REGISTRO DOI: 10.5281/zenodo.12768006
Natália Neves²;
Fernando Matos³.
Abstract. CNN is considered an existing variation on multi-layer perception networks. It was developed from the biological process of processing visual data. The central objective of this study is to detect the relevance of CNNs in various events and to prevent risks of the presence of NLoS in the environment. The methodology used was based on a bibliographic production with analysis of scientific materials published in the scientific journal computer science and on the Google Scholar platform between the years 2014 and 2024. Eight scientific articles were thoroughly analyzed. The results indicated that CNNs can be used in medical follow-ups to analyze the emotions of individuals to detect different types of disorders, in meteorological analyzes to prevent storms, in vehicle speed control and in NLoS control in communication between vehicles within cities. intelligent. It was concluded that algorithms for developing CNNs in various segments are satisfactory. already related to the use of CNNs techniques to prevent NLoS events, the results were insufficient.
Keywords: Algorithm. CNNs. Events. NLoS.
Resumo. A CNN é considerada uma variação existente nas redes de percepções de múltiplas camadas. Foi desenvolvida a partir do processo biológico de processamentos de dados visuais. O objetivo central desse estudo é detectar a relevância das CNNs em variados eventos e de prevenir riscos da presença de NLoS no ambiente. A metodologia utilizada se baseou em uma produção bibliográfica com analise de materiais científicos publicados na revista cientifica ciências da computação e na plataforma Google Acadêmico entre os anos de 2014 a 2024. Foram analisados minuciosamente oito artigos científicos. Os resultados indicaram que as CNNs podem ser utilizadas nos seguimentos médicos para analisar as emoções dos indivíduos para detectar variados tipos de transtornos, em analises meteorológicas na prevenção de tempestades, no controle de velocidade veicular e no controle de NLoS na comunicação entre veículos dentro de cidades inteligentes. Concluiu-se que para o desenvolvimento algoritmo de CNNs em variados seguimentos são satisfatórios. já relacionado a utilização de técnicas CNNs para prevenção de eventos de NLoS, os resultados foram insuficientes.
Palavras-chave: Algoritmo. CNNs. Eventos. NLoS.
Seção 1
As Redes Neurais Convolucionais – Convolutional Neural Network, mais conhecidas como CNNs, são utilizados para atuarem como preditores de classes geradoras que apresentam o potencial de produzirem uma imagem que demonstram uma determinada probabilidade da utilização de algo, como por exemplo, o uso de uma CNN para segmentar imagens médicas. Dessa forma, a CNN é utilizada para segmentar a probabilidade de células cancerígenas (Demulth et al., 2019).
Uma CNN é uma variação das redes de percepção de múltiplas camadas, tendo sido inspirada no processo biológico de processamentos de dados visuais. Estas redes são semelhantes aos processos tradicionais de visão computacional. Uma CNN é capaz de aplicar filtros em dados visuais, apresentando o potencial de manter a relação de vizinhança entre os pixels da imagem ao longo do processamento da rede. Ela estar sendo amplamente utilizada, principalmente nas aplicações de classificação e para detectar imagens e vídeos (Vargas e Vasconcelos, 2016).
Também podem ser desenvolvidos através das CNNs tipos de jogos capazes de reconhecer e avaliar emoções. Os dados que são recolhidos no sistema são armazenados e passam pelas avaliações médicas. Por meio das expressões faciais podem ser obtidas informações como o nível de atenção, tempo de resposta, quantidade de erros e de acertos e o tempo que foi necessário para o indivíduo expressar a emoção (Dantas, 2022).
As técnicas de CNN podem ser utilizadas também como ferramenta para captação de imagens para detecção de problemas em vários ambientes. O desenvolvimento dessa tecnologia é relevante para capturar imagens e processá-las, para um programa que identifica um determinado objeto ou vários deles, além de aprender de forma inteligente, novas características de dados através do seu próprio algoritmo (Pathak et al., 2018).
