Navegando por Assunto "Redes neurais"
Agora exibindo 1 - 2 de 2
Resultados por página
Opções de Ordenação
Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Aplicação de rede neural convolucional na classificação de azulejos históricos da cidade de Belém do Pará(2021-04-09) SOUSA, Rafael Nascimento de; ARAÚJO, Tiago Davi Oliveira de; http://lattes.cnpq.br/0141236944098711; SANTOS, Carlos Gustavo Resque dos; http://lattes.cnpq.br/2948406243474342; https://orcid.org/0000-0002-2193-5783A herança cultural de uma cidade é de grande importância para a manutenção e valorização da sua história. Tecnologias inovadoras como Realidade Aumentada e Visão Computacional podem ser utilizadas para dar ênfase a essas heranças que a própria cidade carrega de forma atrativa e lúdica. Na cidade de Belém do Pará, os azulejos são um exemplo importante da herança cultural presente na cidade, que remonta momentos e características de sua fundação. O reconhecimento de imagens, por exemplo, pode facilitar a busca por informações históricas sobre um determinado azulejo de maneira mais rápida, uma vez que com apenas uma foto do azulejo suas informações seriam retornadas ao usuário, dessa forma facilitando a busca e o acesso a informações sobre os azulejos, além da identificação dos mesmos. Tendo em vista o que foi exposto, este Trabalho de Conclusão de Curso apresenta um protótipo que utiliza Redes Neurais Convolucionais (CNN) para classificar, através de imagens, os azulejos históricos de Belém. O treinamento da CNN utilizou três bases de imagens, sendo a primeira composta por imagens que continham azulejos e outros elementos do ambiente (paredes, portas, fachadas dos prédios, etc.), a segunda composta por imagens com foco nos padrões de azulejos e a terceira composta por fotos tiradas da tela do computador, a partir de imagens da segunda base, sendo que uma vez criadas as bases são combinadas em uma base final utilizada no treinamento do modelo. Foram utilizados 12 tipos diferentes de azulejos que representam as classes a serem reconhecidas pela CNN. Dessa forma, após o treinamento é gerado o modelo do tipo tflite (Tensorflow Lite) com as classes de azulejos, para ser utilizado na tarefa de classificação de imagem em dispositivo móvel. Com o modelo e as classes definidas, foi criado para este trabalho de conclusão de curso uma aplicação em que o usuário tira uma foto de um azulejo e são retornadas as quatro classes com as melhores acurácias e as informações históricas dos azulejos classificados. Para a tarefa de classificação de imagens, foi criado um módulo que reúne as funções necessárias para a tarefa de classificação de imagens e que pode ser reutilizado em outros projetos.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Modelos de previsão de vazão afluente da UHE-Tucuruí: uma abordagem com redes neurais LSTM e CNN(2023-12-06) MEDEIROS, Kevin Martins; TEIXEIRA, Raphael Barros; http://lattes.cnpq.br/4902824086591521; https://orcid.org/0000-0003-2993-802XEste trabalho apresenta um estudo abrangente sobre a previsão de vazão afluentes da Usina Hidrelétrica de Tucuruí, situada na bacia do Tocantins-Araguaia. A pesquisa abrange cinco cenários distintos, variando a arquitetura dos modelos de previsão, incorporando Redes Neurais Recorrentes de Longa Memória de Curto Prazo (LSTM) e Redes Neurais Convolucionais (CNN). A implementação, conduzida em Python com o auxílio de bibliotecas como Pandas e NumPy, faz uso de um conjunto de dados históricos de vazões afluentes fornecidos pelo Operador Nacional do Sistema Elétrico (ONS) das Usinas de Tucuruí, Estreito e Lajeado. Os resultados obtidos foram avaliados minuciosamente por meio de análises aprofundadas, métricas de regressão e representações gráficas, demonstrando a eficácia dessas abordagens na previsão da vazão afluente diária da UHE-Tucuruí em horizontes temporais que variam de 1 a 7 dias. Além das contribuições metodológicas, este estudo proporciona insights cruciais que têm o potencial de elevar a precisão da previsão hidrológica, um campo de extrema importância na gestão de recursos hídricos e energia.