Busca avançada
Ano de início
Entree

Estabilidade em fluxos de dados: uma abordagem baseada em séries substitutas

Processo: 13/16480-1
Linha de fomento:Bolsas no Brasil - Pós-Doutorado
Vigência (Início): 01 de outubro de 2013
Vigência (Término): 30 de setembro de 2014
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Rodrigo Fernandes de Mello
Beneficiário:Rosane Maria Maffei Vallim
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Assunto(s):Aprendizado computacional   Análise de séries temporais   Estabilidade

Resumo

A detecção de mudança de conceito, tema bastante investigado em Mineração de Fluxos Contínuos de Dados, visa identificar alterações nas propriedades dos dados de entrada. Apesar da existência de inúmeros algoritmos para detecção de mudanças de conceito, não se conhece nenhuma formalização que dê sustentação de que alterações em modelos produzidos à partir de fluxos de dados, de fato, correspondam a mudanças de conceitos dos dados. A partir desta constatação, estudos foram iniciados sobre o conceito de estabilidade de modelos na tentativa de resolver tal problema. Porém, novas lacunas foram encontradas nessa etapa, as quais motivaram este plano de pesquisa o qual visa propor um novo conceito de estabilidade para algoritmos de aprendizado de máquina não-supervisionado, aplicado ao cenário de fluxos de dados. Esse conceito será baseado na avaliação de modelos gerados por séries substitutas ({\it Surrogate Data}). Assim, este plano traça um paralelo entre fluxos de dados e séries temporais, em que há dependência entre os dados. Deve-se, também, projetar um algoritmo para detecção de mudanças de conceitos em fluxos de dados que seja estável de acordo com o novo conceito. Dessa maneira, pode-se estabelecer garantias de que mudanças nos modelos gerados pelo algoritmo de aprendizado de fato correspondem a mudanças nos dados de entrada.

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
VALLIM, ROSANE M. M.; DE MELLO, RODRIGO F. Unsupervised change detection in data streams: an application in music analysis. PROGRESS IN ARTIFICIAL INTELLIGENCE, v. 4, n. 1-2, p. 1-10, DEC 2015. Citações Web of Science: 1.
VALLIM, ROSANE M. M.; DE MELLO, RODRIGO F. Proposal of a new stability concept to detect changes in unsupervised data streams. EXPERT SYSTEMS WITH APPLICATIONS, v. 41, n. 16, p. 7350-7360, NOV 15 2014. Citações Web of Science: 6.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.