Banca de QUALIFICAÇÃO: MARCOS VINICIUS GOMES JACINTO

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : MARCOS VINICIUS GOMES JACINTO
DATA : 14/05/2021
HORA: 13:30
LOCAL: videoconferencia - https://meet.google.com/usg-tjeo-cgf
TÍTULO:

INTERPRETAÇÃO DE FEIÇÕES CARSTIFICADAS ATRAVÉS  DOS ALGORITMOS DE APRENDIZAGEM DA MÁQUINA: APLICAÇÕES DE REDES NEURAIS CONVOLUCIONAIS PARA IMAGENS DE RADAR DE PENETRAÇÃO NO SOLO


PALAVRAS-CHAVES:

Apredizado Profundo; Redes Neurais Convolucionais; Radar de Penetração do Solo


PÁGINAS: 50
RESUMO:

A maioria dos trabalhos recentes que estudam aplicações de Radar de  Penetração no Solo (GPR) e Aprendizado de Máquina (ML) são aplicados à engenharia civil,  carecendo de estudos aplicados às geociências. Nesse contexto, o presente trabalho busca  auxiliar a preencher essa lacuna estudando a interpretação automática de GPR com métodos  de aprendizado de máquina no contexto de um ambiente carstificado com rochas  carbonáticas da Bacia do Irecê (Brasil). No caso deste trabalho, existem duas classes que  representam duas interpretações esperadas diferentes. A primeira representa uma feição carstificada em carbonatos, de interesse no presente trabalho, enquanto a segunda se refere  a quaisquer demais feições não carstificadas. O presente trabalho teve acesso a oito seções  do GPR, a partir das quais, os seguintes atributos foram gerados: Energia, Similaridade,  Amplitude Instantânea, Fase Instantânea, Frequência Instantânea, Traço de Hilbert,  Amplitude Espectral Máxima, Fator de Qualidade, Traço de Hilbert / Energia e Traço de  Hilbert / Similaridade. Para alcançar esta interpretação automática, um algoritmo de  Aprendizado Profundo, considerado estado-da-arte, denominado Rede Neural Convolucional  U-Net, comumente aplicado a imagens, é usado, combinado com um método de seleção de  parâmetros, por meio de Algoritmos Genéticos, foram usados para selecionar o melhor  subconjunto de parâmetros que impactarão positivamente o desempenho do modelo. Os  resultados obtidos mostram que é possível, de fato, gerar modelos automáticos de  interpretação de seções GPR utilizando a U-Net. Além disso, ao comparar continuamente os  resultados usando diferentes conjuntos de soluções, verificou-se que a metodologia e o  modelo são robustos o suficiente e permitem mais de uma solução possível para obter uma  métrica de avaliação acima de 95% na interpretação das regiões carstificadas


MEMBROS DA BANCA:
Presidente - 350640 - FRANCISCO HILARIO REGO BEZERRA
Interno - 1315614 - DAVID LOPES DE CASTRO
Externo ao Programa - 347628 - ADRIAO DUARTE DORIA NETO
Notícia cadastrada em: 04/05/2021 12:57
SIGAA | Superintendência de Tecnologia da Informação - (84) 3342 2210 | Copyright © 2006-2024 - UFRN - sigaa02-producao.info.ufrn.br.sigaa02-producao