Banca de DEFESA: MOISES ROCHA DOS SANTOS
2019-01-22 09:42:38.561
Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: MOISES ROCHA DOS SANTOS
DATA: 11/02/2019
HORA: 14:30
LOCAL: Laboratório InovTec
TÍTULO: Modelos de Predição Aplicados ao Aprendizado Motor
PALAVRAS-CHAVES: Tarefa de Traçado; Aquisição de Habilidade Motora; Modelos de Classificação.
PÁGINAS: 65
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO: As atividades motoras são a principal forma de interagir com o mundo que nos rodeia.
Portanto a perda da capacidade de realizar algumas dessas atividades como resultado de
uma doença neurológica é um dano grave ao indivíduo. Na literatura há muitos trabalhos
sobreaprendizadomotor,emsuamaioriabuscandoformasdediminuirotempodeaquisição
dehabilidadeoureabilitaçãomotora.Entretantopoucostrabalhosseconcentramemtentar
estimar o tempo de treinamento necessários para adquirir determinado desempenho motor.
O presente trabalho tem como objetivo predizer a quantidade de sessões de treinamento
motor necessárias para adquirir determinado desempenho em uma tarefa de traçado.
A metodologia baseou-se na revisão de literatura de aquisição de habilidade motora,
bem como na montagem da configuração inicial, aplicação de um experimento piloto
com três participantes e um experimento final com 8 participantes. No experimento
piloto foi realizada uma sessão de treinamento e objetivou-se predizer em qual bloco o
participante se encontrava. Usando os três participantes reais, 18 participantes simulados
foram gerados - adicionando um ruído com média zero e desvio padrão 0.1 - visando
aferir o desempenho do experimento com mais participantes, sendo que estimou-se o
bloco através do desempenho médio dos participantes com algoritmos de aprendizado de
máquina, nomeadamente: Algoritmo K-Vizinhos mais Próximos, Rede Neural MLP, Árvore
de Decisão e Máquina de Suporte Vetorial. No experimento final, isto é com 8 participantes
reais, foram realizadas três sessões cujo objetivo era predizer em qual sessão o participante
alcançaria determinado erro com base em dados do participante e seu desempenho inicial.
Os modelos de Classificação utilizados no experimento final foram: Algoritmo K-Vizinhos
mais Próximos, Rede Neural MLP, Árvore de Decisão, Máquina de Suporte Vetorial e
Aprendizagem de Máquina Automática (AutoML) com "Auto Weka". Nos resultados do
experimento piloto, percebe-se um aperfeiçoamento motor dos participantes após o treino.
Através dos dados do experimento piloto obteve-se os melhores resultados utilizando o
algoritmo Árvore de Decisão com acurácia média de 97%. Nos resultados do experimento
final, foi possível observar no desempenho médio dos participantes o aperfeiçoamento
e a consistência motora. Utilizando os dados do experimento final, oito participantes,
obteve-se os melhores resultados com o AutoML com acurácia de 89%. Assim sendo, o
trabalho mostrou a possibilidade de estimação da quantidade de sessões para atingir
determinada performance utilizando algoritmos de predição. Adicionalmente, ressalta-se a
relevância do trabalho, uma vez que este servirá de base para experimento futuros com
mais participantes saudáveis, assim como pacientes, tendo como objetivo final melhorar a
qualidade de vida de pacientes com problemas motores.
MEMBROS DA BANCA:
Externo ao Programa - 2257735 - ALEX OLIVEIRA BARRADAS FILHO
Presidente - 2044484 - AREOLINO DE ALMEIDA NETO
Externo à Instituição - FABRÍCIO LIMA BRASIL - IINN
Interno - 2319041 - PAULO ROGERIO DE ALMEIDA RIBEIRO