Dissertação
Time series analysis using restricted Boltzmann machines and dynamic Bayesian networks EVALUATED
O estudo de séries temporais multivariadas é considerado um tópico importante, sendo usadas com regularidade para representar a evolução de um conjunto de variáveis. Esta representação é feita através de uma larga variedade de métodos, de entre os quais as redes de Bayes dinâmicas (DBNs) se apresentam como um dos mais populares. Algumas aplicações incluem a modelação de conjuntos de dados e a predição de valores futuros com base em observações prévias, ignorando no entanto relações latentes presentes ao longo intervalo de tempo que podem ajudar a identificar laços entre variáveis que influenciem a sua evolução. A utilização de métodos que aceitam e modelam estas relações latentes pode ser visto como uma possível extensão para estes algoritmos. Um novo método é desenvolvido onde um conjunto de DBNs é gerado para a tarefa de classificação, sendo os dados previamente processados por máquinas de Boltzmann restritas (RBMs), um método estocástico e não dirigido utilizado para reaver relações intra-temporais que estejam presentes ao longo do intervalo de tempo, representado-as através de variáveis latentes. O método desenvolvido é validado e o impacto do uso de RBMs avaliado, primeiramente em conjuntos de dados artificiais e posteriormente em dados reais. O pré-processamento dos dados é bem sucedido no que toca a modelar as relações entre variáveis presentes, trazendo vantagens em relação ao seu não pré-processmento quando a complexidade das relações aumenta. Os resultados obtidos são analisados, algumas propostas são feitas para possíveis melhoramentos em conjunto com cenários onde este pré-processamento dos dados deverá trazer benefícios.
novembro 25, 2019, 14:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Alexandra Sofia Martins de Carvalho
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Auxiliar
