|
Nome do aluno
|
Denis Robson Dantas Boaventura
|
|
Título do trabalho
|
Sistema de Recomendação Multiagente baseado em Aprendizado por Reforço para Casas Inteligentes
|
|
Resumo do trabalho
|
O crescente avanço tecnológico impulsionou o desenvolvimento de Casas Inteligentes, exigindo sistemas adaptativos e personalizados para atender às necessidades dos moradores. Além disso, com o aumento na integração de dispositivos e o uso de sensores, as casas inteligentes obtiveram o potencial de se adaptar às necessidades dos usuários, oferecendo serviços personalizados, como gerenciamento de energia, segurança doméstica avançada e conforto. Com esta evolução, alguns pesquisadores tentam resolver alguns desses desafios com a utilização de Sistemas de Recomendação, que são ferramentas de software que oferecem sugestões personalizadas aos usuários, auxiliando na escolha de itens de interesse em meio a uma determinada quantidade de opções. Geralmente, em um Sistema de Recomendação os produtos finais são itens ou conjuntos de itens, os quais são geradas a partir da análise de preferências passadas, comportamentos de navegação ou características do usuário, utilizando técnicas variadas, como filtragem colaborativa, baseada em conteúdo, híbridos ou técnicas mais avançadas, algoritmos de Aprendizado de Máquina. Já atuando em Casas Inteligentes, os Sistemas de Recomendação, tendem a recomendar estados ou ações para os dispositivos presentes dentro do ambiente. Entretanto, com o aumento na quantidade de pesquisas envolvendo a união desses campos, foram percebidas algumas problemáticas, como por exemplo a necessidade de uma grande quantidade de dados de histórico prévio para treinamento de modelos, dificuldade para trabalhar com mudanças de padrão nos dados em ambientes dinâmicos e a necessidade constante da interação do usuário com a casa. Este projeto de dissertação tem como foco solucionar essas problemáticas através da utilização de um Sistema de Recomendação Multiagente (SRMA) baseado em Aprendizado por Reforço voltado para a otimização do ambiente residencial. O SRMA proposto busca aprimorar a interação entre os dispositivos inteligentes presentes na casa e os habitantes, promovendo decisões mais eficientes no ambiente domiciliar. Por meio da aplicação de algoritmos de Aprendizado por Reforço, do uso de feedback implícito e da cooperação entre múltiplos agentes, este estudo explora novas abordagens para aprimorar a eficiência e a adaptatividade dos sistemas de recomendação em ambientes residenciais inteligentes. Neste estudo realiza-se o experimento de dois algoritmos diferentes de Aprendizado por Reforço em dois conjuntos de dados diferentes. Os resultados obtidos demonstram uma promissora capacidade do sistema de antecipar as necessidades dos moradores e adaptar-se a mudanças abruptas em suas rotinas, contribuindo para uma experiência residencial mais eficiente, intuitiva e adaptável.
|
|
Orientador
|
Frederico Araujo Durão
|
|
Membro Titular 1
|
Tatiane Nogueira Rios (UFBA)
|
|
Link para o curriculum lattes
|
http://lattes.cnpq.br/
|
|
Membro Titular 2
|
Bruno Pereira dos Santos (UFBA)
|
|
Link para o curriculum lattes
|
http://lattes.cnpq.br/
|
|
Suplente 1
|
Gustavo Bittencourt Figueiredo (UFBA)
|
|
Link para o curriculum lattes
|
http://lattes.cnpq.br/
|
|
Suplente 2
|
Cássio Vinicius Serafim Prazeres (UFBA)
|
|
Link para o curriculum lattes
|
http://lattes.cnpq.br/
|
|
Data do exame
|
16 Jan, 2024
|
|
Horário do exame
|
8:30 AM
|