Horário: 14h

Palestrante: Nilson Donizete Guerin Júnior (doutorado) 

Orientador: Prof Bruno Macchiavello

Título: Compressão Neural Orientada a Taxa

Resumo:  O controle de taxa é uma característica desejável e, em algumas circunstâncias, necessária para a codificação de imagens. Na codificação de imagens, usualmente, o objetivo neste caso é alcançar uma taxa desejada para cada entrada do codificador, de forma que haja mínimo impacto na performance de taxa-distorção. Esta tarefa, portanto, pode ser bastante desafiadora. No contexto de codificação de imagens, um novo paradigma, baseado na utilização de redes neurais, tem sido adotado como ferramenta para alavancar os resultados na área de compressão de imagens. Todavia, as principais abordagens na literatura requerem o treinamento de diversos modelos neurais para diferentes requisitos de qualidade e taxa. Mesmo quando esta característica é obtida com o uso de um único modelo, não há controle sobre os pontos de operação de taxa obtidos. Desta forma, uma ferramenta de codificação que traga a habilidade de obter taxas específicas em redes neurais pode ser um fator determinante para viabilizar a adoção desse paradigma em padrões de codificação. Tendo em vista isso, o objetivo desta abordagem é analisar e propor abordagens que façam modelos neurais obter pontos de operação de taxa específicos buscando minimizar as perdas de qualidade. Resultados e análises apresentadas mostram a viabilidade deste objetivo e melhorias nas estratégias de modelagem e treinamento para obter o controle de taxa em abordagens neurais.

Horário: 14h20

Palestrante: João Victor de Araujo Oliveira (doutorado) 

Orientadora: Profa Maria Emilia M. T. Walter

Title: Feature Extraction of Telomerase RNA Sequences in Animals

Abstract: A telomerase é uma ribonucleoproteína (RNP) formada pela enzima transcriptase reversa e por RNA (em inglês, telomerase RNA - TR}. Essa RNP utiliza uma região de seu RNA como molde para adicionar múltiplas repetições de telômeros nos finais dos cromossomos. A ativação dessa atividade telomérica em células somáticas é observada em 90% dos casos de câncer, pois ativa crescimento em células cancerígenas. As TRs vêm evoluindo rapidamente em diferentes linhagens de eucariotos, com uma grande variação de tamanho, sequência primária, estrutura secundária e caminhos de biogêneses. Além disso, sequências de TER apresentam baixa similaridade, mesmo em grupos de espécies próximas, dificultando o uso de métodos baseados em homologia. Nesta tese, propomos o uso de técnicas de extração de características, baseadas em modelos matemáticos, em sequências de TRs, visando aprimorar a identificação dessa classe de RNAs não-codificadores de proteínas. Métodos de extração de características podem indicar potenciais características úteis, que podem ser usadas na construção de modelos de aprendizado de máquina para melhor identificar e compreender as TRs.

Horário: 14h40

Palestrante: Lucas Angelo da Silveira (doutorado) 

Orientador: Prof Maurício Ayala

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 were applied to the NP-hard problem of sorting permutations by reversals, using four different BAs, namely, simple Genetic Algorithm, Double-point crossover Genetic Algorithm, Differential Evolution, and self-adjusting Particle Swarm Optimization. The results showed that the novel reconfigurable heterogeneous models compute better quality solutions than the HePIMs closing the gap with the HoPIM running the best-adapted BA

Horário: 15h

Palestrante: Henrique Costa Jung (doutorado) 

Orientador: Prof Bruno Macchiavello

Título: Detecção de Ateromas a partir de Radiografias usando Redes Neurais

Resumo: Ateromas são pequenas calcificações que aparecem em veias do pescoço com a idade. Eles são fortes indicadores de AVCs e demais problemas vasculares, e sua detecção permite que pacientes possuam um encaminhamento adequado. Normalmente, quando um paciente faz uma radiografia panorâmica durante um tratamento nos dentes, é possível realizar essa detecção, porém a maioria dos dentistas não tem o treinamento para isso. A ideia é realizar a detecção de forma automática usando redes neurais.

Horário: 15h20

Palestrante: Leonardo Rebouças de Carvalho (doutorado) 

Orientadora: Profa Aletéia Favacho

Título: Orama: um framework para benchmarks de funções como serviço

Resumo: O proeminente modelo de serviço em nuvem Function-as-a-Service (FaaS) se posicionou como uma alternativa para resolver vários problemas e, portanto, o interesse em soluções arquitetônicas orientadas à nuvem que usam FaaS cresceu rapidamente. Consequentemente, a importância de conhecer o comportamento de arquiteturas baseadas em FaaS em diferentes cenários de simultaneidade também se tornou significativa, principalmente nos processos de tomada de decisão de implementação. Neste trabalho, é proposto o framework Orama, que auxilia na execução de benchmarks em ambientes baseados em FaaS, orquestrando a implantação de arquiteturas pré-construídas, bem como a execução de testes e análises estatísticas. Foram realizados experimentos com arquiteturas contendo vários serviços em nuvem em conjunto com FaaS em dois provedores de nuvem pública (AWS e GCP). Os resultados foram analisados ​​usando planejamento fatorial e teste t e mostraram que os casos de uso executados na AWS obtiveram melhores resultados em tempo de execução em comparação com seus equivalentes no GCP, mas apresentaram taxas de erro consideráveis ​​em situações de competição. Vale ressaltar que o framework Orama foi utilizado desde o provisionamento automatizado de casos de uso, execução de benchmarks, análise de resultados e desprovisionamento do ambiente, dando suporte a todo o processo.

Local: Teams- Equipe PPGI-316415 Seminário, Canal 2-2022

https://teams.microsoft.com/l/channel/19%3a05900df7390e45edaa77283171cbb44b%40thread.tacv2/Semin%25C3%25A1rios%25202-2022?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 2-2022