Utilize este identificador para referenciar este registo:
http://hdl.handle.net/11144/5297
Registo completo
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | Silvestre, Daniel | - |
dc.contributor.author | Nascimento, João António Pinto | - |
dc.date.accessioned | 2021-12-22T09:42:27Z | - |
dc.date.available | 2021-12-22T09:42:27Z | - |
dc.date.issued | 2021-02-02 | - |
dc.identifier.uri | http://hdl.handle.net/11144/5297 | - |
dc.description.abstract | Com o objetivo de automatizar tarefas, muitos classificadores têm sido propostos, com diferentes compromissos entre performance e robustez. Quando se pretende classificar um stream de dados extraídos sobre um processo cujo estado está em constante evolução, o desconhecimento da dinâmica do sistema e informação incorreta dificultam a tarefa de identificar que subconjunto dos dados são confiáveis e devem ser utilizados. Este problema é central em aplicações como a deteção de fogos florestais, presença de lixo nas praias, medições de ruído e poluição nas cidades e outras para as quais os cidadãos sejam chamados a fornecer dados através de sistemas computacionais. Utilizadores mal-intencionados, dados corrompidos por ruído, sensores baratos, entre outros, podem conduzir a erros na deteção. Esta tese visa desenvolver um serviço capaz de detetar anomalias em dados e prever os valores seguintes, tendo em conta o historial. Partindo do pressuposto que os dados serão fornecidos através de uma aplicação mobile para alertas de incêndios florestais e deteção de lixo nas praias, foi criada uma aplicação de backend capaz de suportar o volume expectável de dados bem como executar o seu processamento. A infraestrutura desenvolvida para AWS (Amazon Web Services) contém várias ferramentas de deteção de anomalias e previsão, entre elas o AWS Sagemaker (Ferramenta de machine learning) e o AWS S3 (Amazon Simple Storage Service, armazenamento de objetos). Através das experiências efetuadas foi possível a deteção de anomalias, bem como a previsão de valores futuros, num dataset composto por 22695 entradas de medições de temperatura de um componente interno de uma grande máquina industrial provenientes do Numenta Anomaly Benchmark (NAB). | pt_PT |
dc.language.iso | por | pt_PT |
dc.rights | openAccess | pt_PT |
dc.subject | Citizen Cience | pt_PT |
dc.subject | Citizen Application | pt_PT |
dc.subject | AWS | pt_PT |
dc.subject | AWS Sagemaker | pt_PT |
dc.subject | AWS S3 | pt_PT |
dc.title | Enhancing citizens on science information quality through rating of data | pt_PT |
dc.type | masterThesis | pt_PT |
thesis.degree.name | Dissertação de mestrado em Engenharia Informática e de Telecomunicações | pt_PT |
dc.subject.fos | Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática | pt_PT |
dc.identifier.tid | 202670856 | pt_PT |
Aparece nas colecções: | DCT - Dissertações de Mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Tese_Joao_Nascimento_30003572[68572][68690].pdf | 2,2 MB | Adobe PDF | Ver/Abrir |
Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.