Busca avançada
Ano de início
Entree

Classificação de séries temporais de única classe e com exemplos positivos e não rotulados

Processo: 20/14344-7
Linha de fomento:Bolsas no Brasil - Iniciação Científica
Vigência (Início): 01 de março de 2021
Vigência (Término): 31 de dezembro de 2021
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Diego Furtado Silva
Beneficiário:Yuri Gabriel Aragão da Silva
Instituição-sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
Assunto(s):Aprendizado computacional   Aprendizado semissupervisionado   Análise de séries temporais   Metodologia e técnicas de computação

Resumo

A coleta de grandes volumes de dados temporais emergiu em diferentes domínios de aplicação. Uma forma de extrair conhecimento desses dados é pelo aprendizado de modelos de classificação. Um caso particular nesse contexto ocorre quando os dados de apenas umas classes do problema podem ser obtidas ou, devido a um especial interesse nessa classe, ela é a única que será rotulada. Esse cenário estabelece duas tarefas: classificação de única classe e aprendizado a partir de exemplos positivos e não rotulados. Apesar das suas relevâncias, essas tarefas são pouco exploradas no domínio das séries temporais. Nos poucos estudos em que isso acontece, as técnicas "clássicas'' de aprendizado de máquina são frequentemente utilizadas. Ademais, esses estudos avaliam seus métodos em aplicações específicas, mesmo com a disponibilidade de bases de dados de \textit{benchmarking} para classificação de séries temporais. Considerando esse contexto, o principal objetivo desta pesquisa é adaptar e avaliar a aplicabilidade de técnicas de classificação de séries temporais nas tarefas de classificação de única classe e aprendizado a partir de exemplos positivos e não rotulados. Para tanto, esta proposta é baseada na adaptação de métodos conhecidos e uma extensiva avaliação experimental.