| 1. | 2024-Atual. AppEduTV3.0 Descrição: Este projeto propõe o desenvolvimento de um aplicativo educacional (chamado no texto somente como aplicativo) a ser disponibilizado no contexto da TV 3.0, com foco nas TVs públicas e potencial de integração com o EduPlay - plataforma consolidada de conteúdos educativos mantida pela RNP. O objetivo é recomendar materiais educativos, produzidos e disponibilizados pelas TVs universitárias (como prova de conceito), de forma personalizada, a partir do reconhecimento do perfil do telespectador. Assim, o aplicativo tornará a experiência de uso mais individualizada, enriquecendo a experiência educacional por meio da televisão digital. Para tal, o aplicativo fará uso das capacidades avançadas da TV 3.0, como acessibilidade, interatividade, personalização de conteúdo e convergência IP.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Joel André Ferreira dos Santos - Integrante / Muchaluat-Saade, Débora - Integrante / Marcelo F. Moreno - Integrante / Eduardo Barrere - Coordenador. Financiador(es): Rede Nacional de Ensino e Pesquisa - AuxÃlio financeiro. Membro: Joel Andre Ferreira dos Santos. |
| 2. | 2024-Atual. Desenvolvimento de VANT par aapoio logAstico Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (10) / Especialização: (0) / Mestrado acadêmico: (2) . Integrantes: João Roberto de Toledo Quadros - Coordenador / Fabio Paschoal Junior - Integrante. Membro: Joao Roberto de Toledo Quadros. |
| 3. | 2024-Atual. ExtensAes ao Simulador de Redes Sama Descrição: Projeto do Edital Universal 2023 do CNPq. Este projeto pretende evoluir o simulador Sama (Simulation and Analysis of Mobile Access), de forma a incluir modelos ainda mais realistas de equipamentos, redes heterogêneas, mobilidade dos usuários, mais modelos de canais sem fio, técnicas MIMO, e canais FSO, dentre outras melhorias. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) . Integrantes: Felipe da Rocha Henriques - Integrante / Raphael Melo Guedes - Integrante / Lisandro Lovisolo - Coordenador / Marcelo Gonçalves Rubinstein - Integrante / Michel Pompeu Tcheou - Integrante / Marco Antônio Grivet Mattoso Maia - Integrante / José Ricardo Bergmann - Integrante / Luiz Alencar da Silva Mello - Integrante / Robert Mota Oliveira - Integrante / Christian Fragoas Fernandez Rodrigues - Integrante / Clara Elizabeth Verdugo Muñoz - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento CientÃfico e Tecnológico - AuxÃlio financeiro. Membro: Felipe da Rocha Henriques. |
| 4. | 2024-2024. Intelligent Authoring for Mulsemedia Applications using Deep Learning Descrição: Processo: E-26/202.672/2023 - BOLSA Programa: CONFAP - CNPQ - THE UK ACADEMIES 2019. Valor Financiado: R$ 15.300,00Bolsa de mobilidade reversa para o pesquisador George Ghinea (Brunel University).A integração de objetos multimÃdia tradicionais (principalmente audiovisual) com estÃmulos que envolvem outros sentidos abre oportunidades para os usuários interagirem com o conteúdo. Para guiar a ativação dos dispositivos fÃsicos que geram tais efeitos, uma aplicação conta com a sincronização definida pelo autor. Isso significa que o autor precisa inspecionar cuidadosamente o conteúdo audiovisual para identificar e anotar este conteúdo com metadados que definem os tempos de inÃcio e fim de um determinado efeito sensorial. Esta é uma tarefa muito dispendiosa em termos de esforço e tempo, além de ser passÃvel de erros. Assim, acelerar e simplificar o processo de autoria é fundamental para incentivar a adoção de tais aplicações pela comunidade.Ferramentas de autoria gráfica permitem reduzir a carga da autoria manual. No entanto, elas ainda exigem que o autor inspecione o conteúdo audiovisual para definir a sincronização da aplicação. Este projeto se concentra em fornecer uma ferramenta de autoria com capacidade de reconhecimento automático de efeitos sensoriais com base no conteúdo audiovisual usado para criar uma determinada aplicação. Isso é possÃvel devido a um componente inteligente que se comunica com um software de reconhecimento e infere os tempos de inÃcio e término do efeito sensorial. Também permite que os autores ajustem os efeitos sensoriais que não atendem Ãs suas expectativas. Isso é importante, pois o processo de autoria é uma tarefa altamente criativa e soluções totalmente automáticas podem impedir o processo criativo.Além de fornecer um componente inteligente, este projeto visa conceber e realizar experimentos em conjunto com o parceiro internacional para avaliação de nossa proposta. Além disso, esperamos divulgar os resultados do trabalho conjunto por meio de artigos submetidos a periódicos e conferências de alta qualidade na área de Ciência da Computação e identificar possibilidades de submissões de projetos conjuntos e coorientação de alunos.. Situação: ConcluÃdo; Natureza: Pesquisa. Integrantes: Joel André Ferreira dos Santos - Coordenador / Georghita Ghinea - Integrante. Financiador(es): FAPERJ - Bolsa. Membro: Joel Andre Ferreira dos Santos. |
| 5. | 2024-Atual. MARFIM MAtodos de Aprendizado de MAquina aplicados A SeguranAa em Redes Formadas por Dispositivos com Recursos Limitados Descrição: As redes formadas por dispositivos com recursos limitados demandam mecanismos de segurança adequados que levem em consideração as caracterÃsticas das redes nas quais estão inseridos. Recentemente, a área de estudo de aprendizagem de máquina tem sido apontada como uma abordagem proeminente para o aprimoramento de aplicações para tais redes. O objetivo deste projeto consiste em estudar e avaliar métodos de aprendizagem voltados para a garantia da segurança em redes compostas por dispositivos com recursos limitados, como sensores e outros dispositivos os quais servem de base para a Internet das coisas. Em especial, deseja-se investigar a aplicação de tais métodos à detecção de intrusão nessas redes. Desse modo, pretende-se evoluir o estado da arte na área e divulgar os resultados do presente projeto de pesquisa.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (4) . Integrantes: Diego Nunes Brandão - Integrante / Juliano Fontoura Kazienko - Coordenador / Silvio Ereno Quincozes - Integrante / DOUGLAS RODRIGUES FIDELES - Integrante / GABRIEL ALEXANDRE FOLETTO - Integrante / Vagner Ereno Quincozes - Integrante. Membro: Diego Nunes Brandao. |
| 6. | 2024-Atual. TRAP-IoT: Tecnologia Resiliente para AplicaAAes em Protocolos IoT Descrição: O projeto TRAP-IoT: Tecnologia Resiliente para Aplicações em Protocolos IoT, tem como objetivo explorar e desenvolver soluções de segurança para cenários de Internet das Coisas (IoT) utilizando dispositivos de baixo custo, como ESP32, Arduino e Raspberry Pi. Focado nas aplicações de IoT em saúde, smart homes e dispositivos vestÃveis, o projeto aborda a comunicação segura e a detecção de intrusões, especialmente em protocolos emergentes como Zenoh e tradicionais como DDS, além de tecnologias de comunicação amplamente utilizadas como Wi-Fi, Bluetooth e protocolos baseados na Web. A coleta de dados de dispositivos vestÃveis, incluindo pressão arterial, batimentos cardÃacos e nÃvel de oxigênio, será utilizada para garantir a integridade e confidencialidade das informações transmitidas. Ao melhorar a resiliência e segurança da comunicação nesses ambientes, o TRAP-IoT busca mitigar riscos de invasão e manipulação de dados, promovendo um ecossistema IoT mais seguro e confiável.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (1) / Doutorado: (1) . Integrantes: Diego Nunes Brandão - Integrante / Juliano Fontoura Kazienko - Integrante / GUERRA, RAPHAEL - Integrante / Silvio Ereno Quincozes - Coordenador. Membro: Diego Nunes Brandao. |
| 7. | 2024-Atual. TAcnicas de Aprendizado de MAquina na IdentificaAAo de Anomalias: AplicaAAes em energias renovAveis Descrição: Este projeto de pesquisa tem como objetivo desenvolver e avaliar métodos avançados de detecção de anomalias utilizando técnicas de aprendizado de máquina. Anomalias referem-se a eventos ou padrões que desviam significativamente do comportamento esperado em um conjunto de dados, e a detecção eficiente dessas anomalias é crucial em várias aplicações, incluindo segurança cibernética, detecção de fraudes e no monitoramento de sistemas crÃticos, como os sistemas de geração de energia. No caso de sistemas de energia, o monitoramento e a manutenção eficazes desses é uma tarefa crucial para garantir a geração sustentável de energia. Assim, a detecção precoce de anomalias, falhas ou degradação de componentes é essencial para minimizar interrupções, maximizar a eficiência e prolongar a vida útil dos ativos de energia renovável. Neste projeto, exploraremos diferentes algoritmos de aprendizado de máquina, de técnicas de pré-processamento de dados e estratégias de avaliação de desempenho para melhorar a precisão e a eficácia da detecção de anomalias no contexto de sistemas de energia renovável, com atenção especial a energia eólica.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) . Integrantes: Diego Nunes Brandão - Coordenador / Pedro Henrique Gonzalez Silva - Integrante / Kele Teixeira Belloze - Integrante / Rafaelli Coutinho - Integrante / Rodrigo Toso - Integrante / Gonzaga de Oliveira, Sanderson L. - Integrante / Ferreira, Ãngela - Integrante. Financiador(es): Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - AuxÃlio financeiro. Membro: Diego Nunes Brandao. |
(*) Relatório criado com produções desde 2024 até 2024
Data de processamento: 14/01/2025 14:26:14