Atualmente diversos países estão engajados no desenvolvimento sustentável. Uma das peças fundamentais para alcançar esse desenvolvimento é a construção de uma matriz energética que contenha fontes renováveis, que preservam o meio ambiente, e elimine as opções relativas aos combustíveis fósseis. Nesse sentido, uma das fontes mais limpas e renováveis é a energia eólica. O Brasil está entre os dez maiores geradores de energia eólica no mundo. Para a implantação e planejamento de tais sistemas são necessários estudos detalhando o comportamento do vento. Logo, este artigo tem como objetivo realizar a análise estatística e previsão de uma série temporal de velocidades de ventos, na localidade de Arraial do Cabo situado no Rio de Janeiro, por meio do método clássico ARIMA e Redes Neurais MLP (MultiLayer Perceptron) e LSTM (Long Short Term Memory). Os resultados obtidos neste estudo mostram melhor desempenho dos modelos baseados em Redes Neurais sobre o método estatístico, devido às características estocásticas do vento, fenômenos de mesoescala e os outros aspectos climáticos e geográficos da região. Os resultados alcançados indicam que o uso de aprendizado de máquinas (Machine Learning) é um caminho promissor. No entanto, é importante investigar se outras variáveis, além da série histórica de velocidades de vento, podem melhorar a previsão desta.
Com a expansão de sistemas em plataforma web, tornou-se crítico o desenvolvimento de novas ferramentas e metodologias de avaliação da experiência do usuário (UX) para tornar tais sistemas mais intuitivos. Técnicas como rastreamento de mouse e rastreamento de olhos geram dados de interação que podem ser usados para melhorar o layout e a usabilidade destes sistemas. Além disso, recentemente aárea de desenvolvimento de sistemas passou a adotar Interfaces de Usuários Adaptativas (IUA), visando aprimorar em tempo real a UX. Nesse contexto, este artigo propõe uma metodologia para capturar e analisar os dados de comportamento de um grupo de usuários e sugerir a adaptação de um sistema web. Nesta análise foi utilizado o método de clusterização k-means. Os resultados sugerem que a metodologia pode auxiliar em mudanças automatizadas para melhoria da UX. Keywords-avaliação de experiência do usuário; rastreamento do mouse; rastreamento do olhar; interface de usuários adaptativas; agrupamento.
The present work compares the results of data mining processes on data from questionnaires answered by the public during campaigns to raise awareness about stroke held in 2015 and 2016. Stroke is one of the leading causes of death worldwide and the use of data mining techniques can help uncover associated risk factors and help prevent the occurrence of more cases. Four traditional classification algorithms were used in the database, which contained information of 592 individuals on the following parameters: socioeconomic, anthropometric, medical history, and knowledge of risks associated with stroke. The results show that classification improves when the participants' knowledge of stroke, including risks, physiopathology, signs and symptoms, etc. are included in the database. The random forest and C4.5 algorithms provided the best classification outcomes about stroke risk with perfect 100% scores, followed by neural network and part with 95% and 97.66%, respectively.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.