Horário: 14h

Palestrante: Pedro Borges Pio (mestrado)

Orientador: Prof. Luís Paulo Faina Garcia

Título: Recomendação de algoritmos de tratamento de ruído por meio de meta learning

Resumo: No processo de aprendizado de máquina o pré-processamento dos dados é de extrema importância, Dentro desse processo está o tratamento de ruído, este processo envolve encontrar, remover ou alterar instâncias que podem estar alteradas devido adição de ruído. Assim, através de meta learning, busca-se encontrar qual o melhor algoritmos de tratamento de ruído para um determinado data set. Os resultados são apresentados em forma de ranking e quatro algoritmos diferentes são analisados.

Horário: 14h20

Palestrante: Willian de Oliveira Barreiros Júnior (doutorado)

Orientador: Prof. George Teodoro

Title: Efficient Execution of Microscopy Image Analysis on Distributed Memory Hybrid Machines

Resumo: A análise de imagens de whole slide tissue image (WSIs) é uma tarefa computacionalmente cara, impactando negativamente no uso de dados de patologia em imagens em larga escala para pesquisa. Diversas soluções paralelas para otimizar tais aplicações já foram propostas, mirando no uso de dispositivos e ambientes, como CPUs, GPUs e/ou sistemas distribuídos. Porém, a execução eficiente de de código paralelo em máquinas híbridas e/ou distribuídas permanece um problema em aberto para histopatologia digital. Desenvolvedores de aplicações podem precisar implementar múltiplas versões de código para diferentes dispositivos de hardware. Desenvolvedores também precisam lidar com os desafios de distribuição eficiente de carga para nós computacionais de máquinas de memória distribuída, assim como para os dispositivos de execução de cada nó. Essa tarefa pode ser particularmente difícil para análises de imagens de alta resolução com custo computacional dependente de conteúdo. Este trabalho tem como objetivo propor uma solução para a simplificação do desenvolvimento de aplicações de análise de WSI, assegurando o uso eficiente de recursos distribuídos híbridos (CPU-GPU). Para esse fim foi proposto um modelo de execução de alto nível de abstração, em conjunto com um método de particionamento automático de carga. A fim de validar os métodos e algoritmos propostos, uma linguagem de processamento de imagem de alto nível de abstração (Halide) foi utilizada como solução de paralelismo local (CPU/GPU), junto com o regiont templates (RT), um sistema de gestão de coordenação de dados e tarefas entre nós distribuídos. Também foi desenvolvida uma nova estratégia cost-aware de particionamento de dados (CADP) que considera a irregularidade de custo de tarefas a fim de minimizar o desbalanceamento de carga. Até o momento, a avaliação de resultados experimentais preliminares mostra ganhos significativos de performance em máquinas híbridas CPU-GPU, comparando com o uso de um único dispositivo (CPU ou GPU), assim como em sistemas multi-GPU. Em máquinas híbridas, CADP performou 1,7X melhor quando comparado com outras abordagens baseline de particionamento de dados (ex. KD-Trees), sendo 2,24X mas rápido em ambiente distribuído com múltiplos nós.

Horário: 14h40

Palestrante: Lucas Ângelo da Silveira (doutorado)

Orientador: Prof. Mauricio Ayala-Rincón 

Title: Reconfigurable Heterogeneous Parallel Island Models

Abstract: Heterogeneous Parallel Island Models (HePIMs) run different bio-inspired algorithms (BAs) in their islands. From a variety of communication topologies and migration policies fine-tuned for homogeneous PIMs (HoPIMs), which run the same BA in all their islands, previous work introduced HePIMs that provided competitive quality solutions regarding the best-adapted BA in HoPIMs. This work goes a step forward, maintaining the population diversity provided by HePIMs, and increasing their flexibility, allowing BA reconfiguration on islands during execution: according to their performance, islands may substitute their BAs dynamically during the evolutionary process. Experiments with the introduced architectures (RecHePIMs) were applied to the NP-hard problem of sorting permutations by reversals, using four different BAs, namely, simple Genetic Algorithm (GA), Double-point crossover Genetic Algorithm (GAD), Differential Evolution (DE), and self-adjusting Particle Swarm Optimization (PSO). The results showed that the new reconfigurable heterogeneous models compute better quality solutions than the HePIMs closing the gap with the HoPIM running the best-adapted BA.

Horário: 15h

Palestrante: Herval Alexandre Dias Hubner (mestrado)

Orientador: Prof Vander Alves

Título: Aplicação do Choice Calculus para Lift de Linguagens

Resumo: Análises em linhas de produtos de software

Horário: 15h20

Palestrante: Rodrigo Cardoso Aniceto (mestrado)

Orientador: Profa Maristela Holanda

Título: Uma solução para automatizar o processo de detecção de plágio em cursos introdutórios de programação

Resumo: É apresentada solução que integra o uso de ferramentas de detecção de plágio em códigos fontes e a persistência de dados de desempenho dos alunos em disciplina de programação. Este trabalho parte da hipótese de que a geração de um relatório unificado com diferentes dados da turma em conjunto com o resultado de ferramentas de detecção irá facilitar a identificação de plágios e evitar falsos positivos. Também é possível aprender sobre qual o perfil de alunos que copiam e assim traçar políticas para reduzir a ocorrência da prática. Foi criado um software na web para testar a hipótese a partir de dados coletados em ambientes reais. 

Horário: 15h40

Palestrante: Lucas dos Santos Althoff (doutorado)

Orientador: Profa Mylène C. Q. Farias

Title: Audience-directed Dynamic 360° Video Editing for QoE Optimization in Degraded Use Cases

Abstract: In the last few years, the popularity of immersive applications has experienced a major increase because of the introduction of powerful imaging and display devices. The most popular immersive format are 360-degree videos. Naturally, to provide the sensation of immersion these videos requires significantly more data, which is a challenge for streaming applications. Optimizing on-demand 360° video streaming demands optimal viewport prediction. However, prediction in playback time are very computational demanding. Other way to achieve this is by aligning content and viewport at key moments of the scenes so that video player knows exactly what to prefetch. To propose a content alignment triggering policy we show an user experiment plan to establish which type of alignment is the most suitable to prevent QoE degradation for specific use cases. Since adaptive renderization filter out the content by showing just part of the full information, it is crucial to optmize the streaming of such imersive videos based on the perception of end users. Therefor filtering content may be guided by audience perception itself. The dynamic edit will be based in labeled regions of interest (RoI), for semantical  labelling 360° videos we apply the software 360RAT. These regions represent the portions of the video content that are important for telling a story throughout the video. Afterward, we apply the dynamic editing policy within a network issues simulation based on different versions of the original content. Thereupon, we propose a subjective user experiment to assess users perception about all content versions in order to investigate an adaptive 360-degree videos player capable of triggering the most suitable scene alignment to improve streaming metrics.

Local: Teams MS - Equipe PPGI-316415 Seminário, Canal Seminários 2-2021

https://teams.microsoft.com/l/channel/19%3a24b3ddb0b17b46c6be17254988b22cc1%40thread.tacv2/Semin%25C3%25A1rios%25202-2021?groupId=93b66213-b249-467a-bcbe-dcd4255edf95&tenantId=ec359ba1-630b-4d2b-b833-c8e6d48f8059

Profa Célia Ghedini Ralha (Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.)

Coordenadora Seminários de Pós-Graduação em Informática 2-2021