Transferência de conhecimento da transformada shapelet para classificação de séries temporais em redes neurais convolucionais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPR |
Texto Completo: | https://hdl.handle.net/1884/73589 |
Resumo: | Orientador: Fabiano Silva |
id |
UFPR_0aa6c8442947e351757b6febe5b9a4e6 |
---|---|
oai_identifier_str |
oai:acervodigital.ufpr.br:1884/73589 |
network_acronym_str |
UFPR |
network_name_str |
Repositório Institucional da UFPR |
repository_id_str |
308 |
spelling |
Souza, Alexandre Felipe Müller de, 1985-Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em InformáticaSilva, Fabiano, 1972-2022-05-27T12:00:12Z2022-05-27T12:00:12Z2021https://hdl.handle.net/1884/73589Orientador: Fabiano SilvaDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa : Curitiba, 16/04/2021Inclui referências: p. 44-46Área de concentração: Ciência da ComputaçãoResumo: O crescente acúmulo na aquisição de dados, por mais diversos dispositivos, torna necessário o uso de ferramentas automatizadas para a descoberta de padrões. Dentre estas ferramentas automatizadas, a classificação de séries temporais, com aplicações em inúmeras atividades, melhora continuamente devido às bases de dados de séries públicas que permitem um marco comparativo. Também entre as diversas formas de se classificar uma série temporal, duas são foco deste trabalho: a classificação com símbolos (em especial shapelets) e as redes neurais convolucionais. A primitiva shapelet é um descritor de subsequências representativas para uma classe. A extração prévia dessa representação pode melhorar a capacidade de classificação de uma rede neural convolucional através da transferência de conhecimento. Neste trabalho, mostra-se um experimento onde a extração destas representações, antes do início do aprendizado da rede neural, muda o comportamento destes classificadores para bases específicas e, consequentemente, representa um ganho de representação em diversas bases.Abstract: Nowadays the evolution of sensor data acquisition needs the use of automatic tools to discover patterns. One of those automatic tools is the time series classification, with widely possible applications, that improves continuously due to public datasets that becomes a benchmark in researches. Among many ways to classify time series two, in particular, are explored here: the symbolic (specially Shapelet primitive) and the neural network classification. The shapelet primitive is a descriptor of subsequences that represents a class. The previous extraction of this representation can improve the classification capacity in a convolutional neuronal network using transfer learning. Furthermore, is shown an experiment where symbolic extraction, before the network training, changes the result of a classifier for most bases and improves the classification accuracy.1 recurso online : PDF.application/pdfInteligência artificialMineração de dados (Computação)Ciência da ComputaçãoAnalise de series temporais - Processamento de dadosRedes neurais (Computação)Transferência de conhecimento da transformada shapelet para classificação de séries temporais em redes neurais convolucionaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - ALEXANDRE FELIPE MULLER DE SOUZA.pdfapplication/pdf1577114https://acervodigital.ufpr.br/bitstream/1884/73589/1/R%20-%20D%20-%20ALEXANDRE%20FELIPE%20MULLER%20DE%20SOUZA.pdf3262a6ae21c749515386c3351d6589ddMD51open access1884/735892022-05-27 09:00:12.707open accessoai:acervodigital.ufpr.br:1884/73589Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082022-05-27T12:00:12Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false |
dc.title.pt_BR.fl_str_mv |
Transferência de conhecimento da transformada shapelet para classificação de séries temporais em redes neurais convolucionais |
title |
Transferência de conhecimento da transformada shapelet para classificação de séries temporais em redes neurais convolucionais |
spellingShingle |
Transferência de conhecimento da transformada shapelet para classificação de séries temporais em redes neurais convolucionais Souza, Alexandre Felipe Müller de, 1985- Inteligência artificial Mineração de dados (Computação) Ciência da Computação Analise de series temporais - Processamento de dados Redes neurais (Computação) |
title_short |
Transferência de conhecimento da transformada shapelet para classificação de séries temporais em redes neurais convolucionais |
title_full |
Transferência de conhecimento da transformada shapelet para classificação de séries temporais em redes neurais convolucionais |
title_fullStr |
Transferência de conhecimento da transformada shapelet para classificação de séries temporais em redes neurais convolucionais |
title_full_unstemmed |
Transferência de conhecimento da transformada shapelet para classificação de séries temporais em redes neurais convolucionais |
title_sort |
Transferência de conhecimento da transformada shapelet para classificação de séries temporais em redes neurais convolucionais |
author |
Souza, Alexandre Felipe Müller de, 1985- |
author_facet |
Souza, Alexandre Felipe Müller de, 1985- |
author_role |
author |
dc.contributor.other.pt_BR.fl_str_mv |
Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática |
dc.contributor.author.fl_str_mv |
Souza, Alexandre Felipe Müller de, 1985- |
dc.contributor.advisor1.fl_str_mv |
Silva, Fabiano, 1972- |
contributor_str_mv |
Silva, Fabiano, 1972- |
dc.subject.por.fl_str_mv |
Inteligência artificial Mineração de dados (Computação) Ciência da Computação Analise de series temporais - Processamento de dados Redes neurais (Computação) |
topic |
Inteligência artificial Mineração de dados (Computação) Ciência da Computação Analise de series temporais - Processamento de dados Redes neurais (Computação) |
description |
Orientador: Fabiano Silva |
publishDate |
2021 |
dc.date.issued.fl_str_mv |
2021 |
dc.date.accessioned.fl_str_mv |
2022-05-27T12:00:12Z |
dc.date.available.fl_str_mv |
2022-05-27T12:00:12Z |
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 |
https://hdl.handle.net/1884/73589 |
url |
https://hdl.handle.net/1884/73589 |
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.format.none.fl_str_mv |
1 recurso online : PDF. application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPR instname:Universidade Federal do Paraná (UFPR) instacron:UFPR |
instname_str |
Universidade Federal do Paraná (UFPR) |
instacron_str |
UFPR |
institution |
UFPR |
reponame_str |
Repositório Institucional da UFPR |
collection |
Repositório Institucional da UFPR |
bitstream.url.fl_str_mv |
https://acervodigital.ufpr.br/bitstream/1884/73589/1/R%20-%20D%20-%20ALEXANDRE%20FELIPE%20MULLER%20DE%20SOUZA.pdf |
bitstream.checksum.fl_str_mv |
3262a6ae21c749515386c3351d6589dd |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR) |
repository.mail.fl_str_mv |
|
_version_ |
1801860662938304512 |