Proposta de um algoritmo genérico de detecção de novidades em séries temporais utilizando modelos de previsão
Autor(a) principal: | |
---|---|
Data de Publicação: | 2007 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | http://hdl.handle.net/1843/BUOS-8CYNMV |
Resumo: | Novidades ou anomalias em uma serie temporal podem ser vistas como valores ou uma sequência de valores inesperados quando comparados a um conjunto de valores considerados normais. Um algoritmo de detecção de novidades em séries temporais deve ser capaz de classificar cada ponto da série em normal ou novidade. Existem diversas aplicações para o problema de detecção de novidades em séries temporais, como detecção de falhas em sistemas dinâmicos, detecção de fraudes em sistemas financeiros e monitoramento de sinais fisiológicos. Esse trabalho propõe um algoritmo genérico de detecção de novidades em séries temporais baseado em um modelo de previsão. O algoritmo é genérico pois não define qual modelo a ser utilizado. Duas instanciações do algoritmo são apresentadas, a primeira baseada em um modelo de previsão estatístico e a segunda em um modelo neural. O algoritmo foi utilizado para detectar síndrome de apnéia do sono, através do monitoramento de sinais de eletrocardiogramas e para detectar falhas em um sistema dinâmico através do monitoramento de algumas de suas variáveis amostradas ao longo do tempo. Os resultados obtidos, nos dois problemas, quando comparados aos encontrados na literatura, mostram que o algoritmo proposto é uma alternativa bastante promissora. |
id |
UFMG_dd61eea87c0aa083696bb3a873347645 |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/BUOS-8CYNMV |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Walmir Matos CaminhasCarlos Julio Tierra CriolloAndre Paim Lemos2019-08-13T02:33:21Z2019-08-13T02:33:21Z2007-08-17http://hdl.handle.net/1843/BUOS-8CYNMVNovidades ou anomalias em uma serie temporal podem ser vistas como valores ou uma sequência de valores inesperados quando comparados a um conjunto de valores considerados normais. Um algoritmo de detecção de novidades em séries temporais deve ser capaz de classificar cada ponto da série em normal ou novidade. Existem diversas aplicações para o problema de detecção de novidades em séries temporais, como detecção de falhas em sistemas dinâmicos, detecção de fraudes em sistemas financeiros e monitoramento de sinais fisiológicos. Esse trabalho propõe um algoritmo genérico de detecção de novidades em séries temporais baseado em um modelo de previsão. O algoritmo é genérico pois não define qual modelo a ser utilizado. Duas instanciações do algoritmo são apresentadas, a primeira baseada em um modelo de previsão estatístico e a segunda em um modelo neural. O algoritmo foi utilizado para detectar síndrome de apnéia do sono, através do monitoramento de sinais de eletrocardiogramas e para detectar falhas em um sistema dinâmico através do monitoramento de algumas de suas variáveis amostradas ao longo do tempo. Os resultados obtidos, nos dois problemas, quando comparados aos encontrados na literatura, mostram que o algoritmo proposto é uma alternativa bastante promissora.Novelties or anomalies on time series can be seen as unexpected values or a sequence of unexpected values when compared to a dataset considered to be normal. A time series novelty detection algorithm must be capable to classify each point of the time series as normal or novelty. There are many applications to the problem of time series novelty detection including fault detection on dynamic systems, fraud detection on financial systems and physiologic signals monitoring. This work proposes a generic novelty Detection algorithm based on a forecasting model. The algorithm is generic because it does not define the forecasting model to be used. Two algorithm instantiations are proposed, the first one, based on a statistical model and the second one based on a neural model. The algorithm is used to screen obstructive sleep apnea through electrocardiogram monitoring and to detect faults on a dynamic system monitoring some of the system variables. The results achieved on both problems are near to the results found on literature. Universidade Federal de Minas GeraisUFMGEngenharia elétricaEngenharia elétricaProposta