Atividade científica coloca o IPLUSO em destaques nas áreas da Inteligência Artificial, Internet das Coisas e Sistemas Inteligentes Distribuídos
O docente, Luís Miguel Pires, da
Escola de Engenharia e Tecnologias (EET) do IPLUSO, publicou o artigo científico
"From Statistical Filtering to Adaptive Reinforcement Learning: A Progressive Framework for IoT Time-Series Anomaly Detection" na revista internacional
Applied Sciences (MDPI).
O artigo apresenta uma abordagem inovadora para a deteção automática de anomalias em séries temporais de sistemas IoT (Internet das Coisas), combinando técnicas estatísticas clássicas com mecanismos adaptativos baseados em Reinforcement Learning (RL) e Multi-Agent Reinforcement Learning (MARL).
A investigação demonstra como agentes inteligentes podem selecionar dinamicamente diferentes métodos de deteção e respetivos parâmetros, adaptando-se a ambientes IoT heterogéneos e em constante mudança. A solução proposta mantém simultaneamente baixos requisitos computacionais, interpretabilidade dos resultados e adequação a dispositivos IoT com recursos limitados.
Os resultados obtidos evidenciam que a integração progressiva entre filtragem estatística e aprendizagem por reforço permite melhorar a robustez e a adaptabilidade dos sistemas de monitorização, contribuindo para o desenvolvimento de soluções inteligentes para cidades inteligentes, indústria 4.0, monitorização ambiental e infraestruturas críticas.
Consultar Artigo
