TEMAS DE PESQUISAS - 2025.1.pdf
Documento PDF (265.6KB)

Exibir conteúdo Baixar

                    Edital 02/2024-PPGI/CPG-PROPEP/UFAL
Abertura de processo seletivo para o curso de Mestrado em Informática –
primeiro semestre de 2025

TEMAS DE PESQUISA - Resumos e referencial bibliográfico
1 - A Inteligência Aumentada para Apoiar as Atividades de Instrutores de
Cursos nas Modalidades Online e Híbrida (Prof. Dr. Ranilson Oscar Araújo
Paiva e Prof. Dr.Ibsen Mateus Bittencourt Santana Pinto )
Resumo:
Vivemos uma mudança no paradigma educacional onde se busca prover educação
de qualquer lugar, a qualquer momento e para qualquer pessoa, utilizando
tecnologias digitais da informação e comunicação [1].
Há interesse global no ensino híbrido e no ensino à distância, mas não há um
aumento equivalente de suporte aos instrutores (professores, tutores e monitores)
responsáveis por manter tais cursos [2]. Essa deficiência acentua os problemas e
desafios existentes na oferta e gestão desses cursos, pois com o tempo a demanda
aumenta, requerendo a criação de novos cursos e turmas, incrementando a
quantidade de estudantes sendo sub-servidos em termos de apoio pedagógico de
qualidade. Isso é evidenciado pelo grande número de desistências e falhas [3] em
tais cursos, que os estudantes justificam como falta de suporte dos instrutores [4].
As interações em nas referidas modalidades de curso podem gerar grande
quantidade e diversidade de dados de onde é possível extrair informações
relevantes no contexto pedagógico [5]. Entretanto, esses instrutores, comumente,
não dominam a tecnologia necessária para utilizar extrair o máximo desses dados,
além de ser preciso tempo, recursos financeiros e esforços coordenados (políticas
públicas, por exemplo) para que esses instrutores sejam capacitados [6] [7].
Com base nisso, esta chamada tem como princípio a cooperação entre a
inteligência humana e a inteligência artificial (inteligência aumentada [8]), com o
objetivo de auxiliar e aumentar o protagonismo da inteligência humana, e se
fundamenta em técnicas como a modelagem e representação do conhecimento, a
análise da aprendizagem, a mineração de dados educacionais, a visualização de

dados, a tomada de decisões informada por dados, os sistemas de recomendação
pedagógicas e os sistemas de autoria [9] [10].
Esta chamada busca propostas de uso complementar (inteligência aumentada) das
inteligências humana (IH) e artificial (IA), para auxiliar instrutores (professores,
tutores ou monitores) de cursos nas modalidades online ou híbrida. As propostas
devem possibilitar (1) a descoberta e representação computacional de situações de
interesse pedagógico ocorrendo nesses cursos; (2) a compreensão das causas e
consequências dessas situações; (3) a tomada de decisões informada e; (4) o
monitoramento e avaliação do impacto das decisões tomadas.

Referencial Bibliográfico:
[1] Ig Ibert Bittencourt, Evandro Costa, Marlos Silva, and Elvys Soares. A
computational model for developing semantic web-based educational systems.
Knowledge-Based Systems, 22(4):302–315, 2009.
[2] Theodore J Kopcha. Teachers’ perceptions of the barriers to technology
integration and practices with technology under situated professional development.
Computers & Education, 59(4):1109–1121, 2012.
[3] Tharindu R Liyanagunawardena, Pat Parslow, and Shirley Williams. Dropout:
Mooc participants’ perspective. 2014.
[4] Daniel FO Onah, Jane Sinclair, and Russell Boyatt. Dropout rates of massive
open online courses: behavioural patterns. EDULEARN14 Proceedings, pages
5825–5834, 2014.
[5] Cristóbal Romero and Sebastián Ventura. Educational data science in massive
open online courses. Wiley Interdisciplinary Reviews: Data Mining and Knowledge
Discovery, 2016.
[6] KATEMBA, Caroline V. Teachers' Perceptions in Implementing Technologies in
Language Teaching and Learning. Acuity: Journal of English Language Pedagogy,
Literature and Culture, v. 5, n. 2, p. 123-136, 2020.
[7] GHAVIFEKR, Simin et al. Teaching and Learning with ICT Tools: Issues and
Challenges from Teachers' Perceptions. Malaysian Online Journal of Educational
Technology, v. 4, n. 2, p. 38-57, 2016.
[8] Toivonen, T, Jormanainen, I, Tukiainen, M (2019) Augmented intelligence in
educational data mining. Smart Learning Environment, 6(10).
[9] PAIVA, Ranilson et al. What do students do on-line? Modeling students'
interactions to improve their learning experience. Computers in Human Behavior, v.
64, p. 769-781, 2016.

[10] PAIVA, Ranilson; BITTENCOURT, Ig Ibert. Helping teachers help their students:
A human-ai hybrid approach. In: International conference on artificial intelligence in
education. Cham: Springer International Publishing, 2020. p. 448-459.

2 - Amplificando professores com inteligência artificial desconectada e
inteligência aumentada (Prof. Dr. Diego Dermeval Medeiros da Cunha Matos e
Prof. Dr. Luiz Antonio Lima Rodrigues)
Resumo:
Os desafios na educação no sul global incluem um alto número de pessoas não
alfabetizadas, um alto número de estudantes ainda no ensino fundamental, um alto
número de adolescentes e jovens fora do ensino médio, uma grande diferença de
gênero, e assim por diante (Carney, 2022). A “divisão digital” é um dos desafios que
está aprofundando ainda mais a desigualdade entre o sul e o norte do mundo.
De fato, apesar das inovações tecnológicas transformarem diferentes setores da
economia, promovendo mais desenvolvimento e incorporando valor na cadeia
mundial, elas também podem promover impactos negativos na promoção de
oportunidades de aprendizagem, em particular para os países emergentes, os quais
são a grande maioria do sul global (Vinuesa et al., 2020).
As tecnologias digitais ajudaram a humanidade a responder rapidamente à
pandemia da Covid-19 e proporcionam aprendizado remoto a bilhões de estudantes
no mundo inteiro (Reimers, 2021). Durante vários meses, 1,7 bilhões de estudantes
não tiveram acesso à educação, e as tecnologias digitais foram usadas como a
principal estratégia em todos os países, mesmo no sul global. Além disso, há
estudos e relatórios recentes discutindo e apresentando os benefícios da
inteligência artificial para promover a educação no sul global (Miao, 2022; Holmes et
al., 2021; Schiff, 202; Madaio et al., 2020).
A comunidade científica e indústria na área de inteligência artificial na educação têm
produzido grande parte do conhecimento científico e tecnologias educacionais para
fornecer instrução individualizada para os estudantes. No entanto, devido à elevada
desigualdade no acesso às condições para utilização destas tecnologias, grande
parte dos estudantes e professores dos países do sul do mundo não conseguem se
beneficiar das mesmas.
Nesse sentido, surge a necessidade e oportunidade de conduzir pesquisa científica
para o desenvolvimento de aplicações de inteligência artificial que utilizem
dispositivos de baixo custo, baixa conectividade e capacidade de captura de dados
e feedback de forma online/offline, além de possibilidade de oferecer interação
online/offline entre os estudantes e professores. Estas são características
presentes, por exemplo, no conceito de Learning Analytics desconectada proposto
por Freitas et al. (2022) e na proposta de Patel et al. (2022).
Em geral, os professores já não costumam ser considerados protagonistas no
projeto e no acompanhamento da interação e aprendizagem de alunos que utilizam

aplicações da IA na educação, como é o caso dos sistemas tutores inteligentes
(STIs). No entanto, já existem iniciativas que buscam envolver professores na
concepção e uso destes sistemas ao longo do clico de vida do STIs (Dermeval e
Bittencourt, 2020; Tenório et al., 2022). Os professores teriam, assim, a
oportunidade de participar mais ativamente, seja utilizando apenas técnicas de IA,
por exemplo, nos casos que envolvam atividades repetitivas e padronizadas (ex.:
avaliação e feedback), ou utilizando suas capacidades mais intuitivas e humanas de
forma complementar ao uso da IA, por exemplo, nas etapas que envolvem uma
desenho curricular mais apropriado, modificando o design das aplicações de IA
(Dermeval et al., 2018) ou recomendando alguma ação para um ou mais alunos a
partir de determinada condição percebida (ex.: em um possível cenário de evasão
motivado por questões sociais dos alunos detectado pelo professor).
No entanto, a utilização da inteligência artificial aplicada à educação considerando o
contexto do “digital divide” ainda é inexplorado. Nesse sentido, este tema
recepciona projetos que busquem amplificar/aumentar as capacidades humanas
dos professores e estudantes no contexto de sistemas educacionais inteligentes
numa perspectiva de inteligência artificial desconectada e inteligência aumentada
(Wilson, Daugherty & Morini-Bianzino; 2018) com vistas a promover o aumento de
oportunidades de aprendizagem e a qualidade da educação no Brasil e no sul do
mundo. Também há interesse por projetos que busquem investigar o uso da
inteligência artificial desconectada como habilitador de transformação digital na
educação e seus impactos na implementação de políticas públicas educacionais.
Referencial Bibliográfico:
Dermeval, Diego et al. Authoring tools for designing intelligent tutoring systems: a
systematic review of the literature. International Journal of Artificial Intelligence in
Education, v. 28, n. 3, p. 336-384, 2018.
Dermeval, Diego; Bittencourt, Ig Ibert. Co-designing Gamified Intelligent Tutoring
Systems with Teachers. Revista Brasileira de Informática na Educação, v. 28, p. 73,
2020.
Freitas, E., Batista, H. H., Barbosa, G. A., Wenceslau, M., Portela, C., Isotani, S., ...
& Mello, R. F. (2022, November). Learning Analytics Desconectada: Um Estudo de
Caso em Análise de Produçoes Textuais. In Anais do I Workshop de Aplicações
Práticas de Learning Analytics em Instituições de Ensino no Brasil (pp. 40-49). SBC.
Holmes, W., Porayska-Pomsta, K., Holstein, K., Sutherland, E., Baker, T., Shum, S.
B., ... & Koedinger, K. R. (2022). Ethics of AI in education: Towards a
community-wide framework. International Journal of Artificial Intelligence in
Education, 32(3), 504-526.
Isotani, S., Bittencourt, I.I., Challco, G.C., Dermeval, D., Mello, R.F. (2023). AIED
Unplugged: Leapfrogging the Digital Divide to Reach the Underserved. In: Wang, N.,
Rebolledo-Mendez, G., Dimitrova, V., Matsuda, N., Santos, O.C. (eds) Artificial
Intelligence in Education. Posters and Late Breaking Results, Workshops and
Tutorials, Industry and Innovation Tracks, Practitioners, Doctoral Consortium and

Blue Sky. AIED 2023. Communications in Computer and Information Science, vol
1831. Springer, Cham. https://doi.org/10.1007/978- 3-031-36336-8_118
Madaio, M. A., Yarzebinski, E., Kamath, V., Zinszer, B. D., Hannon-Cropp, J., Tanoh,
F., ... & Ogan, A. (2020, April). Collective support and independent learning with a
voice-based literacy technology in rural communities. In Proceedings of the 2020
CHI Conference on Human Factors in Computing Systems (pp. 1-14).
Patel, N. et al. (2022). Equitable Access to Intelligent Tutoring Systems Through
Paper-Digital Integration. In: Crossley, S., Popescu, E. (eds) Intelligent Tutoring
Systems. ITS 2022. Lecture Notes in Computer Science, vol 13284. Springer, Cham.
https://doi.org/10.1007/978-3-031-09680-8_24
Reimers, F. M. (2021). Education and COVID-19: Recovering from the Shock
Created by the Pandemic and Building Back Better. Educational Practices Series 34.
UNESCO International Bureau of Education.
Schiff, D. (2022). Education for AI, not AI for Education: the role of education and
ethics in national AI policy strategies. International Journal of Artificial Intelligence in
Education, 32(3), 527-563.
Tenório, K., Dermeval, D., Monteiro, M., Peixoto, A., & Silva, A. P. D. (2022).
Exploring Design Concepts to Enable Teachers to Monitor and Adapt Gamification in
Adaptive Learning Systems: A Qualitative Research Approach. International Journal
of Artificial Intelligence in Education, 32(4), 867-891.
Vinuesa, R., Azizpour, H., Leite, I., Balaam, M., Dignum, V., Domisch, S., ... & Fuso
Nerini, F. (2020). The role of artificial intelligence in achieving the Sustainable
Development Goals. Nature communications, 11(1), 1-10.
Wilson, H. J., Daugherty, P. R., & Morini-Bianzino, N. (2018). Augmented
intelligence: The coming age of human-AI collaboration. Harvard Business Review,
96(4), 80-89.

