[en] DECENTRALIZED REASONING IN AMBIENT INTELLIGENCE

• Autor(a) principal: JOSE VITERBO FILHO
• Data de Publicação: 2010
• Tipo de documento: Tese
• Idioma: eng
• Título da fonte: Repositório Institucional da PUC-RIO (Projeto Maxwell)
• Texto Completo: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=16428&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=16428&idi=2; http://doi.org/10.17771/PUCRio.acad.16428
• topic: [pt] INFORMACAO; [pt] SISTEMAS COMPUTACIONAIS; [pt] COMPUTACAO UBIQUA; [pt] INFERENCIAS; [pt] REDES SEM FIO; [en] INFORMATION; [en] COMPUTER SYSTEMS; [en] UBIQUITOUS COMPUTING; [en] INFERENCES; [en] WIRELESS NETWORK

[pt] A computação ubíqua prevê a integração de sistemas computacionais ao nosso dia-a-dia para prover informações e funcionalidades em qualquer momento e lugar. Sistemas desse tipo englobam diferentes tipos de sensores e dispositivos móveis interconectados através de uma combinação de várias tecnologias de rede sem fio. Uma tendência particular nessa área é explorar o paradigma dos Ambientes Inteligentes (AmI), o qual visa à integração de tecnologias inovativas para criar ambientes mediados por computador que, através de serviços específicos, auxiliam os usuários em suas atividades com mínima intervenção. Em sistemas de AmI, mecanismos de inferência são fundamentais para disparar ações ou adaptações de acordo com situações que podem ser significativas e relevantes para aplicações. Muitos sistemas adotam uma abordagem centralizada para seus mecanismos de inferência. Em AmI, entretanto, essas operações podem ter que avaliar dados de contexto coletados de fontes distribuídas e armazenados em diferentes dispositivos, uma vez que geralmente nem todo dado de contexto está prontamente disponível para os serviços de inferência. O objetivo desta tese é propor uma abordagem descentralizada para executar inferência de contexto baseada em regras. Para isso, definimos um modelo de contexto assumindo que os dados de contexto são distribuídos em dois lados, o lado do usuário, representado pelos usuários e seus dispositivos móveis, e o lado do ambiente, representado pela infrastrutura computacional fixa e os serviços do ambiente. Formalizamos a operação de inferência cooperativa - na qual duas entidades cooperam para executar a inferência descentralizada baseada em regras - e definimos um processo completo para realizar esta operação. Finalmente, para mostrar que essa abordagem é possível, projetamos, implementamos e avaliamos o protótipo de um serviço de middleware que executa inferência baseada no processo de inferência cooperativa.