Ir para acessibilidade
inicio do conteúdo

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

fim do conteúdo