Mostrar registro simples

dc.contributor.advisorWojciechowski, Jaime, 1965-pt_BR
dc.contributor.authorSilva, Gustavo Henrique da, 2001-pt_BR
dc.contributor.otherUniversidade Federal do Paranápt_BR
dc.date.accessioned2022-07-07T19:41:09Z
dc.date.available2022-07-07T19:41:09Z
dc.date.issued2022pt_BR
dc.identifier.urihttps://hdl.handle.net/1884/76834
dc.descriptionOrientador: Jaime Wojciechowskipt_BR
dc.descriptionMonografia (especialização) - Universidade Federal do Paraná, Setor de Educação Profissional e Tecnológica, Curso de Especialização em Inteligência Artificial Aplicada.pt_BR
dc.descriptionInclui referências: p. 84-90pt_BR
dc.description.abstractResumo: As quedas figuram entre os acidentes mais comuns em ambientes domésticos e de trabalho. Em alguns casos, elas são responsáveis por consequências que impactam diretamente a qualidade de vida dos indivíduos, principalmente a dos mais velhos. Eventualmente, as quedas podem ocorrer quando o indivíduo está sozinho, em local isolado, ou impossibilitado de pedir ajuda. Evidentemente, quanto mais rápido o atendimento em casos graves, melhores as chances de recuperação e menor o impacto na qualidade de vida do paciente. Com base nessas constatações, nota-se também a necessidade de soluções que aumentam as chances de atendimento em casos de queda. Neste contexto, este trabalho apresenta o aplicativo iaQuedas e documenta seu processo de desenvolvimento. Este aplicativo possui as funcionalidades da detecção de possíveis eventos de quedas e notificação de um contato de confiança via SMS. A detecção é realizada através da apresentação dos dados do sensor acelerômetro para uma rede neural artificial do tipo LSTM, especializada na classificação de movimentos. O treinamento do modelo de inteligência artificial é realizado com dados da base MobiAct 2.0, a qual possui amostras de atividades diárias e de quedas. As predições realizadas para os dados de validação ao fim do treinamento apresentam alta acurácia. Durante testes do aplicativo no dia-a-dia, quedas também são devidamente detectadas. Contudo, casos de falso-positivo na detecção de quedas são mais frequentes do que o esperado. O resultado final é um aplicativo que cumpre com seus objetivos, com espaço para melhorias em trabalhos futuros.pt_BR
dc.format.extent1 recurso online : PDF.pt_BR
dc.format.mimetypeapplication/pdfpt_BR
dc.languagePortuguêspt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectAplicativos móveispt_BR
dc.subjectDetecção de Quedas - Software - Computer softwarept_BR
dc.titleIaQUEDAS : aplicativo Android para a detecção de quedas através de técnicas de aprendizado de máquinapt_BR
dc.typeMonografia Especialização Digitalpt_BR


Arquivos deste item

Thumbnail

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples