Horário: 14h

Palestrante: Lucas Silva Lopes (doutorado) 

Orientadora: Prof Ricardo Queiroz

Title: Context modeling for arithmetic coding

Abstract:  Our objective is to discuss the use of neural networks in context modeling for arithmetic coding, compared to other more traditional methods such as those based on look up tables.

Horário: 14h20

Palestrante: Gabriel Frutuoso Pereira Araujo (mestrado) 

Orientadora: Profa Genaína Rodrigues 

Title: Trace-Diagnostic for Signal Temporal Properties: a Search-Based Approach

Resumo: Sistemas ciber-físicos combinam componentes físicos e de software. Um método bastante usado para verificar esses sistemas complexos é trace-checking onde alguns sinais do sistema são gravados durante sua execução e posteriormente são checados contra uma série de propriedades pré-definidas durante o design do sistema. Contudo, esse método é capaz de apenas dizer se o sistema implementado atende ou não a suas especificações, tal método não é capaz de ajudar os desenvolvedores a corrigir bugs ou fazer alterações que atendam os requisitos. Nesse trabalho será investigado a possibilidade de encontrar explicações ou causas dos problemas de um sistema ciber-físico usando apenas os sinais gravados durante a execução e o requisito que não foi atendido.

Horário: 14h40

Palestrante: Cristiano Perez Garcia (mestrado) 

Orientadora: Prof Li Weigang

Título: Uma Solução de Segurança para a Mobilidade Aérea Urbana com Aprendizado por Reforço Profundo

Resumo: Aeronaves com propulsão elétrica e com capacidade de efetuar pousos e decolagens na vertical, também conhecidos como eVTOL estão em desenvolvimento por uma série de fabricantes e tem o potencial de revolucionar a mobilidade aérea urbana nos próximos anos. A adoção tende a ser gradual, porém uma vez que um certo nível de maturidade desse tipo de transporte seja atingido, a grande quantidade esperada de aeronaves em voos simultâneos trará desafios para os sistemas de controle de tráfego aéreo. Além disso, estas aeronaves poderão operar sem piloto a bordo. A proposta é de que as aeronaves executem voos em rotas diretas, realizando desvios apenas quando necessário. Portanto é necessário que uma série de sistemas detecção e resolução de conflitos atuem de forma redundante. Entre eles, está a resolução de tática de conflitos.  Isso exige o desenvolvimento de ferramentas específicas para atender o novo cenário, constituído por aeronaves com características de desempenho até então inexistentes.  Este trabalho investiga a possibilidade de utilização de modelos de aprendizado de reforço profundo para a solução deste problema. A detecção dos conflitos pode ser efetuada de modo independente, a partir de sistemas embarcados como o ADS-B. Após a fase de treinamento, modelos de aprendizado de reforço profundo são capazes de sugerir ações que permitam alcançar o objetivo desejado mesmo em configurações de conflitos que não tenham sido observadas previamente. Isso faz com que estesmodelos sejam adequados à resolução do problema de resolução de conflitos, visto que é inviável executar um treinamento com todos os conflitos possíveis. Um sistema baseado nos modelos Deep Q Network foi utilizado para gerenciamento das trajetórias em caso de detecção de conflito, realizando desvios de rota  com o objetivo de solucionar o conflito bem como afastar as aeronaves envolvidas o mínimo necessário de suas trajetórias ideais. Foi implementado um simulador customizado para a realização de testes utilizando diversos agentes de aprendizado de reforço profundo, bem com a comparação com estratégias alternativas. Resultados preliminares indicam que os modelos utilizados são capazes de oferecer manobras capazes de reduzir o número de conflitos sem que as manobras realizadas para os desvios afetem de forma significativa o tempo de deslocamento ou consumo de combustível.

Horário: 15h

Palestrante: Rodrigo Cardoso Aniceto (mestrado) 

Orientadora: Profa Maristela Holanda

Título: Auxiliando o processo de detecção de plágio em cursos de programação baseados em Moodle

Resumo: A detecção automática de plágio em códigos fontes é um tópico cada vez mais relevante para instituições de ensino. A literatura mostra que existem diversas soluções que fazem comparação direta entre códigos, mas ainda existem poucos projetos que buscam unir os resultados de detecção com dados sobre o andamento dos alunos na turma. Para lidar com isso, foi criado o software ProjPlag que automatiza a chamada das ferramentas Jplag e Moss, e que armazena dados extraídos da plataforma de ensino Moodle usada em nossa universidade. Entre os dados extraídos está o tempo para implementar uma tarefa, distância do prazo final no momento da entrega e notas. O software gerou relatórios unindo todos esses dados, que então foram comparados com informações sobre quais alunos efetivamente plagiaram. Nesse trabalho é feita uma descrição das conclusões baseados em cada teste, e quais dados se mostraram úteis em aumentar a taxa de acerto do software em alunos com suspeita de plágio.

Local: Teams - Equipe PPGI0095 Seminário, Canal 1-2023

https://teams.microsoft.com/l/channel/19%3a94dc8846a9ca47e389e0083f2b15fe70%40thread.tacv2/Semin%25C3%25A1rios%25201-2023?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 1-2023