Classificação do infarto de miocárdio a partir da extração de parâmetros de espaços e fase com o uso dos Descritores de Haralick

Vinícius Jefferson Dias Vieira, Emanuel Thiago A. Silva, Dimas Merêncio Jr, Rafael Duarte de Sousa, Carlos Danilo Miranda Regis

DOI: 10.14209/sbrt.2022.1570824726

Keywords: Infarto do miocárdio Reconstrução do Espaço de Fase Vetocardiograma Descritores de Haralick

Abstract

A detecção infarto do miocárdio pode ser feita pela avaliação qualitativa da reconstrução do espaço de fase (REF) de sinal para determinar o caos do sinal. O presente trabalho tem como objetivo comparar o uso de descritores com os parâmetros usualmente utilizados para quantificar o caos por meio do desempenho de redes neurais treinadas com as características extraídas pelos descritores de Haralick. O melhor resultado obtido teve como métricas uma acurácia de 70, 31% e sensibilidade de 69, 76%.

Download

Otimização de um Algoritmo Genético por meio da Entropia de Shannon no desenvolvimento de um filtro óptico

Alex Lattaro Oliveira, Marcos Sergio Gonçalves

DOI: 10.14209/sbrt.2022.1570824730

Keywords: Otimização Algoritmo Genético Entropia de Shannon Filtros Ópticos

Abstract

Este trabalho tem como objetivo demonstrar a otimização de um algoritmo genético por meio da entropia de Shannon. A aplicação da otimização foi realizada no desenvolvimento de filtros ópticos que atuam em sistemas sistemas de Multiplexação Densa por Divisão de Onda. A otimização revelou resultados promissores como um aumento de 22% na convergência no início das gerações em um acoplador de entrada e um aumento de 6% no final das gerações. No acoplador de saída, foi observado um aumento de 21% na conversão durante o inícios das gerações do algoritmo genético e de 10% ao final do experimento.

Download

Use of CNN to assess emotions evoked by auditory stimuli in videos

Douglas Henrique S. Abreu, Lucas H. Ueda, Marta D. Fernandez, Vítor Y. Shinohara, Bruno S. Masiero, Paula D. P. Costa

DOI: 10.14209/sbrt.2022.1570824753

Keywords: Affective Computing Immersive Audio Convolutional Neural Networks Emotions

Abstract

Consumption of immersive audio content, e.g., via binaural reproduction through headphones, has increased over time. However, objective models that allow classifying audio systems through human perception are still poorly researched. Therefore, this study aims to evaluate the change in emotional state caused by immersive musical content. The evaluation was conducted subjectively, using a \textit{Mean Opinion Score - MOS} model and objectively, by classifying the subjects' facial reaction with a Convolutional Neural Network, based on the VGG-16. The results obtained are favorable to the expected objectives, and may serve as a trigger for further studies.

Download

Equalização MMSE para o esquema Color-Hopping Space-Time (CHST) em sistemas de comunicação VLC

Igor Santos Cruz Rodrigues, Leandro Ronchini Ximenes, Rangel Arthur

DOI: 10.14209/sbrt.2022.1570824763

Keywords: Comunicação por Luz Visível Equalização Permutação de Símbolos Atenuação Monocromática

Abstract

Este artigo propõe o desenvolvimento de um equalizador Minimum Mean Square Error (MMSE) e compara sua performance em sistemas de comunicação por luz visível (VLC) sobre efeito de atenuação monocromática usando o código Color-Hopping Space-Time (CHST) para a modulação Color-Shift Keying (CSK). A atenuação monocromática é um efeito não investigado para a modulação CSK, com grande potencial de de gradação em canais do tipo Non-Line-of-Sight (NLOS). Simulações computacionais demonstram os efeitos da degradação monocromática em sistemas VLC e que a combinação do equalizador MMSE e o esquema CHST fornecem melhores desempenhos de taxa de erro de bit que o esquema convencional Quadriled baseado no equalizador Zero-Forcing (ZF).

Download

User Scheduling and Beam-Selection with Tabular and Deep Reinforcement Learning

Rebecca Almeida Aben-Athar, Cleverson Nahum, Davi da Silva Brilhante, José F. de Rezende, Luciano Leonel Mendes, Aldebaro Klautau

DOI: 10.14209/sbrt.2022.1570824777

Keywords: Reinforcement learning 5G 6G beam-selection

Abstract

Reinforcement Learning (RL) is a promising alternative to traditional methods of user scheduling and beam-selection (SBS). Most of the current works in this topic adopt deep RL, in which neural networks allow to adopt state and action spaces with dimensions larger than the ones supported by tabular RL. However, while deep RL uses approximations that prevent them from getting policies that can be guaranteed to be optimal, tabular RL allow methods that find the optimal policy. The lack of optimal solutions complicates the proper interpretation and assessment of results in deep RL applied to SBS. This paper discusses how optimal policies can be found in the context of SBS and the associated issues. It also provides environments based on finite Markov decision processes that promote reproducible results and support smooth transition from simple to more advanced RL problems. The presented experiments provide a benchmark of state-of-art deep and tabular RL algorithms, including scenarios for which the optimal solution is known. The results indicate that there is still room for improvement with respect to deep RL algorithms, which do not reach the optimal solution in the adopted scenarios. This methodology not only provides insight on the performance of RL methods but helps comparing new algorithms by first looking at contrived problems and later expanding the number of states and actions.