As CNNs apresentam variados modelos, dentre eles existem a FiberNet, GoogleNet e entre outras que atuam na produção eficaz de um pequeno número de parâmetros treinados em alta velocidade de inferência. Estas CNNs foram diretamente desenvolvidas para atender às demandas surgidas pelos aparelhos celulares, podendo assim, realizarem tarefas complexas em tempo real e sem afetar o desenvolvimento do dispositivo (Ferreira e Canuto, 2023). Strinati e Barborossa (2021) propõem a utilização de uma CNN de algoritmo de aprendizagem profunda que apresenta relevância de melhorar a capacidade de identificar sinais de trânsito em vias públicas
Outro evento no qual a CNN pode ser utilizada é nas capturas de imagens. No estudo de Lima et. al. (2020) foram utilizadas técnicas de CNN, com objetivo de detectar imagens, através de drones, da incidência de focos do mosquito da dengue em áreas urbanas. Esta técnica é relevante, visto que, as incidências de foco de mosquito da dengue se espalham rapidamente, e no Brasil essa problemática se tornou um caso de saúde pública grave. Já no estudo de Rossatto (2023) utilizou-se a técnica CNN na qual a imagem de radar é utilizada para prevenir a propagação e a intensidade de tempestades em até 3h de antecedência. As CNNs são utilizadas também para detecção de Fake News em língua portuguesa. Para estas problemáticas virtuais tanto de fake News, quanto de outras, como conteúdos indesejados e pedofilia nas redes, as técnicas CNNs se mostraram relevantes. É notório que de acordo com estas problemáticas que irão surgindo, novas ferramentas de CNN também surgem para evitar os problemas referentes ao universo virtual (Sousa et al. 2022).
Um ponto relevante que se pode destacar para o enriquecimento deste estudo são as redes veiculares (VANETs) que oferecem vários serviços de aplicação em um ambiente dentro de uma cidade para comunicação entre veículos. Estes serviços podem ser para prevenir colisões, oferecer assistência de comunicação ao motorista e gerenciar rodovias (Andrade et al., 2020). Pode-se ter como exemplo de uma VANTEs o deslocamento da quantidade adequada de ambulâncias para prestar socorro a indivíduos que sofreram um determinado acidente de trânsito, porém, as características das VANTEs, como o perfil de mobilidade dos veículos irão dificultar a disseminação da mensagem. Além disso, há outros fatores que prejudicam a originalidade da mensagem como a presença de árvores, edifícios e veículos de grande porte (Soleymani et al., 2020).
Estes fatores produzem situações de NLoS, ou seja, se um veículo estar em um estado de NLoS quando ele não consegue se comunicar com outro veículo devido a estes fatores existentes no ambiente urbano. Neste sentido, este veículo será identificado como um Nós de NLoS, que será responsável por prejudicar a disseminação das informações corretas das VANTEs entre um veículo e outro (Mani et al., 2020).
Para tal, as soluções que podem ser utilizadas para tratar de NLoS são a utilização do uso de técnicas baseadas em probabilidade e métodos heurísticos e algoritmos, que podem ser confiáveis ou não para alcançar determinado objetivo de NLoS (Tamiralasan et al., 2021). Estas problemáticas irão gerar riscos graves a população, pois, as mensagens que são emergenciais que estão interligadas para atuarem na resolução dos acidentes incluem os dados relacionados aos acidentes, qualidade da pista e a saúde dos condutores (Mani et al., 2020).
As problemáticas causadas pelo NLoS atualmente podem ser solucionadas pelos trabalhos em VANETs. Estes trabalhos têm buscado desenvolver soluções que são baseadas em computação móvel na borda (Mobile Edge Computing – MEC). Sendo assim, dão aos veículos mais aceleramento para transmitir os dados (HE et al., 2021).
Nos ambientes que são dinâmicos, como as das VANETs, as resoluções imediatas de decisões devem ser desenvolvida de maneira rápida e correta, com objetivo de garantir que o funcionamento dos serviços das redes seja eficaz. Para que isto ocorra, as informações que forem geradas para o ambiente devem ser fiéis. Neste sentido, a CNN tem se mostrado uma proposta promissora, que apresenta o potencial de identificação de informações relevantes em conjuntos de dados complexos (Strinati; Barbarossa, 2021) utilizados por aplicações de uso geral, como reconhecimento de som ou imagem (Bengio et al., 2021).
