Dissertação

{en_GB=Adaptive Prediction of Targets in Image Sequences using Sparse Models} {} EVALUATED

{pt=A predição de eventos futuros foi sempre vista como uma ferramenta útil na resolução de problemas de controlo. A posse de informação sobre os próximos estados do sistema a estudar fornece uma profunda compreensão do seu funcionamento. Este relatório explora as consequências e as razões por trás da adição de esparsidade na identificação dos modelos que regem o sistema e na predição dos seus resultados. Para testar a validez desta solução, uma comparação entre o desempenho de métodos que ativamente procuram respostas esparsas e outros que não o fazem é realizada. Com o propósito de tentar descrever o sistema com um modelo oculto de Markov, um método alternativo de identificação é proposto. A estimativa dos valores dos resultados é feita através de uma abordagem linear. Para generalizar a predição de coordenadas de um alvo para grupos de alvos, um método que aplica a resolução da equação de Fokker-Planck no movimento dos pontos adjacentes aos objetos a seguir é construído. A escolha da representação baseada numa grelha de pontos provém de uma variedade de fatores, tais como a natureza discreta dos dados usados e a redução da carga de trabalho devido à simplificação do espaço de estados. Este trabalho serve de base para futuros desenvolvimentos de métodos de predição mais rápidos e de confiança. Particularmente, este relatório elabora as vantagens e desvantagens da introdução de esparsidade como uma parte crítica do preditor. O resultado final é uma solução adequada para predições a curto prazo., en=The prediction of future events has always been regarded as a useful tool for solving control problems. Possessing knowledge over the forthcoming state of the studied system provides a deeper understanding of its behaviour. This report explores the addition of sparseness in the identification of the models generating the output and subsequent effects on the forecasting of said outcome. A comparison between sparsity aware and unaware methods is performed to test the validity of each solution. An alternative system identification method is proposed after pondering on the assumption of a Hidden Markov Model representing the system. A linear approach is considered for the estimation of the output data values. In order to accommodate the prediction of several target coordinates as a group, an application of the Fokker-Planck equation to the motion of the objects is devised on a set of points surrounding the tracked objects. The choice of a grid-based representation is backed up by various factors such as the discrete nature of the data values in the preferred database and the reduction of the workload due to the simplification of state space. This work provides a basis for the continued search of faster and reliable forecast methods. Particularly, the report elaborates on the advantages and disadvantages of introducing sparseness as a crucial part of the predictor. The end result is an adequate solution for short-term predictions. }
{pt=Controlo adapatativo, Esparsidade, Identificação de sistemas, Predição de séries temporais, en=Adaptive control, Sparsity, System identification, Time-series forecasting.}

Julho 1, 2019, 11:30

Orientação

ORIENTADOR

Jorge Dos Santos Salvador Marques

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Catedrático

ORIENTADOR

João Manuel Lage de Miranda Lemos

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Catedrático