ISEP - DM – Engenharia de Inteligência Artificial
Permanent URI for this collection
Browse
Browsing ISEP - DM – Engenharia de Inteligência Artificial by Issue Date
Now showing 1 - 10 of 106
Results Per Page
Sort Options
- Sistema multiagente inteligente para gestão energética baseado em dispositivos IoT distribuídosPublication . Caçote, João Filipe Soares; Pinto, Tiago Manuel Campelos FerreiraDevido à pandemia mundial que se iniciou no primeiro trimestre do ano de 2020 e que persiste até aos dias de hoje, inúmeros confinamentos populacionais foram ocorrendo, verificando-se com isso uma redução da procura de energia elétrica a nível mundial. No entanto, com o gradual regresso à normalidade, assiste-se ao aumento dessa procura de energia elétrica. Devido a este aumento atípico da procura, saber como gerir a energia elétrica que é gasta, é essencial. Neste trabalho é proposto um sistema inteligente de gestão de energia elétrica em edifícios, recorrendo para isso a dispositivos de Internet das Coisas, tais como sensores de temperatura, sensores de presença e sensores de luminosidade. A gestão da interação entre todos esses dispositivos foi realizada através de um sistema multiagente, onde cada agente do sistema é responsável por um dispositivo IoT. Esses dispositivos possuem capacidade de aprendizagem própria, conseguido através da implementação de redes neuronais artificiais nos microprocessadores dos dispositivos IoT. Desta forma, gera-se a capacidade do sistema em agir e reagir em tempo real e em função dos dados que são existentes e recolhidos. Este é um dos principais pontos do sistema, considerando que implementar redes neuronais artificiais em microprocessadores ainda é um desafio considerável, e ao mesmo tempo é uma das grandes vantagens do mesmo. Foram atingidos resultados muito satisfatórios no que respeita à experimentação realizada, dando especial ênfase ao caso de estudo em que foi utilizada a temperatura e um sistema HVAC, onde o dispositivo IoT responsável por esse parâmetro, efetua a recolha da temperatura atual sentida, para introduzir depois esse dado na rede neuronal artificial que o próprio possui com a finalidade de obter o resultado em previsão, ou seja, o resultado do que seria a ação que o HVAC deveria fazer em função dos valores previstos. Ter este tipo de inteligência num sistema como o desenvolvido é importante e relevante porque possibilita a ação correta do mesmo nos mais diversos casos de ação, uma vez que dados muito díspares não induzem o sistema em erro, porque os resultados previstos são obtidos através das redes neuronais artificiais aplicadas e utilizadas. Trata-se assim de um sistema mais preciso e mais assertivo, algo importante quando se fala em gestão energética inteligente.
- Adaptação automática de algoritmos de otimização metaheurísticaPublication . Carvalho, João Marcelo Fernandes de; Pinto, Tiago Manuel Campelos FerreiraA maioria dos problemas do mundo real tem uma multiplicidade de possíveis soluções. Além disso, usualmente, são encontradas limitações de recursos e tempo na resolução de problemas reais complexos e, por isso, frequentemente, não é possível aplicar um método determinístico na resolução desses problemas. Por este motivo, as meta-heurísticas têm ganho uma relevância significativa sobre os métodos determinísticos na resolução de problemas de otimização com múltiplas combinações. Ainda que as abordagens meta-heurísticas sejam agnósticas ao problema, os resultados da otimização são fortemente influenciados pelos parâmetros que estas meta-heurísticos necessitam para a sua configuração. Por sua vez, as melhores parametrizações são fortemente influenciadas pela meta-heurística e pela função objetivo. Por este motivo, a cada novo desenvolvimento é necessária uma otimização dos parâmetros das metas heurísticas praticamente partindo do zero. Assim, e, atendendo ao aumento da complexidade das meta-heurísticas e dos problemas aos quais estassão normalmente aplicadas, tem-se vindo a observar um crescente interesse no problema da configuração ótima destes algoritmos. Neste projeto é apresentada uma nova abordagem de otimização automática dos parâmetros de algoritmos meta-heurísticos. Esta abordagem não consiste numa pré-seleção estática de um único conjunto de parâmetros que será utilizado ao longo da pesquisa, como é a abordagem comum, mas sim na criação de um processo dinâmico, em que a parametrização é alterada ao longo da otimização. Esta solução consiste na divisão do processo de otimização em três etapas, forçando, numa primeira etapa um nível alto de exploração do espaço de procura, seguida de uma exploração intermédia e, na última etapa, privilegiando a pesquisa local focada nos pontos de maior potencial. De forma a permitir uma solução eficiente e eficaz, foram desenvolvidos dois