Show simple item record

dc.contributor.advisorRamirez Pozo, Aurora Trinidad, 1959-pt_BR
dc.contributor.authorVriesmann, Leila Mariapt_BR
dc.contributor.otherGuimaraes, Alaine Margaretept_BR
dc.contributor.otherUniversidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informáticapt_BR
dc.date.accessioned2021-07-14T11:50:10Z
dc.date.available2021-07-14T11:50:10Z
dc.date.issued2006pt_BR
dc.identifier.urihttps://hdl.handle.net/1884/3770
dc.descriptionOrientadora: Aurora Trinidad Ramírez Pozopt_BR
dc.descriptionCo-orientadora: Alaine Margarete Guimaraespt_BR
dc.descriptionDissertaçao (mestrado) - Universidade Federal do Paraná, Setor de Ciencias Exatas, Programa de Pós-Graduaçao em Informática. Defesa: Curitiba, 2006pt_BR
dc.descriptionInclui bibliografiapt_BR
dc.description.abstractResumo: O aumento no volume de dados armazenados contribui para o crescimento da expectativa de obter informações implícitas que possam auxiliar em decisões futuras. A extração de padrão nos dados que possuem alguma dimensão de tempo é tarefa da Mineração de Dados Temporais. Quando os atributos têm características numéricas, os padrões podem ser descobertos por meio da regressão, a qual constrói modelos que mapeiam variáveis de entrada x = {x1...xn} para uma variável de saída y. Para determinar modelos (equações) lineares na regressão, convém que a técnica utilizada seja capaz de manipular variáveis contínuas. Diferentes técnicas podem ser utilizadas na Mineração de Dados, como Redes Neurais e algoritmos de Computação Evolucionária (Programação Genética, Algoritmos Genéticos, etc). A Computação Evolucionária (EC – Evolutionary Computation) é uma das áreas do aprendizado de máquina onde a solução de problemas baseia-se na teoria da evolução natural das espécies, proposta por Darwin. Entre as técnicas de Computação Evolucionária, as Estratégias Evolucionárias (ESs – Evolution Strategies) são apropriadas para a manipulação de variáveis contínuas. ESs codificam indivíduos (soluções) na forma de variáveis reais (contínuas) e evoluem essas soluções ao longo das gerações. Assim sendo, Estratégia Evolucionária pode ser utilizada na tarefa de regressão. Para aperfeiçoar as hipóteses obtidas por meio de ES, pode-se utilizar o Boosting, um método de aprendizado de máquina que visa gerar uma única solução precisa, combinando hipóteses fracas. Um algoritmo de Boosting é o AdaBoost, o qual fornece um conjunto de exemplos de treinamento com uma distribuição de pesos a um programa que gera hipóteses fracas. Isso força o programa a focar em exemplos de maior peso. O objetivo deste trabalho foi utilizar AdaBoost e ESs na tarefa de regressão para a Mineração de Dados Temporais. O algoritmo exposto nessa dissertação, denominado ESboost, foi implementado em C++ e utilizou a biblioteca EO. Realizaram-se diferentes experimentos com séries temporais univariadas, com séries temporais multivariadas e com bases de dados de regressão. Em relação às execuções da ES sem Boosting, observou-se que na maioria dos casos houve uma melhora pelo menos com uma das funções de perdas. Em muitos casos, houve melhora em relação à regressão linear e às model trees do software Weka, o qual é uma ferramenta para Mineração de Dados. Os resultados do ESboost nas séries temporais univariadas superaram o modelo ARMA em quase todas as séries. Trabalhos futuros poderão constituir-se da aplicação de outras técnicas de aprendizado de máquina no lugar de ES, de experimentos com outras funções de fitness e de estudos comparativos com outras metodologias para a predição de eventospt_BR
dc.format.extentviii, 65f. : il., tabs.pt_BR
dc.format.mimetypeapplication/pdfpt_BR
dc.languagePortuguêspt_BR
dc.relationDisponível em formato digitalpt_BR
dc.subjectInformáticapt_BR
dc.subjectBanco de dados temporaispt_BR
dc.subjectAnalise de series temporais - Processamento de dadospt_BR
dc.subjectMineração de dados (Computação)pt_BR
dc.subjectTesespt_BR
dc.subjectCiencia da Computaçãopt_BR
dc.titleBoosting e estratégias evolucionárias na tarefa de regressao para a mineraçao de dados temporaispt_BR
dc.typeDissertaçãopt_BR


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record