Este estudo se destaca por mostrar a importância das técnicas CNN em variados eventos e como é possível desenvolver propostas para auxiliar na inibição das interferências NLoS. Além disso, objetiva no norteamento da análise da utilização de técnicas de CNN para obter uma prevenção de riscos de NLoS no ambiente. Esta prevenção tem o potencial de evitar danos graves e evitar maiores acidentes no ambiente anônimo.
1. Metodologia
A pesquisa apresenta uma linha científica de caráter bibliográfico. A partir de leituras em periódicos científicos, avaliou-se a utilização de técnicas CNN – Convolutional neural network nos mais variados eventos, e da sua importância nas aplicações nos nós de NLoS. Para o desenvolvimento da pesquisa foi realizado um levantamento bibliográfico através de uma revisão sistemática. Dessa forma, foram realizadas pesquisas em bases eletrônicas das áreas de Ciência da Computação e no Google Acadêmico. Ocorreu a tentativa de selecionar para o desenvolvimento da pesquisa 20 artigos, mas devido a insuficiência de artigos relacionados a temática da utilização de CNN para prevenir NLoS, foram selecionados artigos que utilizam a técnica CNN em variados eventos. Após a escolha, foram realizadas leituras para avaliar os periódicos que se enquadravam na linha desta pesquisa. Ao passar pela análise de leitura, foram escolhidos 10 artigos para este estudo. A metodologia de análise baseou-se na temática sobre a utilização de técnicas de CNN, observou-se o título dos artigos, metodologia utilizada e resultados encontrados.
Foi selecionado para esta pesquisa um período de 10 anos, ou seja, entre 2014 a 2024. Esta metodologia é para se ter uma avaliação mais precisa da evolução relacionada à utilização destas técnicas de CNN. Nas pesquisas de fontes eletrônicas, foram utilizados filtros e palavras como descritores, tais como: intervalo de ano de 2014 a 2024, marcadores de periódicos em português. Estas ferramentas são utilizadas para melhor selecionar os artigos. As palavras que foram escolhidas para descritores foram Redes Neurais Convolucionais, eventos, NLoS e problemas de NLoS.
No desenvolvimento do estudo foram necessárias quatro fases, incluindo a aquisição dos dados: Fase 1: aqui ocorreu uma pesquisa sucinta para o download dos artigos encontrados nas plataformas digitais de Ciências da Computação e Google acadêmico. Fase 2: nessa fase foi identificado os artigos que continham no seu conteúdo a temática escolhida para o estudo. Fase 3: Após a identificação dos artigos, os mesmos foram examinados com uma leitura mais aprofundada para verificar os autores, ano da pesquisa, a(s) metodologia(s) utilizada(s) e os resultados encontrados. Fase 4: compilação e análise das informações coletadas.
Todos os artigos coletados foram listados com o auxílio da planilha eletrônica Excel 365 e apresentados em tabelas e quadros. Foram analisados o número de artigos selecionados pelos seus filtros, para desenvolver os quadros. As tabelas foram analisadas com a realização de leituras nos artigos.
2. Resultados e Discussão
Após as buscas realizadas com os descritores nas plataformas digitais, Revista Ciência da Computação e no Google acadêmico, foram encontrados aproximadamente um total de 3 mil artigos, dissertações e anais de eventos na plataforma Google acadêmico. Com a impossibilidade de analisar todas as publicações, foram utilizados critérios para os artigos que compõem este estudo, que estão descritos na metodologia. Na Revista Ciências da Computação não foram encontrados artigos relacionados à temática de utilização das redes CNN para prevenção de variados eventos e também para sua utilização em prevenção de NLoS. Portanto, os resultados se destacam negativos para a incidência de artigos na Revista Ciências da Computação. Isto se justifica pela falta de estudos relacionados a esta temática
No Google acadêmico, foram utilizadas filtragens dos anos entre 2014 a 2024 e selecionados apenas os artigos que compõe as três primeiras páginas que apresentaram em seus títulos a utilização de redes CNN para prevenção de eventos. Nesta plataforma, ocorreram dificuldades para encontrar os artigos relacionados, mas com a busca minuciosa selecionou-se 08 artigos. A escolha do Google acadêmico se deu pelo fato de que a plataforma apresenta uma variedade maior em disponibilização de artigos, dessa forma nessa plataforma foi encontrado o maior número de artigos relacionado à temática abordada. Os artigos que foram selecionados para compor esta pesquisa apresentam relevância no que se refere à proposta de destacar a utilização das redes CNN em variados tipos de eventos e indicá-lo como proposta para solucionar problemáticas de NLoS,
Discussão
A utilização das técnicas se CNN em variados tipos eventos se destacou por estar englobado de um modo geral em várias áreas tanto na tecnologia quanto na ciência. Estes algoritmos de CNNs segundo (Almeida et. al., 2021) são utilizados atualmente em drones para observar plataformas de petróleo, e vem se destacando de acordo com os avanços trazidos pela indústria de otimização para serem utilizados nos trabalhos de manutenção. No entanto, mesmo com os avanços e aperfeiçoamento dos algoritmos, ainda existe muitas lacunas a serem melhoradas nesta área. O estudo deste autor se mostrou relevante por destacar a importância dos conhecimentos aplicados na inspeção das linhas elétricas no setor de óleo e gás (Tabela 1).
