Seminários em Inteligência Artificial Grupo de Inteligência Computacional

1. SemináriosemInteligência ArtificialGrupo de InteligênciaComputacional Cleber Zanchettin cz@cin.ufpe.br 24 de abril de 2014

2. Introdução • Reconhecimento de padrões • Aprendizado de máquina • Processamento de Imagens • Aplicações

3. Data Mining no Contexto de CustomerRelationship Management em uma Franquia Coca – Cola Company A Fotografia de Sucesso – Coca-Cola Company

4. Resultados Classificação Anterior Classificação através da Mineração Resultadosaté 20% superiores!

5. Associação – Análise Perfil Compras casadas de refrigerantes de marcas distintas e mesma embalagem quase sempre não são feitas A compra de Coca Lata implica em não compra da Kuat_NS A compra de Coca Lata sozinha implica em não compra da Fanta NS Apontamento de concorrência entre produtos A compra da marca Coca Cola é predominante e acaba excluindo a compra de outras marcas

6. Discussão dos Resultados • Padrões de compra que pode implicar em um perfil bastante crítico de pessoas que ao comprarem um determinado refrigerante se fidelizam a ele, não comprando mais nenhum da franquia • Detecção de atividades de marketing erradas. Prejudicando com isso as vendas de algumas marcas de refrigerantes • Exclusão de qualquer produto quando o cliente resolve comprar a Coca-Cola em lata • Nem sempre a compra de um item tem boa correlação com os demais produtos

7. Ações Tomadas • Autorização para utilizar essa nova classificação para a CCIL • Criação de promoções para a compra de Fanta e Kuatjuntas • Formulação de novos preços de venda de alguns produtos que estão com o seu volume de venda muito baixos de acordo com a mineração • Geração de embalagens mix com produtos, por exemplo, Coca_ks e Fanta_ks ou Coca_ns e Kuat_ns

8. Assinaturas

9. Reconhecimento de assinaturas Desenvolvimento e avaliação de técnicas para a verificação de assinaturas estáticas: • Variação intrapessoal • decorre da instabilidade que existe entre assinaturas do mesmo autor • Similaridade interpessoal • representa a semelhança entre assinaturas de autores distintos • Assim como ações fraudulentas.

10. Genuínas • Falsas

11. Metamorfose de Imagem (cross-dissolve) • Antes do desenvolvimento de morphing, transições de imagens eram geralmente obtidas através do uso de cross-dissolve. • cross-dissolve

12. Metamorfose de Imagem - Morphing

13. Segmentação • Gridssobrepostas • Grids específicas

14. Algoritmo Morph e)

15. Estudo de Modelos de Predições em um Sistema de Compartilhamento de Bicicletas Públicas • No Brasil o sistema de compartilhamento de bicicletas avança rapidamente. • Estão presentes nas cidades do Rio de Janeiro, São Paulo, Sorocaba, Porto Alegre, Santos, Petrolina, Recife e Salvador

17. Bike Rio foi lançado em 2011 • 60 estações • 600 bicicletas • Entre 2011 e 2013 realizou2 milhões de viagens

18. Sistema de gestão • Problemas de manutenção, Realocação, disponibilidade…

19. Tendencia? Sazonalidade? • Perfil de utilização? Dia da semana? • Previsão de demanda? Quanto tempo a frente é possívelprever?

21. Reconhecimento de imagens de formulários ICDAR, 2007

22. SMC, 2011

24. Tratamento de imagens

25. Aplicação: Reconhecimento de formulários

27. Problemas: u n

28. Aplicação: processamento de imagens

29. Imagens obtidas de dispositivos móveis

30. Tratamento de imagens

31. Reconhecimento de faces Base de dados OLR Base de dados Yale

32. Proposta:

33. Erros de classificação:

34. Transformações

35. Aplicação: Reconhecimento de odores

36. Sistema Sensor

37. Original Pré-processado Wavelet

38. Sistema de reconhecimento