Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.074
Aluno: José Flávio Vieira Melo
Orientador: Prof. Paulo Salgado Gomes de Mattos Neto
Coorientador: Dr. Eraylson Galdino da Silva
Título: Um Sistema baseado em Aprendizagem Adaptativa para previsão de
séries temporais
Data: 14/03/2023
Hora/Local: 14h – Virtual – Interessados em assistir entrar em contato como o aluno
Banca Examinadora:
Prof. Fernando Maciano de Paula Neto (UFPE / Centro de Informática)
Prof. João Fausto Lorenzato de Oliveira (UPE / Escola Politécnica de Pernambuco)
Prof. Paulo Salgado Gomes de Mattos Neto (UFPE / Centro de Informática)
RESUMO:
A previsão de séries temporais em aplicações do mundo real é uma tarefa
desafiadora, uma vez que esses fenômenos podem apresentar padrões temporais
que mudam ao longo do tempo. A adoção de um único modelo pode levar a
previsões de baixa acurácia nessas tarefas. Sistemas de Múltiplo Preditores
(SMP) que empregam Seleção Dinâmica (SD) surgem como uma alternativa
promissora para modelagem de séries temporais reais. Os SMP que utilizam SD
escolhem um ou mais modelos mais competentes a partir de um Pool
pré-treinado para prever cada novo padrão de teste. Contudo, as técnicas de
seleção dinâmica do estado da arte apresentam dificuldades para selecionar
os melhores modelos. Frequentemente, emprega-se um critério para avaliar o
desempenho dos modelos na região de competência, que é formada pelos
padrões (geralmente presentes nos conjuntos de treinamento ou validação)
mais similares ao padrão de teste sob análise. Entretanto, não há garantia
de que existem padrões similares ao padrão de teste nos conjuntos
disponíveis. Esse trabalho propõe o sistema Adaptive Learning Forecaster
(ALF), um SMP que treina um modelo de previsão para cada novo padrão de
teste a partir da região de competência mais similar ao padrão alvo. O
processo de treinamento ocorre “on the fly” e visa criar um modelo
especialista para cada novo padrão de teste. Desse modo, não é necessária a
criação de um Pool de modelos e todo modelo criado é especialista em um
padrão local. Um estudo experimental utilizando dez séries temporais bem
conhecidas mostrou que o ALF supera as abordagens da literatura,
consolidando-a como uma alternativa promissora às técnicas de seleção
dinâmica de preditores.
Palavras-chave: Seleção dinâmica; Sistema de múltiplos preditores; Séries
temporais; Aprendizado de máquina; Previsão
Comentários desativados