Os estudos utilizando a ferramenta CNN destacaram-se nos mais variados eventos. Há prática da CNN em eventos meteorológicos, para inspeção de gás e petróleo utilizando drones, algoritmo CNN de modelo FiberNet, para cobertura de espécies de árvore e para detecção de Fake News.
Tabela 1. Periódicos selecionados sobre a utilização da técnica CNN em variados tipos de eventos e como proposta de prevenção de NLoS entre os anos de 2024 a 2024 nas plataformas digitais Google Acadêmico e Revista Ciências da Computação.
| Nº | AUTOR/ANO | TÍTULO | METODOLOGIA | RESULTADOS |
| 1 | Almeida et. al. (2021) | Proposta de utilização de drones inteligentes na inspeção de plataformas de petróleo | Através dos avanços computacionais, com o desenvolvimento das Redes Neurais Artificiais (RNA), tornou-se possível a criação de classificadores de imagens. | Nota-se, comparado com os métodos de visão atual, que este novo sistema consegue detectar detalhes mais precisos, tendo capacidade de diferenciar cada equipamento individual, bem como o seu conjunto. Além disso, é possível diferenciar a condição física estrutural das estacas de madeira de forma mais coerente |
| 2 | Ferreira e Canuto (2023) | Potencializando a classificação de imagens com eficiência e robustez através da FiberNet. | Propomos o modelo FiberNet, que é uma rede neural convolucional (CNN) simples e eficiente que produz um pequeno número de parâmetros treináveis e alta velocidade de inferência. | É importante destacar que desenvolver algoritmos de CNN a partir de conceitos simples, como os da camada Defiber e de arquiteturas igualmente simples, como a FiberNet, não significa necessariamente que teremos uma rede inferior em termos de qualidade. É possível obter um bom desempenho de classificação mesmo com uma rede significativamente menor. |
| 3 | Lima et. al. (2020) | Utilização de redes neurais convolucionais para a detecção de objetos em imagens aéreas adquiridas por drones | Para a realização dos experimentos foram adquiridas 142 imagens com uso de um drone DJI. As imagens, com resolução de 3000×4000 pixels, possuem objetos-alvo. A RNCKeras foi treinada com 2.498 subimagens de 200×200 pixels, extraídas manualmente de 127 imagens. | Os resultados apresentados mostram o bom desempenho do método, que foi capaz de detectar corretamente 63 dos 79 objetos- alvo contidos nas 15 imagens (aproximadamente 80% de acertos). Pode-se observar que as imagens adquiridas com distância mais elevadas tendem apresentar um maior número de falsos positivos ou falsos negativos, em virtude dos objetos alvo se tornarem menores, dificultando a extração de algumas características importantes deles para a generalização do classificador. |
| 4 | Rossatto et. al. (2023) | Utilização de Redes Neurais Convolucionais Recorrentes na previsão meteorológica de curto prazo (nowcasting) utilizando imagens de radar da cidade de Chapecó-SC | É proposta a avaliação do emprego de uma rede neural convolucional recorrente de aprendizagem espaço temporal chamada PredRNN++ | Para demonstrar a capacidade preditiva da rede neural, foram selecionados três casos em que ocorreram tempestades severas na região de abrangência do radar. 1º Caso – Ocorrido no dia 21/06/2022, apresentou chuvas fortes, tempestade com granizo e ventos próximos de 70 km/h. 2º Caso – Nesse caso do dia 14/08/2020, aconteceram tornados com ventos acima de 100 km/h, tempestades de granizo e chuvas fortes. |
| 5 | Silva (2020) | Classificação de Coberturas e Espécies de Árvores em Ambientes Urbanos Tropicais Utilizando Redes Neurais Convolucionais e Conceitos de Conjuntos Fechados e Abertos: Revisão Bibliográfica | A metodologia adotada para compor esta revisão foi pautada em realizar análises sobre trabalhos que descrevem o sensoriamento remoto na perspectiva computacional, cruzando informações relativas as CNNs. | Ambientes urbanos que possuem infraestrutura planejada contendo áreas arborizadas, proporcionam vantagens a população em relação ao aumento da qualidade de vida, pois vias públicas com área verde contribuem de forma positiva no fornecimento de serviços ecossistêmicos. |
