Defesa de Proposta de Tese: Lucas Peres Gaspar
Data da publicação: 28 de julho de 2025 Categoria: Notícias, Proposta de Tese
Título: Human Activity Recognition using Meta-Learning
Data: 04/08/2025
Horário: 14h
Local: Online
Resumo:
O reconhecimento de atividades humanas (RAH) tem se tornado uma significante área de pesquisa para análise de comportamento humano. Pesquisa das metade da década passada provam que modelos de aprendizagem profunda são adequados para identificar padrões sobre series temporais coletadas de dispositivos inteligentes (smartphones e smartwatches) e performar um reconhecimento preciso de atividades sob um conjunto fixo de atividades observadas. Entretanto, métodos de aprendizagem profunda encaram alguns desafios para dados de séries temporais, como a falta de dados suficientes para treinar um modelo eficiente. Outro desafio que acompanha RAH são as particularidades na forma como usuários realizam uma mesma atividade, ou até mesmo na forma como diferente sensores coletam os dados, gerando algumas condições individuais. Esta proposta de tese de doutorado apresenta um algoritmo de meta-aprendizagem que supera a limitação das condições individuais provendo uma estratégia de treinamento que facilita a generalização através de diferentes tarefas, permitindo que o modelo se adapte rapidamente a novos usuários, sensores, e atividades. Ele também supera o problema de escassez de dados usando uma etapa de aumento de dados para aumentar o número de observações usadas durante o meta-treinamento. O algoritmo é comparado com a literatura usando conjuntos de dados reais e públicos, obtendo resultados encorajadores.
Banca examinadora:
Prof. Dr. José Antonio Fernandes de Macedo (MDCC/UFC) – Orientador
Prof.ª Dr.ª Lívia Almada Cruz (UFC) – Coorientadora
Prof. Dr. César Lincoln Cavalcante Mattos (MDCC/UFC)
Prof. Dr. João Paulo do Vale Madeiro (MDCC/UFC)
Prof. Dr. Regis Pires Magalhães (UFC)
