dc.creator.ID |
ARRUDA, M. M. |
pt_BR |
dc.creator.ID |
ARRUDA, MILENA. |
pt_BR |
dc.creator.ID |
ARRUDA, MILENA M. |
pt_BR |
dc.creator.Lattes |
http://lattes.cnpq.br/3299838657781132 |
pt_BR |
dc.contributor.advisor1 |
ASSIS, Francisco Marcos de. |
|
dc.contributor.advisor1ID |
ASSIS, F. M. |
pt_BR |
dc.contributor.advisor1ID |
F. M. de Assis. |
pt_BR |
dc.contributor.advisor1ID |
Marcos de Assis. |
pt_BR |
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/2368523362272656 |
pt_BR |
dc.contributor.advisor2 |
VELOSO, Luciana Ribeiro. |
|
dc.contributor.advisor2ID |
VELOSO, L. R. |
pt_BR |
dc.contributor.advisor2ID |
VELOSO, LUCIANA RIBEIRO. |
pt_BR |
dc.contributor.advisor2ID |
VELOSO, LUCIANA. |
pt_BR |
dc.contributor.advisor2Lattes |
http://lattes.cnpq.br/2498050002491677 |
pt_BR |
dc.contributor.referee1 |
ALBERT, Bruno Barbosa. |
|
dc.contributor.referee1ID |
ALBERT, B. B. |
pt_BR |
dc.contributor.referee1ID |
ALBERT, BRUNO BARBOSA. |
pt_BR |
dc.contributor.referee1ID |
BRUNO BARBOSA ALBERT. |
pt_BR |
dc.contributor.referee1Lattes |
http://lattes.cnpq.br/4530607277273584 |
pt_BR |
dc.contributor.referee2 |
SOUZA, Benemar Alencar de. |
|
dc.contributor.referee2ID |
SOUZA, B. A. |
pt_BR |
dc.contributor.referee2ID |
DE SOUZA, BENEMAR ALENCAR. |
pt_BR |
dc.contributor.referee2ID |
ALENCAR DE SOUZA, BENEMAR. |
pt_BR |
dc.contributor.referee2Lattes |
http://lattes.cnpq.br/4987294390789975 |
pt_BR |
dc.contributor.referee3 |
GURJÃO, Edmar Candeia. |
|
dc.contributor.referee3ID |
GURJÃO, E. C. |
pt_BR |
dc.contributor.referee3ID |
Gurjao, Edmar C. |
pt_BR |
dc.contributor.referee3ID |
GURJÃO, EDMAR CANDEIA. |
pt_BR |
dc.contributor.referee3Lattes |
http://lattes.cnpq.br/9200464668550566 |
pt_BR |
dc.description.resumo |
A teoria da informação consolida abordagens matemáticas para medir a influência causal
entre séries temporais multivariadas. Embora as formulações matemáticas das medidas
de informação sejam objetivas, na prática, sua estimação pode ser um processo complexo,
uma vez que os estimadores assumem a falta de conhecimento das propriedades estatísticas dos processos estocásticos analisados. Atualmente, algumas das áreas com aplicação
de medidas de informação são: economia, neurociência, diagnóstico biomédico, detecção
de conectividade em plantas de processo industrial, e assim por diante. Nesta disserta-
ção, um método é proposto para caracterização de suporte efetivo para a aplicabilidade do
método de aprendizado supervisionado, Máquina de Vetor de Suporte (SVM, do inglês:
Support Vector Machine), para estimação de entropia de variáveis aleatórias contínuas.
Esse método fornece resultados assintoticamente bons quando comparados com valores
analíticos e valores estimados a partir de técnicas de histograma, suavização de kernel e
distâncias de vizinhos. Além disso, discute-se o uso da entropia de transferência, estimada a partir do estimador baseado em distâncias entre vizinhos, como um auxílio no diagnóstico biomédico em casos de lesões cerebrais e na detecção da conectividade entre equipamentos industriais em um sistema com quatro tanques conectados. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
Centro de Engenharia Elétrica e Informática - CEEI |
pt_BR |
dc.publisher.program |
PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA |
pt_BR |
dc.publisher.initials |
UFCG |
pt_BR |
dc.subject.cnpq |
Engenharia Elétrica |
pt_BR |
dc.title |
Abordagens da teoria da informação para análise de causalidade e conectividade em processos contínuos. |
pt_BR |
dc.date.issued |
2018-07-31 |
|
dc.description.abstract |
Information theory consolidates a mathematical approach to measure the causal influ-
ence among multivariate time series. Although the concepts in information theory are
relatively simple and mathematical formulations are objective, in practice, their estima-
tion can be a complex process, since the estimators have few or none knowledge about
the statistical properties of the stochastic processes. Currently, some of the areas with
application of information measures are: economics, neuroscience, biomedical diagnosis,
connectivity detection in industrial process. In this dissertation, a method is proposed
for characterization of effective support for the applicability of the supervised learning
method, Support Vector Machine (SVM), in estimation of entropy of continuous random
variables. This method provides asymptotically good results when compared to analytical
values and values estimated from histogram techniques, kernel smoothing and distances
of nearest neighbors. In addition, we discuss the use of transfer entropy, estimated from
the estimator based on distances between nearest neighbors, as an assist in the biomedical
diagnosis in cases of brain lesions and in the detection of connectivity in a system with
four tanks. |
pt_BR |
dc.identifier.uri |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/26431 |
|
dc.date.accessioned |
2022-07-26T13:10:37Z |
|
dc.date.available |
2022-07-26 |
|
dc.date.available |
2022-07-26T13:10:37Z |
|
dc.type |
Dissertação |
pt_BR |
dc.subject |
Máquina de Vetor de Suporte (SVM) |
pt_BR |
dc.subject |
Entropia Diferencial |
pt_BR |
dc.subject |
Entropia de transferência |
pt_BR |
dc.subject |
Lesão cerebral |
pt_BR |
dc.subject |
Processos contínuos |
pt_BR |
dc.subject |
Processos industriais |
pt_BR |
dc.subject |
Support Vector Machine (SVM) |
pt_BR |
dc.subject |
Differential entropy |
pt_BR |
dc.subject |
Transfer entropy |
pt_BR |
dc.subject |
Brain injury |
pt_BR |
dc.subject |
Continuous Processes |
pt_BR |
dc.subject |
Industrial processes |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.creator |
ARRUDA, Milena Marinho. |
|
dc.publisher |
Universidade Federal de Campina Grande |
pt_BR |
dc.language |
por |
pt_BR |
dc.title.alternative |
Information Theory Approaches to Analysis of Causality and Connectivity in Continuous Processes. |
pt_BR |
dc.identifier.citation |
ARRUDA, Milena Marinho. Abordagens da teoria da informação para análise de causalidade e conectividade em processos contínuos. 2018. 69 fl. Dissertação (Mestrado em Engenharia Elétrica), Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande - Paraíba - Brasil, 2018. |
pt_BR |