módulos um Módulo de Treino e um Módulo de Otimização. No Módulo de Treino, o processo de fine-tuning é automatizado e, consequentemente, o processo de integração de uma nova meta-heurística ou uma nova função objetivo é facilitado. No Módulo de Otimização é usado um sistema multiagente para a otimização de uma dada função seguindo a abordagem de pesquisa proposta. Com base nos resultados obtidos através da aplicação de otimização por enxame de partículas e algoritmos genéticos a várias funções benchmark e a um problema real na área dos sistemas de energia, o Módulo de Treino permitiu automatizar o processo de fine-tuning e, consequentemente, facilitar o processo de introdução no sistema de uma nova meta-heurística ou de uma nova função relativa a um novo problema a resolver. Utilizando a abordagem de otimização proposta através do Módulo de Otimização, obtém-se uma maior generalização e os resultados são melhorados sem comprometer o tempo máximo para a otimização.
- Criar Animais Virtuais Através de Machine LearningPublication . Rocha, Hugo Tiago Trindade; Pereira, Isabel Cecília Correia da Silva Praça GomesApproximately 42 percent of threatened or endangered species are at risk due to invasive species. Some invasive species find the new habitat by themselves during migrations, others are misplaced by humans, be it by mistake or necessity. This project aims to create a virtual habitat, populated by intelligent agents that represent the animals present in it. Programmers and scientists can add invasive species, and simulate what might happen. This will allow a more proactive response to this type of crisis. Different data-driven models are explored in order to find the best one for the problem at hands. Game engines are discussed, they have improved greatly over the last decade, and are accessible to everyone. Reliable tools to build simple or complex prototypes that give us graphic representations that can be photo realistic
- Mercados de talento utilizando inteligência artificialPublication . Oliveira, Daniel Filipe Nunes; Pereira, Isabel Cecília Correia da Silva Praça GomesOs recursos humanos são um dos maiores ativos de qualquer empresa visto que estes providenciam a possibilidade para realizar produtos ou serviços. A revolução tecnológica, a pandemia do COVID-19 e a competitividade do mercado laboral contribuem para um clima de incerteza e permanente renovação de staff dentro das empresas. Isto significa permanências curtas dos funcionários, mas, mais importante, leva a que os repositórios de competências de uma empresa possam ficar, por vezes, empobrecidos e, deste modo, pode pôr em causa a execução dos produtos e serviços pelos quais uma empresa é reconhecida. Recentemente, têm surgido plataformas online com o objetivo de atrair, designar funções, treinar, mas sobretudo reter os talentos, tudo isto só é alcançado revendo e melhorando permanentemente as competências de cada recurso. Estas plataformas utilizam quase sempre mecanismos de inteligência artificial. Neste trabalho, apresenta-se uma revisão literária das técnicas de inteligência artificial que podem estar presentes nestas plataformas. Esta revisão literária apresenta 4 questões de investigação que, juntas, respondem a uma questão de investigação mais ampla: “Como implementar uma destas plataformas, sendo inovador?”. A primeira questão é relativa aos processos automatizados de leitura e extração de informação de currículos. A segunda questão é relativa à inferência de competências, através de outras competências ou informações previamente extraídas de currículos, e é neste ponto que se pretende inovar quando em comparação com as soluções existentes. A terceira questão é relativa à existência de sistemas multiagente que associam recursos a tarefas de uma forma otimizada. Por último, a quarta questão de investigação é relativa à aplicabilidade de algoritmos genéticos também na associação de funcionários a tarefas numa empresa. Os resultados da revisão literária mostram que as 4 questões foram respondidas com sucesso. A revisão literária seguiu a metodologia PRISMA, tendo sido realizada a pesquisa em 2 fontes distintas. Foram selecionados 44 artigos, de entre os 27361 encontrados, que foram filtrados através de controlo de qualidade ou leituras rápidas de títulos e resumos. Por último, tendo em consideração a revisão literária realizada, foi implementado e testado um sistema que se assemelha a um mercado de talentos, com inferência de competências. O emparelhamento entre recursos e tarefas foi feito através de um sistema multiagente e de um algoritmo genético. Foi, ainda, realizada uma análise de usabilidade. Desta forma, podemos concluir que o resultado final foi atingido, pois quer a revisão literária quer o sistema implementado foram atividades realizadas com sucesso.