3 - Aplicação de técnicas de pesquisa operacional à data analytics (Prof. Dr.
Rian Pinheiro e Prof. Dr. Bruno Nogueira)
Resumo:
O termo 'big data' se refere ao conjunto massivo de dados que as empresas e
organizações atualmente usam para ajudar nos seus processos de tomada de
decisão. Este conjunto de dados vem crescendo cada vez mais e é proviniente do
avanço das tecnologias para rastreamento do comportamento dos consumidores,
vendas, fornecedores assim como das redes sociais e tráfego web. O foco principal
do data analytics é transformar, de maneira científica, estes dados em conhecimento
para que seja usado em melhores tomadas de decisão.
A aplicação de data analystics pode ser classificada em três categorias: (i)
descriptive analytics, que usa os registros de eventos passados para tentar localizar

dados e padrões interessantes para melhor entender o que está acontecendo no
presente; (ii) predictive analytics, que usa os dados para tentar descobrir o que irá
acontecer no futuro; (iii) prescriptive analytics, que usa os dados para descrever
quais as ações precisam ser tomadas no futuro.
Neste projeto, iremos adotar técnicas de pesquisa operacional, em particular
simulação e otimização, para atacar as três categorias acima. Exemplos de
trabalhos nessa linha que nosso grupo de pesquisa vem atacando podem ser
encontrados em: ic.ufal.br/professor/rian/optlab-selecao-ppgi2.pdf
Referencial Bibliográfico:
Hiller, F., and G. Lieberman. "Introduction to operations research (Vol. 7)." (2015).
Lima, A.; Lima, A.; Nogueira, B.; Santos, M. and Pinheiro, R. "A Multi-population
BRKGA for the Automatic Clustering Problem," 2021 IEEE International Conference
on Systems, Man, and Cybernetics (SMC), 2021, pp. 368-373, doi:
10.1109/SMC52423.2021.9658983.
Santos, M.; Nogueira, B.; Pinheiro, R.; Guimarães, A; Lima; A. and Andrade, E. "A
comparative study of GPU metaheuristics for data clustering," 2021 IEEE
International Conference on Systems, Man, and Cybernetics (SMC), 2021, pp.
1387-1392, doi: 10.1109/SMC52423.2021.9658803.
Souza, G.; Santos, E.; Ramos, G.; Pinheiro, R. Agendamento Automático de
Exames em Clínicas. In: ENCONTRO NACIONAL DE INTELIGÊNCIA ARTIFICIAL
E COMPUTACIONAL (ENIAC), 16. , 2019, Salvador.

4 - Ciência de Dados aplicada a Cidades Inteligentes (Prof. Dr. André Luiz Lins
de Aquino)
Resumo:
Uma cidade inteligente é um sistema urbano que utiliza tecnologias de
informação e comunicação para melhorar a interatividade e eficiência de sua
infraestrutura e serviços públicos. A ciência de dados desempenha um papel central
nesse contexto, ao analisar grandes volumes de dados para otimizar a gestão
urbana e aprimorar a qualidade de vida dos cidadãos. Além disso, espera-se que
uma cidade inteligente seja comprometida com a sustentabilidade ambiental e a
preservação de sua herança histórica e cultural, utilizando dados para tomar
decisões mais informadas e eficazes. Uma cidade inteligente aplica a ciência de
dados para tornar setores como administração, educação, saúde, segurança
pública, habitação e transporte mais interconectados e eficientes. O conceito de
cidades inteligentes reconhece a importância fundamental das tecnologias de dados
no cotidiano urbano. Embora existam diferentes perspectivas sobre o que define

uma cidade inteligente, a centralidade da ciência de dados para o funcionamento
futuro das cidades é um ponto comum entre elas. Isso não significa que as questões
sociais devam ser negligenciadas; pelo contrário, é essencial considerar essas
questões ao definir cidades inteligentes. Por exemplo, há um consenso sobre a
importância das indústrias criativas para o crescimento e a sustentabilidade urbana.
A tecnologia e a ciência de dados servem como pontos de partida para repensar e
integrar todas essas outras questões.
Nos aspectos tecnológicos das cidades inteligentes, diversas soluções de ciência de
dados fortalecem o sistema urbano por meio da análise de dados para
caracterização e tomada de decisões. Entre os principais temas a serem abordados
como propostas de dissertação, estão:
1. Gestão de Fluxo de Documentos em Grandes Repartições: Utilização de
algoritmos de processamento de linguagem natural para organizar e agilizar o fluxo
de documentos.
2. Grandes Conjuntos de Dados Heterogêneos Agrupados em Data Lakes:
Implementação de data lakes para armazenar e processar grandes volumes de
dados urbanos de fontes diversas.
3. Sistemas de Transportes Inteligentes: Análise de dados de tráfego em tempo real
para otimizar rotas e reduzir congestionamentos.
4. Análise de Séries Temporais Aplicadas a Cidades Inteligentes: Uso de modelos
preditivos para analisar padrões e tendências em dados urbanos ao longo do tempo.
Essas alternativas tecnológicas necessitam de uma modelagem eficaz para a coleta
e tratamento dos dados, impactando diretamente na tomada de decisão. Portanto,
essa área de pesquisa pretende explorar aspectos de monitoramento,
caracterização e análise de dados voltados às soluções tecnológicas mencionadas,
utilizando técnicas avançadas de ciência de dados para promover um
desenvolvimento urbano sustentável e inteligente.

Referencial Bibliográfico:
1. Souza et al.. A method to detect data outliers from smart urban spaces via tensor
analysis. Future Generation Computer Systems, v. 92, p. 290-301, 2019.
2. Silva et al.. Study about vehicles velocities using time causal Information Theory
quantifiers. Ad Hoc Networks, v. 89, p. 22-34, 2019.
3. Freitas et al.. A detailed characterization of complex networks using Information
Theory. Scientific Reports, v. 9, p. 16689, 2019.
4. Vasconcelos et al.. A data sample algorithm applied to wireless sensor networks
with disruptive connections. Computer Networks, v. 146, p. 1-11, 2018.

5. Fernandes et al.. Towards Edge-Based Data Lake Architecture for Intelligent
Transportation System. In: 20th ACM International Symposium on Performance
Evaluation of Wireless Ad Hoc, Sensor, and Ubiquitous Networks, 2023.

5 - Estimação estocástica para implantação de agricultura de precisão
auxiliada por sistemas cyber-físicos (Prof. Dr. Ícaro Bezerra Queiroz de Araújo
e Prof. Dr. Glauber Rodrigues Leite)
Resumo:
A agricultura de precisão (AP) é uma abordagem que utiliza tecnologias para
otimizar a produção agrícola e a gestão de recursos. Recentemente, a integração de
sistemas cyber-físicos tem potencializado essa prática, permitindo a coleta, análise
e utilização de dados em tempo real para a tomada de decisões mais precisas.
Nesse contexto, a estimação estocástica surge como uma ferramenta essencial
para lidar com a variabilidade e a incerteza inerentes aos dados agrícolas.
A estimação estocástica refere-se ao uso de métodos probabilísticos para inferir
informações a partir de dados que possuem um componente aleatório. Na
agricultura de precisão, esses métodos são utilizados para modelar a variabilidade
espacial e temporal das condições do solo, clima e estado das culturas. Modelos
estocásticos permitem prever o comportamento das plantas e as necessidades de
insumos, como água e nutrientes, de forma mais precisa e adaptativa.
Os sistemas cyber-físicos na agricultura envolvem a integração de sensores,
atuadores, sistemas de comunicação e algoritmos de processamento de dados para
monitorar e controlar processos agrícolas em tempo real. Esses sistemas
possibilitam a coleta contínua de dados ambientais e agronômicos, fornecendo uma
base sólida para a aplicação de técnicas de estimação estocástica. Embora a
integração de sistemas cyber-físicos e métodos estocásticos na agricultura de
precisão ofereça inúmeros benefícios, também apresenta desafios. A complexidade
dos modelos, a necessidade de infraestrutura tecnológica avançada e a capacitação
dos agricultores para utilizar essas tecnologias são barreiras que precisam ser
superadas.
A primeira etapa da pesquisa envolverá uma revisão da literatura sobre as
metodologias e técnicas usadas na agricultura de precisão. Espera-se serem
analisados trabalhos relevantes sobre a área. Será dada atenção especial às
aplicações que utilizarem sistemas cyber físicos e estimação estocástica.
Após realizada a revisão da literatura, espera-se prosseguir com uma proposta de
solução para identificação de modelos não lineares. Aqui espera-se observar que o
desenvolvimento de métodos e técnicas capazes de, a partir da estimação de
alguns parâmetros relevantes da área de agricultura de precisão, gerar situações
mais otimizadas para a produção de culturas. Serão utilizadas linguagens de
programação como MATLAB/Simulink e Python para realizar modelagem, análise e
simulação dos sistemas.

Referencial Bibliográfico:
[1] RAD, Ciprian-Radu; HANCU, Olimpiu; TAKACS, Ioana-Alexandra; OLTEANU,
Gheorghe. Smart Monitoring of Potato Crop: A Cyber-Physical System Architecture
Model in the Field of Precision Agriculture. Agriculture and Agricultural Science
Procedia. [S. l.]: Elsevier BV, 2015. DOI 10.1016/j.aaspro.2015.08.041. Disponível
em: http://dx.doi.org/10.1016/j.aaspro.2015.08.041.
[2] STARK, Brandon; RIDER, Sean; CHEN, YangQuan. Optimal pest management
by networked unmanned cropdusters in precision agriculture: A cyber-physical
system approach. IFAC Proceedings Volumes. [S. l.]: Elsevier BV, 2013. DOI
10.3182/20131120-3-fr-4045.00019.
Disponível
em:
http://dx.doi.org/10.3182/20131120-3-FR-4045.00019.
[3] SRIKAR, D.V.S.; SAIRAM, K.C.; SRIKANTH, T.; NARAYANAN, Gayathri;
VRINDA, K.; KURUP, Dhanesh G. Implementation and Testing of Cyber Physical
System in Laboratory for Precision Agriculture. 2018 International Conference on
Advances in Computing, Communications and Informatics (ICACCI). [S. l.]: IEEE,
set. 2018. DOI 10.1109/icacci.2018.8554601.
[4] CIMINO, Davide; FERRERO, Alberto; QUEIROLO, Leonardo; BELLOTTI,
Francesco; BERTA, Riccardo; DE GLORIA, Alessandro. A Low-Cost, Open-Source
Cyber Physical System for Automated, Remotely Controlled Precision Agriculture.
Lecture Notes in Electrical Engineering. [S. l.]: Springer International Publishing,
2017. DOI 10.1007/978-3-319-47913-2_23.
[5] NIE, Juan; SUN, Rui Zhi; LI, Xiao Hua. A Precision Agriculture Architecture with
Cyber-Physical Systems Design Technology. Applied Mechanics and Materials. [S.
l.]:
Trans
Tech
Publications,
Ltd.,
mar.
2014.
DOI
10.4028/www.scientific.net/amm.543-547.1567.

