Coleção de Artigos Acadêmicos
URI permanente para esta coleçãohttps://repositorio.insper.edu.br/handle/11224/3227
Navegar
4 resultados
Resultados da Pesquisa
Artigo Científico Validação de modelos de machine learning por experimentos estatísticos de campo(2024) Toaldo, Alexsandro; Vallim Filho, Arnaldo Rabello de Aguiar; Oyadomari, José Carlos Tiomatsu; Mendonça Neto, Octavio Ribeiro deObjetivo – Este artigo apresenta uma aplicação prática com o desenvolvimento de um experimento estatístico de campo em uma indústria de latas premium de alumínio nos Estados Unidos, visando validar estatisticamente resultados de modelos de machine learning (ML), previamente construídos. Metodologia: Usou-se conceitos de pesquisa intervencionista, que envolve experimentos de campo onde pesquisador e organização anfitriã atuam em conjunto buscando experimentar no sistema em estudo, e por meio da observação gerar conhecimento. Originalidade/Relevância: Sobre originalidade, não é frequente na literatura modelos de ML validados por experimento planejado de campo, seguido de análise estatística rigorosa. E a relevância da proposta se deve à sua contribuição para a literatura e pelas possibilidades de replicações do estudo em escala maior, na própria empresa ou em qualquer outra com desafios similares. Principais Resultados: Em fase anterior do estudo modelos de ML identificaram as variáveis de maior impacto em ineficiências (geração de sucata) em um processo de produção de latas de alumínio. Essas variáveis foram validadas nesta fase do estudo, através de experimento estatístico de campo, confirmando a significância estatística dos resultados do modelo de ML. Contribuições Teóricas e Práticas: A pesquisa contribui em termos práticos e científicos, pois a validação estatística de modelos de ML por experimentos planejados de campo é uma contribuição para a literatura de ciência aplicada, além de usas possibilidades práticas. Da mesma forma, apesar de amplamente utilizadas em diferentes áreas, pesquisas de cunho intervencionista ainda apresentam lacuna importante nas ciências sociais aplicadas, principalmente na gestão de processos industriais.Artigo Científico Transitioning to a driverless city: Evaluating a hybrid system for autonomous and non-autonomous vehicles(2021) Santana, Eduardo Felipe Zambom; Covas, Gustavo; Duarte, Fábio; Santi, Paolo; Ratti, Carlo; Kon, FabioAutonomous vehicles will transform urban mobility. However, before being fully implemented, autonomous vehicles will navigate cities in mixed-traffic roads, negotiating traffic with human-driven vehicles. In this work, we simulate a system of autonomous vehicles co-existing with human-driven vehicles, analyzing the consequences of system design choices. The system consists of a network of arterial roads with exclusive lanes for autonomous vehicles where they can travel in platoons. This paper presents the evaluation of this system in realistic scenarios evaluating the impacts of the system on travel time using mesoscopic traffic simulation. We used real data from the metropolis of São Paulo to create the simulation scenarios. The results show that the proposed system would bring reductions to the average travel time of the city commuters and other benefits such as the reduction of the space required to handle all the traffic.Artigo Científico Uma introdução ao tema Recuperação de Informações Textuais(2013) FABRÍCIO JAILSON BARTHO tema Recuperação de Informação sempre foi um tema muito explorado na academia e no mercado. A forma com que os eventos acadêmicos são conduzidos demonstra uma maturidade muito grande da área, inclusive com uma ligação muito forte com o mercado. Inúmeros livros sobre este tema já foram publicados. No entanto, são poucos os livros publicados em português. Este tutorial tenta preencher esta lacuna apresentando uma introdução sobre o tema Recuperação de Informação, abordando: as principais definições e conceitos da área; os principais modelos que regem o desenvolvimento dos Sistemas de Recuperação de Informação, e; os métodos usualmente empregados na avaliação de Sistemas de Recuperação de Informação.Artigo Científico Granger Causality among Graphs and Application to Functional Brain Connectivity in Autism Spectrum Disorder(2021) Ribeiro, Adèle Helena; MACIEL CALEBE VIDAL; Sato, João Ricardo; Fujita, AndréGraphs/networks have become a powerful analytical approach for data modeling. Besides, with the advances in sensor technology, dynamic time-evolving data have become more common. In this context, one point of interest is a better understanding of the information flow within and between networks. Thus, we aim to infer Granger causality (G-causality) between networks’ time series. In this case, the straightforward application of the well-established vector autoregressive model is not feasible. Consequently, we require a theoretical framework for modeling time-varying graphs. One possibility would be to consider a mathematical graph model with time-varying parameters (assumed to be random variables) that generates the network. Suppose we identify G-causality between the graph models’ parameters. In that case, we could use it to define a G-causality between graphs. Here, we show that even if the model is unknown, the spectral radius is a reasonable estimate of some random graph model parameters. We illustrate our proposal’s application to study the relationship between brain hemispheres of controls and children diagnosed with Autism Spectrum Disorder (ASD). We show that the G-causality intensity from the brain’s right to the left hemisphere is different between ASD and controls.