- Visão computacional para deteção de hábitos alimentaresPublication . Antelo, Ana Catarina Lopes; Marreiros, Maria Goreti CarvalhoO excesso de peso e a obesidade são fatores comportamentais que têm vindo a causar um aumento substancial de mortes em Portugal. Estes fatores podem trazer complicações musculoesqueléticas, efeitos metabólicos como diabetes, riscos cardiovasculares, efeitos sobre a saúde mental e o aparecimento e/ou agravamento de cancro. Seguir uma dieta saudável é importante não apenas para controlar os níveis de açúcar, mas também o perfil lipídico, a tensão arterial, minimizando assim o risco cardiovascular e de complicações microvasculares. Torna-se, portanto, crucial a implementação de soluções que orientem os utilizadores a optar por opções alimentares mais benéficas à sua saúde, para que os indivíduos previnam o aparecimento de outras doenças ou exacerbações das doenças que já possam possuir. Estas soluções podem ser manuais como a contagem manual de hidratos de carbono ou digitais como as várias aplicações móveis existentes no mercado que permitem a monitorização de doenças e o controlo nutricional. Atualmente, grande parte da sociedade possui um dispositivo móvel com capacidade de tirar fotografias e cada vez mais os telemóveis são usados como assistentes pessoais, ajudando o ser humano a ser mais eficaz nas suas tarefas diárias. Estes dispositivos representam um recurso computacional versátil, com grande capacidade de deteção e inferência. As técnicas de machine learning aplicadas nas câmaras dos telemóveis permitem a estabilização de imagem, tradução de texto automática, deteção de objetos, reconhecimento de rostos, entre outros. Os próprios sensores dos telemóveis são cada vez mais complexos e podem ser usados para detetar movimentos e padrões, inferir níveis de stress e emocionais do utilizador, reconhecimento de lugares, estimativa de profundidade dos elementos numa fotografia, e assim por diante. Estes sensores possibilitam a extração de dados sem que o utilizador tenha de realizar uma tarefa específica. O objetivo desta tese foi implementar e estudar sistemas inovadores que, através de visão computacional, auxiliem na tarefa de controlo nutricional e que permitam a monitorização de doenças. Neste âmbito, desenvolveuse um sistema de reconhecimento de alimentos utilizando Detectron2 com o modelo PointRend que, com o auxílio de um modelo de Regressão Linear capaz de prever uma estimativa do peso dos alimentos presentes em uma imagem, permitiu que o controlo nutricional se tornasse em uma tarefa simples. A solução proposta nesta dissertação permitirá que o utilizador poupe tempo e esforço, e que realize decisões alimentares mais conscientes. Além disso, esta solução também estará preparada para auxiliar pacientes diabéticos, indicando, por exemplo, as unidades de insulina que deve injetar, tendo em conta a refeição que irá ingerir.
- nodeML - Towards reproducible ML in federated environmentsPublication . Silva, Edgar Simão da Mota e; Faria, Luiz Felipe Rocha deAdvances and increasing interest in AI (Artificial Intelligence) in the field of health have created novel issues, namely explainability and reproducibility of ML (Machine Learning) models. In addition, while the training of ML models traditionally favors a centralized approach, scalability and privacy issues seem to lead towards a distributed one. The latter poses challenges to ML algorithms and the efficacy of learning itself. Reproducing ML models poses several challenges arising from the intrinsic variability of the models themselves and the environment where they are trained. This problem is aggravated by their lack of standardization and common terminology. The main goal of this work is to conceptualize and prototype a framework to train, evaluate and describe ML models, in a decentralized way, over immunogenetics datasets. This framework will promote model reproducibility and comparability, as well as its adaptability. This work will start by implementing a federated/decentralized training framework over existing ML pipelines. Then, it will be possible to list and select potential dataset sources, aiming to provide an easy path to model adaptation and optimization.