| 6 | Simãos e Resende (2022) | Redes Neurais Convolucionais na identificação de produtos alimentícios como ferramenta auxiliar para deficientes visuais | O presente projeto foi desenvolvido na plataforma Google Colab, uma ferramenta gratuita que possibilita a criação de projetos em linguagem Python No que tange aos dados que serão classificados pelas RNCs propostas no trabalho, far-se-á o uso do dataset Freiburg Groceries Dataset | Uma vez que o trabalho estiver concluído, pretende-se obter como resultados, primeiramente, um modelo de RNC capaz de classificar a imagem capturada pelo usuário, e retornar a classe encontrada ao usuário por meio da leitura por voz sintetizada |
| 7 | Sousa et. al. (2022) | Detecção de Fake News em Língua Portuguesa Combinando Redes Neurais Convolucionais e Algoritmos de Aprendizagem de Maquina | Trabalhou com dois níveis de dados, sendo estes: textos e metadados. Desta forma, conforme apresentado na imagem, após a seleção da base de dados, cada nível foi tratado seguindo as seguintes etapas: Pré-processamento, Transformação, Treinamento e Testes. | Como supramencionado, a presente pesquisa trabalha com dois níveis de dados, sendo estes, textos e metadados. Desta forma, foram selecionados diferentes algoritmos. Para o processamento dos textos, foi aplicado o CNN, e para o processamento dos metadados, foram estudados três algoritmos, sendo estes: MLP, SVM e NB, com o objetivo de eleger o algoritmo que mais se adequasse aos dados. |
| 8 | Passerine e Breve (2017) | Auxílio a Deficientes Visuais utilizando Redes Neurais Convolucionais e Competição e Cooperação de Partículas | Em uma imagem coletada por um aparelho celular será aplicado o processo de extração de características através de uma CNN (sem o seu bloco de classificação). Obtido os vetores de características será utilizado um método de redução de dimensionalidade antes da construção da rede complexa. Em trabalho anterior aplicando está metodologia Breve e Fischer obtiveram a acurácia média de 73,43% utilizando para extração de características as redes CNNs VGG16+VGG19, PCA como redutor de dimensionalidade e o algoritmo PCC como classificador. | O trabalho encontra-se em fase de levantamento de bibliografia e trabalhos correlatos. Observou-se que na abordagem de diversos trabalhos com detecção de obstáculos não existe um conjunto de imagens adequado que seja utilizado por diversos autores, mas sim verificou-se a adoção de conjuntos próprios nos diversos trabalhos. |
| 9 | Almeida et. al. (2020) | Uma Análise de Desempenho do WiFi Direct para Comunicações Veículo-Pedestre | Como o intuito e analisar o desempenho do Wi-Fi Direct sob aspectos da rede, o atraso baseado na interação do usuário com a tela – para seleção do nó e estabelecimento da conexão – foi ignorado em todos os cenários. Isto foi realizado invocando o método de conexão do Wi-Fi Direct dentro do método PeerListListener2 – responsável por mostrar na tela a lista de pares disponíveis após a conclusão de etapa de descoberta – e passando de maneira explícita o ID do dispositivo atuando como GO. O mesmo se deu em relação a transmissão de BSMs: tão logo o grupo é formado, o cliente transmite BSMs via socket UDP ao GO. Nenhuma interação com a aplicação por parte do usuário ´ e necessária. | Os resultados deste cenário servem como referência para analisar o impacto causado pela mobilidade e pelas condições de NLoS na comunicação. Isto demonstra que, em condições NLoS, o atraso para estabelecimento da conexão no Wi-Fi Direct pode inviabilizar seu uso em VANETs, já que o tempo para transmissão das BSMs e atuação da aplicação após a recepção pode ser insuficiente. |
