{"id":4719,"date":"2018-02-26T10:35:02","date_gmt":"2018-02-26T12:35:02","guid":{"rendered":"http:\/\/inf.ufpel.edu.br\/site\/?p=4719"},"modified":"2018-02-26T10:35:02","modified_gmt":"2018-02-26T12:35:02","slug":"banca-de-tcc-felipe-da-silva-oliveira","status":"publish","type":"post","link":"https:\/\/wp.ufpel.edu.br\/computacao\/ccomp\/banca-de-tcc-felipe-da-silva-oliveira\/","title":{"rendered":"Banca de TCC &#8211; Felipe da Silva Oliveira"},"content":{"rendered":"<p style=\"text-align: center\"><strong>UNIVERSIDADE FEDERAL DE PELOTAS<\/strong><br \/>\n<strong> CENTRO DE DESENVOLVIMENTO TECNOL\u00d3GICO<\/strong><br \/>\n<strong> TRABALHO DE CONCLUS\u00c3O DE CURSO<\/strong><\/p>\n<p style=\"text-align: center\">Apresenta\u00e7\u00f5es Finais (2017\/2)<\/p>\n<p style=\"text-align: center\">Uso de t\u00e9cnicas de aprendizado de m\u00e1quina e deep learning na otimiza\u00e7\u00e3o de consumo energ\u00e9tico e no gerenciamento de conforto t\u00e9rmico de &#8220;smart buildings&#8221;<br \/>\npor<br \/>\nFelipe da Silva Oliveira<\/p>\n<p>Curso:<br \/>\nCi\u00eancia da Computa\u00e7\u00e3o<\/p>\n<p>Banca:<br \/>\nProf. Anderson Priebe Ferrugem (orientador(a))<br \/>\nProf. Antonio C\u00e9sar Silveira Baptista da Silva (coorientador(a))<br \/>\nProf. Marilton Sanchotene de Aguiar<br \/>\nProfa. Juliana Al-Alam Pouey<\/p>\n<p>Data: 06 de Mar\u00e7o de 2018<\/p>\n<p>Hora: 10:00h<\/p>\n<p>Local: Laborat\u00f3rio 2<\/p>\n<p style=\"text-align: justify\"><!--more-->Resumo do Trabalho: O ser humano sempre almejou o melhor conforto t\u00e9rmico dentro de sua resid\u00eancia, entretanto, at\u00e9 os \u00faltimos anos, as formas exploradas para manter esta necessidade exigiam o consumo exacerbado de energia el\u00e9trica para realizar tal tarefa. Portanto, urge a import\u00e2ncia de t\u00e9cnicas que sejam capazes de manter o melhor conforto t\u00e9rmico sem fazer uso de recursos artificiais. Indo al\u00e9m disso, este trabalho prop\u00f5e o controle aut\u00f4nomo de aberturas de uma resid\u00eancia sem a necessidade da atua\u00e7\u00e3o humana no processo. Para alcan\u00e7ar este objetivo, este trabalho far\u00e1 uso de t\u00e9cnicas de intelig\u00eancia artificial, em espec\u00edfico, Redes Neurais de Aprendizado Profundo, por estas serem capazes de administrar e relacionar enormes quantidades de informa\u00e7\u00f5es, possibilitando, ent\u00e3o, explorar as mais diversas vari\u00e1veis clim\u00e1ticas e caracter\u00edsticas da resid\u00eancia. Com o objetivo de estimular o aprendizado, torna-se indispens\u00e1vel a utiliza\u00e7\u00e3o do software Energy Plus como ferramenta fundamental de obten\u00e7\u00e3o de dados e de valida\u00e7\u00e3o de resultados. Al\u00e9m disso, \u00e9 imprescind\u00edvel o uso da API Keras para realizar o desenvolvimento dos modelos de redes neurais apresentados neste trabalho.<\/p>\n<p>Para mais informa\u00e7\u00f5es acesse: <a href=\"http:\/\/wp.ufpel.edu.br\/notcc\/bancas\/historico\/2017_2\/\">http:\/\/wp.ufpel.edu.br\/notcc\/bancas\/historico\/2017_2\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>UNIVERSIDADE FEDERAL DE PELOTAS CENTRO DE DESENVOLVIMENTO TECNOL\u00d3GICO TRABALHO DE CONCLUS\u00c3O DE CURSO Apresenta\u00e7\u00f5es Finais (2017\/2) Uso de t\u00e9cnicas de aprendizado de m\u00e1quina e deep learning na otimiza\u00e7\u00e3o de consumo energ\u00e9tico e no gerenciamento&#46;&#46;&#46;<\/p>\n","protected":false},"author":881,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"jetpack_post_was_ever_published":false,"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2}},"categories":[4,19,17],"tags":[],"class_list":["post-4719","post","type-post","status-publish","format-standard","hentry","category-ccomp","category-ecomp","category-noticia"],"jetpack_publicize_connections":[],"jetpack_featured_media_url":"","jetpack_sharing_enabled":true,"jetpack_shortlink":"https:\/\/wp.me\/paGhNl-1e7","_links":{"self":[{"href":"https:\/\/wp.ufpel.edu.br\/computacao\/wp-json\/wp\/v2\/posts\/4719","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wp.ufpel.edu.br\/computacao\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wp.ufpel.edu.br\/computacao\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wp.ufpel.edu.br\/computacao\/wp-json\/wp\/v2\/users\/881"}],"replies":[{"embeddable":true,"href":"https:\/\/wp.ufpel.edu.br\/computacao\/wp-json\/wp\/v2\/comments?post=4719"}],"version-history":[{"count":0,"href":"https:\/\/wp.ufpel.edu.br\/computacao\/wp-json\/wp\/v2\/posts\/4719\/revisions"}],"wp:attachment":[{"href":"https:\/\/wp.ufpel.edu.br\/computacao\/wp-json\/wp\/v2\/media?parent=4719"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wp.ufpel.edu.br\/computacao\/wp-json\/wp\/v2\/categories?post=4719"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wp.ufpel.edu.br\/computacao\/wp-json\/wp\/v2\/tags?post=4719"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}