Classificação de Séries Temporais com Modelos Leves via Poda

• Processo: 25/18189-0
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Mestrado
• Data de Início da vigência: 01 de março de 2026
• Data de Término da vigência: 31 de agosto de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Diego Furtado Silva
• Beneficiário: Adilson Junior Alves Medronha
• Supervisor: Elizabeth Black
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Instituição Anfitriã: King's College London, Inglaterra
• Vinculado à bolsa: 24/14856-9 - Destilação de Conhecimento para Modelos de Séries Temporais, BP.MS
• Assunto(s): Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Model Efficiency | Model pruning | Time Series Classification | Inteligência Artificial

Resumo

A proliferação de dados gerados por sensores de smartphones, dispositivos vestíveis e Internet das Coisas (IoT) tem posicionado a classificação de séries temporais (TSC) como um componente crítico em aplicações como monitoramento cardíaco e reconhecimento de atividades. Embora, redes neurais profundas alcancem o estado da arte, elas frequentemente são comitês de modelos, aumentando significativamente as demandas computacionais. Este projeto propõe uma estratégia de poda evolutiva para identificar e explorar estruturas esparsas em redes neurais, visando reduzir o tamanho do modelo e o tempo de inferência sem comprometer a acurácia. Os modelos resultantes serão voltados para uma implantação eficiente em hardware com recursos limitados.