| 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 | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |