Navegando por Assunto "Banco de dados"

Agora exibindo 1 - 5 de 5

Análise sensorial: desenvolvimento de um sistema computacional para verificação de aceitação de produtos
(2021-03-02) Queirós, Dilva da Silva; D'Emery, Richarlyson Alves; http://lattes.cnpq.br/3553920177544450; http://lattes.cnpq.br/5152329770233157
Análise sensorial avalia a satisfação do consumidor com produtos pela percepção da reação emocional através dos sentidos, em especial, as expressões faciais. Entretanto, utiliza, muitas vezes, processos manuais e custosos, com erros humanos, desde o entendimento errado de reação até o registro. Este artigo apresenta um sistema computacional que auxilia a análise de produtos fotossensíveis. Tem Arduino e software para controlar luzes LED-RGB, gerenciar sessões experimentais, framework de reconhecimento de expressões faciais por Redes Neurais Convolucionais, interface gráfica desktop multiplataformas e banco de dados. Como resultado tem-se uma solução que garante a segurança e confiabilidade de informações.
Avaliação de algoritmos multi-classe para classificação de solicitações enviadas a Ouvidoria Geral do Estado de Pernambuco
(2021-03-29) Carvalho, Luiz Henrique Teixeira; Ferreira, Jeneffer Cristine; http://lattes.cnpq.br/3000364145302421
A Ouvidoria Geral é um órgão público que abrange todo o estado de Pernambuco e todos os dias recebe diversas solicitações com os mais variados temas envolvendo todos os outros órgãos do estado, com isso em determinadas épocas do ano, essas solicitações podem chegar a onerar os recursos do estado. O objetivo principal desse trabalho é aplicar os algoritmos de classificação multi-classe nos dados obtidos a partir do portal da transparência, e tentar prever as solicitações enviadas a Ouvidoria Geral do Estado de Pernambuco Para obtenção dos dados da Ouvidoria Geral do Estado de Pernambuco, foi executada uma raspagem de dados no Portal da Transparência de Pernambuco. Foram obtidos os dados dos anos de 2017, 2018 e 2019. Foi aplicado nos dados da ouvidoria os algoritmos de Arvore de Decisões(Decision Tree), Floresta Aleatoria(Random Forest), Bagging e kNN. Os resultados mostraram que os algoritmos de classificação automática de dados, particularmente os algoritmos de Decision Tree(Arvore de decisões), Random Forest (Floresta Aleatória) e Bagging conseguiram de 55 por cento e 32 por cento nas classes de tipo e órgão respectivamente, tendo um aproveitamento de um acerto a cada duas tentativas na classe de tipo e de um acerto a cada três tentativas na classe de órgão. Os algoritmos também foram avaliados acerca de seu desempenho em tempo de criação e treinamento do modelo, tendo o algoritmo de Decision Tree(Arvore de decisões) como o mais performático.
Comparação de Custo e Performance entre PostgreSQL com Railway, MongoDB Atlas e MySQL com PlanetScale em Arquiteturas Serverless em Cold Start
(2024-03-01) Silva, João Victor Galdino Ferreira; Medeiros, Robson Wagner Albuquerque de; http://lattes.cnpq.br/3169193612606500; http://lattes.cnpq.br/1248684288752049
Este estudo explora a utilização de tecnologias de banco de dados em computação serverless, focando em como diferentes estratégias de banco de dados afetam a performance e o custo de funções serverless no AWS Lambda durante cold starts. Este trabalho utiliza PostgreSQL via Railway, MongoDB Atlas, e MySQL com PlanetScale como estudos de caso para investigar essa dinâmica, empregando testes em cenários de cold start para quantificar o impacto do tempo de inicialização das diferentes estratégias. Os resultados revelam diferenças significativas na latência de cold start, com o PlanetScale demonstrando uma redução de tempo próxima de 85%. Além disso, analisamos a precificação das soluções, destacando que, embora o PlanetScale se mostre tecnicamente superior, considerações de custo podem levar à seleção de alternativas dependendo do contexto específico de uso. Este trabalho explora essas influências e orienta desenvolvedores na escolha de estratégias que balanceiam desempenho e custo em arquiteturas serverless.
Implementação WebGIS para análise de mercado e processo de compra e venda
(2020-11-05) Alves, Allan do Amaral; Gouveia, Roberta Macêdo Marques; Batista, Maria da Conceição Moraes; http://lattes.cnpq.br/8167265341219263; http://lattes.cnpq.br/2024317361355224; http://lattes.cnpq.br/8469386114225610
Com a crescente utilização de plataformas para comércio eletrônico no país e as diversas crises econômicas afetando o número de vendas dos estabelecimentos desde 2014, pequenas e grandes companhias do varejo se vêem com a necessidade de realizar uma análise cada vez mais cuidadosa do ambiente em que estão inseridas, a fim de identificar os potenciais compradores de seus produtos em perfil, localização geográfica e outros atributos para otimizar o direcionamento dos seus serviços, prevendo as possíveis alterações de demanda e obtendo um menor risco perante os investimentos realizados. Com o acompanhamento de softwares mais avançados e a tecnologia atual, sistemas de informação geográfica se tornaram aliados para o estudo de grandes bases de dados, gerando resultados que auxiliam a tomada de decisão destas empresas. Este trabalho tem por objetivo implementar uma aplicação WEBGIS para análise de dados e resgate de significativas informações geográficas, utilizando algoritmo clustering para calcular e simular cenários de melhoria, identificar regiões com mais compradores e indicar as melhores localizações para venda de produtos classificados em diversos setores da região metropolitana do Recife através de dados existentes em notas fiscais eletrônicas.
Sistema de gestão para localização indoor utilizando Wifi Fingerprints e Machine Learning
(2019-07-17) Silva, José Kellison de Almeida; Santana, Alixandre Thiago Ferreira de; Pereira, Luis Filipe Alves; http://lattes.cnpq.br/7320714889983490; http://lattes.cnpq.br/3283294973534606; http://lattes.cnpq.br/6271011367469780
Soluções de software que são dependentes do sinal do Sistema de Posicionamento Global (GPS) podem não apresentar uma boa precisão em espaços fechados ou indoor (shoppings, aeroportos, complexos comerciais etc.), pois as variações do sinal são capazes de inviabilizar seu uso. Este trabalho tem como objetivo implementar uma solução de gestão de localização indoor utilizando sinais de redes sem fio locais para predizer a posição de um usuário. Para tanto, a solução utiliza WiFi fingerprints captados por aparelhos celulares com sistema operacional Android, para construir bases de instâncias representando posições reais de um usuário coletadas em um dos prédios da Universidade Federal Rural de Pernambuco - Unidade Acadêmica de Garanhuns. O aplicativo móvel determina a posição do usuário e uma ferramenta web de gestão de localidades de produtos permite a inserção de pontos de interesse do usuário no mapa indoor. Para completar o processo, o aplicativo móvel realiza a plotagem de um vetor da posição predita do usuário até a posição de um objeto específico de destino compondo assim uma solução completa e funcional de rotas indoor. Os algoritmos utilizados para predição da posição do usuário foram o random forest, multi layer perceptron e Adaboost. Ao final dos experimentos, o melhor resultado de localização indoor foi obtido com o Adaboost, apresentando um erro médio de pouco menos de 1 metro em relação à posição real e 98,64% dos resultados se apresentando dentro de uma margem de erro aceitável (até 2 metros).