Seminário sobre a pesquisa desenvolvida

No dia 28/06/2019, os quatro alunos do módulo de formação Pesquisa em Engenharia de Computação apresentaram o andamento de suas atividades de pesquisa até o momento, em seminário da disciplina PCS 3000 – Acompanhamento de pré-mestrado Pesquisa em Engenharia de Computação.

Os títulos e resumos das apresentações realizadas são:

Bruno Eidi Nishimoto
Título: Gerenciamento de Diálogo com Aprendizado por Reforço Profundo: balanceando entre Exploration e Exploitation
Orientador: Profa. Dra. Anna Helena Reali Costa
Resumo:
Embora tenha havido muitos avanços no Processamento de Linguagem Natural nos últimos anos, a razão pela qual os sistemas de diálogo não decolam é devido à fragilidade dos Gerenciadores de Diálogo (do inglês Dialogue Manager, DM). Uma abordagem que demonstrou sucesso recente para o desenvolvimento de DMs é o Aprendizado por Reforço Profundo (do inglês Deep Reinforcement Learning, DRL). As principais vantagens são que o DRL pode lidar com ambientes estocásticos (diálogo com diferentes usuários) e não exige tantos dados de treinamento quanto no aprendizado supervisionado. Este trabalho propõe um sistema DM com um algoritmo DRL e usa uma estratégia softmax combinada com o aprendizado de transferência do conhecimento do designer para equilibrar exploração e exploração no DRL. Os resultados experimentais indicam que nossa proposta é bastante promissora.

Bruno Susko Marcellini
Título: Impacto de mobilidade e múltiplas aplicações em Redes de Sensores Sem Fio Definidas por Software
Orientador: Profa. Dra. Cíntia Borges Margi
Resumo:
Redes de Sensores Sem Fio Definidas por Software (SDWSNs) visam mitigar dificuldades encontradas em Redes de Sensores Sem Fio, como escalabilidade e coexistência de múltiplas aplicações. A literatura mostra arcabouços para SDWSNs e discussão sobre as vantagens trazidas. No entanto, não existem estudos do impacto de múltiplas aplicações compartilhando a mesma infraestrutura ou da mobilidade de dispositivos no desempenho da rede. Assim, a nossa contribuição é analisar como as SDWSNs, especificamente o arcabouço IT-SDN, se comportam nestes cenários. Resultados das simulações mostram como as métricas de rede variam em função da escalabilidade nestes cenários, indicando a necessidade de otimizações.

Gustavo Padilha Polleti
Orientador: Prof. Dr. Fabio G. Cozman
Título: Chatbot para perguntas e respostas com capacidade de explicação
Resumo:
O presente trabalho descreve o desenvolvimento de um agente conversacional que além de responder corretamente perguntas sobre um domínio de conhecimento, também seja capaz de apresentar razões que justifiquem a sua própria resposta. Formas avançadas de question-answering (QA) tipicamente empregam bases de conhecimento de grande porte para armazenar coleções de fatos. Apesar de ser possível inferir novos fatos a partir do conhecimento das bases de conhecimento, essas conclusões, embora acuradas, são de difícil entendimento, isto é, compreender seu raciocínio não é nada trivial. Assim, este trabalho busca desenvolver métodos capazes de gerar explicações em linguagem natural para tais inferências.

Renan de Luca Avila
Orientador: Prof. Dr. Glauber De Bona
Título: Previsão de Séries temporais financeiras com LSTM
Resumo:
As técnicas de previsão de séries temporais financeiras têm envolvido cada vez mais algoritmos de inteligência artificial, principalmente as redes neurais. Nessa perspectiva, a arquitetura que se mostra mais promissora é a de Long Short Term Memory (LSTM), que possui grande acurácia para dados com características sequenciais. No entanto, a depender da natureza dos dados, é possível melhorar a acurácia da previsão com técnicas de pré-processamento de entradas, arquiteturas de múltiplas camadas e otimização de hiperparâmetros. Isto posto, o presente trabalho compreende a implementação de algoritmo para previsão de equities na bolsa de valores e análise de seu desempenho, bem como efeito de hiperparâmetros, diferentes dados de entrada e modificações de arquitetura.