Uma abordagem de seleção dinâmica de preditores baseada nas janelas temporais mais recentes

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: SILVA, Eraylson Galdino da
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
UFPE
Brasil
Programa de Pos Graduacao em Ciencia da Computacao
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Seleção dinâmica
Sistema de múltiplos preditores
Séries temporais
Ensemble
Link de acesso: https://repositorio.ufpe.br/handle/123456789/43511
Resumo: O desenvolvimento de sistemas de previsão acurados para modelagem de séries temporais do mundo real é uma tarefa desafiadora. Devido à presença de padrões temporais que mudam ao longo do tempo, a adoção de um modelo único pode levar a previsões de baixa acurácia. Nesse cenário, Sistemas de Múltiplo Preditores (SMP) surgem como uma alternativa promissora. A seleção dinâmica de preditores é um caso especial de SMP, onde cada modelo é um especialista em padrões específicos da série temporal. Na seleção dinâmica os modelos mais competentes são selecionados para cada novo padrão de teste. Um critério frequentemente utilizado é avaliar o desempenho dos modelos na região de competência, formada pelos padrões (presentes nos conjuntos de treinamento ou validação) mais similares ao padrão de teste. A qualidade da região de competência é um fator chave na precisão do SMP. Porém, definir adequadamente a medida de similaridade e o tamanho da região de competência é um desafio. Além disso, não há garantia de que existam padrões similares no conjunto de treinamento ou validação. Esta tese propõe uma abordagem de seleção dinâmica intitulada Dynamic Selection based on the Nearest Windows (DSNAW) que escolhe um ou mais modelos de acordo com seu desempenho na região de competência composta pelas janelas que antecedem à nova janela da observação de teste. Essa estratégia assume que as janelas temporais mais próximas do novo padrão de teste têm um comportamento mais similar à observação a ser predita do que os dados de treinamento. O estudo experimental utilizando dez séries temporais mostrou que a abordagem proposta supera as abordagens da literatura, consolidando-a como uma nova abordagem para seleção dinâmica de preditores.
id UFPE_38203ec68eeb132918a0064591b24a49
oai_identifier_str oai:repositorio.ufpe.br:123456789/43511
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str
spelling Uma abordagem de seleção dinâmica de preditores baseada nas janelas temporais mais recentesSeleção dinâmicaSistema de múltiplos preditoresSéries temporaisEnsembleO desenvolvimento de sistemas de previsão acurados para modelagem de séries temporais do mundo real é uma tarefa desafiadora. Devido à presença de padrões temporais que mudam ao longo do tempo, a adoção de um modelo único pode levar a previsões de baixa acurácia. Nesse cenário, Sistemas de Múltiplo Preditores (SMP) surgem como uma alternativa promissora. A seleção dinâmica de preditores é um caso especial de SMP, onde cada modelo é um especialista em padrões específicos da série temporal. Na seleção dinâmica os modelos mais competentes são selecionados para cada novo padrão de teste. Um critério frequentemente utilizado é avaliar o desempenho dos modelos na região de competência, formada pelos padrões (presentes nos conjuntos de treinamento ou validação) mais similares ao padrão de teste. A qualidade da região de competência é um fator chave na precisão do SMP. Porém, definir adequadamente a medida de similaridade e o tamanho da região de competência é um desafio. Além disso, não há garantia de que existam padrões similares no conjunto de treinamento ou validação. Esta tese propõe uma abordagem de seleção dinâmica intitulada Dynamic Selection based on the Nearest Windows (DSNAW) que escolhe um ou mais modelos de acordo com seu desempenho na região de competência composta pelas janelas que antecedem à nova janela da observação de teste. Essa estratégia assume que as janelas temporais mais próximas do novo padrão de teste têm um comportamento mais similar à observação a ser predita do que os dados de treinamento. O estudo experimental utilizando dez séries temporais mostrou que a abordagem proposta supera as abordagens da literatura, consolidando-a como uma nova abordagem para seleção dinâmica de preditores.FACEPEThe development of accurate forecasting systems for real-world time series modeling is a chal- lenging task. Due to the presence of temporal patterns that change over time, the adoption of a single model can lead to underperformed forecasts. In this scenario, Multiple Predictor Systems (MPS) emerge as an alternative to adopting single models since they struggle to learn in the presence of temporal patterns that change over time. Dynamic prediction/ensem- ble selection is a special case of MPS where each model is an expert in the time series’s specific patterns. In dynamic selection, instead of combining all models, the most competent models per test pattern are selected. A criterion commonly used is to evaluate the models’ performance in the region of competence, formed by the patterns present in the in-sample set (training or validation sets) more similar to the test pattern. Thus, the region of competence’s quality is a key factor in the precision of the MPS. However, adequately defining the similar- ity criterion and the size of the region of competence is challenging and problem-dependent. Furthermore, there is no guarantee that similar data exist in the in-sample set. This thesis proposes a dynamic selection approach entitled Dynamic Selection based on the Nearest Win- dows (DSNAW) that selects one or more competent models according to their performance in the region of competence composed of the nearest antecedent windows to the new target time window. This strategy assumes that the temporal windows closer to a test pattern have a behavior more similar to the target than in-sample data. The experimental study using ten well-known time series showed that the DSNAW outperforms the literature approaches.Universidade Federal de PernambucoUFPEBrasilPrograma de Pos Graduacao em Ciencia da ComputacaoMATTOS NETO, Paulo Salgado Gomes deCAVALCANTI, George Darmiton da Cunhahttp://lattes.cnpq.br/3313997968136136http://lattes.cnpq.br/4610098557429398http://lattes.cnpq.br/8577312109146354SILVA, Eraylson Galdino da2022-03-24T19:49:58Z2022-03-24T19:49:58Z2021-08-16info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfSILVA, Eraylson Galdino da. Uma abordagem de seleção dinâmica de preditores baseada nas janelas temporais mais recentes. 2021. Tese (Doutorado em Ciência da Computação) - Universidade Federal de Pernambuco, Recife, 2021.https://repositorio.ufpe.br/handle/123456789/43511porAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPE2022-03-25T05:11:03Zoai:repositorio.ufpe.br:123456789/43511Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212022-03-25T05:11:03Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.none.fl_str_mv Uma abordagem de seleção dinâmica de preditores baseada nas janelas temporais mais recentes
title Uma abordagem de seleção dinâmica de preditores baseada nas janelas temporais mais recentes
spellingShingle Uma abordagem de seleção dinâmica de preditores baseada nas janelas temporais mais recentes
SILVA, Eraylson Galdino da
Seleção dinâmica
Sistema de múltiplos preditores
Séries temporais
Ensemble
title_short Uma abordagem de seleção dinâmica de preditores baseada nas janelas temporais mais recentes
title_full Uma abordagem de seleção dinâmica de preditores baseada nas janelas temporais mais recentes
title_fullStr Uma abordagem de seleção dinâmica de preditores baseada nas janelas temporais mais recentes
title_full_unstemmed Uma abordagem de seleção dinâmica de preditores baseada nas janelas temporais mais recentes
title_sort Uma abordagem de seleção dinâmica de preditores baseada nas janelas temporais mais recentes
author SILVA, Eraylson Galdino da
author_facet SILVA, Eraylson Galdino da
author_role author
dc.contributor.none.fl_str_mv MATTOS NETO, Paulo Salgado Gomes de
CAVALCANTI, George Darmiton da Cunha
http://lattes.cnpq.br/3313997968136136
http://lattes.cnpq.br/4610098557429398
http://lattes.cnpq.br/8577312109146354
dc.contributor.author.fl_str_mv SILVA, Eraylson Galdino da
dc.subject.por.fl_str_mv Seleção dinâmica
Sistema de múltiplos preditores
Séries temporais
Ensemble
topic Seleção dinâmica
Sistema de múltiplos preditores
Séries temporais
Ensemble
description O desenvolvimento de sistemas de previsão acurados para modelagem de séries temporais do mundo real é uma tarefa desafiadora. Devido à presença de padrões temporais que mudam ao longo do tempo, a adoção de um modelo único pode levar a previsões de baixa acurácia. Nesse cenário, Sistemas de Múltiplo Preditores (SMP) surgem como uma alternativa promissora. A seleção dinâmica de preditores é um caso especial de SMP, onde cada modelo é um especialista em padrões específicos da série temporal. Na seleção dinâmica os modelos mais competentes são selecionados para cada novo padrão de teste. Um critério frequentemente utilizado é avaliar o desempenho dos modelos na região de competência, formada pelos padrões (presentes nos conjuntos de treinamento ou validação) mais similares ao padrão de teste. A qualidade da região de competência é um fator chave na precisão do SMP. Porém, definir adequadamente a medida de similaridade e o tamanho da região de competência é um desafio. Além disso, não há garantia de que existam padrões similares no conjunto de treinamento ou validação. Esta tese propõe uma abordagem de seleção dinâmica intitulada Dynamic Selection based on the Nearest Windows (DSNAW) que escolhe um ou mais modelos de acordo com seu desempenho na região de competência composta pelas janelas que antecedem à nova janela da observação de teste. Essa estratégia assume que as janelas temporais mais próximas do novo padrão de teste têm um comportamento mais similar à observação a ser predita do que os dados de treinamento. O estudo experimental utilizando dez séries temporais mostrou que a abordagem proposta supera as abordagens da literatura, consolidando-a como uma nova abordagem para seleção dinâmica de preditores.
publishDate 2021
dc.date.none.fl_str_mv 2021-08-16
2022-03-24T19:49:58Z
2022-03-24T19:49:58Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv SILVA, Eraylson Galdino da. Uma abordagem de seleção dinâmica de preditores baseada nas janelas temporais mais recentes. 2021. Tese (Doutorado em Ciência da Computação) - Universidade Federal de Pernambuco, Recife, 2021.
https://repositorio.ufpe.br/handle/123456789/43511
identifier_str_mv SILVA, Eraylson Galdino da. Uma abordagem de seleção dinâmica de preditores baseada nas janelas temporais mais recentes. 2021. Tese (Doutorado em Ciência da Computação) - Universidade Federal de Pernambuco, Recife, 2021.
url https://repositorio.ufpe.br/handle/123456789/43511
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
UFPE
Brasil
Programa de Pos Graduacao em Ciencia da Computacao
publisher.none.fl_str_mv Universidade Federal de Pernambuco
UFPE
Brasil
Programa de Pos Graduacao em Ciencia da Computacao
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1856042118153240576

Registros relacionados