The increasing complexity and digitalization of modern vehicles have transformed the driving environment into a multimodal information ecosystem. Although recent advancements in embedded infotainment systems and natural-language interfaces have enabled limited conversational interaction, current in-vehicle assistants remain fundamentally reactive and constrained: they operate on shallow input modalities, lack contextual awareness, provide inconsistent reasoning, and cannot adapt to user behavior or dynamic driving conditions. This work proposes a comprehensive framework for designing an intelligent Intelligent Personal Vehicular Agent (IPVA) capable of multimodal perception, contextual reasoning, safety-aware action, and continuous learning. The proposed IPVA integrates vehicle telemetry, driver voice commands, technical documentation, structured tables, and manual-derived imagery through a hybrid Retrieval-Augmented Generation (RAG) pipeline optimized for automotive knowledge domains, and is designed to interface with existing Advanced Driver-Assistance Systems (ADAS) by providing complementary high-level reasoning and learning capabilities. Additionally, a Perception–Reasoning–Action–Learning (PRAL) architecture is introduced to clearly define the computational and behavioral responsibilities of an intelligent vehicular agent. The system incorporates token-level streaming, federated learning for driving-style classification, multimodal retrieval using BM25, dense embeddings, FAISS indexing, and adaptive policies aligned with automotive safety standards. This paper presents the architectural formulation, design motivations, cognitive workflow, learning paradigms, safety constraints, and implementation considerations required to transition from conventional assistants toward a fully adaptive vehicular agent that augments perception-and-control-oriented ADAS stacks.

DJ ou playlist? Do vinil ao pendrive, as facilidades tecnológicas de níveis cada vez mais altos surgem periodicamente, e são cíclicos os questionamentos às mudanças por elas causadas.

Um mixer automático de música eletrônica é uma evolução natural conseguinte às tecnologias existentes. Surge da necessidade real de experimentar duas músicas juntas de forma rápida e fácil, sem precisar de um equipamento para mixá-las.

Não se pretende equiparar DJ e playlist, nem substituir um pelo outro, mas sim propor mais uma tecnologia de alto nível que contribua, principalmente, no experimento e preparo de um DJ set. De quebra, pode aprimorar a experiência pessoal de ouvir uma playlist.

Nesse trabalho foi implementado um jogo digital 3D estilo RPG utilizando a engine Unity. O jogo é pequeno e simples, mas possui mecânicas coesas e uma progressão bem definida, contendo 3 missões sequenciais, sendo a primeira apresentada ao jogador no início do jogo e as outras após a conclusão da anterior. O jogo possui uma narrativa completa com começo, meio e fim e foi projetado com o objetivo de entreter o jogador por meio de uma narrativa simples com personagens carismáticas e de uma gameplay fluída e intuitiva.

Este trabalho apresenta um protocolo simples e eficiente para detecção de nos maliciosos em redes sem fio com dispositivos com dois rádios. A solução utiliza sondas (probes) ativas enviadas por uma interface de rádio para identificar atrasos, ausência de resposta e respostas incorretas, evitando interferencia no trafego principal. O protocolo foi implementado no Mininet-WiFi e avaliado em cenários com diferentes tipos de comportamento malicioso. Os resultados mostram que a abordagem alcança baixa sobrecarga, rápido tempo de detecção e maior precisão quando comparada a mecanismos tradicionais como Watchdog, Pathrater e CONFIDANT.