6 - Filtro de Kalman como método para predição em Séries Temporais (Prof.
Dr. Bruno Almeida Pimentel)
Resumo:
O Filtro de Kalman é um algoritmo recursivo que fornece estimativas de estados de
sistemas dinâmicos lineares a partir de medições ruidosas [1]. Desenvolvido por
Rudolf E. Kálmán em 1960, este filtro é amplamente utilizado em várias áreas, como
controle e sistemas de estimativa, navegação e tracking, processamento de sinais,
robótica, automação e econometria. Seu impacto é significativo em aplicações como
o rastreamento de objetos em movimento, a estabilização de sistemas de controle e
a previsão econômica. O algoritmo é eficiente computacionalmente, pois utiliza
apenas os estados anteriores e a nova medição para calcular o novo estado
estimado. Isso permite que ele opere em tempo real, mesmo em sistemas com
recursos computacionais limitados [2]. Além disso, o Filtro de Kalman pode ser
estendido para lidar com sistemas não lineares através do uso de variantes como o
Filtro de Kalman Estendido (EKF) e o Filtro de Kalman Unscented (UKF) [3]. Apesar
dessas propriedades, poucos estudos têm sido realizados com o intuito de melhorar

seu desempenho em variados cenários. Portanto, o objetivo desta pesquisa é
investigar e propor ajustes no Filtro de Kalman, tornando-o mais eficiente em
problemas de predição em dados de Séries Temporais. Além disso, faz parte da
pesquisa a aplicação do método proposto em um cenário real, buscando demonstrar
a eficácia e a aplicabilidade das melhorias sugeridas.

Referencial Bibliográfico:
[1] Kalman, R. E. (1960). A new approach to linear filtering and prediction problems.
[2] Welch, G., & Bishop, G. (1995). An introduction to the Kalman filter.
[3] Tamarozzi, T., Jiránek, P., & De Gregoriis, D. (2024). A differential-algebraic
extended Kalman filter with exact constraint satisfaction. Mechanical Systems and
Signal Processing, 206, 110901.

7 - Gerência e Análise de Dados em Larga Escala (Prof Dr.Fábio José Coutinho
da Silva e Prof. Dr. André Magno C. de Araújo)
Resumo:
O desenvolvimento de tecnologias de informação e comunicação tem levado
a um crescente aumento do volume de dados processados por empresas, governos,
ONGs e instituições de pesquisa. De fato, essa geração contínua de volumosas
quantias de dados, gerados por redes sociais, internet das coisas, dados
geográficos, serviços de saúde, redes de sensores etc., tem sido algo marcante da
sociedade contemporânea. Neste contexto, a pesquisa volta-se ao desafio em lidar
eficientemente com volumes massivos de dados heterogêneos produzidos por
pessoas, dispositivos e sistemas em diversos domínios de aplicação. Esse desafio
inclui manter, gerenciar, analisar e compartilhar volumosos e variados dados de
forma ágil. Em particular, a análise de dados corresponde ao processo de inspeção,
limpeza, transformação e modelagem de dados com o objetivo de descobrir
informação útil e apoio à decisão. Esse processo envolve múltiplas facetas e visões,
abrangendo diversas técnicas sob uma variedade de nomes, sendo aplicado em
diferentes domínios.
Referencial Bibliográfico:
Wang, J., Xu, C., Zhang, J., & Zhong, R. (2022). Big data analytics for intelligent
manufacturing systems: A review. Journal of Manufacturing Systems, 62, 738- 752.
https://doi.org/10.1016/j.jmsy.2021.03.005
Inoubli, W., Aridhi, S., Mezni, H., Maddouri, M., & Mephu Nguifo, E. (2018). An
experimental survey on big data frameworks. Future Generation Computer Systems,
86, 546-564. https://doi.org/10.1016/j.future.2018.04.032

R. Vidgen, S. Shaw and D. B. Grant, Management challenges in creating value from
business analytics, European Journal of Operational Research 261 (2017) 626–639.
S. Bahri, N. Zoghlami, M. Abed and J. M. R. S. Tavares, Big Data for healthcare: A
survey, IEEE Access 7 (2019) 7397–7408.

8 - IA embarcada (Prof. Dr.Tiago Figueiredo Vieira)
Resumo:
A revolução da Indústria 4.0 tem promovido a adoção de tecnologias
emergentes para melhorar a eficiência, precisão e segurança das operações
industriais. Neste contexto, a inteligência artificial (IA) e, especificamente, a
inteligência de máquina em formato reduzido (TinyML), têm se destacado ao
possibilitar a implementação de modelos de aprendizado de máquina em
dispositivos de borda com recursos limitados. Este trabalho de mestrado explora o
uso de TinyML e inteligência embarcada em dispositivos de borda para realizar
inspeções visuais na indústria, abordando desafios e oportunidades. As inspeções
visuais são fundamentais para a manutenção preditiva e controle de qualidade,
sendo a utilização de dispositivos de borda uma solução promissora devido à
redução da latência, menor consumo de largura de banda e aumento da privacidade
dos dados. Serão discutidos os algoritmos mais adequados, as arquiteturas de
hardware empregadas e os resultados obtidos em diferentes casos de uso. O
estudo contribuirá para a compreensão das melhores práticas na implementação de
soluções de TinyML para inspeções visuais e destacará as potencialidades e
limitações dessa abordagem no ambiente industrial.
Referencial Bibliográfico:
V. W. S. Wong, V. C. M. Leung, K. Lataief and R. D. Murch, “Key technologies for 5G
wireless systems,” in IEEE Wireless Communications, vol. 19, no. 6, pp. 6-7,
December 2012, doi: 10.1109/MWC.2012.6427190.2.
P. Patel and D. Cassou, “Enabling high-level application development for the Internet
of Things,” in Journal of Systems Architecture, vol. 59, no. 10, pp. 1235-1241, Nov.
2013, doi: 10.1016/j.sysarc.2013.04.001.3.
M. A. B. Siddique, S. M. Z. Islam and K. Alghathbar, “Towards Industry 4.0:
Application of Machine Learning Techniques in Smart Manufacturing,” in IEEE
Access, vol. 9, pp. 120650-120676, 2021, doi: 10.1109/ACCESS.2021.3106843.4.
P. Dayarathna, Y. Wen and R. Fan, “Data Center Energy Consumption Modeling: A
Survey,” in IEEE Communications Surveys & Tutorials, vol. 18, no. 1, pp. 732-794,
Firstquarter 2016, doi: 10.1109/COMST.2015.2481183.5.
G. Caprari, “TinyML meets industry: How edge AI is transforming industrial
applications,” in Proceedings of the IEEE, vol. 108, no. 4, pp. 1-4, April 2020.6.

W. Xu, J. Han, J. Lin and L. Huang, “Na overview of edge AI: Mobile and tiny AI,” in
2021 IEEE International Conference on Artificial Intelligence and Computer
Applications
(ICAICA),
Dalian,
China,
2021,
pp.
1-6,
doi:
10.1109/ICAICA52286.2021.9495766.7.
Y. LeCun, Y. Bengio and G. Hinton, “Deep learning,” in Nature, vol. 521, pp. 436-444,
May 2015, doi: 10.1038/nature14539.8.
M. Verhelst and B. Moons, “Embedded Deep Learning: Algorithms, Architectures
and Circuits for Always-On Neural Networks,” in IEEE Journal on Emerging and
Selected Topics in Circuits and Systems, vol. 9, no. 4, pp. 739-752, Dec. 2019, doi:
10.1109/JETCAS.2019.2953029.9.
M. I. Jordan and T. M. Mitchell, “Machine learning: Trends, perspectives, and
prospects,” in Science, vol. 349, no. 6245, pp. 255-260, 17 July 2015, doi:
10.1126/science.aaa8415.10.
Rezazadeh, F. Ehsanifar and A. Rahman, “Efficient machine learning model for edge
computing in industrial IoT applications,” in IEEE Transactions on Industrial
Informatics, vol. 17, no. 7, pp. 1-12, July 2021, doi: 10.1109/TII.2021.3068739.

9 - Identificação de sistemas dinâmicos não-lineares utilizando técnicas de
subespaços (Prof. Dr. Leandro Dias da Silva e Prof. Dr. Ícaro Bezerra Queiroz
de Araújo)
Resumo:
Identificação de sistemas é um processo de construção de modelos matemáticos
baseado em dados medidos. Estes modelos identificados podem ser utilizados para
controlar, observar, projetar, analisar e prever comportamentos de sistemas
dinâmicos. O uso de modelos dinâmicos lineares é bastante comum na literatura,
enquanto o uso de modelos não lineares vem recebendo maior atenção nos últimos
anos. Ainda dentro do contexto de identificação de sistemas, destacam-se os
métodos de subespaço. Destes, podem ser citados os algoritmos CVA, N4SID,
DynaMod e MOESP. Entretanto, a maior parte destes métodos é aplicado a modelos
lineares, sendo o uso de modelos não lineares permanecendo um desafio. Desta
forma, esta pesquisa propõe investigar métodos de identificação de sistemas
não-lineares através de métodos de subespaço.
A primeira etapa da pesquisa envolverá uma revisão da literatura sobre as
metodologias e técnicas de identificação de sistemas dinâmicos não lineares
através de modelos de espaço de estados. Espera-se serem analisados trabalhos
sobre identificação utilizando técnicas de subespaço. Será dada atenção especial à
aplicações físicas reais descritas e analisadas através de modelos não-lineares.
Após realizada a revisão da literatura, espera-se prosseguir com uma proposta de
solução para identificação de modelos não lineares. Isso envolverá o
desenvolvimento e implementação de algoritmos que possam processar as

informações de eventos discretos e transformá-los em ações de movimento
otimizadas. Aqui espera-se observar que o uso de modelos em espaço de estado
não lineares em conjunto com o uso de técnicas que utilizem a abordagem de
subespaços seja capaz de gerar modelos matemáticos eficientes para sistemas
simulados e reais. Serão utilizadas linguagens de programação como
MATLAB/Simulink e Python para realizar modelagem, análise e simulação dos
sistemas dinâmicos.
Referencial Bibliográfico:
[1] SADEQI, Amirali; MORADI, Shapour; HEIDARI SHIRAZI, Kourosh. Nonlinear
subspace system identification based on output-only measurements. Journal of the
Franklin Institute. [S. l.]: Elsevier BV, nov. 2020. DOI 10.1016/j.jfranklin.2020.08.008.
[2] LACY *, S. L.; BERNSTEIN, D. S. Subspace identification for non-linear systems
with measured-input non-linearities. International Journal of Control. [S. l.]: Informa
UK Limited, 15 ago. 2005. DOI 10.1080/00207170500214095.
[3] YAMADA, Keito; MARUTA, Ichiro; FUJIMOTO, Kenji. Subspace State-Space
Identification of Nonlinear Dynamical System Using Deep Neural Network with a
Bottleneck.
IFAC-PapersOnLine.
[S.
l.]:
Elsevier
BV,
2023.
DOI
10.1016/j.ifacol.2023.02.018.
[4] DAPENG LUO; LEONESSA, A. Nonlinear system identification of a reaction
wheel pendulum using subspace method. Proceedings of the 2003 American Control
Conference, 2003. [S. l.]: IEEE, [s. d.]. DOI 10.1109/acc.2003.1242447.
[5] ZHANG, Shengnan; HOU, Jie; DU, Jun; LIU, Tao. Recursive subspace
identification of Hammerstein-type nonlinear systems under slow time-varying load
disturbance. 2018 Chinese Automation Congress (CAC). [S. l.]: IEEE, nov. 2018.
DOI 10.1109/cac.2018.8623302.
[6] NOMURA, Kazuya; YAMASHITA, Yuh; KOBAYASHI, Koichi. Nonlinear system
identification by affine coordinate unification of locally identified MIMO linear
systems. 2018 SICE International Symposium on Control Systems (SICE ISCS). [S.
l.]: IEEE, mar. 2018. DOI 10.23919/siceiscs.2018.8330179.

