Redução de Dimensionalidade via Amostragem Compressiva Aplicada a Redes Neurais

Micael Espínola Fonseca Tomaz, Edmar Gurjão

DOI: 10.14209/sbrt.2023.1570912788

Keywords: Treinamento Redes Neurais Redução de Dimensionalidade Amostragem Compressiva

Abstract

As Redes Neurais Artificiais (RNA) são recorrentes na tecnologia, comprovadas por suas diversas aplicações. No emprego da RNA é necessário usar um grande conjunto de dados para representar as possibilidades de entrada e saída de um problema que está sendo modelado, o que leva a uma grande demanda de processamento computacional, principalmente na fase de treinamento dos modelos. Neste trabalho, para reduzir o custo computacional, foi utilizada a Amostragem Compressiva como técnica de redução dimensional no pré-processamento de uma Rede Neural, os resultados obtidos mostram que não há perda significativa no desempenho do treinamento quando se utilizam os dados comprimidos.

Download

Avaliação de Desempenho da Rede Wi-fi Eduroam por Meio de um Protótipo de Baixo Custo

Gabriel C Candido, Carlos R. N. da Silva

DOI: 10.14209/sbrt.2023.1570912802

Keywords: Eduroam ESP-32 RTT Wi-fi

Abstract

Este artigo tem como objetivo avaliar o desempenho da rede sem fio eduroam da Universidade Federal do Triângulo Mineiro (UFTM) por meio de um protótipo de baixo custo que realiza testes de Round Trip Time (RTT) na rede. Foram coletados dados durante cinco dias consecutivos e gerado um gráfico com o histórico do tempo de resposta ao longo dos dias. Também foi gerada uma tabela com as médias simples dos valores de RTT em diferentes dias e períodos. Os resultados obtidos poderão fornecer informações úteis para administradores de rede e profissionais de TI otimizarem a infraestrutura de Wi-Fi e aprimorarem a experiência geral do usuário no campus.

Download

Avaliação de Desempenho de Redes Baseadas em RSMA e Assistidas por STAR-RIS sob Canais Correlacionados

Eduardo Gonçalves Gomes, Edgar Eduardo Benitez Olivo

DOI: 10.14209/sbrt.2023.1570912917

Keywords: canais correlacionados desempenho de outage RSMA STAR-RIS

Abstract

Neste trabalho, o desempenho em termos da probabilidade de outage para uma rede sem fio constituída por uma estação rádio-base (BS) que pretende se comunicar com dois usuários por meio do protocolo RSMA (Rate Splitting Multiple Access) é investigado. Assume-se que a comunicação por meio do enlace direto entre a BS e os usuários está indisponível devido a presença de obstáculos. Assim, uma superfície inteligente reconfigurável com capacidade de transmissão e reflexão simultânea (STAR-RIS) é usada para auxiliar na comunicação entre a BS e os usuários, que estão localizados a ambos lados da STAR-RIS. A STAR-RIS opera de acordo com o protocolo mode switching, em que parte dos elementos é usada apenas para transmissão e outra parte para reflexão. Assume-se que os canais estão sujeitos a desvanecimento do tipo Rice. Importante destacar que, devido ao espaçamento reduzido entre os elementos da STAR-RIS, neste estudo avalia-se o impacto da correlação dos canais sobre o desempenho do sistema; para tanto, o modelo considerado para geração de canais correlacionados é apresentado. O desempenho do sistema é avaliado por meio de simulações exaustivas de Monte Carlo em função de vários parâmetros-chave, como o número de elementos da STAR-RIS, o fator de correlação em função do espaçamento entre elementos e o fator de alocação de potência para as mensagens dos usuários no esquema RSMA.

Download

Avaliação do Impacto da Arquitetura de Confiança Zero em Aplicações de Controle Industrial

Lucas da Silva Cruz, Iguatemi E. Fonseca

DOI: 10.14209/sbrt.2023.1570913109

Keywords: Redes industriais Protocolo MODBUS TCP/IP Confiança Zero Segurança em Redes de Comunicação

Abstract

The efficient management of equipment in modern industry is enabled by the use of industrial control applications to collect and manage data. With the integration of information technology into operational technology, there is a significant increase in network infrastructure and the possibility of vulnerabilities emerging. This paper presents an evaluation of the impact of the zero-trust security architecture in industrial plants, using metrics such as latency, jitter, and network throughput. The preliminary results suggest that zero trust enables more stringent control in the network operation and may present a tiny impact in the response time, consume computational resources, and network performance.

Download

Detector Baseado no Índice de Gini e na Decomposição de Cholesky para Sensoriamento Espectral em Canais com Alto Fator de Rice

Dayan A. Guimarães

DOI: 10.14209/sbrt.2023.1570913295

Keywords: Acesso dinâmico ao espectro Detector GID Rádio cognitivo Sensoriamento espectral

Abstract

Recentemente, o detector GID (Gini index detector) foi desenvolvido para a sensoriamento espectral cooperativo, sendo indicado para canais com alto fator de Rice. Neste artigo propõe-se do detector CGID (Cholesky-based GID), que aplica a decomposição de Cholesky à matriz de covariância do sinal recebido, em seguida operando a parte real do resultado como na estatística de teste GID. O CGID herda os atributos atrativos do GID, com custo computacional 22\% menor em termos de taxa de crescimento do tempo de execução, com latência aproximadamente 8,5 vezes menor e com desempenho igual ao do GID quando o fator de Rice do canal de sensoriamento é alto