A doença da dengue continua gerando impactos sociais e econômicos altamente negativos no Brasil e no mundo. Controlar o seu principal vetor, o mosquito Aedes aegypti, e entender sua dinâmica populacional são partes fundamentais do combate à doença. Utilizamos modelos de regressão para avaliar como variáveis meteorológicas influenciam a abundância dos mosquitos (estimada através de vigilância entomológica), e utilizamos análise de correlação para avaliar o relacionamento dessa abundância com a incidência de dengue, em diferentes municípios do estado do Espírito Santo. Por fim, desenvolvemos diferentes modelos epidemiológicos com os dados de dengue, de um mais simples a um mais complexo, incluindo a abundância do vetor em sua formulação, para comparar a qualidade de ajuste aos dados dos diferentes modelos. Resultados da regressão revelam maior influência da temperatura na abundância do vetor, e uma inconsistência dos modelos durante anos distintos de observação. A análise de correlação apontou um relacionamento fraco ou contraintuitivo; seguindo essa linha de raciocínio, os modelos epidemiológicos não mostraram vantagem ao incluir a infestação do vetor em sua formulação, mas alcançaram bons resultados ao incluir temperatura. O estudo destaca a importância da vigilância entomológica contínua para o entendimento da dinâmica populacional do mosquito, ao passo que o seu relacionamento com a incidência de dengue segue complexo, sugerindo que é um dado sozinho insuficiente para a avaliação de risco de dengue ou a criação de modelos de predição.

Este trabalho apresenta o desenvolvimento de um jogo autoral do gênero Metroidvania e Action RPG em 2D, intitulado Eldemor Abyss, como um estudo de caso sobre a viabilidade da produção independente no cenário acadêmico e nacional. Apoiado na expansão da indústria brasileira de jogos, o projeto utiliza a engine Unity e a criação de assets originais em pixel art, utilizando o editor LibreSprite, para validar a conciliação entre implementação técnica e direção artística.

A arquitetura de software adotada é modular, empregando Máquinas de Estados Finitos (FSM) para a inteligência artificial dos inimigos e um sistema de gatekeeping para gerenciar a progressão não linear e a narrativa via missões. produto final consolida um game loop completo, integrando combate em tempo real com hitboxes dinâmicas e mecânicas de exploração. Conclui-se que o trabalho estabelece uma base técnica escalável e uma experiência de usuário coesa, demonstrando a capacidade de realização de jogos complexos com ferramentas acessíveis. O projeto encontra-se versionado e disponível publicamente para consulta e contribuições futuras em repositório online.

Este trabalho apresenta uma análise de dados sobre suicídio e tentativas de suicídio no Brasil, utilizando bases públicas do DATASUS e indicadores socioeconômicos do IBGE. A pesquisa examinou tendências temporais, diferenças entre faixas etárias e regiões, fatores associados à recorrência e perfis de risco identificados por meio de técnicas de clusterização. Os resultados mostram crescimento contínuo das taxas de óbitos e tentativas nas últimas décadas, especialmente entre adultos e em regiões como Sul e Centro-Oeste. A recorrência também aumentou de forma significativa, indicando maior vulnerabilidade entre pessoas que já tiveram uma primeira tentativa. Fatores socioeconômicos, educacionais e de saúde mental mostraram associações variadas, destacando a complexidade do fenômeno. Os achados reforçam a importância de políticas públicas direcionadas e de monitoramento contínuo para prevenção do suicídio no país.

A presença de dados ausentes é um problema presente em tarefas de mineração de dados e aprendizado de máquina, podendo introduzir vieses significativos e comprometer o desempenho de modelos preditivos. Embora existam diversas técnicas de imputação, desde substituições estatísticas simples até modelagens multivariadas complexas, muitas falham em capturar as especificidades de cada atributo ou em modelar relações não-lineares complexas entre as variáveis. Este trabalho propõe o GP-Imputer, uma abordagem evolutiva baseada em Programação Genética (GP) que opera sob uma estratégia de ensemble. Diferentemente de métodos que geram valores diretamente, o GP-Imputer evolui funções de combinação não-linear ótimas a partir das saídas de imputadores base consolidados (Média, Mediana, KNN, MICE e SVD). O método adota uma representação multi-tree para tratar a dimensionalidade dos dados e utiliza uma abordagem orientada a tarefa final, onde a aptidão dos indivíduos é guiada pelo F1-Score de um classificador (Regressão Logística). A validação experimental, conduzida em cinco conjuntos de dados de referência sob mecanismo de ausência MCAR com taxas de 10\% a 30\%, demonstrou a superioridade do método proposto. O GP-Imputer obteve o melhor desempenho médio em 14 dos 15 cenários avaliados, apresentando ganhos estatisticamente significativos frente aos métodos do estado da arte, especialmente em contextos de alta dimensionalidade e escassez de informações