| 10 | Oliveira (2020) | Sistema Automatizado de Multas para Veículos Conectados em uma Rede Veicular V2I | Apresentar um sistema automatizado de aplicação de multas utilizando unidades computadorizadas RSUs (Roadside Units) instaladas ao longo de rodovias e avenidas, utilizando redes veiculares com o modelo de comunicaçãoV2I. | Os dados na rede são recebidos pelos nós através de sensores, mensagens de outros nós e procedimentos de detecção de posicionamento. Os dados são processados, organizados e disseminados, possibilitando que uma grande variedade de aplicações trabalhe com eles. as Conexões NLOS sofrem obstrução por algum objeto no caminho, seja ele um veículo (Non-Line of sight – NLOSv) ou um prédio ou uma árvore. |
No estudo de Ferreira e Canuto (2023) avaliou-se que a CNN proposta possuía apenas 754.345 parâmetros treináveis e que só era capaz de alcançar uma precisão de 96,25% na classificação da planta do Sisal. Ao realizar a comparação com o amplamente reconhecido conjunto de dados CIFAR10, a FiberNet conseguiu obter o segundo melhor desempenho em precisão, perdendo apenas para o GoogleNet. Esses resultados destacam a eficácia e o potencial da FiberNet para lidar com os mais variados conjuntos de dados, demonstrando assim, a sua capacidade de ser um algoritmo referência.
O estudo de Lima et. al. (2020) se destacou por obter bons resultados conseguidos neste trabalho, obtendo 93,37% de satisfação na etapa de validação do treinamento e 79,74% de precisão na etapa de testes. Isto destaca que a abordagem que o autor propôs pode compor um sistema de visão computacional a ser empregado pelos agentes em suas atividades de inspeção. Porém, nos casos de falsos positivos e falsos negativos a classificação mostrou a necessidade de desenvolver novos experimentos, possivelmente para aumentar o número de imagens e explorar outros parâmetros no treinamento da RNC.
Para Rossatto et. al. (2023) a rede CNN pode ser utilizada na previsibilidade das condições meteorológicas. Este fenômeno sempre foi presente dentro da sociedade moderna. Assim, a utilização da CNN foi útil para aperfeiçoar a capacidade de prever fenômenos meteorológicos extremos, como tempestades, inundações, ventos fortes e entre outros eventos. Estes algoritmos se mostraram relevantes para evitar não só perdas materiais, mas também as perdas de vidas humanas causadas por esses fenômenos. Neste estudo, os resultados apontam que as CNNs podem ser grandes aliadas no que se refere à prevenção de fenômenos naturais. Porém, o autor deixa evidenciado que as redes de CNNs são ainda pouco exploradas no Brasil, mas que, o seu estudo demonstrou resultados satisfatórios utilizando os dados disponibilizados.
A utilização de CNNs também pode ser utilizada no processamento de imagens como estratégia poderosa para desenvolver o aprendizado de máquina tradicional e desenvolver funções de maneira automática, neste sentido, o aprendizado destas informações são úteis para detectar e classificar coberturas e/ou espécies de árvores sem que haja a intervenção humana. (Silva, 2023).
Outro estudo relevante em que se utilizou a CNN foi desenvolvido por Sousa et. al. (2022) na identificação de notícias falsas e verdadeiras no universo das redes sociais. Neste estudo se destacou a carência de pesquisas na linguagem que abordam a detecção¸ de Fake News na Língua Portuguesa. Ao verificar a eficiência dos algoritmos, observou-se uma eficiência de 95% dos algoritmos testados. Os algoritmos utilizados para estes testes formam CNN e SVM. Ambos os algoritmos obtiveram resultados satisfatórios, demonstrando assim, terem capacidade de avaliar padrões em textos de notícias de maneira acurada, e identificá-las como verdadeiras ou falsas.
