito de reduzir a dimensionalidade em mais de 98%, os pipelines envolvendo DR ainda apresentaram resultados competitivos enquanto também facilitaram a visualização, demonstrando a viabilidade e o potencial de técnicas de DR via extração de características como uma etapa automatizada de pré-processamento.