Download

Implementação e análise de técnica para estimação de SNR baseado em Deep Learning

João Henrique Delfino, Juliano Silveira Ferreira, Roberto Kagami, Luciano Leonel Mendes

DOI: 10.14209/sbrt.2023.1570913356

Keywords: Deep Learning NMSE Signal-to-Noise Ratio 6G

Abstract

The researches about radio communication systems, as future 6G networks, look for the implementation of communication links that ensure the quality of service even under adverse conditions. A fundamental metric to analyze communication channel condition is the Signal-to-Noise Ratio. This work presents an implementation approach of an innovative algorithm of estimation for this metric based on artificial intelligence, which provides superior precision to the technique that uses Normalized Mean Squared Error.

Download

Detecção de Onsets em Notas de Músicas Instrumentais de Piano utilizando Representação Pitch e Aprendizado de Máquina

Waldir Silva, Gabriel Araujo, Frederico da Silva Pinagé, Eulanda Santos, Luciana Rolim

DOI: 10.14209/sbrt.2023.1570913761

Keywords:

Abstract

A análise de sinais de música e a extração de informações musicalmente relevantes para construir aplicações musicais fazem parte do campo de pesquisa de recuperação de informação de música (MIR), dentro do qual a tarefa de detecção automática de onsets está inserida. Detectar onsets em sinais de música consiste em detectar os instantes de tempo de início dos eventos musicais contidos no sinal de música e esta tarefa, geralmente, serve de base para construção de aplicações como transcrição automática de música de um ou mais instrumentos musicais, alinhamento de áudio com \textit{score}, estimação do tempo da música, dentre outros. Neste artigo, um sistema de detecção automática de onsets em sinais de música de piano usando aprendizado de máquina é apresentado. No \textit{framework} proposto, a representação tempo-frequência pitch é utilizada e os classificadores investigados são SVM, \textit{Gradient boosting} e uma rede CNN 1D. Os resultados mostram que os classificadores SVM e \textit{Gradient boosting} obtiveram um desempenho melhor do que a CNN 1D.

Download

Classificação de Sinais de EEG para Diagnóstico do Transtorno do Espectro Autista utilizando CNN e RNN

Waldir Silva, Josias Lira de Sousa Neto, Silvania Conceição Furtado, Wheidima Melo, Eddie B de Lima Filho

DOI: 10.14209/sbrt.2023.1570913770

Keywords:

Abstract

Pesquisas recentes indicam um crescente número de crianças diagnosticadas com TEA o que impulsiona a pesquisa e desenvolvimento de novas ferramentas para diagnóstico precoce, para tratamento nos primeiros anos, desta doença. O presente trabalho explora uma abordagem com CNN e RNN combinadas com técnicas de pré-processamento e extração de características, para o diagnóstico do TEA, a partir da classificação de sinais de eletroencefalograma. Utilizando-se a base de dados de Milne et al. [1], mostra-se que o melhor modelo proposto alcançou uma acurácia de classificação de 99, 51%, o que corrobora a capacidade do sistema proposto em distinguir indivíduos com TEA dos tipicamente desenvolvidos.

Download

Filtragem como pré-processamento de CGAN na detecção de glaucoma

José E S Bieco, Erick Aparecido Escagion, Gabriel Fré, Tales H Carvalho

DOI: 10.14209/sbrt.2023.1570914441

Keywords: Aprimoramento de imagem Redes Neurais Convolucionais Retinopatia Imagens médicas

Abstract

This work proposes the use of medical image pre-processing to improve the accuracy standard deviation of machine learning-based diagnostic methods for retinopathies. For this purpose, results obtained from adversarial generative neural networks conditioned for the task of retinal segmentation are used, on which the proposed filtering methods are applied in order to observe the decrease in the standard deviation of accuracy in the identification of retinal structures. retina, such as aspects of the optic nerve, veins and arteries, as well as investigations into other retinopathies, such as AMD (Age-Related Macular Degeneration) and hyposphagma. Showing an improvement in the accuracy standard deviation of 11.11% for the DSC neural network, and 18.18% for the IoU network.

Download

Otimização do Tempo de Recarga com Transmissão de Energia sem Fio Usando Beamforming Analógico Baseado nas Estatísticas do Canal

Victoria Souto, Osmel Martinez Rosabal, Samuel Montejo-Sánchez, Onel L. A. López, Richard Demo Souza, Hirley Alves

DOI: 10.14209/sbrt.2023.1570914996

Keywords: Transmissão de energia sem fio Internet das coisas (IoT) Beamforming

Abstract

Wireless energy transfer is a key technology for future Internet of Things (IoT), enabling uninterrupted operation. In this work, we propose a novel approach to minimize the power recharging time while meeting a minimum harvested energy constraint at each IoT device. To solve this problem, the analog beamforming design at the power beacon (PB) is carried out considering only statistical channel state information (S-CSI). In addition, we consider that the IoT devices can harvest energy when the neighboring devices are being charged. From the simulation results, we can verify that the proposed approach can considerably reduce the recharging time for specific scenarios when compared to an approach where the devices are independently recharged and perfect CSI knowledge is assumed.

Download