Convolução cruzada para tarefas com séries temporais multivariadas

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. Porém, a maioria das técnicas desenvolvidas são adaptadas de problemas univariados para multivariados, portanto, não estão totalmente adaptadas a séries multivariadas. Considerando este cenário, esta pesquisa irá propor um mecanismo de convolução cruzada adaptado para problemas de séries temporais capaz de capturar a relação estrutural e temporal dos dados. (AU)