10 - Identificação e Refatoração de Test Smells utilizando Natural Language
Processing (NLP) (Prof. Dr. Márcio Ribeiro)
Resumo:
Test smells são indicações de potenciais problemas na implementação de
testes automáticos de software. Assim como um code smell, um test smell não
significa um erro existente, e sim um ponto problemático no código do teste que, se
não for corrigido a tempo, pode gerar problemas futuros. Nesse contexto, é sabido
que tanto testes automáticos como testes manuais podem ter baixa qualidade, pois
podem ser escritos sem a utilização das melhores práticas de engenharia de

software, o que pode levar à criação de test smells. Em testes automáticos, essa
baixa qualidade pode ser refletida em códigos duplicados, códigos de teste difíceis
de ler e manter. Já em testes manuais, essa baixa qualidade é refletida em
problemas como casos de teste incompreensíveis, incompletos e ambíguos, onde
normalmente são encontrados problemas como erros de tradução e ortografia,
formulação inconsistente, uso inconsistente de vocabulário, estilos de descrição
diferentes para procedimentos de teste semelhantes ou uso excessivo de
abreviações. Nesse sentido, este projeto foca em técnicas para identificação e
remoção de test smells. Para tanto, o projeto tem por objetivos: (1) analisar e
quantificar test smells em suítes de testes automáticas e manuais; (2) catalogar tais
smells; (3) criar refatoramentos para removê-los; e (4) automatizar todo o processo
através de uma ferramenta de refatoração de código (para testes automáticos) e de
uma ferramenta que utiliza Processamento de Linguagem Natural (para testes
manuais).
Referencial Bibliográfico:
B. Hauptmann, M. Junker, S. Eder, L. Heinemann, R. Vaas and P. Braun, "Hunting
for smells in natural language tests," in ICSE 2013.
A. van Deursen L. Moonen A. van den Bergh and G. Kok "Refactoring Test Code" in
XP 2001.
G. Meszaros "xUnit Test Patterns: Refactoring Test Code."Addison-Wesley 2007.

11 - Inteligência Artificial na Medicina (Prof. Dr. Aydano Machado)
Resumo:
Mais do que o avanço tecnológico é a interdisciplinaridade que vem causando uma
profunda transformação nas atividades e na maneira do exercício profissional na
área de saúde. É nesse contexto que o desenvolvimento da Computação em
conjunto como a Medicina se encontra em franca expansão. Tal avanço tem
permitido a concepção de soluções computacionais cada vez mais complexas,
inovadoras e principalmente interconectadas com a prática profissional.
A inclusão da Inteligência Artificial (IA), área de estudo que procura desenvolver
técnicas computacionais para simular/executar atividades complexas, traz uma
abordagem interessante para a construção de soluções baseadas em conhecimento
para o auxílio à tomada de decisão do profissional de saúde. Modelos
Computacionais de Conhecimento podem ser construídos para, entre outros, por
exemplo:
• Realizar auxílio no diagnóstico de patologias ou anormalidades utilizando sinais
biomédicos.
• Fazer previsão de risco ou de resultado cirúrgico.

Tais modelos podem ser concebidos por meio de uma modelagem direta, ou
utilizando técnicas de Aprendizagem de Máquina (AM), que é um ramo da IA que
visa dotar a máquina da capacidade de melhorar o desempenho com a experiência.
Assim a máquina é capaz e construir esses modelos de forma automática utilizando
a experiência disponível, que pode estar registrada em bancos de dados ou não.
O desenvolvimento dessa pesquisa caracteriza uma excelente oportunidade de se
desenvolver soluções de IA para o auxílio nas atividades do profissional de saúde,
de modo a contribuir para o avanço da ciência e tecnologia, gerando novos
conhecimentos com a convergência dessas duas áreas. Tudo isso acontecendo
dentro de um grupo de pesquisa interdisciplinar com experiência de mais de 10
anos desenvolvendo soluções efetivas para a Medicina tendo hoje várias soluções
utilizadas por médicos em todos os continentes do planeta.
Referencial Bibliográfico:
1. AMBRÓSIO, RENATO ; SALOMÃO, MARCELLA Q. ; BARROS, LORENA ; DA
FONSECA FILHO, JOÃO BATISTA R. ; GUEDES, JAIME ; NETO, ALEXANDRE ;
MACHADO, Aydano P. ; LOPES, BERNARDO T. ; SENA, NELSON ;
ESPORCATTE, LOUISE PELLEGRINO GOMES . Multimodal diagnostics for
keratoconus and ectatic corneal diseases: a paradigm shift. Eye and Vision, v. 10, p.
45-71, 2023.
2. AMBRÓSIO, RENATO MACHADO, Aydano P. LEÃO, EDILEUZA LYRA, JOÃO
MARCELO G. SALOMÃO, MARCELLA Q. ESPORCATTE, LOUISE G.
PELLEGRINO FILHO, JOÃO B. R. DA FONSECA FERREIRA-MENESES, ERICA
SENA, NELSON B. HADDAD, JORGE S. NETO, ALEXANDRE COSTA CASTELO
DE ALMEIDA, GILDASIO ROBERTS, CYNTHIA J. ELSHEIKH, AHMED
VINCIGUERRA, RICCARDO VINCIGUERRA, et al. ; Optimized artificial intelligence
for enhanced ectasia detection using Scheimpflug-based corneal tomography and
biomechanical data. AMERICAN JOURNAL OF OPHTHALMOLOGY, v. 246, p. 1,
2022.
3. ALMEIDA JUNIOR, GILDÁSIO CASTELLO ; GUIDO, RODRIGO CAPOBIANCO ;
BALARIN SILVA, HENRIQUE MONTEIRO ; BRANDÃO, CINARA CÁSSIA ;
CARLOS DE MATTOS, LUIZ ; LOPES, BERNARDO T ; MACHADO, AYDANO
PAMPONET ; AMBRÓSIO, RENATO . Novel artificial intelligence index based on
Scheimpflug corneal tomography to distinguish subclinical keratoconus from healthy
corneas. JOURNAL OF CATARACT AND REFRACTIVE SURGERY, v. Publish
Ahead of Print, p. 1, 2022.
4. LEÃO, EDILEUZA ; ING REN, TSANG ; LYRA, JOÃO M. ; MACHADO, AYDANO ;
KOPROWSKI, ROBERT ; LOPES, BERNADO ; VINCIGUERRA, RICCARDO ;
VINCIGUERRA, PAOLO ; ROBERTS, CYNTHIA J. ; ELSHEIKH, AHMED ; KRYSIK,
KATARZYNA ; AMBRÓSIO, RENATO . Corneal deformation amplitude analysis for

keratoconus detection through compensation for intraocular pressure and integration
with horizontal thickness profile. COMPUTERS IN BIOLOGY AND MEDICINE, v.
109, p. 263-271, 2019.
5. LYRA, DANIELA ; RIBEIRO, GUILHERME ; TORQUETTI, LEONARDO ;
FERRARA, PAULO ; MACHADO, AYDANO ; LYRA, JOÃO MARCELO .
Computational Models for Optimization of the Intrastromal Corneal Ring Choice in
Patients With Keratoconus Using Corneal Tomography Data. JOURNAL OF
REFRACTIVE SURGERY, v. 34, p. 547-550, 2018.
6. LOPES, BERNARDO T. ; RAMOS, ISAAC C. ; SALOMÃO, MARCELLA Q. ;
GUERRA, FREDERICO P. ; SCHALLHORN, STEVE C. ; SCHALLHORN, JULIE M. ;
VINCIGUERRA, RICCARDO ; VINCIGUERRA, PAOLO ; PRICE, FANCIS W. ;
PRICE, MARIANNE O. ; REINSTEIN, DAN Z. ; ARCHER, TIMOTHY J. ; BELLIN,
MICHAEL W. ; MACHADO, Aydano P. ; AMBRÓSIO, RENATO . Enhanced
tomographic assessment to detect corneal ectasia based on artificial intelligence..
AMERICAN JOURNAL OF OPHTHALMOLOGY, v. 195, p. 223-232, 2018.
7. LYRA, J. M. A. G. ; LYRA, D. A. G. ; RIBEIRO, G.B.O. ; TORQUETTI, L. ;
FERRARA, P. ; MACHADO A.P. .Tomographic Findings After Implantation of Ferrara
Intrastromal Corneal Ring Segments in Keratoconus. JOURNAL OF REFRACTIVE
SURGERY, v. 33, p. 110-115, 2017.
8. DANTAS, Pedro Barreto. Utilização da aprendizagem de máquina e seleção de
atributos para o diagnóstico de ceratocone a partir de parâmetros biomecânicos da
córnea. 2017. 64 f. Dissertação (Mestrado em Modelagem Computacional de
Conhecimento) – Instituto de Computação, Programa de Pós-Graduação em
Modelagem Computacional de Conhecimento, Universidade Federal de Alagoas,
Maceió, 2017.
9. FERREIRA DE LUCENA, DAVID JONES ; FERREIRA JUNIOR, JOSÉ RANIERY
; MACHADO, AYDANO PAMPONET ; OLIVEIRA, MARCELO COSTA . Automatic
weighing attribute to retrieve similar lung cancer nodules. BMC Medical Informatics
and Decision Making (Online), v. 16, p. 136-162, 2016.
10. TORQUETTI, L. ; FERRARA, G. ; ALMEIDA, F. ; CUNHA, L. ; ARAUJO, L.P.N. ;
MACHADO A.P. ; LYRA, J. M. A. G. ; MERAYO-LLOVES, J. ; FERRARA, P. .
Intrastromal Corneal Ring Segments Implantation in Patients With Keratoconus:
10-Year Follow-Up. Journal of Refractive Surgery (1995), v. 30, p. 22-26, 2014.
11. VENTURA, B. V. O. C. ; MACHADO, Aydano P. ; AMBROSIO JR., R. ; RIBEIRO,
G.B.O. ; ARAUJO, L.P.N. ; LUZ, A. ; LYRA, J. M. A. G. . Analysis of
Waveform-Derived ORA Parameters in Early Forms of Keratoconus and Normal
Corneas. Journal of Refractive Surgery (1995), v. 29, p. 637-643, 2013.

12. MACHADO, Aydano P.; LYRA, J. M. A. G. ; AMBROSIO JR., R. ; RIBEIRO, G. ;
XAVIER, C. ; COSTA, E. B. Comparing Machine-learning Classifiers in Keratoconus
Diagnosis from ORA Examinations. Lecture Notes in Computer Science, v. 6747, p.
90-95, 2011.
13. RIBEIRO, G.B.O.. Um modelo computacional de auxilio ao diagnóstico de
ceratocone leve baseado em parâmetros biomecânicos da córnea. 2015.
Dissertação (Mestrado em Modelagem Computacional de Conhecimento) Universidade Federal de Alagoas.
14. LYRA, D. A. G.. Modelos computacionais para otimização da escolha do anel
intraestromal em pacientes com ceratocone utilizando dados tomográficos da
córnea. 2015. Dissertação (Mestrado em Modelagem Computacional de
Conhecimento) - Universidade Federal de Alagoas.

12 - Inteligência Computacional Aplicada à Internet das Coisas e Cidades
Inteligentes (Prof. Dr. Rian Pinheiro e Prof. Dr. Bruno Nogueira)
Resumo:
Internet das Coisas (Internet of Things - IoT) [1] é um paradigma emergente que
transforma objetos do nosso dia dia em objetos conectados à Internet com
capacidade de sensoriamento, processamento e atuação. De acordo com
especialistas, em um futuro próximo, estaremos cercados por bilhões destes
dispositivos, que mudarão o jeito como vivemos e trabalhamos. IoT já está sendo
usado em uma diferente gama de aplicações, como agricultura de precisão e
healthcare. Dentre outras aplicações interessantes para estes dispositivos,
destacamos as cidades inteligentes, cujo objetivo é o uso massivo de tecnologia da
informação para monitoramento, previsões, planejamento e apoio à decisão em
centros urbanos.
A proposta deste trabalho visa o estudo e desenvolvimento de algoritmos baseados
em inteligência computacional para resolver problemas de IoT e/ou cidades
inteligentes. Problemas de diversas áreas podem ser considerados, incluindo (mas
não limitado a):
- Mobilidade urbana e logística (uso eficiente de frotas de veículos [2,3, 4], políticas
de roteamento de semáforos [5]),
- Infraestrutura (otimização no processo de manutenção de infraestruturas [6]),
- Energia (otimização de smart grids [7], uso eficiente de energia em smart
buildings),
- Turismo (rotas inteligentes de atrações turísticas [8]),

- Serviços públicos (escala de motoristas de ônibus [9], alocação de serviços
públicos [10]).
As soluções para estes problemas além de altamente lucrativas, são fundamentais
para o crescimento da competitividade do país no contexto não apenas nacional,
mas principalmente internacional.
Diversas técnicas do campo da inteligência computacional podem ser usadas para
resolver estes problemas, tais como algoritmos genéticos, programação genética,
simulated annealing, colônia de formigas, VNS, ILS, GRASP e busca tabu [11--19].
Exemplos de trabalhos nessa linha que nosso grupo de pesquisa vem atacando
podem ser encontrados em: ic.ufal.br/professor/rian/optlab-selecao-ppgi1.pdf
Referencial Bibliográfico:
1. Atzoria, L., Ierab, A & Morabitoc, G. (2010). ‘The Internet of Things: A survey’,
Computer Networks (54) 15, 2787-2805.
2.
Costa, P.R.O., Mauceri, S., Carroll, P. & Pallonetto, F. (2018), ‘A Genetic
Algorithm for a Green Vehicle Routing Problem’, Electronic Notes in Discrete
Mathematics (64), 65-74.
3. Lin, C., Chou, K.L., Ho, G.T.S, Chung, S.H & Lam, H.Y. (2014), ‘Survey of Green
Vehicle Routing Problem: Past and future trends’. Expert System with Applications
(41), 1118-1138.
4. Fonseca-Galindo, J.C., Surita, G.C., Neto, J.M., Castro, C.L. & Lemos, A.P.
(2009). ‘A Multi-Agent System for Solving the Dynamic Capacitated Vehicle Routing
Problem with Stochastic Customers using Trajectory Data Mining’, arXiv preprint
arXiv:2009.12691.
5.
Ceylan, H., & Bell, M. G. (2004). Traffic signal timing optimisation based on
genetic algorithm approach, including drivers’ routing. Transportation Research Part
B: Methodological, 38(4), 329-342.
6. Gerami, A., Vatani, M.R. & Golrooc, N.A. (2017). ‘A comparative study on using
meta-heuristic algorithms for road maintenance planning: Insights from field study in
a developing country’ Journal of Traffic and Transportation Engineering (4), 5,
477-486.
7. Guzman, C., Cardenas, A., & Agbossou, K. (2017). ‘Evaluation of meta-heuristic
optimization methods for home energy management applications’. IEEE 26th
International Symposium on Industrial Electronics (ISIE), 1501-1506.

8.
Gavalas, D., Konstantopoulos, C., Mastakas, K, & Pantziou. G. (2014). ‘A
survey on algorithmic approaches for solving tourist trip design problems’. Journal of
Heuristics (20) 3, 291-32.
9.
Lourenço, H.R.,
Paixão, J.P. & Portugal,R. (2001). ‘Multiobjective
Metaheuristics for the Bus Driver Scheduling Problem’, Transportation Science (35)
3, 215-343.
10. Souza, G., Ramos, G., & Santos, E. & Pinheiro, R.G.S.,(2019). ‘Agendamento
Automático de Exames em Clínicas’. In Anais do XVI Encontro Nacional de
Inteligência Artificial e Computacional, 996-1007.
11. Talbi, E. (2009), Metaheuristics: From Design to Implementation, John Wiley &
Sons.
12.
Gendreau, M. & Potvin, J.-Y. (2010), Handbook of Metaheuristics, 2nd ed.,
Springer Publishing Company, Incorporated.
13.
Nogueira, B., Pinheiro, R. G. S. & Subramanian, A. (2018). ‘A hybrid iterated
local search heuristic for the maximum weight independent set problem’.
Optimization Letters (12), 567-583.
14.
Nogueira, B. & Pinheiro, R. G. S. (2018). ‘A CPU-GPU local search heuristic
for the maximum weight clique problem on massive graphs’. Computers &
Operations Research (90), 232-248.
15. Nogueira, B. & Pinheiro, R. G. S. (2020), ‘A GPU based local search algorithm
for the unweighted and weighted maximum s-plex problems’. Annals of Operations
Research 284, 367-400.
16.
Pinheiro, R.G.S., Martins,I.C., Protti, F., Ochi, L.S., Simonetti, L.G. &
Subramanian , A. (2017), ‘On solving manufacturing cell formation via Bicluster
Editing’, European Journal of Operational Research 254 (3), 769-779
17.http://www.decom.ufop.br/prof/marcone/Disciplinas/InteligenciaComputacional/Int
eligenciaComputacional.pdf
18.

CV Lattes: http://lattes.cnpq.br/6805191874473768

19.

CV Lattes: http://lattes.cnpq.br/1447954471683870

13 - Manipulação robótica cooperativa usando técnicas de modelagem
cinemática, processos estocásticos e aprendizagem de máquina (Prof. Dr.
Glauber Rodrigues Leite e Prof. Ícaro Bezerra Queiroz de Araújo)
Resumo:
No ambiente industrial, é comum a presença de manipuladores robóticos para
trabalhos de montagem, pintura, soldagem e inspeção visual de componentes com
grande precisão e velocidade. Requisitos como espaço de trabalho, capacidade de
carregamento (payload) e manipulabilidade são utilizados durante a elaboração de
projeto. O uso crescente de robôs em plantas industriais está diretamente
relacionado ao aumento da produtividade, levando à densificação de sistemas
robóticos compartilhando o mesmo chão de fábrica [1], seja com outros robôs, ou
mesmo com humanos.
No paradigma moderno de indústria, a Indústria 4.0, o desenvolvimento de sistemas
ciber- físicos cada vez mais descentralizados e autônomos se tornou vital,
principalmente no que se refere à escalabilidade das soluções empregadas [2].
Algumas vantagens podem ser apontadas como motivação para o desenvolvimento
de soluções usando múltiplos agentes, incluindo o paralelismo inerente para
execução mais rápida de um objetivo global, a simplificação de alguns problemas
através de estratégias de decomposição e alocação de tarefas, além de existir
situações em que podem ser usados múltiplos robôs mais simples com
funcionalidades particulares ao invés de um único robô mais complexo e mais caro
[3].
Sabe-se que o problema de controle local, ou planejamento dinâmico de
movimentação, de um ponto no plano é NP-difícil em um ambiente com obstáculos
móveis e restrições de velocidade sendo, portanto, um problema de relevância
computacional [4]. No contexto de manipuladores, esse tema busca resolver
problemas de manipulação robótica cooperativa usando as seguintes abordagens:
• Técnicas envolvendo modelagem em quatérnios duais, que tem sido usadas para
lidar com o desafio da implementação de manipulação cooperativa [5, 6], ou outras
abordagens relacionadas ao modelo e controle cinemático dos robôs.
• Implementação de cenários complexos de cooperação, apresentando interação
com humano e incertezas do ambiente, onde é comum a interpretação dos sistemas
envolvidos como processos estocásticos [7, 8].
• Aplicação de aprendizagem de máquina, em especial aprendizagem por reforço,
em que um modelo do sistema robótico pode ser simulado e treinado
extensivamente através de interações com o ambiente/simulação física para realizar
uma tarefa de alta complexidade [9, 10].
Referencial Bibliográfico:

[1] Graetz, G. and Michaels, G. (2018). Robots at Work. The Review of Economics
and Statistics, 100(5):753–768
[2] Industry 4.0: A survey on technologies, applications and open research issues.
Journal of Industrial Information Integration, 6:1–10.
[3] Arkin, R. C. and Balch, T. (1998). Cooperative Multiagent Robotic Systems, page
277–296. MIT Press, Cambridge, MA, USA.
[4] Canny, J. and Reif, J. (1987). New lower bound techniques for robot motion
planning problems. pages 49–60.
[5] R. Chandra, C. M. Mateo, J. A. Corrales-Ramon and Y. Mezouar, "Dual-Arm
Coordination Using Dual Quaternions and Virtual Mechanisms," 2018 IEEE
International Conference on Robotics and Biomimetics (ROBIO), Kuala Lumpur,
Malaysia, 2018, pp. 759-765, doi: 10.1109/ROBIO.2018.8665292.
[6] C. M. de Farias, Y. G. Rocha, L. F. C. Figueredo and M. C. Bernardes, "Design of
singularity-robust and task-priority primitive controllers for cooperative manipulation
using dual quaternion representation," 2017 IEEE Conference on Control Technology
and Applications (CCTA), Maui, HI, USA, 2017, pp. 740-745, doi:
10.1109/CCTA.2017.8062550.
[7] F. Naghdy, B. Luk, K. Hoade, Stochastic Force Control in a Robot Arm. IFAC
Symposia Series, Robot Control 1988 (Syroco '88). 1989, Pages 145-150, ISBN
9780080357423, doi: 10.1016/B978-0-08-035742-3.50029-0.
[8] P. H. Chang, K. Park, S. H. Kang, H. I. Krebs and N. Hogan, "Stochastic
Estimation of Human Arm Impedance Using Robots With Nonlinear Frictions: An
Experimental Validation," in IEEE/ASME Transactions on Mechatronics, vol. 18, no.
2, pp. 775-786, April 2013, doi: 10.1109/TMECH.2012.2184767.
[9] Liu L, Liu Q, Song Y, Pang B, Yuan X, Xu Q. A Collaborative Control Method of
Dual-Arm Robots Based on Deep Reinforcement Learning. Applied Sciences. 2021;
11(4):1816. doi: 10.3390/app11041816
[10] Z. Li, J. Liu, Z. Huang, Y. Peng, H. Pu and L. Ding, "Adaptive Impedance Control
of Human–Robot Cooperation Using Reinforcement Learning," in IEEE Transactions
on Industrial Electronics, vol. 64, no. 10, pp. 8013-8022, Oct. 2017, doi:
10.1109/TIE.2017.2694391.

14 - Melhoria de Processo e Qualidade de Software (Prof. Dr. Rodrigo Gusmão
de Carvalho Rocha)
Resumo:
Em plena evolução, a indústria de software se tornou fundamental para a sociedade
moderna, que depende significativamente mais de soluções tecnológicas para
otimizar seus processos de negócio nas mais diversas áreas do conhecimento. Em
um cenário tão competitivo e globalizado é importante buscar estratégias para
entregar softwares de qualidade e confiáveis em tempo reduzido. Neste contexto, a
Engenharia de Software tem o intuito de prover as atividades de desenvolvimento
com controle e planejamento, Pressman [1] define ES como um processo onde
existe um conjunto de métodos (práticas) e uma série de ferramentas que permitem
os colaboradores criarem softwares de alta qualidade.
A proposta deste estudo busca identificar, analisar e sintetizar evidências na
literatura e na indústria a respeito de Agile Software Development (ASD),
concebendo um modelo de evidências sobre o desenvolvimento ágil de software. Os
problemas que este trabalho pretende auxiliar são distribuídos entre as subáreas e
conceitos/disciplinas da ES [2], como algumas citadas abaixo:
- Processo de Software [1][3][5][11]
- Qualidade de Software [1][1][3][5][7][8]
- Métodos Ágeis [1][3][5][7][8][11]
- Gestão de Projetos de Software [1][3][4][7]
- Design Thinking [3][6][9][10]
- Testes de Software [1][3]
- Desenvolvimento Global de Software [5][6][7][8][12]
- Engenharia Software Experimental [13][14]
Pode-se afirmar que a Engenharia de Software necessita de aprimoramento
contínuo, pois refinar o processo de desenvolvimento permite às empresas o
estabelecimento de uma cultura orientada a processos, com o propósito de
desenvolver software com mais qualidade. Este tema aborda diretamente modelos
de processos de desenvolvimento software com equipes ágeis, compostos por
fases, atividades, artefatos, templates, ferramentas, práticas, papéis e métodos
ágeis, como também, a proposição de um modelo baseado em evidências para o
uso dos métodos ágeis. Isto pode representar uma referência simples, formal e
padronizada para o desenvolvimento de sistemas.

