@MASTERSTHESIS{ 2022:258232291,
 	title = {Análise e aperfeiçoamento de modelos inteligentes para detecção de lâmpadas de iluminação pública},
 	year = {2022},
 	url = "https://bdtd.unifal-mg.edu.br:8443/handle/tede/2082",
 	abstract = "Há alguns anos, uma mudança na legislação passou a responsabilidade de
 gerenciamento e manutenção da rede de iluminação pública das companhias elétricas
 (agora responsáveis apenas pelo faturamento da energia utilizada) para as autoridades
 municipais. Essa mudança acarretou em diversos problemas de desinformação, nos
 quais muitas vezes a companhia elétrica não é notificada sobre mudanças na rede de
 iluminação pública. Para evitar perdas comerciais, as companhias passaram a enviar
 times de conferência manual, processo caro, moroso e pouco confiável. Neste sentido,
 este trabalho tem como objetivo aprimorar o estudo de detecção inteligente de lâmpadas
 de iluminação pública, através da otimização dos modelos propostos por Soares et al.
 (2015), capazes de classificar o tipo e potência de lâmpadas de pontos de iluminação
 pública de forma eficiente como uma solução alternativa para este problema. A proposta
 é utilizar algoritmos de diferentes níveis de complexidade (tanto de abordagem
 tradicional quanto aprendizado profundo), em conjunto com técnicas mais complexas de
 validação, seleção de características, transformação de dados e de otimização de
 hiperparâmetros. Os resultados mostram que os modelos com algoritmos mais
 complexos (máquina de vetores de suporte, XGBoost, floresta aleatória e perceptron
 multicamadas) conseguem atingir uma acurácia média final de 80-86% de acerto que ao
 serem comparados por testes t de Student não apresentaram evidências de diferença
 significativa a nível de 5%.",
 	publisher = {Universidade Federal de Alfenas},
 	scholl = {Programa de Pós-Graduação em Estatística Aplicada e Biometria},
 	note = {Instituto de Ciências Exatas}
}