Filtrar por tipo:

Ordenar por ano:

Previsão de ações em atividades diárias para assistir pessoas com declínio cognitivo através de um modelo ontológico probabilístico

thesis
Gabriel Machado Lunardi

A população idosa mundial está crescendo e, com ela, o número de diagnósticos de doenças relacionadas à velhice como, por exemplo, declínios cognitivos também. Essas doenças costumam afetar a autonomia do idoso no seu lar, especialmente no que se refere à realização de atividades diárias. Com isso em vista, é preciso empregar cuidadores e serviços de saúde que acabam por implicar em altos custos. Nesse sentido, surge a necessidade de conceber sistemas robustos, automatizados, utilizáveis e de baixo custo para a assistência pessoal. A concepção desses sistemas faz menção à área de Ambientes de Vivência Assistida. Portanto, esta dissertação propõe uma abordagem que beneficia os sistemas para Ambientes de Vivência Assistida com a capacidade de prever ações humanas para a facilitação de atividades diárias, particularmente quando declínios cognitivos relacionados à elas ocorrerem. Nesse sentido, foi concebido um meta-modelo semântico para a geração de modelos conceituais de contexto e de comportamento, compostos pelas ações humanas. A partir disso, a previsão de ações (informação de suporte) é realizada por um mecanismo de predição e inferência composto por um modelo semântico probabilístico. A abordagem é demonstrada através de um estudo de caso cujo cenário representa uma situação de declínio cognitivo, enfrentada por um usuário, que impede a condução de uma atividade diária. Então, o mecanismo de predição e inferência, utilizando o modelo semântico probabilístico, prevê qual a ação mais adequada que facilite a conclusão da atividade. Essa previsão é avaliada para aferir o quão bem um usuário seria auxiliado, isto é, se a operação prevista foi por ele realizada. Para isso, foi utilizado um dataset relacionado ao cenário do estudo de caso e medidas de desempenho como a precisão, a revocação e a medida-F. Os resultados dessa avaliação se mostraram promissores sendo, em média, 69,5% para a precisão, 100% para a revocação e 81% para a medida-F. As principais contribuições deste trabalho dizem respeito ao meta-modelo semântico a partir do qual pesquisas na área deste trabalho podem utilizar para gerar modelos de comportamento, e ao modelo semântico probabilístico que realiza predição através de raciocínio incerto sobre os modelos de comportamento, propiciando decisões mais precisas para auxiliar usuários com declínio cognitivo.

Probabilistic Ontology Reasoning in Ambient Assistance: Predicting Human Actions

conference paper
Gabriel Machado Lunardi, Guilherme Medeiros Machado, Fadi Al Machot, Vinícius Maran, Alencar Machado, Heinrich C. Mayr, Vladimir A. Shekhovtsov and José Palazzo M. de Oliveira
Proceedings of IEEE-AINA: The 32nd IEEE International Conference on Advanced Information Networking and Applications, Krakov, May 2018.

Providing reminders to elderly people in their home environment, while they perform their daily activities, is considered as a user support activity, and thus a relevant topic in Active and Assisted Living (AAL) research and development. Determining such reminders implies decision-making, since the actions’ flow (behavior) usually involves probabilistic branches. An automated system needs to decide which of the next actions is the best one for the user in a given situation. Problems of this nature involve uncertainty levels that have to be dealt with. Many approaches to this problem exploit statistical data only, thus ignoring important semantic data as, for instance, are provided by Ontologies. However, ontologies do not support reasoning over uncertainty natively. In this paper, we present a probabilistic semantic model that enables reasoning over uncertainty without losing semantic information. This model will be exemplified by an extension of the Human Behavior Monitoring and Support [HBMS] approach that provides a conceptual model for representing the user’s behavior and its context in her/his living environment. The performance of this approach was evaluated using real data collected from a smart home prototype equipped with sensors. The experiments provided promising results which we will discuss regarding limits and challenges to overcome.

IoT-based human action prediction and support

journal article
Gabriel MachadoLunardia, Fadi Al Machot, Vladimir A. Shekhovtsov, Vinícius Maran, Guilherme Medeiros Machadoa, Alencar Machado, Heinrich C. Mayr, José Palazzo M. de Oliveira
Internet of Things, Volumes 3–4, 2018, Pages 52-68, ISSN 2542-6605,

It is an important topic in Active and Assisted Living (AAL) research and development to support elderly people suffering from memory impairment in their daily activities. A promising approach to such support is providing memory aids based on knowledge of how the person to be supported usually (i.e., in an unimpaired condition) copes with her/his daily activities. Such knowledge may be captured by IoT solutions,appropriately structured and stored in a knowledge base, and exploited when the need of support is detected. Determining the best help for a given situation implies decision-making, since the actions– flow (behavior) of an activity usually involves probabilistic branches: An automated system needs to decide which of the possible next actions is best suited for the user in a given situation. Problems of this nature involve uncertainty levels that have to be dealt with. Many approaches to this problem exploit statistical data only, thus ignoring important semantic data as, for instance, are provided by Ontologies. However, ontologies do not support reasoning over uncertainty natively. In this paper, we present a probabilistic semantic model that represent information from IoT sources and enables reasoning over uncertainty without losing semantic information. This model is implemented as an extension of the Human Behavior Monitoring and Support (HBMS) approach that provides a conceptual ”human cognitive model” for representing the user–s behavior and its context in her/his living environment. The performance of this approach was evaluated using real data collected from a smart home prototype equipped with installable sensors and IoT devices. The experiments provided promising results which we will discuss regarding limits and challenges to overcome.

Um Modelo Ontológico Probabilístico para Assistir Pessoas com Declínio Cognitivo

conference paper
Gabriel Machado Lunardi , Guilherme Medeiros Machado, Alencar Machado, José Palazzo M. de Oliveira

Fornecer lembretes a um idoso, enquanto realiza suas atividades diárias, é uma atividade de suporte ao usuário e, portanto, um tópico relevante na área de Ambientes de Vivência Assistida. Determinar tais lembretes implica na tomada de decisões, uma vez que o fluxo das ações (comportamento) de uma atividade geralmente envolve ramificações. Um sistema automatizado precisa decidir qual das próximas ações é a melhor para o usuário em determinada situação. Problemas dessa natureza envolvem níveis de incerteza que precisam ser tratados. Muitas abordagens para esse problema exploram apenas dados estatísticos, ignorando tecnologias semânticas importantes, como, por exemplo, a utilização de ontologias. Apesar de importantes, as ontologias não suportam, de forma nativa, o raciocínio sobre a incerteza. Por isso, neste artigo é apresentado um modelo ontológico, com uma extensão probabilística, que permite raciocinar sobre a incerteza sem perder informação semântica. Esse modelo é avaliado por meio de um estudo de caso no qual demonstra-se uma instanciação com dados reais.