Referencial Bibliográfico:
[1] Roger S. Pressman and Bruce R. Maxim. Software Engineering: A Practitioner's
Approach. McGraw-Hill Education, 9a edition. ISBN 1259872971. 2019.
[2] Bourque, P. E Fairley, R. E. SWEBOK: Guide to the Software Engineering Body
of Knowledge, Version 3.0. IEEE Computer Society, Disponível em www.swebok.org.
2014.
[3] Sommerville, I. Software Engineering. Pearson. International Computer Science
Series. 10th Edition. ISBN 0133943038. 2015.
[4] PMBOK. A Guide to the Project Management Body of Knowledge (PMBOK®
Guide)” – Sixth Edition. Project Management Institute PMI. 2017.
[5] Emam Hossain, Paul L. Bannerman, and Ross Jeffery. 2011. Towards an
understanding of tailoring scrum in global software development: a multi-case study.
In Proceedings of the 2011 International Conference on Software and Systems
Process (ICSSP '11). Association for Computing Machinery, New York, NY, USA,
110–119. DOI:https://doi.org/10.1145/1987875.1987894
[6] Wasim Alsaqaf, Maya Daneva, Roel Wieringa. Quality requirements challenges in
the context of large-scale distributed agile: An empirical study. Journal of Information
and Software Technology. Volume 110. Pages 39-55, ISSN 0950-5849,
https://doi.org/10.1016/j.infsof.2019.01.009. 2019.
[7] C. Scharff, "Guiding global software development projects using Scrum and Agile
with quality assurance," 2011 24th IEEE-CS Conference on Software Engineering
Education
and
Training
(CSEE&T),
2011,
pp.
274-283,
doi:
10.1109/CSEET.2011.5876097.
[8] A. Sarwar, Y. Hafeez, S. Hussain and S. Yang, "Towards Taxonomical-Based
Situational Model to Improve the Quality of Agile Distributed Teams," in IEEE
Access, vol. 8, pp. 6812-6826, 2020, doi: 10.1109/ACCESS.2020.2964432.
[9] Lindberg, T., Meinel, C. E Wagner, R. Design Thinking: A Fruitful Concept for IT
development?, Design Thinking: Understand – Improve – Apply, Understanding
Innovation. H. Plattner, C. Meinel e L. Leifer, Berlin, Springer, p. 3-18. 2011.
[10] Brown, TIM. Change by Design: How Design Thinking Transforms Organizations
and Inspires Innovation. Harper Business. 2019.
[11] J. M. Bass, "Scrum Master Activities: Process Tailoring in Large Enterprise
Projects," 2014 IEEE 9th International Conference on Global Software Engineering,
2014, pp. 6-15, doi: 10.1109/ICGSE.2014.24.

[12] Prikladnicki, Rafael e Carmel, Erran. (2013). Is time-zone proximity an
advantage for software development? The case of the Brazilian IT industry.
Proceedings of the 2013 International Conference on Software Engineering. IEEE
Press.
[13] Kitchenham, B., Brereton, O., Budgen, D., Turner, M., Bailey, J., Linkman, S.
(2008). Systematic literature reviews in software engineering - A systematic literature
review. J. Of Information and Software Technology. 51, 1, 7-15.
[14] Travassos, G., Biolchini J. (2007). Revisões Sistemáticas Aplicadas a
Engenharia de Software. In: XXI SBES - Brazilian Symposium on Software
Engineering, 2007, João Pessoa. SBES 2007 - XXI Simpósio Brasileiro de
Engenharia de Software.

15 - Métodos de agrupamento difuso multivariado (Prof. Dr. Bruno Almeida
Pimentel)
Resumo:
A Aprendizagem de Máquina possui diversos métodos que buscam reconhecer
padrões nos dados. De acordo com a maneira como cada método encontra esses
padrões, eles podem ser supervisionados ou não supervisionados. Os métodos
supervisionados dependem de rótulos nos dados, e obtê-los pode ser custoso ou
nem sempre possível. Portanto, a abordagem não supervisionada surge como uma
alternativa. Esta abordagem pode ser dividida em métodos de agrupamento rígidos
ou difusos, com os métodos difusos mostrando melhor desempenho em dados com
grupos sobrepostos [1]. No entanto, eles não indicam claramente quão influente
uma variável foi no agrupamento, o que leva ao surgimento da abordagem
multivariada [2]. Na abordagem multivariada, cada elemento do conjunto de dados
pode ter uma chance de pertencer a um grupo de acordo com cada variável. Em
decorrência disso, as variáveis podem ser interpretadas segundo seu poder de
discriminalidade em cada grupo [3]. Além disso, essa abordagem pode servir como
um método de filtro para eliminar variáveis menos relevantes para o agrupamento.
Apesar dessa propriedade, nenhum trabalho até então propôs o uso da abordagem
multivariada para a melhoria dos métodos de agrupamento. Portanto, a proposta
desta pesquisa é investigar e propor métodos multivariados que incorporem a
importância das variáveis no processo de agrupamento.
Referencial Bibliográfico:
[1] Jain, A. K., Murty, M. N., & Flynn, P. J. (1999). Data clustering: a review. ACM
computing surveys (CSUR), 31(3), 264-323.

[2] Pimentel, B. A., & De Souza, R. M. (2013). A multivariate fuzzy c-means method.
Applied Soft Computing, 13(4), 1592-1607.
[3] Pimentel, B. A., de Souto, M. C., & de Souza, R. M. (2017, May). Interpreting
multivariate membership degrees of fuzzy clustering methods: A strategy. In 2017
International Joint Conference on Neural Networks (IJCNN) (pp. 2800-2804). IEEE.

16 - Modelagem e Análise Formal de Modelos de Aprendizado de Máquina
(Prof. Dr. Álvaro Sobrinho e Prof. Dr. Leandro Dias da Silva)
Resumo:
Um dos objetivos é realizar experimentos com algoritmos de aprendizado de
máquina, propor e desenvolver soluções no contexto de Internet das coisas e redes
móveis de quinta geração. Serão analisadas quais técnicas de aprendizado de
máquina podem ser aprimoradas com o uso de redes de Petri para garantir tomadas
de decisões corretas. Portanto, investigar o aprimoramento de técnicas de
aprendizado de máquina utilizando redes de Petri. Neste contexto, a modelagem e
verificação formal com base em modelos gráficos e executáveis são estratégias
viáveis para aumentar a confiança de soluções baseadas em aprendizado de
máquina para redes de Internet das coisas. Isto se relaciona com a apresentação de
soluções baseadas em aprendizado de máquina e redes de Petri para a predição de
ameaças e ataques com base em atividades suspeitas na rede e com a
apresentação de soluções baseadas em aprendizado de máquina e redes de Petri
para detecção de anomalias e detecção de intrusão. Serão apresentar análises
formais de soluções baseadas em aprendizado de máquina para aumentar a
confiança em redes móveis de quinta geração e Internet das coisas.
Referencial Bibliográfico:
OLIVEIRA, YURI RESENDE MATIAS DE ; Sobrinho, Álvaro ; SILVA, LEANDRO
DIAS DA ; SANTOS, DANILO ; GORGÔNIO, KYLLER C. ; Perkusich, Angelo .
Coloured Petri Nets Modeling Multilayer Perceptron Neural Networks. In: 2024 IEEE
International Conference on Consumer Electronics (ICCE), 2024, Las Vegas. 2024
IEEE International Conference on Consumer Electronics (ICCE), 2024. p. 1.
M. Nauman, N. Akhtar, O. H. Alhazmi, M. Hameed, H. Ullah and N. Khan, "Improving
the Correctness of Medical Diagnostics Based on Machine Learning With Coloured
Petri Nets," in IEEE Access, vol. 9, pp. 143434-143447, 2021, doi:
10.1109/ACCESS.2021.3121092
Katz, G. et al. (2019). The Marabou Framework for Verification and Analysis of Deep
Neural Networks. In: Dillig, I., Tasiran, S. (eds) Computer Aided Verification. CAV

2019. Lecture Notes in Computer Science(), vol 11561. Springer, Cham.
https://doi.org/10.1007/978-3-030-25540-4_26
Elboher, Y.Y., Gottschlich, J., Katz, G. (2020). An Abstraction-Based Framework for
Neural Network Verification. In: Lahiri, S., Wang, C. (eds) Computer Aided
Verification. CAV 2020. Lecture Notes in Computer Science(), vol 12224. Springer,
Cham. https://doi.org/10.1007/978-3-030-53288-8_3

17 - Modelagem e Análise Formal para a Segurança Cibernética em Redes de
Internet das Coisas (Prof. Dr. Álvaro Sobrinho e Prof. Dr. Leandro Dias da
Silva)
Resumo:
Um dos objetivos é propor modelos de redes de Petri que possibilitem análises de
protocolos existentes para segurança cibernética e que possibilitem a definição (e
verificação) de políticas de segurança. Neste contexto, a modelagem e verificação
formal com base em modelos gráficos e executáveis são abordagens práticas para
documentação, geração de evidências de cenários problemáticos, definição de
estratégias de mitigação e verificação de políticas. Isto se relaciona com a
apresentação de análises formais de protocolos (e.g., 5G- AKA e EAP`-AKA) e
soluções para a verificação de políticas para segurança cibernética em redes
móveis de quinta geração no contexto de sistemas conectados de Internet das
coisas. Portanto, será analisado como modelos de redes de Petri podem ser
utilizados para assegurar que políticas de segurança sejam cumpridas e para a
identificação de vulnerabilidades e ameaças no contexto de segurança cibernética,
5G e Internet das coisas. Os modelos de redes de Petri propostos serão usados
para identificar vulnerabilidades em protocolos existentes e para verificar políticas
de segurança cibernética. Os resultados serão apresentados como relatos de
vulnerabilidades identificadas em protocolos, associados com a apresentação de
propostas para a mitigação, e como estudos empíricos sobre a verificação de
políticas de segurança.
Referencial Bibliográfico:
VALADARES, D. ; Sobrinho, Álvaro ; PERKUSICH, A. ; GORGONIO, K. . Formal
Verification of a Trusted Execution Environment-based Architecture for IoT
Applications. IEEE Internet of Things Journal, v. 1, p. 1, 2021.
X. Li, X. Hu, R. Zhang, C. Zhou, Q. Yin and L. Yang, "A Model-Driven Security
Analysis Approach for 5G Communications in Industrial Systems," in IEEE
Transactions on Wireless Communications, vol. 22, no. 2, pp. 889-902, Feb. 2023,
doi: 10.1109/TWC.2022.3199378

V. -L. Nguyen, P. -C. Lin, B. -C. Cheng, R. -H. Hwang and Y. -D. Lin, "Security and
Privacy for 6G: A Survey on Prospective Technologies and Challenges," in IEEE
Communications Surveys & Tutorials, vol. 23, no. 4, pp. 2384-2428, Fourthquarter
2021, doi: 10.1109/COMST.2021.3108618
S. Ji and A. Kumar Mishra, "5G Security Issues Challenges and Solutions Against
DDoS Attacks:A Survey," 2024 2nd International Conference on Disruptive
Technologies (ICDT), Greater Noida, India, 2024, pp. 1422-1427, doi:
10.1109/ICDT61202.2024.10489295.

M. Mahyoub, A. AbdulGhaffar, E. Alalade, E. Ndubisi and A. Matrawy, "Security
Analysis of Critical 5G Interfaces," in IEEE Communications Surveys & Tutorials, doi:
10.1109/COMST.2024.3377161
SOBRINHO, ALVARO; Dias da Silva, Leandro ; SANTOS, D. F. S. . Métodos
Formais para a Análise de Segurança de Redes 5G: Desafios e Oportunidades. In:
XLI Simpósio Brasileiro de Telecomunicações e Processamento de Sinais, 2023,
São José dos Campos. Sistemas além do 5G (B5G): Integração entre terra, ar e
espaço. 2023.

18 - Monitoramento de Animais Domésticos Usando Visão Computacional
(Prof. Dr. Thales Vieira)
Resumo:
Este tema de pesquisa propõe a investigação de sistemas inteligentes que utilizam
câmeras e sensores para monitorar e interagir com animais de estimação de
maneira não intrusiva. O objetivo principal deve ser o desenvolvimento de
algoritmos de Visão Computacional capazes de rastrear, identificar e analisar o
comportamento de animais de estimação em tempo real. Isso inclui problemas de
identificação facial, re-identificação, estimativa de pose, detecção de atividades
físicas, como brincadeiras e descanso, bem como a identificação de estados
emocionais, como felicidade, estresse ou desconforto. Além disso, o projeto visa
criar sistemas de alerta para situações de emergência, como a detecção de
comportamentos anômalos ou perigos potenciais no ambiente do animal. A
pesquisa também pode abordar a investigação de interfaces amigáveis para os
proprietários de animais de estimação, permitindo-lhes acessar e interagir com os
dados de monitoramento por meio de aplicativos móveis ou sistemas baseados na
web. O uso de técnicas Aprendizado de Máquina e Visualização também é
encorajado nesse contexto.

