ISEP - DM – Engenharia de Inteligência Artificial
Permanent URI for this collection
Browse
Browsing ISEP - DM – Engenharia de Inteligência Artificial by advisor "Gomes, Luís Filipe de Oliveira"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- Aprendizagem federada para comunidades de agentes que permita a mobilidade dinâmica em ambientes de proteção de privacidadePublication . Ribeiro, Bruno Rafael Gonçalves; Gomes, Luís Filipe de OliveiraA privacidade e a segurança dos dados têm sido uma das principais preocupações dos utilizadores da Internet nos últimos anos. Com o aumento do uso de inteligência artificial e dos dados existentes na Internet, os utilizadores começaram a ficar preocupados com a forma como as empresas utilizavam os seus dados. Com isto, vários países começaram a desenvolver os seus próprios regulamentos de proteção de dados. Para cumprir estes regulamentos e continuar a oferecer serviços baseados na inteligência artificial, as empresas e os investigadores criaram uma técnica chamada aprendizagem federada. A aprendizagem federada distingue-se da aprendizagem automática tradicional ao deslocar o processo de treino do servidor central para os clientes. Os clientes treinam o modelo com os seus dados locais e, em seguida, o modelo é enviado de volta para o servidor, onde os agregará num único modelo. Esta abordagem ajuda a distribuir o poder computacional e a evitar a exposição dos dados dos clientes. No entanto, há problemas ainda inexplorados pela comunidade de investigação, que dizem respeito ao lado dinâmico da aprendizagem federada. A investigação atual parte do princípio de que os clientes estão fixos numa federação durante toda a execução, que os seus dados não mudam ao longo do tempo e que não existem outras opções para além da federação em que se encontram a treinar. Os sistemas multiagentes, por outro lado, são um conceito que se baseia fundamentalmente em ambientes dinâmicos e que mudam com o tempo. Estes sistemas são utilizados para conceber e simular cenários realistas, incorporando características humanas, como a inteligência, a proatividade e a adaptabilidade, em entidades chamadas agentes. A sua capacidade adaptativa e comportamental que os permite seguir um objetivo pré-estabelecido faz com que se torne relevante para a aprendizagem federada, no sentido em que os clientes podem ver o seu ambiente a ser alterado, como os seus objetivos iniciais, a distribuição e a quantidade dos seus dados, entre outros. Esta abordagem de treino colaborativo com as capacidades adaptativas e dinâmicas dos agentes pode contribuir para tornar os sistemas de aprendizagem federados mais robustos e realistas. Esta dissertação tem como objetivo combinar ambos os conceitos através de uma ferramenta de desenvolvimento dedicada, validando a sua eficácia num cenário em que os clientes podem escolher qual o melhor modelo de federação a utilizar. A framework proposta chama-se PEAK FL e permite a criação de sistemas de aprendizagem federados baseados em agentes. Esta solução visa ajudar os utilizadores a concetualizar, a construir e a analisar as vantagens e desvantagens que este tipo de sistemas apresentam. Foram realizados vários casos de estudos para validar as suas várias componentes e os resultados mostram que, quando corretamente aplicada, esta combinação pode melhorar os resultados.
- Solução ciber-física para a gestão de edifícios suportada por dispositivos inteligentes e modelos de ambientes inteligentesPublication . Teixeira, Nuno Daniel Silva; Gomes, Luís Filipe de OliveiraA utilização de dispositivos ligados à internet e modelos de ambientes inteligentes em sistemas de gestão de edifícios tem vindo a ganhar notoriedade nos últimos anos, sendo cada vez mais comum a sua aplicação em edifícios. Estes conceitos, de internet das coisas e ambientes inteligentes, fornecem um meio para automatizar e otimizar as operações de gestão de edifícios, levando a uma maior eficiência no uso dos recursos, diminuição de custos e aumento do conforto dos utilizadores. Contudo, muitas das soluções existentes carecem de interoperabilidade e modelos inteligentes que considerem as necessidades e requisitos únicos de edifícios individuais e as preferências e necessidades dinâmicas dos utilizadores. Como principal objetivo, esta dissertação propõe a conceção, implementação, teste e validação de uma solução robusta que integra modelos de ambientes inteligentes e mecanismos de acesso controlado a dados. A solução proposta inclui a utilização de sensores e dispositivos ligados à internet para a recolha e analise de dados em tempo real, que serão posteriormente usados para a criação de modelos de previsão de comportamento do edifício e dos seus utilizadores. Para a identificação de padrões e contextos, foram concebidos algoritmos de aprendizagem automática e técnicas de análise de dados. O acesso aos dados, da solução proposta, contempla um mecanismo de acesso seguro e eficiente, seguindo as diretrizes do Regulamento Geral sobre a Proteção de Dados (RGPD), nacional e europeu. Para suportar o uso da solução proposta, foi concebida e implementada uma interface gráfica que permite aos gestores e utilizadores do edifício monitorizarem e controlarem as operações em tempo real, proporcionando-lhes a capacidade de responder rapidamente às condições atuais, tomando decisões informadas. Esta interface gráfica, baseada em web, permite ainda consultar os dados históricos e interagir com os modelos de suporte que foram desenvolvidos. A solução proposta foi avaliada através de casos de estudo executados em ambiente realista. Os resultados destes estudos foram utilizados para avaliar a eficácia da solução proposta na melhoria do desempenho dos edifícios. Os estudos concluem que a utilização de dispositivos inteligentes e modelos de ambientes inteligentes na gestão de edifícios é uma abordagem promissora que pode culminar em melhorias significativas no desempenho e operação dos edifícios inteligentes. Esta dissertação contribui para o domínio dos edifícios inteligentes, fornecendo uma solução abrangente que integra dispositivos ligados à internet e modelos de ambientes inteligentes para melhorar o desempenho dos edifícios e o conforto dos utilizadores.