English

CIn - Centro de Informática UFPE




Eventos Relacionados

Defesa de Tese de Doutorado Nº 358: "Seleção Dinâmica de Combinadores de Previsão de Séries Temporais"

O aluno Anderson Tenório Sergio irá defender sua pesquisa no dia 17 de março, às 13h, no Auditório Início: 17/03/2017 às 13:00 Término: 17/03/2017 às 00:00 Local: Auditório do CIn

Pós-Graduação em Ciência da Computação – UFPE
Defesa de Tese de Doutorado Nº 358

Aluno: Anderson Tenório Sergio
Orientador: Profa. Teresa Bernarda Ludermir
Título: Seleção Dinâmica de Combinadores de Previsão de Séries Temporais
Data: 17/03/2017
Hora/Local: 13h – Centro de Informática - Auditório
Banca Examinadora:
Prof. Adriano Lorena Inácio Oliveira (UFPE / Centro de Informática)
Prof. Leandro Maciel Almeida (UFPE / Centro de Informática)
Prof. Aida Araújo Ferreira (IFPE / Departamento Acadêmico  de Sistemas, Processos e Controles Eletro-Eletrônicos)
Prof. Anne Magaly de Paula Canuto (UFRN / Departamento de Informática e Matemática Aplicada)
Prof. Tatijana Stosic (UFRPE / Departamento de Estatística e Informática)


RESUMO:

A previsão de séries temporais é um importante campo de estudo em aprendizagem de máquinas. Já que a literatura mostra diversas técnicas para a solução desse problema, combinar saídas de diferentes modelos é uma estratégia simples e robusta. Entretanto, mesmo quando usando tais combinadores, o experimentador pode encarar o seguinte dilema: qual técnica deve ser usada para combinar os preditores individuais? Este trabalho apresenta um arcabouço para seleção dinâmica de combinadores de previsão de séries temporais.

O processo de seleção dinâmica pode ser resumido em três fases. A primeira delas é responsável pela geração do conjunto de especialistas base, sendo que esse conjunto pode ser formado por modelos de mesma natureza ou heterogêneos. A diversidade dos especialistas é importante em ambas as situações. A segunda fase, de seleção, é realizada através da estimação da competência dos modelos disponíveis no conjunto gerado na primeira fase, em respeito a regiões locais do espaço de características.  No caso da seleção dinâmica, a escolha dos modelos é realizada para cada padrão de teste, ao invés de utilizar a mesma seleção para todos eles (seleção estática). A terceira fase é a integração dos modelos selecionados. No método proposto, foram utilizados como preditores individuais modelos estatísticos (lineares e não-lineares) e de aprendizagem de máquinas. Como combinadores, técnicas que usam e que não necessitam de uma base de dados independentes para determinação dos pesos da combinação linear. Foram propostos dois algoritmos de seleção dinâmica, baseados em acurácia e comportamento. Para cada um deles, foram implementadas variações no que diz respeito ao uso de todos ou dos melhores preditores e combinadores do comitê.

Para testar o método proposto, dez séries temporais caóticas foram utilizadas: Mackey-Glass, Lorenz, Rossler, Henon, Periodic, Quasi-Periodic, Laser e três séries produzidas a partir de exames de eletroencefalograma. A previsão de séries caóticas tem importância para várias áreas de atuação humana como astronomia e processamento de sinais, sendo que algumas das que foram testadas também funcionam como benchmark em diversas pesquisas. As melhores variações dos algoritmos de seleção dinâmica propostos alcançaram resultados satisfatórios em todas as bases de dados. Após a realização de testes estatísticos, comprovou-se que os métodos foram superiores aos melhores combinadores e preditores base na maioria dos cenários, para previsão de curto e longo alcance.

Palavras-chave: previsão de séries temporais, seleção dinâmica, séries temporais caóticas, comitês de previsão de séries temporais, combinação de previsão de séries temporais.
  • © Centro de Informática UFPE - Todos os direitos reservados
    Tel +55 81 2126.8430 - Cidade Universitária - 50740-560 - Recife/PE
Plano4 Consultoria Web