Projetos de Pesquisa

 

Foto de perfil

Wagner Carrupt Machado

Ciências Exatas e da Terra

Geociências
  • métodos geodésicos aplicados à estimação da umidade do solo e do total de água armazena
  • A água continental é um dos recursos naturais mais importantes para a humanidade. Ela varia bastante espacialmente, tanto em quantidade como em qualidade e reabastecimento. A análise do total de água armazenada é fundamental na promoção do desenvolvimento sustentável do planeta. No Brasil, este parâmetro depende principalmente da umidade do solo, da água subterrânea e da água continental superficial. Propomos conduzir estudos empregando métodos geodésicos para efetuar a estimativa da umidade do solo e do total de água armazenada. Neste contexto, exploraremos a refletometria GNSS (GNSS-R) para estimar a umidade do solo utilizando dados de receptor GNSS de baixo custo, onde serão efetuadas investigações quanto às potencialidades do método e do sensor de baixo custo. O método gravimétrico e os sensores de permissividade no domínio do tempo (TDR) serão usados para calibrar os sensores TDR e avaliar os resultados, respectivamente. Adicionalmente, objetiva-se verificar o potencial da aplicação deste método a partir de dados de estações GNSS existentes, como da Rede Brasileira de Monitoramento Contínuo dos Sistemas GNSS (RBMC), mantida pelo Instituto Brasileiro de Geografia e Estatística (IBGE). Em paralelo, dados da missão GRACE-FO serão utilizados para estimar o total de água armazenada. Esta pesquisa auxiliará no melhor entendimento do ciclo hidrológico das áreas de estudo.
  • Universidade Federal de Uberlândia - MG - Brasil
  • 06/12/2023-31/12/2026
Foto de perfil

Wagner Junior Ladeira

Ciências Sociais Aplicadas

Administração
  • previsão do padrão visual de varredura em displays de supermercados: construção de uma rede neural artificial (rna) feed forward para classificação binária
  • Redes de supermercado no varejo têm usado distintas estratégias de oferta de sortimento de produtos para os clientes. Com o auxílio de novas tecnologias e aplicações (como por exemplo: visão computacional, detecção de objetos em vídeo, Darknet YOLO, reconhecimento facial para detecção de emoções, entre outros) supermercados, como a Amazon Go e Zaitt, tentam coletar dados que aumentam o potencial de gerar valor para o cliente. Dada a relevância do tema para a área estratégica de empresas do varejo, observa-se que na literatura há um crescente debate acerca dos tipos de modelos que tentam interpretar a quantidade necessária de produtos a ser colocada em um display. Apesar de gerar oportunidades promissoras, trabalhos acadêmicos anteriores se concentraram apenas nas características básicas de um display para a compreensão da escolha da quantidade ideal de sortimentos. Estes modelos não analisaram o processamento cognitivo visual para entender a quantidade ideal de sortimentos. Devido a isto, este projeto tem como objetivo analisar o efeito das variáveis de distribuição, saliência e padrão de varredura visual no processamento cognitivo da quantidade de sortimento em um display. Com isto, pretende-se criar um modelo de interpretação do processamento cognitivo usando o padrão de varredura visual (scanpath) juntamente com características já analisadas em pesquisas anteriores (variáveis de distribuição e saliência). Assim sendo, este projeto pretende construir um algoritmo utilizando uma rede neural artificial (RNA) feed forward para resolver o problema de classificação binária de sortimentos. A função de decisão será aprendida através do treino, teste e validação de dados gerados em coletas realizadas em laboratório e no campo (supermercados). Ao interpretar o processamento cognitivo em displays pretende-se gerar um modelo mais preciso promovendo insights para inovações aplicadas á área de sistemas de recomendação e de apoio à decisão do consumidor.
  • Universidade do Vale do Rio dos Sinos - RS - Brasil
  • 06/12/2023-31/12/2026