Fundamentos de Sistemas Eletrônicos Inteligentes (2017)

Enunciado do Exercício-Projeto #1 de PSI3471 – Fundamentos de Sistemas Eletrônicos Inteligentes – elaborado pelo prof Emilio, para entrega até 27 de maio; Na nossa aula de 17 de maio se necessário esclarecerei dúvidas que vocês tenham e se necessário faremos pequenos ajustes no enunciado que segue.

Defina dois problemas que possam se beneficiar de aprendizado de máquina e de treinamento de uma rede neural tipo MLP (Multi Layer Perceptron), no contexto de Eletrônica e Sistemas, e que possam ser ensaiados no ambiente MBP.

Apresente e discuta em separado as duas propostas, sendo a parte A do seu relatório para o primeiro problema e a parte B para o segundo problema. A proposta e discussão da parte A deve ser de regressão multivariada “y_regressor(X)”, ou seja, o y deve ser analógico e o X multidimensional. A proposta da parte B deve ser de deteção de padrões multivariada de padrões “y_detetor(X)”, em que o y deve ser  binário e o X multidimensional.

Explicite claramente as disciplinas da EC3 em E&S às quais cada um dos seus problemas se conectam e comente que temas e aspectos de cada disciplina são relevantes a cada uma das suas duas propostas. Em cada uma das duas propostas, defina claramente quantas e quais são as variáveis de entrada, a variável de saída, descreva as unidades e os seus significados para cada variável envolvida, explique porque o regressor (parte A) / reconhecedor (parte B) é algo útil, a quem serviria, como ele seria usado na prática, que tipo de informação importante forneceria a esse usuário, como ele/a a utilizaria e qual o benefício que ele/a teria com tal informação quantitativa “y” fornecida pelo modelo; Explicite também porque precisamos do aprendizado de máquina e de calibração do modelo regressor / reconhecedor com vários dados empíricos em cada uma das duas modelagens propostas. Defina também como a coleta de novos pares epíricos (X,y) ocorre / ocorreria (assumindo que você tivesse que realizá-la e não outra pessoa; aliás, você pode coletar os dados se quiser!!), e que custo em tempo e em recursos envolve / envolveria a coleta de cada par empírico individual. Apresente a tabela numérica de ao menos 20 pares empíricos e explicite a origem desses dados apresentados.

Parte C) Ensaie ao menos um desses dois problemas no ambiente MBP, exercitando os conceitos de treino de modelo regressor/detetor, teste de modelo e validação cruzada. Capture telas adequadas do seu ensaio MBP e acrescente legendas descritivas a eles e elabore texto de entorno explicativo dos seus ensaios e resultados.

A entrega em STOA deve ser em um único PDF com capa adequada (Nome, disciplina, data de entrega, etc), reprodução integral deste enunciado, tabela de conteúdos e paginação, lista de referências e fontes de estudo, informações e de dados, e anexos que julgar pertinentes.

Bom trabalho / Bons estudos!