- Portfolio Allocation using Deep Reinforcement LearningPublication . Silva, José Alexandre Quintela da; Pereira, Isabel Cecília Correia da Silva Praça GomesA gestão de portefólio é um problema em que, em vez de olhar para ativos únicos, o objetivo é olhar para um portefólio ou um conjunto de ativos como um todo. O objetivo é ter o melhor portefólio, a cada momento, enquanto tenta maximizar os lucros no final de uma sessão de trading. Esta tese aborda esta problemática, empregando algoritmos de Deep Reinforcement Learning, num ambiente que simula uma sessão de trading. É também apresentada a implementação desta metodologia proposta, aplicada a 11 criptomoedas e cinco algoritmos DRL. Foram avaliados três tipos de condições de mercado: tendência de alta, tendência de baixa e lateralização. Cada condição de mercado em cada algoritmo foi avaliada, usando três funções de recompensa diferentes, no ambiente de negociação, e todos os diferentes cenários foram testados contra as estratégias de gestão de portefólio clássicas, como seguir o vencedor, seguir o perdedor e portefólios igualmente distribuídos. Assim, esta estratégia foi o benchmark mais performativo e os modelos que produziram os melhores resultados tiveram uma abordagem semelhante, diversificar e segurar. Deep Deterministic Policy Gradient apresentou-se como o algoritmo mais estável, junto com seu algoritmo de extensão, Twin Delayed Deep Deterministic Policy Gradient. Proximal Policy Optimization foi o único algoritmo que não conseguiu produzir resultados decentes ao comparar com as estratégias de benchmark e outros algoritmos de Deep Reinforcement Learning.
- Explicabilidade automática e adaptativa para modelos de aprendizagem máquinaPublication . Ramos, António Morado; Vale, Zita Maria Almeida doO setor energético está a atravessar por um período de profundo processo de mudança estrutural devido à transição energética, na qual a digitalização é um dos pilares desta transição. No pilar da digitalização, é reconhecido o importante contributo da inteligência artificial, nomeadamente no campo da aprendizagem máquina. Contudo, a dificuldade em compreender como muitos dos modelos de aprendizagem máquina obtêm os resultados torna-se um grande desafio, principalmente em processos de tomada de decisão. Muitas das previsões realizadas no setor energético, como por exemplo de consumo de eletricidade, consideram conjuntos de dados do tipo série temporal e utilizam modelos baseados em regressão. Contudo, verifica-se pouca aplicação dos métodos explicativos que contemplam estes dois temas. Este trabalho procura contribuir para melhor compreensão das previsões de consumo de eletricidade obtidas por modelos de aprendizagem máquina, com propostas de geração de explicações destas previsões, através de métodos explicativos. Neste trabalho são exploradas as explicações visuais obtidas de dois métodos explicativos, o LIME e o SHAP, escolhidos para gerar explicações das previsões de consumo de eletricidade de dois modelos de aprendizagem máquina baseados em regressão. Estes métodos explicativos foram selecionados com base no estado da arte apresentado neste trabalho. Foi selecionado um conjunto de dados real, do tipo série temporal, com registos de consumos de três dispositivos existentes em cinco zonas de um edifício e que contribuem para o consumo de eletricidade deste: ar condicionado, tomadas e lâmpadas. Pretende-se avaliar como o uso destas explicações visuais possibilitam a compreensão de quais os atributos do conjunto de dados que os modelos de aprendizagem máquina atribuem maior importância no processo aprendizagem da previsão do consumo de eletricidade. Outro aspeto a ser avaliado é o tempo de processamento da geração das explicações. Os resultados mostram que o SHAP é o mais robusto no sentido em que apresenta sempre os mesmos resultados em diferentes interações, ao contrário do LIME. Contudo, o primeiro apresenta maior degradação no tempo de processamento. Ambos identificam os atributos relativos aos dispositivos ar condicionado e tomadas como aqueles que os modelos de previsão consideram os mais importantes para a previsão do consumo, contudo com diferente ordem de importância em cada método explicativo.
