Representação de sinais de atividade eletrodérmica usando decomposições atômicas com aceleração via redes neurais artificiais

• Ano de defesa: 2023
• Autor(a) principal: Lima, Paulo Victor Martins Rosa Huguenin de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Estado do Rio de Janeiro; Centro de Tecnologia e Ciências::Faculdade de Engenharia; Brasil; UERJ; Programa de Pós-Graduação em Engenharia Eletrônica
• Palavras-chave em Português: Electronic engineering; Neural networks (Computer science); Natural language processing (Computer science); Algorithms; Engenharia eletrônica; Redes neurais (Computação); Processamento de linguagem natural (Computação); Algorítmos; ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES
• Link de acesso: http://www.bdtd.uerj.br/handle/1/20419

A profusão de dispositivos embarcando sensores capazes de monitorar e capturar sinais biomédicos em tempo real, dentre eles a atividade eletrodérmica (EDA), demanda técnicas capazes de representar eficientemente o sinal de EDA que permitam ao mesmo tempo analisá-los de forma a prover informações úteis para suas interpretações. Algoritmos vorazes de decomposição adaptativa, como o Matching Pursuit (MP), têm ido utilizados para obter aproximações de sinais coerentes, isto é, relacionadas com os fenômenos representados nos sinais. O MP obtém uma soma ponderada de poucas formas de onda (átomos) selecionadas a partir de um dicionário redundante iterativamente. O dicionário contém os átomos de onde selecionam-se quais empregar na aproximação. Quando ele contém múltiplas formas de ondas protótipos a partir das quais os átomos são parametrizados, podemos dizer que o dicionário é composto de subdicionários. Nesta dissertação, investigamos o uso de um tal dicionário para a representação de sinais de EDA via MP, já que tal dicionário pode fornecer decomposições mais esparsas de sinais de EDA. Investigam-se as parametrizações adequadas para os subdicionários contendo átomos similares aos fenômenos representados em sinais EDA. Por outro lado, isso aumenta a complexidade computacional na obtenção da representação. Propõe-se um método de seleção de subdicionário no laço do algoritmo MP usando uma rede neural artificial (RNA) para reduzi-la sem impactar a qualidade da representação obtida. Investigam-se modelos de RNAs capazes de prever com boa acurácia o subdicionário a usar no laço de decomposição MP. Tal abordagem permite dividir a complexidade computacional pela quantidade de subdicionários sem comprometer fortemente a qualidade (medida em função do erro da aproximação) em função da quantidade de átomos (iterações do MP) da representação.