Aprendizado de temáticas avançadas em Sistemas Eletrônicos Inteligentes e aplicação de metodologias de desenvolvimento de sistemas completos, sendo dirigida à concepção, implementação e caracterização de sistemas eletrônicos inteligentes, com aplicação em sistemas de informações sonoras, imagens e sistemas multissensores e em demais cenários relevantes à ênfase de Eletrônica e Sistemas.
Análise de alternativas na aplicação de técnicas de inteligência em sistemas de imagens, informação sonora, sistemas multissensores e interfaces humano-máquina; Classificador de Bayes, Support Vector Machines, Análise de discriminante linear, k-médias e fundamentos de análise de agrupamentos; Detecção de arestas; detecção de esquinas; Técnicas avançadas em visão computacional: Deteção de objetos complexos por aprendizagem de máquina; Deep learning e rede convolucional; Sistemas sensores de gases e líquidos e técnicas de matrizes de sensores; Fusão de informações heterogêneas em áreas relevantes a Eletrônica e Sistemas; Técnicas de otimização com aplicação em eletrônica e sistemas.
Tópicos: - Análise de alternativas na aplicação de técnicas de inteligência em sistemas de imagens, informação sonora, sistemas multissensores e interfaces humano-máquina. - Classificador de Bayes, Support Vector Machines, Análise de discriminante linear, k-médias e fundamentos de análise de agrupamentos. - Detecção de arestas; detecção de esquinas; Canny; fluxo ótico; visão estéreo. - Técnicas avançadas em visão computacional: transformada de Hough, histograma de gradiente orientado; pontos-chaves e descritores locais (ex: SIFT/SURF); imagem integral. - Deteção de objetos complexos por aprendizagem de máquina: faces, pedestres, reconhecimento de objeto, etc. - Deep learning; rede convolucional. - Sistemas sensores de gases e líquidos e técnicas de matrizes de sensores, extração de características e de redes neurais, para a precisão aumentada. - Fusão de informações heterogêneas no reconhecimento de padrões em imagens, em informação sonora, em sinais biológicos, em sistemas multissensores, em IoT e demais áreas relevantes a Eletrônica e Sistemas. - Técnicas de otimização e aplicações para a concepção de sistemas eletrônicos e de circuitos eletrônicos. (algoritmos genéticos, simulated annealing, gradiente descendente, por ex.). Parte significativa dos conteúdos acima elencados serão desenvolvidas em conjunto com projetos práticos implementados, documentados e demonstrados pelos alunos, com mescla adequada entre atividades em grupo e atividades realizadas individualmente.
[1] Simon Haykin, “Redes Neurais: Princípios e Práticas”, Bookman, 2001. [2] Simon Haykin, “Neural Networks and Learning Machines,” Prentice Hall 2008. [3] R. O. Duda, P. E. Hart and D. G. Stork. “Pattern Classification”, Wiley, 2001. [4] Cesare Alippi, “Intelligence for Embedded Systems, a Methodological Approach”, Springer 2014. [5] André Fábio Kohn, “Reconhecimento de Padrões: uma Abordagem Estatística”, Edição PEE/USP, 1998. [6] R. C. Gonzalez, R. E. Woods, "Digital Image Processing, Second Edition," Prentice-Hall, 2002. [7] G. Bradski and A. Kaehler, "Learning OpenCV - Computer Vision with the OpenCV Library," O’Reilly, 2008. [8] Richard Szeliski, “Computer Vision: Algorithms and Applications,” (Texts in Computer Science), Springer, 2010.
