Projetos de Pesquisa

 

Foto de perfil

Vinícius Diniz Mayrink

Ciências Exatas e da Terra

Probabilidade e Estatística
  • modelagem de dados sequenciais: espaçamento irregular, pontos de mudança, valores extremos, estrutura funcional e degradação
  • Este projeto de pesquisa tem 5 vertentes de estudo. O foco é desenvolver modelagens estatísticas para aprimorar as análises de dados com uma estrutura complexa, que não pode ser explorada por métodos simples ou convencionais. As 3 primeiras propostas lidam com dados sequenciais tendo espaçamento irregular. Na Vertente 1, o alvo é impor uma estrutura de dependência Markoviana, entre valores próximos, para configurar um método de detecção de pontos de mudança relativos aos parâmetros da distribuição geradora dos dados. A Vertente 2 também aplica essa dependência Markoviana, mas o alvo aqui é incorporar uma distribuição definida na Teoria de Valores Extremos para identificar observações altas ou baixas da série. A Vertente 3 está na área de dados funcionais, ela estabelece uma associação espacial entre curvas de locais diferentes e investiga a importância de modelar distâncias entre observações irregularmente espaçadas no domínio funcional. A Vertente 4 é um estudo, com metodologia de multi-partições, para identificar múltiplos pontos de mudanças em dados sequenciais. A Vertente 5 busca determinar melhor a distribuição do tempo de falha de elementos com elevada confiabilidade. Em termos metodológicos, o projeto irá: (i) adaptar um modelo HMM (Hidden Markov Mixture) para identificar pontos de mudanças em séries irregulares; (ii) adaptar o HMM para incorporar a distribuição GPD (Generalized Pareto) que acomoda naturalmente valores extremos; (iii) construir um modelo hierárquico Bayesiano para lidar com dados funcionais tendo dois níveis de dependência espacial (entre curvas e entre observações no domínio funcional); (iv) aprimorar limitações do Modelo Partição Produto para identificar pontos de mudanças no contexto multiparamétrico; (v) decompor a taxa de degradação em 2 componentes (para o tempo e para a unidade) e construir um modelo dinâmico de degradação para medidas positivas.
  • Universidade Federal de Minas Gerais - MG - Brasil
  • Fri Mar 18 00:00:00 BRT 2022-Mon Mar 31 00:00:00 BRT 2025
Foto de perfil

Vinícius Maran

Ciências Exatas e da Terra

Ciência da Computação
  • recomendação sensível ao contexto de recursos e eventos em campus universitários utilizando aprendizagem de máquina
  • A computação ubíqua e suas possibilidades vêm despertando o interesse da indústria de hardware e software em várias áreas. Um dos tópicos na área de computação ubíqua trata da construção de ambientes inteligentes. Uma aplicação de ambientes inteligentes trata da criação de espaços inteligentes em universidades, criando campus universitários inteligentes. Por meio da utilização de artefatos da computação ubíqua, esses campus podem recomendar ou adaptar serviços de acordo com as necessidades dos usuários, gerenciando recursos. Uma característica das pesquisas é a necessidade de adaptação rápida do ambiente em relação às demandas, que podem ter diversas origens e contextos diferentes. Esta necessidade de adaptação é dependente da forma com que informações de contexto são coletadas e gerenciadas. Elas podem ser representadas de diversas formas e pesquisas recentes demonstram que a representação dessas informações baseada em ontologias apresenta vantagens importantes se comparada a outras soluções. Em outros domínios de aplicação, técnicas de aprendizado de máquina têm sido utilizadas para recomendar recursos e eventos que atendam necessidades e interesses específicos de alunos e professores nestes campus. Trabalhos recentes apresentam propostas de integração entre aprendizado de máquina e modelagem conceitual, a fim de aumentar, entre outras, a eficiência e a transparência dos sistemas de recomendação. Este projeto de pesquisa apresenta a proposta de conceituação e definição de um sistema de recomendação de recursos e eventos em campus universitários inteligentes, que implementa um modelo de integração que atua em conjunto com a definição formal de contexto através de ontologias para suportar recomendações sensíveis ao contexto em campus universitários. Pretende-se avaliar a aplicação da proposta em forma de serviços disponibilizados em aplicações-teste no campus universitário da UFSM.
  • Universidade Federal de Santa Maria - RS - Brasil
  • Wed Feb 23 00:00:00 BRT 2022-Fri Feb 28 00:00:00 BRT 2025