Banca de DEFESA: GUSTAVO VIEIRA ISOBE DE MACEDO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : GUSTAVO VIEIRA ISOBE DE MACEDO
DATA : 25/02/2025
HORA: 10:00
LOCAL: Arquitetura Entrelaçada para Predição de Próximo Sensor Externo em Trajetória de Veículos Roubados
TÍTULO:

Arquitetura Entrelaçada para Predição de Próximo Sensor Externo em Trajetória de Veículos Roubados

PALAVRAS-CHAVES:

Trajetória Veicular; Trajetória de Sensor Externo; Aprendizagem Profunda; Arquitetura Entrelaçada.

PÁGINAS: 83
RESUMO:

Raramente um veículo roubado possui um equipamento de georreferenciamento acoplado para transmitir sua localização em tempo real e auxiliar na sua recuperação. No entanto, utilizando radares de velocidade e sistemas de reconhecimento óptico de caracteres (Optical Character Recognition - OCR), é possível identificar pontos discretos da trajetória desse veículo. Ao registrar esse tipo de sequência histórica, surge a necessidade de predizer o próximo sensor externo da trajetória. Esse desafio vai além da predição em si, abrangendo também a definição da arquitetura de predição mais adequada. Parte deste trabalho segue a linha principal de outros estudos e fornece uma análise dos dados que influenciam o desempenho da predição, demonstrando que informações sobre qual via da rua o veículo foi identificado auxiliam na previsão do próximo sensor externo. Por outro lado, ao observar a ausência de um consenso acerca da arquitetura ideal para esse contexto, adota-se uma perspectiva mais ampla para identificar os principais critérios que influenciam a escolha da arquitetura mais adequada. Este estudo avalia a transição da arquitetura ideal em função do comprimento da sequência histórica e do formato da representação geográfica. Os resultados revelam uma transição na arquitetura de melhor desempenho ao variar o tamanho da sequência histórica, sendo o ponto de transição influenciado pelo tipo de representação geográfica das localizações. Como principal contribuição, este trabalho apresenta uma nova arquitetura entrelaçada de deep learning, denominada Transformer e LSTM Entrelaçados (TLE). Essa arquitetura TLE se sobressai em cenários de predição com curtas sequências históricas em relação a outras arquiteturas em seu estado-da-arte. Esses resultados são ainda mais vantajosos considerando o contexto de veículos roubados, em que o tempo é um fator crucial para sua recuperação.

MEMBROS DA BANCA:
Externo à Instituição - JOSÉ FLORENCIO DE QUEIROZ NETO - UFC
Interno - 1141309 - JOAO JOSE COSTA GONDIM
Interno - 2363646 - RAFAEL RABELO NUNES
Interno - 1415757 - VINICIUS PEREIRA GONCALVES