This work investigates deep learning approaches for the recognition of isolated signs in Brazilian Sign Language (Libras) using pose- and hand-based landmark sequences extracted with MediaPipe Holistic. Two neural architectures were evaluated: a bidirectional LSTM encoder and a compact Transformer encoder. Experiments were conducted on two Brazilian RGB video datasets, MINDS-Libras and V-Librasil, considering signer-dependent, signer-independent, cross-dataset transfer, and mixed-domain training scenarios. The results show that the Transformer model achieves higher performance when sufficient data is available, outperforming the LSTM in both signer-dependent and signer-independent evaluations on MINDS-Libras. However, both models exhibit limited generalization across domains, achieving near-zero transferability when trained on MINDS-Libras and tested directly on V-Librasil, highlighting substantial differences between datasets despite visual similarity. Mixed-dataset training
partially mitigates these effects but still reveals strong dataset dependency. Overall, the findings reinforce the need for larger, more diverse and standardized Libras datasets, and suggest that domain robustness remains a key challenge for automatic sign recognition in Brazilian Sign Language.

Este trabalho investiga a aplicação de Inteligência Artificial Neuro-Simbólica em Sistemas de Recomendação, com foco no modelo Graph Collaborative Reasoning (GCR). Enquanto sistemas tradicionais enfrentam desafios de interpretabilidade e esparsidade, o GCR propõe modelar a recomendação como um raciocínio lógico dedutivo sobre grafos. Este estudo apresenta três contribuições principais. Primeiro, realiza-se um estudo crítico de reprodutibilidade, reimplementando o modelo integralmente; os resultados obtidos superam significativamente as métricas reportadas na literatura original, estabelecendo novos baselines de desempenho para o GCR. Segundo, avalia-se o FuzzGCR, uma extensão baseada em lógica fuzzy não-paramétrica; a análise demonstra que a rigidez axiomática das t-normas causa saturação de gradientes em cadeias lógicas profundas, evidenciando a necessidade de relaxamento neural em grafos complexos. Terceiro, propõe-se o FA-GCR (Feature-Aware GCR), que integra atributos semânticos ao raciocínio lógico. Os experimentos nos datasets MovieLens demonstram que o FA-GCR, operando exclusivamente sobre atributos (sem IDs), supera o modelo base e baselines tradicionais, validando a hipótese de que o enriquecimento semântico potencializa a generalização indutiva em arquiteturas neuro-simbólicas.

Este trabalho apresenta uma análise comparativa entre três sistemas eleitorais: o majoritário First-Past-the-Post (FPTP), o Voto de Aprovação (AV) e a Representação Proporcional (PR), utilizando Modelagem Baseada em Agentes (ABM). A simulação representa eleitores e partidos como agentes autônomos em um espaço ideológico bidimensional, incorporando avanços significativos em relação ao modelo preliminar (POC I), tais como: comportamento estratégico fundamentado na literatura, a introdução da heurística partidária predator e a modelagem de cenários de polarização do eleitorado. Além da análise de sensibilidade aos parâmetros de estratégia (beta), polarização (phi) e cláusula de barreira (threshold), investigou-se a robustez dos sistemas ao impacto de candidatos inviáveis (Efeito Spoiler). Os resultados indicam que o sistema PR maximiza a diversidade partidária em todos os cenários, embora sofra com excessiva fragmentação sob barreiras baixas e apresente degradação na qualidade da representação em contextos de alta estratégia. O modelo consolidado oferece uma ferramenta versátil para a avaliação de reformas políticas sob condições institucionais variadas.