Referencial Bibliográfico:

Schroff, F., Kalenichenko, D., & Philbin, J. (2015). Facenet: A unified embedding for
face recognition and clustering. In Proceedings of the IEEE conference on computer
vision and pattern recognition (pp. 815-823).
Jiang, P., Ergu, D., Liu, F., Cai, Y., & Ma, B. (2022). A Review of Yolo algorithm
developments. Procedia Computer Science, 199, 1066-1073.
Yu, H., Xu, Y., Zhang, J., Zhao, W., Guan, Z., & Tao, D. (2021). Ap-10k: A
benchmark for animal pose estimation in the wild. arXiv preprint arXiv:2108.12617.
Li, S., Li, J., Tang, H., Qian, R., & Lin, W. (2019). ATRW: a benchmark for Amur tiger
re-identification in the wild. arXiv preprint arXiv:1906.05586.
Schneider, S., Taylor, G. W., & Kremer, S. C. (2022). Similarity learning networks for
animal individual re-identification: an ecological perspective. Mammalian Biology,
102(3), 899-914.
Sinnott, R. O., Aickelin, U., Jia, Y., Sinnott, E. R., Sun, P. Y., & Susanto, R. (2021,
December). Run or pat: using deep learning to classify the species type and emotion
of pets. In 2021 IEEE Asia-Pacific Conference on Computer Science and Data
Engineering (CSDE) (pp. 1-6). IEEE.
Tsai, M. F., & Huang, J. Y. (2021). Sentiment analysis of pets using deep learning
technologies in artificial intelligence of things system. Soft Computing, 25(21),
13741-13752.

19 - Reconhecimento Facial (Prof. Dr.Tiago Figueiredo Vieira)
Resumo:
O reconhecimento facial é uma tecnologia de identificação e verificação de
indivíduos a partir de imagens e vídeos, que tem se mostrado promissora em
diversos campos, incluindo segurança pública, controle de acesso e personalização
de serviços. A aplicação de técnicas de inteligência artificial (IA), especialmente
redes neurais profundas, revolucionou este campo, proporcionando maior precisão
e eficiência. Este trabalho de mestrado tem como objetivo explorar e desenvolver
métodos avançados de reconhecimento facial utilizando algoritmos de IA. Serão
abordados aspectos como a coleta e pré-processamento de dados, arquitetura de
redes neurais, treinamento e otimização de modelos, e a avaliação de desempenho
em bases de dados públicas. A pesquisa também analisará questões éticas e de
privacidade relacionadas ao uso desta tecnologia.
Referencial Bibliográfico:

Z. Wu, Y. He, S. Wang, "Joint Learning of Image-to-Image Translation and Dense
Correspondence for Face Recognition," IEEE Transactions on Neural Networks and
Learning Systems, vol. 32, no. 7, pp. 2997-3011, Jul. 2021.
Y. Shi, X. He, X. Lin, "Robust Face Recognition via Adaptive Sparse Representation," IEEE
Transactions on Image Processing, vol. 29, pp. 173-185, 2020.
D. Guo, Y. Zhang, H. Wang, "Deep Convolutional Neural Network-Based Face Recognition
Using Geometric Features," IEEE Access, vol. 7, pp. 16578-16590, 2019.
J. Deng, J. Guo, N. Xue, "ArcFace: Additive Angular Margin Loss for Deep Face
Recognition," IEEE Transactions on Image Processing, vol. 28, no. 8, pp. 5963-5976, Aug.
2019.
F. Schroff, D. Kalenichenko, J. Philbin, "FaceNet: A Unified Embedding for Face Recognition
and Clustering," Proceedings of the IEEE Conference on Computer Vision and Pattern
Recognition (CVPR), 2015, pp. 815-823.
S. Li, W. Deng, "Deep Facial Expression Recognition: A Survey," IEEE Transactions on
Affective Computing, vol. 13, no. 1, pp. 119-141, Jan.-Mar. 2022.
O. M. Parkhi, A. Vedaldi, A. Zisserman, "Deep Face Recognition," Proceedings of the British
Machine Vision Conference (BMVC), 2015, pp. 41.1-41.12.
A. Bansal, A. Nanduri, "3D Convolutional Neural Networks for Facial Action Unit
Recognition," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 42, no.
10, pp. 2284-2291, Oct. 2020.
S. Wang, Y. Y. Tang, H. Fang, "Face Recognition with Large-Scale Video Data Using Hybrid
Convolutional Neural Network," IEEE Access, vol. 7, pp. 35424-35434, 2019.
H. Zhao, X. Li, X. Yuan, "Two-Stream Convolutional Networks for Dynamic and Static Facial
Expression Recognition in Video," IEEE Transactions on Cybernetics, vol. 50, no. 12, pp.
5234-5245, Dec. 2020.

20 - Sistema embarcado para rastreador solar (Prof. Dr. Erick de Andrade
Barboza e Prof. Dr. Igor Cavalcante Torres)
Resumo:
Uma das maneiras mais sustentáveis de obter eletricidade é a partir do uso de
painéis fotovoltaicos. Na última década, a tecnologia fotovoltaica obteve uma
ascensão considerável, compondo uma grande fatia da matriz elétrica brasileira,
permitindo que tanto os consumidores de energia elétrica do setor residencial
quanto do setor industrial, possam produzir sua própria eletricidade localmente, isto
já promove um grande impacto na eficiência energética do sistema de distribuição
público. Os sistemas automáticos (Solar Tracker) para busca da posição do sol se

diferenciam dos sistemas convencionais, por garantirem a incidência máxima da
irradiação solar ao longo do dia, maximizando a produção de eletricidade e,
consequentemente, elevando a produtividade da planta. Na maioria dos casos, o
principal elemento que guia o movimento mecânico são os sensores que captam a
irradiância solar, geralmente são sensores com elemento primário fotossensível, que
são arranjados de forma a fornecer uma referência para operação do mecanismo de
rastreamento dos painéis fotovoltaicos. Existe um grande ponto negativo quando se
fala em sistemas automáticos que empregam esses sensores, tal ponto acontece
diante da variabilidade climatológica, principalmente quando há a ocorrência de dias
nublados ou parcialmente nublados, implicando em dispersão do fluxo de irradiação
solar, inibindo a correta operação dos sensores de luminosidade (Manfio, E. R.;
Sales, R. U.; Tucunduva Filho, A. M., 2016). Esta condição leva o rastreador a
posicionar os módulos fotovoltaicos erroneamente, limitando a produção de energia
e diminuindo a produtividade. Diante disso, o referido projeto busca desenvolver um
algoritmo inteligente baseado em modelagem matemática da geometria solar para
rastreamento de painéis fotovoltaicos, com o objetivo de minimizar o impacto da
perda de referência diante da condição de nebulosidade, garantindo o alinhamento.
Especificamente a pesquisa terá as seguintes etapas: I) Compreensão dos modelos
que determinam a trajetória aparente do sol; II) Definição dos ângulos de orientação
e inclinação dos painéis fotovoltaicos; III) Simulação temporal; IV) Estimativa
energética; V) Automatizar o processo em um sistema embarcado. A consolidação
desta pesquisa irá contribuir para o desenvolvimento tecnológico incrementando o
atual cenário de técnicas e procedimentos voltados para eficientização de sistemas
fotovoltaicos.
Referencial Bibliográfico:
MANFIO, E. R.; SALES, R. U. ; TUCUNDUVA FILHO, A. M. . Algoritmo baseado em
Astronomia e Matemática para buscadores solares. Revista e-f@tec, v. 6, p. 9,
2016.
Cortez, R. J. M., 2012. Sistema de Seguimento Solar em Produção de Energia
Fotovoltaica. 94p. Dissertação (mestrado) - Faculdade de Engenharia do Porto FEUP, Portugal.
Pinto, A., Macagnan, M., Zilles, R., Lehmann, J., 2010. Descrição de Seguidores
Solares e sua Aplicação em Centrais Fotovoltaicas Conectadas à Rede. III
Congresso Brasileiro de Energia Solar - CBENS, Pará.
VALE, M. R. B. G.; VARELLA, F. K. O. M.; Casillo, D. S. S.; CASILLO, L. A..
Participação
em
banca
de IVAN VIEIRA FERREIRA DA SILVA.
DESENVOLVIMENTO DE UM SISTEMA DE RASTREAMENTO SOLAR E
ESTIMATIVA DE POTENCIAL DE GERAÇÃO DE ENERGIA SOLAR COM
RASTREAMENTO. 2015. Exame de qualificação (Mestrando em SISTEMAS DE
COMUNICAÇÃO E AUTOMAÇÃO) - Universidade Federal Rural do Semi-Árido.

KALOGIROU, A. S. Engenharia de Energia Solar: processos e sistemas. Rio de
Janeiro: ELSEVIER, 2016. 864p. Traduzido de: Solar Engineering: Processes and
System.
DUFFIE, J. A.; BECKMAN, W. A. Solar Engineering Thermal Processes. 3a ed.
Wiley Interscience Publication, 2006.

21 - Tecnologia, Educação e Implementação de Políticas Públicas (Prof. Dr. Ig
Ibert Bittencourt)
Resumo:
A área de informática na educação baseada em evidências está interessada em
investigar os efeitos de tecnologias da informação e comunicação na educação. Isto
pode ser feito, por um lado, investigando os efeitos de tecnologias no contexto
educacional e, por outro lado, investigando os efeitos de práticas pedagógicas
mediadas por tecnologias. É uma área multidisciplinar que pode envolver
computação, psicologia, neurociência, sociologia, filosofia, entre outroas áreas. No
entanto, a investigação dos efeitos técnológicos e pedagógicos não pode ser
desenvolvida de qualquer maneira, fazendo com que uma má investigação implique
em resultados irrelevantes e desleixados (do inglês: sloppy science). Para lidar com
isso, pesquisadores fazem experimentos controlados e estudos de campo para
compreender melhor as contribuições e impactos no uso de determinadas
tecnologias, métodos e técnicas pedagógicas.
Convidamos candidatos a proporem projetos para os seguintes um dos seguintes
temas abaixo:
1. Intervenções para Recuperação das Aprendizagens com o uso de tecnologia
do Fundamental 1 ou 2
2. Desenvolvimento de Competências de Resiliência Digital em Professores e
Gestores de redes municipais de educação
3. Intervenções para aumento da Motivação e Engajamento dos Estudantes do
Ensino Fundamental 1
4. Intervenção para a Redução da Evasão e do Abandono Escolas do
Fundamental 2
5. Intervenções para o envolvimento/aproximação de famílias do ambiente
escolar municipal
6. Intervenções para o desenvolvimento de garra e resiliência de estudantes

Referencial Bibliográfico:

CV Lattes: http://lattes.cnpq.br/4038730280834132
Google
https://scholar.google.com/citations?user=BSe3NMwAAAAJ&hl=en

Citations:

Isotani, Seiji ; Bittencourt, Ig Ibert . Dados Abertos Conectados. 1. ed. São Paulo:
Novatec, 2015. v. 1. 176p.
Csikszentmihalyi, M. (1990). Flow: The Psychology of Optimal Experience. New
York: Harper and Row. ISBN 0-06-092043-2
PAIVA, R. ; BITTENCOURT, IG ; TENORIO, Thyago ; ISOTANI, S. ; Patrícia Jacques
. What do students do online? Modeling students' interactions to improve their
learning experience. Computers in Human Behavior, 2016.
SANTANA, S. J. ; OSPINA, P. ; PAIVA, R. ; I. BITTENCOURT, IG ; SILVA, Rafael de
Amorim ; ISOTANI, S. . Evaluating the impact of Mars and Venus Effect on the use of
an Adaptive Learning Technology for Portuguese and Mathematics. In: The 16th
IEEE International Conference on Advanced Learning Technologies - ICALT2016.
Austin: IEEE, 2016. v. 1. p. 1.
Pennington CR, Heim D, Levy AR, Larkin DT (2016) Twenty Years of Stereotype
Threat Research: A Review of Psychological Mediators. PLoS ONE 11(1):
e0146487. https://doi.org/10.1371/journal.pone.0146487
SILVA, J. ; BITENCOURT, IG IBERT ; ARTUR, J. ; SILVA, Alan Pedro da . Does
gender stereotype threat in gamified educational environments cause anxiety? An
experimental study. COMPUTERS & EDUCATION, v. 115, p. 161-170, 2017.
SANTOS, W. O. ; BITENCOURT, IG IBERT ; Isotani, Seiji ; Dermeval, Diego ;
MARQUES, L. ; Frango, I . Flow Theory to Promote Learning in Educational
Systems: Is it Really Relevant?. Revista Brasileira de Informática na Educação
(RBIE), v. 26, p. 29, 2018.
CIEB; USP; UFAL; NEES; MEC. Orientações para Relato de Pesquisa Quantitativa
envolvendo
Tecnologias
Educaiconais.
(2019).
URL:
https://cieb.net.br/wp-content/uploads/2019/11/Protocolo-Quantitativo.pdf

