Busca avançada
Ano de início
Entree

Adaptação de algoritmos de classificação à tarefa de regressão extrínseca de séries temporais

Processo: 22/00305-5
Modalidade de apoio:Bolsas no Brasil - Iniciação Científica
Vigência (Início): 01 de maio de 2022
Situação:Interrompido
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Teoria da Computação
Pesquisador responsável:Diego Furtado Silva
Beneficiário:Guilherme Gomes Arcencio
Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
Bolsa(s) vinculada(s):22/12486-4 - De Dados Tabulares a Séries Temporais: Novos Algoritmos para Regressão Extrínseca de Séries Temporais, BE.EP.IC
Assunto(s):Inteligência artificial   Aprendizado computacional   Algoritmos   Análise de séries temporais
Palavra(s)-Chave do Pesquisador:Algoritmos | Aprendizado de Máquina | Inteligência Artificial | Regressão | Séries Temporais | Aprendizado de Máquina

Resumo

Com a crescente ubiquidade de celulares, relógios inteligentes e outros dispositivos capazes de coletar dados ao longo do tempo, popularizaram-se aplicações que utilizam séries temporais como entrada, por exemplo, monitoramento cardíaco e reconhecimento de atividades físicas a partir de dados captados por sensores. Dessa maneira, diversas técnicas foram desenvolvidas para o Aprendizado de Máquina no contexto de séries temporais. Porém, a maioria das técnicas propostas foram criadas para as tarefas de classificação e forecasting, o que faz com que a tarefa de regressão extrínseca de séries temporais careça de algoritmos adequados. Tendo em vista essa necessidade, este projeto tem como objetivo estudar e adaptar os mecanismos utilizados pelos algoritmos de classificação de séries temporais à tarefa de regressão extrínseca. Os algoritmos desenvolvidos serão avaliados, analisados e comparados a algoritmos tradicionais de regressão e, então, disponibilizados na ferramenta sktime. O projeto também prevê a possível escrita de um artigo científico compilando e divulgando os resultados obtidos, além da divulgação de todo o código-fonte desenvolvido.(AU)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)