Propostas de Projeto Final – 2015 – Prof. Júlio Cesar Nievola
1) Título: Desenvolvimento de um Framework usando FPGA para treinamento de
Algoritmos Genéticos.
Descrição: Este trabalho propõe o desenvolvimento de um ambiente que permita o
treinamento de um algoritmo genético. O objetivo principal é utilizar a capacidade de
execução paralela de uma plataforma FPGA para acelerar o treinamento, permitindo
desta forma que os resultados sejam obtidos em tempos menores quando a base de
treinamento é grande.
Implementação: Ambiente para treinamento de algoritmos genéticos sobre FPGA.
2) Título: Desenvolvimento de um Framework para treinamento de Algoritmos
Genéticos operando sobre uma GPU
Descrição: Deseja-se desenvolver um ambiente que permita o treinamento de um
algoritmo genético, que permita a paralelização automática rodando sobre uma
plataforma do tipo GPU pré-definida.
Implementação: Ambiente para treinamento de algoritmos genéticos sobre GPU.
3) Título: Previsão da função de proteínas baseada nas categorias da GO
Descrição: O projeto tem por objetivo determinar qual a provável função de proteínas, a
partir de um conjunto de atributos que descrevem as características da mesma,
enquadrando-a nas categorias indicadas pela GO – Gene Ontology, a qual é baseada em
grafos. O sistema fará a predição usando regras para representar o conhecimento,
obtidas através de algoritmos genéticos.
4) Título: Elaboração de um Sistema com Aprendizagem Automática para o Jogo Go
em tamanho iniciante (9 x 9)
Descrição: O objetivo deste projeto consiste na avaliação do desempenho de um
sistema que aprende a jogar Go somente pela experiência, não sendo programado para
tal. Ele usará uma estratégia evolutiva para definir o valor de cada um dos fatores que
determina a qualidade de uma determinada disposição de peças no tabuleiro, baseado no
método de Monte Carlo. Para avaliar os resultados e determinar novas combinações
serão utilizados os resultados de várias partidas que as várias versões do sistema jogam.
O objetivo é criar um sistema que aprenda a partir do zero (sem programação de regras)
a jogar Go com eficiência cada vez maior à medida que as partidas vão acontecendo.
Implementação: Algoritmo Alfa-Beta, Redes Neurais e Computação Evolucionária.
5) Título: Seleção de Atributos para Previsão da Função de Proteínas
Descrição: Durante a mineração de dados, o excesso de atributos pode tornar a operação
não somente cara computacionalmente, como também aumentar a imprecisão dos
resultados. Este problema é maior quando se realiza classificação hierárquica. Para
evitar isto, realiza-se a busca de um subconjunto de atributos que diminua os dois
problemas. Uma das possibilidades é o uso no pré-processamento de um algoritmo para
seleção de atributos, para em seguida usar o algoritmo principal. O objetivo é avaliar o
desempenho na tarefa principal, com e sem seleção de atributos no problema específico
de previsão hierárquica da função de proteínas baseada na ontologia FunCat.
Implementação: Algoritmos de seleção de atributos baseados em busca.
Obs.: Existe a possibilidade de orientação de outros trabalhos envolvendo técnicas de
IA ou da alteração da área de aplicação dos problemas especificados, conforme
interesse e acordo entre orientador/orientado.