- Sistema de recomendação no âmbito da prevenção de sintomas de ansiedade e depressãoPublication . Figueiredo, Carlos Eduardo Monteiro; Martins, António Constantino LopesA saúde mental tem um grande impacto na qualidade de vida e bem-estar de um individuo no seu quotidiano. Doenças como a ansiedade e a depressão estão na origem da maioria problemas sérios de saúde do foro mental. Contudo, seja por vergonha ou por ignorância, um grande número das pessoas acaba por ignorar sintomas que mais tarde podem vir a transformar-se em problemas graves de saúde. Em todo o mundo 12% das doenças são do foro mental, sendo que este valor sobe para os 23% nos países desenvolvidos e, continua tendencialmente a aumentar. O recurso a tecnologias que usam inteligência artificial tem sido cada vez mais comum nas mais diversas áreas, neste caso em particular na área da medicina e psicologia, devido por exemplo, às suas características de simplificação dos tempos e dados de pesquisa, melhoramento do controlo e monitorização dos pacientes, alívio da carga de trabalho dos profissionais, entre outros. Em diversos estabelecimentos profissionais de saúde são utilizadas uma enorme variedade de técnicas para o auxílio ao combate destas doenças. Devido ao tipo de tratamentos que são feitos na categoria da saúde mental, surge uma oportunidade para integrar e estudar os efeitos de ferramentas de inteligência artificial no suporte a estes tratamentos. É neste contexto, que esta tese pretende impactar e inovar, através da construção de um sistema de recomendação, de modo a assistir os pacientes no diagnósticos e combate das doenças de ansiedade e depressão. Este sistema de recomendação é composto pelos componentes de um sistema pericial, uma base de dados e um modulo web, através do qual foram estudados indivíduos de uma amostra de conveniência e medidos os seus níveis de depressão e ansiedade. Em suma, o resultado do estudo foi positivo, apresentando diminuição dos sintomas em cerca de 50% do grupo amostral.
- Otimização Multiobjetivo de Produção e Manutenção para uma Manufatura Eficaz e Participação em Programas de Resposta da DemandaPublication . Mota, Bruno Alexandre Santos; Ramos, Carlos Fernando da SilvaOs elevados preços energéticos, principalmente nos dias de hoje, as pressões ambientais devido às mudanças climáticas, a competição elevada que leva muitas vezes as empresas a aceitarem prazos de entrega apertados ou até impossíveis, e manutenções ineficientes que recorrem a inspeções constantes e desnecessárias são os principais problemas que atormentam o setor de manufatura. Para ultrapassar estes problemas, é proposto um sistema inteligente de escalonamento de produção e atividades de manutenção, para um ambiente de manufatura em flexible job shop, que tem como objetivo a minimização dos custos energéticos e da deterioração do estado das máquinas. Além disso, este considera preços dinâmicos do mercado energético, a utilização de energias renováveis, a venda de energia gerada localmente em excesso, a participação em programas de demand response, atividades de manutenção, avarias de máquinas inesperadas, e restrições impostas sobre o plano de produção. Interligado ao sistema de escalonamento, via HTTP, encontra-se um sistema de manutenção preditiva para prever e detetar avarias de máquina antes que estas ocorram. Caso seja previsto ou detetada uma avaria de máquina, dependendo do tempo que tem até que a máquina avarie, é feito o escalonamento de atividades de manutenção ou o reescalonamento do plano de produção não tendo em conta a máquina avariada. O sistema de escalonamento de produção e atividades de manutenção pode ser dividido em três componentes principais: o processamento de dados, caracterizado pelo balanceamento das células job shop; um algoritmo genético para planeamento, representado pela população inicial, cruzamento, mutação e seleção; e, finalmente, duas otimizações determinísticas que procuram diminuir ainda mais os custos e espaçamento entre tarefas sobre o resultado obtido pelo algoritmo genético. O algoritmo genético numa fase inicial faz o balanceamento entre células da linha de produção para equilibrar a energia dos produtos a manufaturar pelas diversas células. De seguida, para cada célula, é executado o algoritmo genético, destaca-se: métodos que tentam reparar o indivíduo, em termos