Bolsa 23/11745-9 - Aprendizagem profunda, Dispositivos eletrônicos - BV FAPESP
Busca avançada
Ano de início
Entree

Experimentando com estratégias baseadas em aprendizado profundo para lidar com tarefas multivariadas em séries temporais.

Processo: 23/11745-9
Modalidade de apoio:Bolsas no Exterior - Estágio de Pesquisa - Iniciação Científica
Data de Início da vigência: 01 de dezembro de 2023
Data de Término da vigência: 29 de fevereiro de 2024
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Diego Furtado Silva
Beneficiário:Andre Guarnier De Mitri
Supervisor: Germain Forestier
Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Instituição Anfitriã: Université de Haute-Alsace, França  
Vinculado à bolsa:23/05041-9 - Adaptação de Algoritmos de Classificação para Regressão de Séries Temporais, BP.IC
Assunto(s):Aprendizagem profunda   Dispositivos eletrônicos   Análise multivariada   Análise de séries temporais
Palavra(s)-Chave do Pesquisador:Aprendizado de Máquina | Deep Learning | Regressão | Séries Temporais | Aprendizado de Máquina

Resumo

Com a crescente onipresença de smartphones, smartwatches e outros dispositivos capazes de coletar dados ao longo do tempo, os aplicativos que usam séries temporais como entrada, como monitoramento cardíaco e reconhecimento de atividade, tornaram-se cada vez mais populares. Vários desses cenários podem ser mapeados naturalmente como tarefas que envolvem séries temporais multivariadas. Assim, diversas técnicas de Aprendizado de Máquina aplicadas a séries temporais foram desenvolvidas. No entanto, a maioria das técnicas desenvolvidas para séries temporais multivariadas foram adaptadas de dados univariados. No entanto, não há diretrizes claras para escolher a melhor adaptação para classificação de séries temporais multivariadas de aprendizagem profunda e regressão extrínseca devido à falta de avaliação experimental padronizada. Considerando este cenário, esta pesquisa irá propor, implementar e executar um procedimento de avaliação experimental para avaliar diferentes técnicas de adaptação de redes neurais profundas projetadas para classificação e regressão de séries temporais univariadas para lidar com problemas multivariados. (AU)

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