O método para identificar estas notícias é desenvolvido quando uma matriz de confusão, nota que o algoritmo apresenta mais erros em falsos negativos, deste modo, as notícias que são consideradas verdadeiras, passam a ser vistas como falsas. Os algoritmos buscam identificar a fonte de erro, neste sentido, o tamanho dos textos foi considerado um objeto relevante, visto que, o algoritmo apresenta maior dificuldade em aprender sobre textos menores. Desse modo, as notícias falsas são consideradas as que apresentam desorganização textual e pequenos textos. Assim, textos que apresentam estruturas maiores tendem a ser consideradas como notícias verdadeiras.
Para o cenário da utilização das técnicas de CNN para os eventos de NLoS, são poucos os estudos encontrados. Porém, no estudo de Almeida (2020), em uma determinada situação de evento entre veículos e a resposta da rede Wi-fi em uma determinada colisão, observou que esta rede só será eficaz apenas a 20 km/h. Portanto, em condições NLoS, o Wi-Fi Direct pode não ser viável.
Já para as empresas de trânsito, que está aplicando as CNNs Redes Veiculares V2I, observaram que as CNNs podem ser utilizadas no controle de velocidade de veículos em avenidas e rodovias que são equipadas com um determinado sistema de CNN, podendo assim, serem integradas também a outros sistemas em um contexto de cidade inteligente. Com a aplicação destas CNN também é viável solucionar algumas limitações que o sistema tradicional de monitoramento de controle de velocidade em vias públicas apresenta, como por exemplo, a falta de monitoramento contínuo dos veículos, pois, no sistema atual é feito apenas em pontos fixos. Outro ponto relevante é na aferição da velocidade de veículos trafegando em ruas e avenidas e na aplicação de multas indevidas (Oliveira 2020).
A escala de tempo escolhida para desenvolver este estudo, denota que os estudos relacionados às otimizações de algoritmos para realizações de técnicas de CNN serem aplicadas foram mais precisas nos anos de 2017 a 2023, pois é neste período que a tecnologia algorítima evoluiu rapidamente. Quando esse desenvolvimento tecnológico evolui, junto com ele vêm novas técnicas favoráveis e não favoráveis os acompanhando.
Considerações Finais
Neste estudo evidenciou-se que os resultados foram considerados satisfatórios no que se refere à utilização das técnicas de CNN para variados tipos de eventos médicos para detectar emoções (Dantas, 2022), controle de velocidade veicular (Oliveira 2020), controle de comunicação entre veículos dentro de uma cidade no que se refere ao atendimento de prestar socorro a indivíduos acidentados (Andrade et al., 2020), para detecções meteorológicas (Rossatto et. al. (2023) nas redes de internet para combater Fake News (Souza et al., 2022).
No entanto, relacionado à utilização de técnicas CNNs para prevenção de eventos de NLoS, os resultados foram considerados insuficientes nas buscas realizadas nas plataformas digitais Google Acadêmico e na |revista ciências da Computação. É relevante destacar que as técnicas de CNNs que foram utilizadas em vários eventos obtiveram eficiência na sua grande maioria. Por fim, destaca-se que estudos relacionados à utilização das técnicas de CNN em prevenção de eventos de NLoS devem ser mais estudados e publicados em revistas e disponibilizados nas plataformas digitais, visto que, a tecnologia avança a cada momento e, necessita assim, de técnicas que sejam favoráveis para segurança da população em geral.
Referencias
Almeida, L. E., de Oliveira Miranda, A., de Lima Simas, J., & Almeida, A. C. M. (2021). Proposta de utilização de drones inteligentes na inspeção de plataformas de petróleo. Brazilian Journal of Development, 7(5), 45124-45136.
Almeida, T. T., Júnior, J. G. R., Campista, M. E. M., & Costa, L. H. M. K. (2020), December). Uma análise de desempenho do wi-fi direct para comunicações veículopedestre. In Anais do XXXVIII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos p 253-266. SBC.
Bengio, Y.; Lecun, Y.; Hinton, G. (2021). Deep learning for ai. Communications of the ACM, ACM New York, NY, USA, 64(7), 58–65.