22 - Uma Arquitetura de Software Baseada em Serviços para Habilitar a
Persistência Poliglota de Dados Utilizando Tecnologia Blockchain em
Sistemas de Informação de Saúde (Prof. Dr. André Magno Costa de Araújo)
Resumo:
A evolução das tecnologias da Informação e comunicação (TIC) tem possibilitado às
organizações do setor de saúde, melhoria na prestação de serviços de cuidados
clínicos aos pacientes e agilidade no processamento de grandes volumes de dados
oriundo dos sistemas de software que compõem o ecossistema da indústria de
saúde [1]. Embora o avanço tecnológico venha permitindo a modernização dos
sistemas computacionais e a democratização do acesso aos dados do registro
eletrônico de saúde (RES), as organizações de saúde lidam diariamente com
problemas e desafios no gerenciamento dos dados processados por seus sistemas
de software legados [2-3]. Neste campo de pesquisa, os desafios comumente
relatados no estado da arte dizem respeito a dificuldade de compartilhamento de
dados devido à falta de padronização na modelagem do RES [4-5] e a
vulnerabilidade dos dados em virtude do modelo de armazenamento centralizado
em um único SGBD [6-7]. Uma estratégia comum adotada pela indústria de software
no desenvolvimento de sistemas de informação de saúde (SIS), é o armazenamento
dos dados do RES centralizado em um único modelo de banco de dados. A
utilização de um único modelo de banco de dados dificulta a representação da
heterogeneidade dos tipos de dados encontrados no setor de saúde (e.g., prontuário
eletrônico, Telemedicina, Internet das Coisas), e aumenta o risco de violações e
fraudes nos dados do RES [8]. Os SIS não estão imunes aos cibercrimes que vem
ocorrendo em todo mundo, e hoje, a indústria da saúde representa o setor da
economia que mais sofre sequestro de dados e violação de registros [9-10]. A
segurança dos dados do setor de saúde é fundamental, especialmente porque as
informações de um atendimento de saúde não são consideradas apenas registros
médicos, mas sim documentos legais. Baseado nas questões de pesquisas
identificadas no estado da arte, este projeto visa especificar uma arquitetura de
software baseada em serviços para habilitar o armazenamento do RES em
diferentes modelos de banco de dados. A abordagem proposta deve fazer uso do
conceito de persistência poliglota de dados no qual as características de integridade
referencial dos dados, flexibilidade de esquema de dados, imutabilidade de dados e
acesso permissionado devem ser levadas em consideração na elaboração de uma
da arquitetura de software que atenda as demandas de gerenciamento de dados
encontradas no setor de saúde. Duas avaliações experimentais devem ser
realizadas neste projeto. Primeiro, o cenário de uma instituição de saúde será
utilizado para avaliar as atividades de extração, padronização e persistência de
dados em duas tecnologias Blockchain amplamente utilizadas no mercado de TI.
Posteriormente, será investigado o custo computacional do uso de diferentes
tecnologias Blockchain na solução proposta.
Referencial Bibliográfico:

[1] Araújo, A., Times, V. and Silva, M. (2020) ‘A Tool for Generating Health
Applications Using Archetypes’, IEEE Software, Vol. 37, No. 1, pp. 60–67.
[2] de Araújo, André Magno Costa; Times, Valéria Cesário; da Silva, Marcus Urbano,
A Cloud Service for Graphical User Interfaces Generation and Electronic Health
Record Storage. Advances in Intelligent Systems and Computing. 1ed.: Springer
International Publishing, 2018, v. 558, p. 257-263
[3] Bezerra, Carlos Andrew Costa; de Araújo, André Magno Costa; Times, Valéria
Cesário, An HL7-Based Middleware for Exchanging Data and Enabling
Interoperability in Healthcare Applications. Advances in Intelligent Systems and
Computing. 1ed.: Springer International Publishing, 2020, v. , p. 461-467.
[4] Casino, F., Dasaklis, T., and Patsakis, C. (2018) ‘A systematic literature review of
blockchain-based applications: Current status, classification and open issues’,
Telematics and Informatics, Vol. 36, pp. 55–81.
[5] Da Conceição, A. F., da Silva, F. S. C., Rocha, V.,Locoro, A. and Barguil, J. M.
(2018)
Electronic
Health
Records
using
Blockchain
Technology,
https://arxiv.org/abs/1804.10078 (Accessed 27 July 2020).
[6] Saghiri, A. M. (2020) ‘Blockchain Architecture’, Advanced Applications of
Blockchain Technology, vol 60. Springer, Singapore. pp. 161-176.
[7] Nakamoto, S. (2009) ‘Bitcoin: A Peer-to- Peer Electronic Cash System’,
Cryptography Mailing list at https://metzdowd.com, https://bitcoin.org/bitcoin.pdf
(Accessed 27 July 2020).
[8] Yuan, Y. and Wang, F. (2018) ‘Blockchain and Cryptocurrencies: Model,
Techniques, and Applications’ , IEEE Transactions on Systems, Man, and
Cybernetics: Systems, Vol. 48, pp. 1421–1428.
[9] Roehrs, A., da Costa, C. A., Righi, R. R., Silva, V. F., Goldim, J. R. and Schmidt,
D. C. (2019) ‘Analyzing the Performance of a Blockchain-based Personal Health
Record Implementation’, Journal of Biomedical Informatics, Vol. 92, pp. 103-140.
[10] Liang, W., Fan, Y., Li, K., Zhang, D. and Gaudiot, J. (2020) ‘Secure Data
Storage and Recovery in Industrial Blockchain Network Environments’, IEEE
Transactions on Industrial Informatics, Vol. 16, pp. 1.

23 - Validação e Verificação de códigos HDL utilizando Aprendizagem de
Máquina (Prof. Dr. Erick de Andrade Barboza e Prof. Dr. Márcio Ribeiro)
Resumo:
As linguagens de descrição de hardware (HDL) desempenham um papel
fundamental no projeto de hardware moderno devido à sua capacidade de lidar com
a crescente complexidade dos projetos de ASIC e FPGA. As HDLs permitem a
exploração de várias opções de design, reduzem significativamente o tempo e os
custos do design, permitem designs maiores e facilitam a reutilização de designs em
diferentes tecnologias, o que as torna uma ferramenta essencial no processo de
projeto de hardware. A validação e verificação (V&V) de códigos HDL é crucial para
garantir a confiabilidade e o funcionamento correto de circuitos integrados (CIs). O
processo tradicional de V&V envolve revisões manuais e simulações, o que pode
ser demorado, trabalhoso e propenso a erros. As técnicas de aprendizado de
máquina (ML) oferecem um potencial promissor para automatizar e aprimorar o
processo de V&V, reduzindo custos, tempo e aumentando a precisão. Diante disso o
objetivo desta pesquisa é investigar e desenvolver abordagens de ML para a V&V
automatizada de códigos HDL. De forma específica a pesquisa terá como foco: a)
detecção de defeitos: desenvolver modelos de ML para identificar automaticamente
defeitos em códigos HDL, como violações de sintaxe, erros semânticos e falhas de
lógica; b) redução de redundância de testes: Implementar técnicas de ML para
otimizar conjuntos de testes, eliminando testes redundantes e maximizando a
cobertura de teste. Para tanto, no pretende-se: (1) analisar e quantificar más
práticas em códigos HDL de algumas plataformas (ex: AVR, RISC-V); (2) catalogar
tais más práticas; (3) criar refatoramentos para removê-las; e (4) automatizar todo o
processo através de uma ferramenta de machine learning. A pesquisa proposta tem
o potencial de contribuir significativamente para o avanço da V&V de código HDL,
automatizando e aprimorando o processo através de técnicas de ML. O
desenvolvimento de modelos de ML eficazes para detecção de defeitos, análise de
tempo, síntese de testes e redução de redundância de testes pode levar a circuitos
integrados mais confiáveis, eficientes e com menor custo de desenvolvimento.
Referencial Bibliográfico:
WU, Nan et al. Survey of Machine Learning for Software-assisted Hardware Design
Verification: Past, Present, and Prospect. ACM Transactions on Design Automation
of Electronic Systems, v. 29, n. 4, p. 1-42, 2024.
AHMAD, Hammad; HUANG, Yu; WEIMER, Westley. Cirfix: automatically repairing
defects in hardware design code. In: Proceedings of the 27th ACM International
Conference on Architectural Support for Programming Languages and Operating
Systems. 2022. p. 990-1003.

BLOCKLOVE, Jason et al. Chip-chat: Challenges and opportunities in conversational
hardware design. In: 2023 ACM/IEEE 5th Workshop on Machine Learning for CAD
(MLCAD). IEEE, 2023. p. 1-6.
AHMAD, Baleegh et al. Fixing hardware security bugs with large language models.
arXiv preprint arXiv:2302.01215, 2023.

24 - Visão Computacional: Análise, caracterização e classificação de padrões
texturais em Imagens (Prof. Dra. Fabiane da Silva Queiroz)
Resumo:
Técnicas de Visão Computacional emergiram como uma ferramenta poderosa para
analisar e interpretar informações visuais, com uma ampla gama de aplicações em
vários campos, incluindo imagem médica, sensoriamento remoto e inspeção
industrial. Um aspecto crucial da visão computacional é a capacidade de analisar e
caracterizar os padrões texturais presentes nas imagens, o que pode fornecer
insights valiosos sobre as propriedades e características subjacentes dos
objetos/cenas sendo examinados.
A textura é um aspecto fundamental da percepção visual e pode ser definida como
uma função da variação espacial das intensidades dos pixels dentro de uma
imagem. A análise de textura envolve a extração de características que descrevem
a distribuição e as propriedades dessas intensidades de pixels, como suavidade,
rugosidade, regularidade, caoticidade, dentre outros aspectos. Diversas técnicas
foram desenvolvidas para a análise e classificação de padrões texturais, incluindo
métodos estatísticos, métodos baseados em grafos, abordagens de processamento
de sinal e, mais recentemente, métodos baseados em aprendizado profundo.
Neste projeto de pesquisa, buscamos explorar tais métodos de caracterização de
texturas, o que nos permite (i) Classificar imagens por contexto, (ii)
Detectar/segmentar objetos em imagens, (iii) caracterizar tipos de degradações em
imagens, dentre outras ações pernitentes ao contexto de Visão Computacional.
Referencial Bibliográfico:
Armi, L., & Fekri-Ershad, S. (2019, January 1). Texture image analysis and texture
classification
methods
A
review.
Cornell
University.
https://doi.org/10.48550/arxiv.1904.06554
Chen, C H., & Wang, P S P. (2005, January 1). Handbook of Pattern Recognition
and Computer Vision. World Scientific. https://doi.org/10.1142/5711

Jackman, P., & Sun, D. (2012, January 1). Computer vision in the fresh and
processed
meat
industries.
Elsevier
BV,
255-276.
https://doi.org/10.1533/9780857095770.3.255
Krig,
S.
(2014,
January
1).
https://doi.org/10.1007/978-1-4302-5930-5

Computer

Vision

Metrics.

Andreia S. Gaudêncio, Mirvana Hilal, João M. Cardoso, Anne Humeau-Heurtier,
Pedro G. Vaz, Texture analysis using two-dimensional permutation entropy and
amplitude-aware permutation entropy, Pattern Recognition Letters, Volume 159,
2022, pages 150-156, ISSN 0167-8655, https://doi.org/10.1016/j.patrec.2022.05.017.
Philomina Simon, Uma V, Deep Learning based Feature Extraction for Texture
Classification, Procedia Computer Science, Volume 171, 2020, Pages 1680-1687,
ISSN 1877-0509, https://doi.org/10.1016/j.procs.2020.04.180.