Download

Detecção de Isoladores em Redes de Distribuição utilizando Aprendizado Profundo

André Pinto Marotta, Eduardo Simas Filho, Ricardo Prates, Paulo Farias

DOI: 10.14209/sbrt.2022.1570824779

Keywords: Redes de Distribuição Aéreas Aprendizagem Profunda YOLOV5

Abstract

The present work presents a methodology for image detection of four types of insulators used in medium voltage overhead distribution networks. For this, the OPDL dataset, which has images of intact and defective insulators in external and internal (laboratory) environments, was used as input for detectors based on Deep Learning. Different variations of the You Look At Once Version 5 (YOLOV5) architecture were used and evaluated considering detection accuracy and processing time. The obtained results show that the proposed detector offers high accuracy and sort processing time.

Download

Arcabouço de Aprendizado Estatístico para Caracterização Assintótica de Canais sem Fio

Felipe M Laburú, Flavio P. Calmon, Juliano Assine, José Cândido Silveira Santos Filho

DOI: 10.14209/sbrt.2022.1570824788

Keywords:

Abstract

Artificial intelligence tools have attracted great attention from the wireless community, which keeps reformulating problems in this area through the statistical learning framework. This work proposes the following problem: from a set of channel samples, to estimate the statistical behavior of essential performance metrics (e.g., error rate and outage probability) within the system's operating range. An effective solution is presented using deep learning techniques and evaluated in light of the solution via classical inference, conceptually optimal but impracticable. The analysis is arranged into representative numerical results that reveal how each parameter affects estimation.

Download

An IoT Crop Recommendation System with k-NN and LoRa for Precision Farming

Mateus R Cruz, Samuel Mafra, Eduardo Henrique Teixeira

DOI: 10.14209/sbrt.2022.1570824835

Keywords: IoT Machine Learning LoRa Edge Computing

Abstract

Choosing the planting site is a complex and decisive task for crop success, but data can help with this task. Wireless Sensor Networks can capture large volumes of data, but manual analysis may be impossible depending on the number of devices and sensors deployed. Furthermore, Machine Learning techniques are handy for processing data and detecting patterns and are widely used nowadays. The union of these two technologies is promising, presenting itself as a path to precision agriculture. This paper proposes a system based on Wireless Sensor Networks capable of detecting the best regions for planting. The system uses LoRa technology for excellent coverage and local processing, eliminating the need for the Internet.

Download

Symbol Detection Performance and Complexity in Large-scale MIMO Systems

Pedro Henrique Carneiro Souza, Luciano Leonel Mendes, Davi da Silva Brilhante, José F. de Rezende

DOI: 10.14209/sbrt.2022.1570824849

Keywords: MIMO SER Complexity

Abstract

This paper presents a unified analysis of MIMO detectors that permits achieving a compromise between complexity and symbol error rate (SER) performance, showing the conditions in which each detector is more interesting. To demonstrate this unified approach, five detectors with different levels of complexity and performance are evaluated under a large- scale MIMO scenario.

Download

Sistema Neural de Apoio à Decisão para Avaliação Não Destrutiva por Correntes Parasitas Pulsadas Embarcado em um Microcontrolador

Manoel Silva, Eduardo Simas Filho, Paulo Farias, Maria Cléa Soares Albuquerque, Ivan Silva, Claudia Farias

DOI: 10.14209/sbrt.2022.1570824853

Keywords: Pulsed Eddy Current Processamento de Sinais Extreme Learning Machine Sistema Eletrônico

Abstract

Neste trabalho foi construído um sistema eletrônico para ensaios não destrutivos utilizando a técnica de PEC (Pulsed Eddy Current). Para detecção de corrosão em um tubo de aço carbono, bastante utilizado na indústria petroquímica. O protótipo contou com etapas de geração, aquisição e processamento dos sinais de inspeção. O sistema de classificação foi projetado através das topologias de redes neurais Extreme Learning Machine e Perceptron Multi-Camadas. Os resultados mostraram alta eficiência, com o melhor desempenho do classificador exibindo 99,0% de discriminação das classes e tempo de execução de 1,60 ms.

Download