de restrições, na criação da população inicial; um novo tipo de cruzamento mais adequado para problemas que incluem restrições, o qual combina elementos determinísticos e não-determinísticos de outros tipos de cruzamentos; na mutação é feita a troca entre tarefas e/ou troca do modo de tarefa (uma tarefa pode ter diversos perfis energéticos); e na seleção é feita uma aproximação híbrida, primeiro com a escolha dos n melhores indivíduos, sendo n definido pelo utilizador, e os restantes obtidos a partir de torneios não-elitistas. Após o algoritmo genético, também para cada célula, são executadas duas otimizações determinísticas que visam, se conseguirem: reduzir ainda mais os custos totais (custos energéticos e de manutenção), através da reafetação das tarefas para períodos livres com mais energia gerada ou menores preços energéticos; e reduzir o espaçamento vazio entre tarefas, ou seja, juntar tarefas, para a acomodação de futuros produtos ou manutenções que possam não estar planeadas. Além disso, também é proposto um sistema de reescalonamento de produção e atividades de manutenção, utilizando o mesmo algoritmo genético, para a participação em programas de demand response e avarias inesperadas de máquinas. Este sistema funciona através do reescalonamento de um plano criado anteriormente pelo escalonador. A manutenção preditiva é feita a partir de uma rede neuronal artificial, que tem como objetivo prever se uma máquina falhou ou não. O seu processo de treino poder ser feito em batches, mini-batches ou através de um fluxo contínuo de dados. O processo de treino da rede neuronal começa com a obtenção dos dados mais recentes da máquina (temperatura do ar e do processo da máquina, velocidade de rotação, torque, desgaste da ferramenta e estado de falha da máquina) da base de dados da máquina instalada na fábrica. De seguida, antes do início do treino, é feita uma fase de pré-processamento dos dados em que: (1) é feita a agregação de todos os dados obtidos num único ficheiro (agregação de dados); (2) é feita a normalização das escalas e tipos de dados, através de uma estratégia Min-Max (normalização de dados); (3) é feito o preenchimento dos valores em falta nos dados obtidos, a partir de um método de imputação com o k-nearest neighbors (imputação de dados); (4) são removidos possíveis dados irrelevantes ou errôneos, através da deteção de outliers usando a técnica Z-score (filtragem de dados); (5) é feita a transformação de dados brutos em características que melhor representam o problema em questão (engenharia de dados); e, finalmente, (6) é feito o balanceamento das amostras de falha e não falha dos dados das máquinas, (balanceamento de dados). Depois, os dados pré-processados são enviados à rede neuronal para treino. Se o modelo já tinha sido treinado, então os pesos dos neurónios do modelo são ajustados, de acordo com os novos dados (retropropagação). É de realçar a implementação de um optimizador de hiperparâmetros automático, o qual procura os melhores valores para cada hiperparâmetro num modelo de aprendizagem automático. O processo de treino pode ser iniciado sempre que houver novos dados na base de dados das máquinas. Relativamente à aplicação em tempo real, esta funciona através de uma API REST, para a previsão/deteção de falhas numa máquina e para o ajuste dos pesos dos neurónios da rede (retreino). Dois casos de estudo são usados para validar a solução proposta, um que representa a aplicação da solução num ambiente fabril e outro para o deslocamento de cargas numa residência. Ambos os casos de estudo utilizam dados reais. Estes destacam a robustez da metodologia proposta em reduzir a sobrecarga de tarefas em máquinas individuais, bem como a redução dos custos, através da utilização inteligente de energias geradas localmente para cobrir os gastos energéticos ou para vender a terceiros, reduzindo assim, a necessidade para recorrer a fornecedores externos. Os casos de estudo, também demonstram a integração efetiva da manutenção preditiva com a otimização de atividades de manutenção e a alta adaptabilidade do escalonador proposto para outras aplicações. Finalmente, o sistema de manutenção preditiva é comparado quantitativamente em termos de desempenho a outros sistemas de aprendizagem automática, entre os quais random forest, gradient boosting e support vector machines.