Dantas, A. C. (2022). Abordagem computacional para aprimoramento das habilidades com as emoções em indivíduos com autismo.
Demuth, Philipe Rangel; Samatelo, Jorge Leonid Aching; Ciarelli, Patrick Marques. (2019). Segmentação de Bacilos de Tuberculose em imagens de Microscopia Convencional usando Redes Neurais Convolucionais. In: Congresso Brasileiro de Automática-CBA.
Ferreira, V. R., & de Paula Canuto, A. M. (2023). Potencializando a classificação de imagens com eficiência e robustez através da FiberNet. Revista de Ciência da Computação, 5(1), 7-20.
He, Y. et al. (2021). Joint task offloading, resource allocation, and security assurance for mobile edge computing-enabled uav-assisted vanets. Remote Sensing, MDPI, 13(8) 1547.
Lima, G. A., Bravo, D. T., & de Araújo, S. A. (2020). Utilização de redes neurais convolucionais para a detecção de objetos em imagens aéreas adquiridas por drones. Brazilian Journal of Development, 6(7), 50702-50713.
Mani, R.; Jayaraman, S.; Ellappan, M. (2020). Hybrid seagull and thermal exchange optimization algorithm-based nlos nodes detection technique for enhancing reliability under data dissemination in vanets. International Journal of Communication Systems, Wiley Online Library, 33(14) e4519.
Oliveira, G. D. S. (2021). Sistema automatizado de multas para veículos conectados em uma rede veicular V21.
Passerini, J. A. R., & Breve, F. A. (2017). Auxílio a Deficientes Visuais utilizando Redes Neurais Convolucionais e Competição e Cooperação de Partículas.
Pathak, A. R., Pandey, M., & Rautaray, S. (2018). Application of deep learning for object detection. Procedia computer science, 132, 1706-1717.
Rossatto, F. C., Härter, F. P., Shiguemori, E. H., & Calvetti, L. (2023). Utilização de Redes Neurais Convolucionais Recorrentes na previsão meteorológica de curto prazo (nowcasting) utilizando imagens de radar da cidade de Chapecó-SC. Scientia Plena, 19(11).
Simões, M. A., & Resende, H. (2022). Redes Neurais Convolucionais na identificação de Produtos Alimentícios como Ferramenta Auxiliar para Deficientes Visuais. 15º Jornada Científica e Tecnológica e 12 º Simpósio de pós-graduação do IFsuldeminas, 14(1).
Soleymani, S. A. et al. (2020). A trust model using edge nodes and a cuckoo filter for securing vanet under the nlos condition. Symmetry, Multidisciplinary Digital Publishing Institute, 12(4) 609, 2020.
Sousa, F., Barbosa, A., Oliveira, C., & Braga, R. (2022). Detecção de Fake News em Língua Portuguesa Combinando Redes Neurais Convolucionais e Algoritmos de Aprendizagem de Máquina. In Anais do XL Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos 336-348. SBC.
Souza Silva, E. (2024). Classificação de Coberturas e Espécies de Árvores em Ambientes Urbanos Tropicais Utilizando Redes Neurais Convolucionais e Conceitos de Conjuntos Fechados e Abertos: Revisão Bibliográfica. Revista Pleiade, 8(42) 5765,
Strinati, E. C.; Barbarossa, S. (2021). 6g networks: Beyond shannon towards semantic and goal-oriented communications. Computer Networks, Elsevier, 190, 107930.
Tamilarasan, N. et al. (2021). Spotted hyena optimization and simulated annealingbased nlos nodes localization scheme for improving warning message dessimination in vanets.
Vargas, A. C. G., Paes, A., & Vasconcelos, C. N. (2016). Um estudo sobre redes neurais convolucionais e sua aplicação em detecção de pedestres. In Proceedings of the xxix conference on graphics, patterns and images, 1(4). sn.
1Adaptação para OpenOffice.org 1.1 feita por Roland Teodorowitsch (roland@ulbra.tche.br) em 29 mar.
2005.
2Centro de Informática – Universidade Federal da Paraíba (UFPB) Caixa Postal 58055-000 – João Pessoa – PB – Brazil
3Centro de Informática – Universidade Federal da Paraíba (UFPB) {natalia.costa.jp@gmail.com, fernando@ci.ufpb.br