Busca avançada
Ano de início
Entree

Otimização de reconstrução do espaço-fase de séries temporais

Processo: 15/22406-4
Linha de fomento:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de março de 2016
Vigência (Término): 29 de fevereiro de 2020
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
Pesquisador responsável:Rodrigo Fernandes de Mello
Beneficiário:Lucas de Carvalho Pagliosa
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Vinculado ao auxílio:13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria, AP.CEPID
Bolsa(s) vinculada(s):18/10652-9 - Explorando séries temporais com análises visuais, BE.EP.DR
Assunto(s):Sistemas dinâmicos   Aprendizado computacional   Análise de séries temporais

Resumo

O aumento na quantidade de dados oriundos das mais diversas fontes tem tornado cada vez mais complexa sua análise e processamento, dificultando a busca por padrões, tendências e ciclos. Dentre os tipos de dados analisados, tem-se especial atenção para com aqueles coletados ao longo do tempo, comumente organizados na forma de séries temporais. Esses dados são provenientes de diferentes fenômenos, sejam eles naturais ou produzidos pela intervenção humana, como temperaturas em uma região do planeta, crescimento populacional ou dados Web. Neste contexto, ferramentas propõem a decomposição de tais séries em componentes estocásticos e determinísticos, a fim de obter modelos mais representativos para ambas partes e permitir análises de maior qualidade. Para dados predominantemente determinísticos, o ramo de Sistemas Dinâmicos propõe a reconstrução do espaço-fase da série temporal, com o objetivo de aplicar uma regressão e obter a regra ou função geradora dos dados. No entanto, métodos atuais para a obtenção do espaço-fase não são confiáveis e robustos para dados ruidosos e/ou caóticos, necessitando de supervisão humana. Esta lacuna motivou o desenvolvimento deste plano de pesquisa de doutorado, que visa projetar um método capaz de estimar, com maior qualidade e robustez, os parâmetros necessários para a reconstrução de um espaço-fase adequado aos dados coletados. Espera-se que tal método seja aplicado tanto sobre dados em lote quanto sobre aqueles continuamente obtidos ao longo do tempo.

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)
PAGLIOSA, LUCAS DE CARVALHO; DE MELLO, RODRIGO FERNANDES. Semi-supervised time series classification on positive and unlabeled problems using cross-recurrence quantification analysis. PATTERN RECOGNITION, v. 80, p. 53-63, AUG 2018. Citações Web of Science: 1.
PAGLIOSA, LUCAS DE CARVALHO; DE MELLO, RODRIGO FERNANDES. Applying a kernel function on time-dependent data to provide supervised-learning guarantees. EXPERT SYSTEMS WITH APPLICATIONS, v. 71, p. 216-229, APR 1 2017. Citações Web of Science: 7.

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