Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.058
Aluno: Adriano Marabuco de Albuquerque Lima
Orientador: Prof. Paulo Salgado Gomes de Mattos Neto
Título: Sistema baseado em seleção dinâmica para previsão de casos de COVID-19
Data: 13/12/2022
Hora/Local: 13h – Virtual – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:
Prof. Adriano Lorena Inacio de Oliveira (UFPE / Centro de Informática)
Prof. João Fausto Lorenzato de Oliveira (UPE / Escola Politécnica de PE)
Prof. Paulo Salgado Gomes de Mattos Neto (UFPE / Centro de Informática)
RESUMO:
A pandemia da COVID-19 provocou 546 milhões casos e 20 milhões óbitos até 30 de
junho de 2022, além disso gerou uma queda de 3% no PIB mundial em 2020. Um dos desafios no enfrentamento da doença é a previsão da quantidade de casos e óbitos, assim como a tendência de crescimento e decrescimento. Muitos trabalhos têm focado nessa tarefa, entretanto nenhum deles considerou a mudança de conceito nas séries temporais da COVID-19. Essas séries possuem basicamente três conceitos principais: crescimento exponencial, decrescimento e platô. Dessa forma, modelos que não tratam dessa questão podem apresentar baixa precisão em virtude da mudança na distribuição dos dados ao longo do tempo. Esse trabalho propõe o Concept Drift Dynamic Forecasting System (CODYS) para previsão de casos da COVID-19. O CODYS primeiramente realiza a detecção de conceitos na fase treinamento para gerar um conjunto de preditores especialistas nos padrões encontrados. Na fase de teste, o método proposto seleciona dinamicamente a partir de uma região de competência o modelo mais apto para prever um dado padrão de teste. O CODYS foi avaliado utilizando conjuntos de dados dez países de diferentes continentes e graus de desenvolvimento. Os resultados mostram que o CODYS alcançou desempenho superior quando comparado com modelos da estatísticos, de aprendizado de máquina e ensembles.
Palavras-chave: séries temporais, aprendizado de máquina, mudança de
conceito, seleção dinâmica e COVID-19.
Comentários desativados