Local: Sala Multiuso CIC
Horário: 14h
Palestrante: Gabriela Felix Solano (mestranda)
Título: A Context-Based Approach for Reliability Analysis at Runtime
Resumo:Many modern software systems must deal with changes and uncertainty. Context variation is one of many sources for uncertainty that affects the adaptation decisions of a self-adaptive software system. We propose a context-based approach for reliability analysis at runtime. In order to abstract away the relationship between contexts and goals, we plan to apply a goal-oriented dependability approach to map the contexts at system's runtime and accurately analyse the system's behaviour aligned with its goal-oriented design perspective. This way, we can focus on the goals' accomplishment by analysing the system adaptation from the dependability perspective in face of context variations. We intend to combine Binary Decision Diagram (BDD) techniques with Parametric Model Checking to control context changes and take them into consideration when performing the analysis. This is crucial to ascertain that the dependability analysis, particularly required on safety-critical systems, accurately meets the context information provided by the monitored environment traced back to the goal model's context annotation.
Horário: 15h
Palestrante: Prof. Alexandre Zaghetto (CIC/IE/UnB)
Título: Detecção de Modo de Transporte Utilizando Smartphones e Redes Neurais Artificiais para Prevenção de Acidentes
Resumo:Aparelhos celulares estão se tornando cada dia mais sofisticados. As gerações mais recentes são denominadas smartphones, deixando de ser apenas dispositivos de telecomunicação verbal e tornando-se computadores portáteis com considerável capacidade de processamento e memória. Atualmente, eles são compostos por diversos e poderosos sensores, dentre eles o acelerômetro. Este trabalho apresenta um método baseado em Redes Neurais Artificiais e no descritor de texturas GLCM que, utilizando sinais capturados apenas a partir de acelerômetros de telefones celulares convencionais, é capaz de identificar situações de risco de acidentes. O método é capaz de identificar 3 modos de transporte: carro, bicicleta e a pé. Dependendo do modo de transporte, é possível identificar se o smartphone está sendo transportado em mãos, em um painel ou no bolso do usuário, identificando se ele está em movimento ou parado. Por fim, também identifica o modo de interação com o dispositivo: em ligação, olhando/digitando ou sem interação. Os testes mostram que o método proposto é capaz de identificar uma entre 18 possíveis classes de transporte com uma taxa de acerto de 94,31% com uma janela de 14 segundos.
Profa Célia Ghedini Ralha (Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.)
Coordenadora dos Seminários de Pós-Graduação em Informática 2018-1