Filtragem adaptativa e aprendizado de máquina: aplicações em redes de difusão, soft sensors e classificação de arritmias cardíacas

Resumo

Processamento distribuído de sinais têm chamado atenção na comunidade científica por apresentar vantagens em relação a soluções centralizadas. Nessa área, técnicas de amostragem e censuratêm sido temas de intensa pesquisa, uma vez que o custo associado a medição, processamento e/ou transmissão de dados em toda a rede pode ser proibitivo em certos casos. Pretende-se neste projeto, fazer um estudo aprofundado de técnicas de amostragem e censura em redes de difusão, propondo melhorias para os algoritmos que surgiram recentemente na literatura. Pretende-se estender esses algoritmos para diferentes tipos de rede de difusão, como as multitarefas, baseadas em kernel e assíncronas. Pretende-se também propor versões distribuídas de algoritmos adaptativos baseados em kernel e compará-las com versões distribuídas de redes neuronais para solução de problemas não lineares em uma rede de difusão. A técnica de esparsificação de dicionário que usa a ortogonalização de Gram-Schmidt também será aplicada à análise de componentes principais baseada em kernel. Na parte de aprendizado de máquina, pretende-se utilizar sensores virtuais para detecção e diagnóstico de falhas em sistemas de ar condicionado, possibilitando correções antes do aumento do consumo de energia elétrica. Por fim, pretende-se utilizar redes neuronais para classificação de arritmias cardíacas, levando-se em conta a divisão por pacientes nos conjuntos de treinamento e teste. (AU)