de um algoritmo genérico de detecção de novidades em séries temporais utilizando modelos de previsãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALandr__paim_lemos.pdfapplication/pdf1258856https://repositorio.ufmg.br/bitstream/1843/BUOS-8CYNMV/1/andr__paim_lemos.pdf65062b7155355780ee65afb442bf7b4cMD51TEXTandr__paim_lemos.pdf.txtandr__paim_lemos.pdf.txtExtracted texttext/plain166066https://repositorio.ufmg.br/bitstream/1843/BUOS-8CYNMV/2/andr__paim_lemos.pdf.txt3f1d8af831241783776c6a8457ce78dfMD521843/BUOS-8CYNMV2019-11-14 20:49:42.723oai:repositorio.ufmg.br:1843/BUOS-8CYNMVRepositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T23:49:42Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Proposta de um algoritmo genérico de detecção de novidades em séries temporais utilizando modelos de previsão |
title |
Proposta de um algoritmo genérico de detecção de novidades em séries temporais utilizando modelos de previsão |
spellingShingle |
Proposta de um algoritmo genérico de detecção de novidades em séries temporais utilizando modelos de previsão Andre Paim Lemos Engenharia elétrica Engenharia elétrica |
title_short |
Proposta de um algoritmo genérico de detecção de novidades em séries temporais utilizando modelos de previsão |
title_full |
Proposta de um algoritmo genérico de detecção de novidades em séries temporais utilizando modelos de previsão |
title_fullStr |
Proposta de um algoritmo genérico de detecção de novidades em séries temporais utilizando modelos de previsão |
title_full_unstemmed |
Proposta de um algoritmo genérico de detecção de novidades em séries temporais utilizando modelos de previsão |
title_sort |
Proposta de um algoritmo genérico de detecção de novidades em séries temporais utilizando modelos de previsão |
author |
Andre Paim Lemos |
author_facet |
Andre Paim Lemos |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Walmir Matos Caminhas |
dc.contributor.advisor-co1.fl_str_mv |
Carlos Julio Tierra Criollo |
dc.contributor.author.fl_str_mv |
Andre Paim Lemos |
contributor_str_mv |
Walmir Matos Caminhas Carlos Julio Tierra Criollo |
dc.subject.por.fl_str_mv |
Engenharia elétrica |
topic |
Engenharia elétrica Engenharia elétrica |
dc.subject.other.pt_BR.fl_str_mv |
Engenharia elétrica |
description |
Novidades ou anomalias em uma serie temporal podem ser vistas como valores ou uma sequência de valores inesperados quando comparados a um conjunto de valores considerados normais. Um algoritmo de detecção de novidades em séries temporais deve ser capaz de classificar cada ponto da série em normal ou novidade. Existem diversas aplicações para o problema de detecção de novidades em séries temporais, como detecção de falhas em sistemas dinâmicos, detecção de fraudes em sistemas financeiros e monitoramento de sinais fisiológicos. Esse trabalho propõe um algoritmo genérico de detecção de novidades em séries temporais baseado em um modelo de previsão. O algoritmo é genérico pois não define qual modelo a ser utilizado. Duas instanciações do algoritmo são apresentadas, a primeira baseada em um modelo de previsão estatístico e a segunda em um modelo neural. O algoritmo foi utilizado para detectar síndrome de apnéia do sono, através do monitoramento de sinais de eletrocardiogramas e para detectar falhas em um sistema dinâmico através do monitoramento de algumas de suas variáveis amostradas ao longo do tempo. Os resultados obtidos, nos dois problemas, quando comparados aos encontrados na literatura, mostram que o algoritmo proposto é uma alternativa bastante promissora. |
publishDate |
2007 |
dc.date.issued.fl_str_mv |
2007-08-17 |
dc.date.accessioned.fl_str_mv |
2019-08-13T02:33:21Z |
dc.date.available.fl_str_mv |
2019-08-13T02:33:21Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1843/BUOS-8CYNMV |
url |
http://hdl.handle.net/1843/BUOS-8CYNMV |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.initials.fl_str_mv |
UFMG |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/BUOS-8CYNMV/1/andr__paim_lemos.pdf https://repositorio.ufmg.br/bitstream/1843/BUOS-8CYNMV/2/andr__paim_lemos.pdf.txt |
bitstream.checksum.fl_str_mv |
65062b7155355780ee65afb442bf7b4c 3f1d8af831241783776c6a8457ce78df |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1803589403752267776 |