http://repositorio.ifpb.edu.br:80/jspui/handle/177683/602 Fri, 10 Apr 2026 10:20:12 GMT 2026-04-10T10:20:12Z http://repositorio.ifpb.edu.br:80/jspui/handle/177683/5164 Title: Uma arquitetura multiagente para orquestração automática em infraestruturas OpenStack Authors: Oliveira, Igor Kádson de Souza Abstract: Este trabalho investiga a viabilidade de utilizar um sistema multiagente para orquestrar recursos OpenStack de forma autônoma, por meio do desenvolvimento do ctrlStack, uma prova de conceito integrada ao plano de controle OpenStackMCPServer. A arquitetura proposta combina modelos de linguagem de grande porte com princípios de Sistemas Multiagentes (MAS), permitindo que agentes especializados interpretem intenções em linguagem natural, validem o contexto da infraestrutura e executem operações de provisionamento. O OpenStackMCPServer expõe funcionalidades do OpenStack por meio do protocolo Model Context Protocol (MCP), encapsulando operações complexas do SDK e fornecendo uma interface padronizada para os agentes. Resultados obtidos em um ambiente real de nuvem indicam que o sistema é capaz de realizar, de forma autônoma, fluxos completos de autenticação, descoberta de recursos e criação de instâncias, reduzindo a complexidade operacional quando comparado a métodos tradicionais de provisionamento. As limitações observadas também revelam desafios importantes relacionados à confiabilidade da tomada de decisão semântica, apontando direções para aprimoramentos futuros. Description: 14 p. Fri, 12 Dec 2025 00:00:00 GMT http://repositorio.ifpb.edu.br:80/jspui/handle/177683/5164 2025-12-12T00:00:00Z http://repositorio.ifpb.edu.br:80/jspui/handle/177683/5144 Title: Benchmarking de arquiteturas leves de deep learning para detecção de tuberculose em raio-X: análise de desempenho e custo computaciona Authors: Silva, Felipe Braz da Abstract: A tuberculose continua sendo um desaĄo de saúde pública global, e métodos de inteligência artiĄcial aplicados à detecção automática em radiograĄas de tórax têm se mostrado promissores, possibilitando diagnósticos mais rápidos e precisos. Neste estudo, realiza-se um benchmarking de arquiteturas de redes neurais convolucionais para detecção de TB, com ênfase em modelos leves. Foram avaliadas as arquiteturas MobileNet, NASNetMobile e ResNet50 sobre um conjunto público de radiograĄas de tórax, dividido em 70% para treino, 10% para validação e 20% para teste. Adotou-se transfer learning com pesos pré-treinados no ImageNet e adaptação da saída multiclasse para classiĄcação binária. Dois regimes de treinamento foram considerados: (I) ajuste completo dos pesos de todas as camadas e (II) congelamento das camadas convolucionais, com treinamento apenas do topo da rede. Na abordagem (II), a MobileNet apresentou o melhor desempenho, com acurácia de 99,7% e área sob a curva ROC de 0,9998, mantendo baixo custo computacional. As demais arquiteturas também apresentaram resultados satisfatórios, com degradação de desempenho da ResNet50 quando utilizada apenas como extratora de características. Os achados sugerem que modelos leves podem ser empregados com sucesso na detecção de tuberculose em cenários com recursos computacionais limitados, conĄgurando uma alternativa viável para sistemas de apoio à decisão em contextos de baixo custo. Description: 18 p. Fri, 12 Dec 2025 00:00:00 GMT http://repositorio.ifpb.edu.br:80/jspui/handle/177683/5144 2025-12-12T00:00:00Z http://repositorio.ifpb.edu.br:80/jspui/handle/177683/5143 Title: Minerva: assistente virtual de apoio a coordenações de curso Authors: Honorato, Thiago Matheus; Alves, Eduardo Nogueira Abstract: O presente trabalho apresenta o desenvolvimento da Minerva, um assistente virtual baseado em técnicas de Retrieval-Augmented Generation (RAG) integrado ao WhatsApp e Discord, projetado para fornecer respostas rápidas e contextualizadas a partir de documentos oficiais e informações complementares armazenadas em planilhas. A solução foi construída em Python, utilizando LangChain para orquestração do pipeline RAG, a API Google Gemini como modelo de linguagem e a Google Sheets API para ampliar a cobertura informacional. A avaliação ocorreu por meio de cerca de 100 testes internos e de um grupo piloto no Discord, resultando em 76% de respostas totalmente corretas e avaliações entre 8 e 9 pelos usuários. Os resultados evidenciam que a Minerva supre lacunas de sistemas existentes ao unificar múltiplas fontes de informação e integrar-se a plataformas amplamente utilizadas pelos estudantes, mostrando-se uma solução acessível, escalável e capaz de otimizar processos informacionais, reduzir a carga administrativa e aprimorar a comunicação institucional. Description: 66 p. Sun, 01 Feb 2026 00:00:00 GMT http://repositorio.ifpb.edu.br:80/jspui/handle/177683/5143 2026-02-01T00:00:00Z http://repositorio.ifpb.edu.br:80/jspui/handle/177683/5127 Title: Desenvolvimento de um soft ip core para equalização cega mma com a metodologia model-based design Authors: Bezerra, Icaro Mendes de Alcântara Abstract: Este trabalho apresenta o desenvolvimento de um Intellectual Property (IP) Core para equalização adaptativa cega, empregando o algoritmo Multimódulo (MMA), voltado para sistemas de comunicação digital baseados em 64-QAM sujeitos à Interferência Intersimbólica (ISI). A metodologia adotada foi o Model-Based Design (MBD), permitindo a modelagem, simulação e validação do sistema em ambiente de alto nível (Python) antes da implementação em hardware. O projeto abrange desde a análise de desempenho em ponto flutuante até a conversão para aritmética de ponto fixo e descrição de hardware (SystemVerilog). O IP Core foi verificado e sintetizado para FPGA, demonstrando uma aderência rigorosa ao modelo de referência com degradação mínima devido à quantização. Os resultados comprovam a eficácia do equalizador na recuperação de sinais 64-QAM em canais ruidosos e a eficiência da arquitetura proposta. Description: 10 p. Mon, 01 Dec 2025 00:00:00 GMT http://repositorio.ifpb.edu.br:80/jspui/handle/177683/5127 2025-12-01T00:00:00Z