|
Title:
|
UTILIZAÇÃO DE TÉCNICAS DE APRENDIZAGEM DE MÁQUINA PARA OTIMIZAÇÃO DE APLICATIVOS DE SEGURANÇA EM REDES IOT |
|
Author(s):
|
Bruno Scholles Soares Dias, Matheus Virgilio da Silva Ferreira, Francisco Lopes de Caldas Filho, Fábio Lúcio Lopes de Mendonça, Edna Dias Canedo, Robson de Oliveira Albuquerque e Rafael Timóteo de Sousa Júnior |
|
ISBN:
|
978-989-8704-54-2 |
|
Editors:
|
Paula Miranda, Flávia Maria Santoro e Cristiano Costa |
|
Year:
|
2023 |
|
Edition:
|
Single |
|
Keywords:
|
IoT, Machine Learning, Deep Learning, Segurança, MLP, Random Forest |
|
Type:
|
Full |
|
First Page:
|
19 |
|
Last Page:
|
26 |
|
Cover:
|
|
|
Full Contents:
|
click to dowload 
|
|
Paper Abstract:
|
Este trabalho descreve a implementação em aprendizado de máquina do conjunto de dados do MotionSense Dataset, composto por séries temporais coletadas de sensores de acelerômetro e giroscópio de 24 participantes. O objetivo é identificar características pessoais e padrões específicos nas atividades realizadas, como subir e descer escadas, caminhar, correr, sentar e ficar em pé. Os dados foram utilizados para desenvolver um sistema de predição no projeto AMORIS, que visa prever o movimento de uma vítima em situações de perigo, após o acionamento de um botão de pânico. Foram aplicados os algoritmos Random Forest e Multi-layer Perceptron (MLP) para realizar as previsões, sendo observada uma performance ligeiramente superior do Random Forest (F1 score médio 93%) em relação ao MLP (F1 score médio 91%), especialmente para atividades não-lineares, como subir e descer escadas. Os resultados obtidos demonstraram alta acurácia nas atividades mais estáticas, enquanto a quantidade de dados influenciou a precisão para atividades mais dinâmicas. |
|
|
|
|
|
|
