Download como arquivo ICAL
"Modelos Neurais para Regressão em Séries Temporais"
Quarta-feira 21 Outubro 2020, 16:00
Contato: Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.

Candidato: Thiago Ildeu Albuquerque Lira

Orientador: Prof. Dr. Marcelo Finger

 

Resumo

Thiago Ildeu Albuquerque Lira. Modelos Neurais para Regressão em Séries Temporais: . Dissertação (Mestrado). Instituto de Matemática e Estatística, Universidade de São Paulo, São Paulo, 2017.

Dada a crescente importância da predição de resistência compressiva do cimento para um uso mais eciente de recursos na indústria, literatura recente busca analisar quais modelos estatísticos podem auxiliar o processo indústrial. Esse trabalho documenta a aplicação de técnicas de Deep Learning Bayesiano para a geração de predições temporais robustas e conáveis para a resistência compressiva do cimento. Os resultados mostram que técnicas de Inferência Bayesiana para modelos de Aprendizado Profundo promovem um ganho sensível de acurácia para o problema de predição de RC, com o benefício adicional das características probabilísticas das predições, tornando-as mais seguras para o possível uso no chão de fábrica.

Palavras-chave: Deep Learning. Séries Temporais. Inferência Bayesiana.

Local https://meet.google.com/onn-vnzh-mvu