Predição espaço-temporal de eventos usando redes neurais convolucionais para grafos (2021)
- Authors:
- Autor USP: NATALI, PEDRO HENRIQUE RAMPIM - EESC E ICMC
- Unidade: EESC E ICMC
- Subjects: PREDIÇÃO; REDES NEURAIS; COVID-19
- Keywords: Espaço-temporal; Convolucionais; STGCN; Prophet
- Language: Português
- Abstract: Eventos observáveis no mundo real são muitas vezes formados por uma série de fatores distintos de áreas diferentes. Com a grande quantidade de dados disponíveis, uma das maneiras de realizar análises desses eventos é a partir de sensores textuais. Um exemplo recente são os sensores relacionados aos eventos de COVID-19. Nesse caso, cada sensor é responsável por classificar e monitorar eventos específicos dentro de um conjunto de dados. Um método para realização da análise temporal é a predição de tendências envolvendo a ocorrência de eventos, que pode ser realizada por meio de métodos de regressão, especialmente com uso de aprendizado de máquina para predição em séries temporais. No entanto, estudos recentes indicam que os eventos podem estar relacionados também espacialmente, ou seja, um ou mais sensores de eventos podem estar relacionados geograficamente. Como solução para desafios desse tipo, novos algoritmos foram propostos para lidar com predição espaço-temporal. Nesse sentido, um método investigado neste projeto é o STGCN (Spatio-Temporal Graph Convolutional Networks), que representa um conjunto de sensores por meio de grafos. Dessa forma, este trabalho visa a avaliação do STGCN para predição espaço-temporal em bases de eventos. Nessa avaliação é explorado um conjunto de eventos extraídos de notícias sobre COVID-19, organizados em mais de 200 sensores (subtemas). Para verificar o impacto da estrutura do grafo e informações geográficas, o STGCN foi comparado com o método Prophet, proposto pela equipe de pesquisadores do Facebook para predições de séries temporais. O trabalho apresenta como conclusão a importância em considerar informações geográficas na análise de eventos, em especial, na predição espaço-temporal de eventos. Além da comparação entre os modelos, o projeto finaliza apresentado um repositório de código-fonte aberto para realizar análise de eventos via STGCN e Prophet de formasimplificada
- Imprenta:
- Publisher place: São Carlos
- Date published: 2021
-
ABNT
NATALI, Pedro Henrique Rampim. Predição espaço-temporal de eventos usando redes neurais convolucionais para grafos. 2021. Trabalho de Conclusão de Curso (Graduação) – , Universidade de São Paulo, São Carlos, 2021. Disponível em: https://bdta.abcd.usp.br/directbitstream/6c5c1d37-305f-4a2c-b44c-21869fece26e/Pedro%20Henrique%20Rampim%20Natali%20.pdf. Acesso em: 25 mar. 2025. -
APA
Natali, P. H. R. (2021). Predição espaço-temporal de eventos usando redes neurais convolucionais para grafos (Trabalho de Conclusão de Curso (Graduação). , Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/6c5c1d37-305f-4a2c-b44c-21869fece26e/Pedro%20Henrique%20Rampim%20Natali%20.pdf -
NLM
Natali PHR. Predição espaço-temporal de eventos usando redes neurais convolucionais para grafos [Internet]. 2021 ;[citado 2025 mar. 25 ] Available from: https://bdta.abcd.usp.br/directbitstream/6c5c1d37-305f-4a2c-b44c-21869fece26e/Pedro%20Henrique%20Rampim%20Natali%20.pdf -
Vancouver
Natali PHR. Predição espaço-temporal de eventos usando redes neurais convolucionais para grafos [Internet]. 2021 ;[citado 2025 mar. 25 ] Available from: https://bdta.abcd.usp.br/directbitstream/6c5c1d37-305f-4a2c-b44c-21869fece26e/Pedro%20Henrique%20Rampim%20Natali%20.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Pedro Henrique Rampim Nat... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
