Nome do aluno
|
Mayki dos Santos Oliveira
|
---|---|
Título do trabalho
|
Um Sistema de Recomendação para Casas Inteligentes baseado em Grupos
|
Resumo do trabalho
|
As casas inteligentes, também conhecidas como Smart Homes, são ambientes altamente tecnológicos que integram dispositivos conectados via Internet das Coisas (IoT). Esses dispositivos são capazes de coletar dados sobre o ambiente, permitindo a criação de rotinas automatizadas que facilitam o dia a dia. Atualmente já podemos encontrar na literatura propostas que buscam analisar o comportamento dos moradores para automatizar tarefas, buscando melhorar o conforto dos moradores e diminuir a necessidade de interação direta dos moradores com os dispositivos. Essas propostas tendem a ter um desempenho satisfatório quando aplicados em cenários com apenas um residente e dispositivos com status binário (ON/OFF). Entretanto, em cenários com múltiplos residentes e dispositivos mais complexos, surgem desafios de gerenciamento dos dispositivos, pois as preferências individuais dos moradores podem entrar em conflito, devido à diversidade de necessidades e comportamentos. Ambientes familiares, por exemplo, são constituídos por grupos heterogêneos, onde cada indivíduo possui suas próprias preferências e níveis de autoridade, levando a discordâncias durante a utilização de certos dispositivos. Sistemas de Recomendação voltado para grupos surge como uma solução viável pois permite modelar as preferências do grupo provendo conforto a todos da casa em detrimento de preferências individuais. O objetivo deste trabalho é desenvolver um modelo de recomendação que compreenda as preferências dos residentes, buscando minimizar conflitos e otimizar a utilização dos dispositivos. A proposta foca em técnicas de aprendizado de máquina para analisar padrões de comportamento dos moradores e gerar recomendações personalizadas, que levem em consideração não apenas as preferências individuais, mas também a dinâmica do grupo como um todo. A solução busca maximizar o consenso entre os membros do grupo, proporcionando um ambiente mais harmônico e eficiente. A avaliação do modelo foi realizada por meio de experimentos em diferentes cenários simulados, onde foram testadas a precisão das recomendações geradas. Os resultados preliminares apontam uma precisão média de 87% de acertos na predição de eventos e recomendação de ações para os dispositivos presentes no ambiente.
|
Orientador
|
Frederico Araújo Durão
|
Membro Titular 1
|
Bruno Pereira dos Santos
|
Link para o curriculum lattes
|
http://lattes.cnpq.br/
|
Membro Titular 2
|
Danilo Barbosa Coimbra
|
Link para o curriculum lattes
|
http://lattes.cnpq.br/
|
Suplente 1
|
Tatiane Nogueira Rios
|
Link para o curriculum lattes
|
http://lattes.cnpq.br/
|
Suplente 2
|
Maycon Leone Maciel Peixoto
|
Link para o curriculum lattes
|
http://lattes.cnpq.br/
|
Data do exame
|
02 Dec, 2024
|
Horário do exame
|
8:30 AM
|