No abstract

RESUMODiante da pandemia do COVID-19, percebemos a necessidade de associar a tecnologia para otimizar a identificação dessa doença. No contexto do elevado número de testes e, além disso, resultados falsos, surgiu um novo método de diagnóstico eficiente para aliviar a propagação desse vírus. A presente pesquisa usa uma ferramenta de teste alternativo com raio-x de tórax dos pacientes como identificador. Assim, esse sistema pode auxiliar o médico a examinar imagens pulmonares, reduzir o tempo para análise e aumentar a precisão do diagnóstico. Este artigo tem como objetivo desenvolver um modelo de aprendizado profundo utilizando Redes Neurais Convolucionais(CNN), chamado CNN-IF, e analisar o seu desempenho com outros modelos já existentes. Além de analisar a presença do diafragma nas imagens utilizadas para treino. Diante dos resultados obtidos, a pesquisa se mostrou promissora para o auxílio no diagnóstico de pacientes com COVID-19, classificando em pacientes saudáveis ou com COVID-19. Com isso foi possível chegar à acurácia de 98,

Este trabalho tem como proposta uma análise de dados de elementos meteorológicos como: precipitação total (mm), pressão atmosférica ao nível da estação (mb), temperatura do ar - bulbo seco (°c), umidade relativa do ar (%), direção do vento (°gr), velocidade do vento (m/s), buscando prever a precipitação e testar modelos de Aprendizado de Máquina que melhor se adaptem ao conjunto de dados utilizados, sendo estes: K-Nearest Neighbor (KNN), Árvore de decisão e a rede neural Multilayer Perceptron (MLP), com o objetivo de identificar o melhor modelo aplicado a previsão de chuvas aplicados na região de Sobral-CE. A proposta tem como objetivo ajudar os pequenos e médios produtores agrícolas, que estão relacionados intrinsecamente aos aspectos econômicos da região, que sofre com estiagens e precisam gerir seus recursos hídricos. Diante dos modelos utilizados, a árvore de decisão obteve melhor resultado com uma taxa de acerto de 99.995%, e a MLP de 99.693%, já o KNN obteve apenas 76.726%.

Resumo -Este trabalho apresenta uma técnica para correção de fator de potência com um conversor Boost monofásico sem utilização de sensor de corrente, implementada digitalmente. Esta técnica utiliza amostras da tensão de entrada deslocada no tempo como sinal modulador, o qual é utilizado para o acionamento do interruptor do pré-regulador. A técnica proposta se diferencia das demais pelo fato de não necessitar da malha de controle da corrente, de não utilizar sensor de corrente, de possibilitar a utilização de processadores com reduzida capacidade computacional, de não necessitar da utilização de Phase Locked Loop (PLL) e por poder ser aplicada a quaisquer formas de onda periódica à tensão de entrada. A fim de validar a técnica proposta foram realizadas simulações e coletados resultados experimentais a partir de um protótipo de escala reduzida, com o qual foram obtidos fatores de potência da ordem de 0,99, além de taxas de distorção harmônica dentro dos limites da Norma IEC 61000-3-2:2014. Palavras-Chave -