Aplicação do algoritmo Multi-Layer Perceptron (MLP) para serviço de predição de dados com aprendizado incremental

• Autor(a) principal: Farias, João Paulo Santos de
• Data de Publicação: 2022
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRN
• Texto Completo: https://repositorio.ufrn.br/handle/123456789/46420
• topic: Predição de dados; Aprendizado de máquina; Ajuste de modelos; Data prediction; Machine learning; Model adjustment

O clima está sempre mudando e é muito importante o monitoramento das variações climáticas, uma vez que diversas atividades humanas dependem de condições específicas para terem sucesso. Ao longo do tempo têm sido desenvolvidos diversos trabalhos relacionados a variações climáticas. Muitos desses trabalhos envolvem IoT (Internet of Things), tendo em vista que muitas vezes o monitoramento de grandezas climáticas requer redes de sensoriamento. Os Nós Sensores que compõem essas redes muitas vezes sofrem com o problema de fonte de energia, devido a uma grande dependência de baterias para nós que se encontram em locais remotos. A inteligência computacional é um recurso que pode ser utilizado para resolver diversos tipos de problemas de redes de sensores. Chacon (2021) desenvolveu um serviço de predição de dados utilizando Machine Learning, visando solucionar o problema do consumo de energia das baterias utilizadas em Nós Sensores. O trabalho desenvolvido visa encontrar uma abordagem diferente para elaborar modelos de predição de dados utilizados em Chacon (2021), que inicialmente não tiveram resultados tão satisfatórios. A elaboração se deu através de um estudo mais detalhado das bases de dados e utilização de algoritmos para encontrar parâmetros melhores. Os experimentos realizados apresentaram modelos e estratégias de treinamento capazes de realizar a predição dos dados de umidade do ar, mas não da temperatura.