dc.creator.ID |
SILVA, A. I. N. |
pt_BR |
dc.creator.Lattes |
http://lattes.cnpq.br/6880021659838110 |
pt_BR |
dc.contributor.advisor1 |
GURJÃO, Edmar Candeia. |
|
dc.contributor.advisor1ID |
GURJÃO, E. C. |
pt_BR |
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/9200464668550566 |
pt_BR |
dc.contributor.referee1 |
SILVA, Edson Porto. |
|
dc.contributor.referee1ID |
SILVA, E. P. |
pt_BR |
dc.description.resumo |
As expectativas atuais acerca da Inteligência Artificial e da Aprendizagem de Máquina são
grandes — tanto na comunidade científica quanto no mercado. A ideia de que podemos
extrair funções complexas a partir de uma grande quantidade de dados é inspiradora e nos
leva a acreditar que podemos melhorar nossa capacidade de predição de eventos futuros e
de tomada de decisões a partir de uma metodologia baseada em dados. Podemos utilizar o
do Processo de Regressão Gaussiano para realizar tarefas de aprendizagem supervisionada
em séries temporais. Trata-se de um algoritmo de regressão não linear e não paramétrico
baseado na aprendizagem bayesiana. Neste trabalho realizamos um estudo acerca das
principais características do Processo de Regressão Gaussiano com foco nas características
de suas funções kernel. São analisados 3 problemas básicos que nos permite visualizar as
etapas de treinamento do algoritmo e as propriedades das tais funções kernel. Em seguida,
realizamos uma aplicação prática para a previsão da evolução dos casos de Covid-19 na
cidade de Campina Grande - PB. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
Centro de Engenharia Elétrica e Informática - CEEI |
pt_BR |
dc.publisher.initials |
UFCG |
pt_BR |
dc.subject.cnpq |
Engenharia Elétrica. |
pt_BR |
dc.title |
Estudo da regressão por processo Gaussiano para previsão da evolução dos casos de COVID-19 em Campina Grande - PB. |
pt_BR |
dc.date.issued |
2021-10 |
|
dc.description.abstract |
Current expectations involving Artificial Intelligence and Machine Learning are high —
both in the scientific community and in the industry. The idea that we can extract complex
functions from a large amount of data is inspiring and leads us to believe that we can
improve our ability to predict future events and make better decisions using a data-driven
methodology. Within this context, we can use the Gaussian Regression Process algorithm
to perform supervised learning tasks in time series. It is a non-linear and non-parametric
regression algorithm based on Bayesian learning. In this we study the main characteristics
of the Gaussian Regression Process, focusing on the properties of its kernel functions.
3 basic problems are analyzed allowing us to visualize the algorithm training steps and
the distinctions between such kernel functions. Then, we apply it in practical problem to
predict the evolution of Covid-19 cases in the city of Campina Grande - PB. |
pt_BR |
dc.identifier.uri |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/27605 |
|
dc.date.accessioned |
2022-10-11T18:13:36Z |
|
dc.date.available |
2022-10-11 |
|
dc.date.available |
2022-10-11T18:13:36Z |
|
dc.type |
Trabalho de Conclusão de Curso |
pt_BR |
dc.subject |
Regressão por processo Gaussiano |
pt_BR |
dc.subject |
Processo Gaussiano |
pt_BR |
dc.subject |
COVID-19 - Campina Grande - PB |
pt_BR |
dc.subject |
Tecnologia aplicada à saúde |
pt_BR |
dc.subject |
Inteligência artificial |
pt_BR |
dc.subject |
Aprendizagem de máquina |
pt_BR |
dc.subject |
Aprendizagem Bayesiana |
pt_BR |
dc.subject |
Séries temporais |
pt_BR |
dc.subject |
Bayes |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.creator |
SILVA, André Igor Nóbrega. |
|
dc.publisher |
Universidade Federal de Campina Grande |
pt_BR |
dc.language |
por |
pt_BR |
dc.title.alternative |
Study of regression by Gaussian process to predict the evolution of COVID-19 cases in Campina Grande - PB. |
pt_BR |
dc.identifier.citation |
SILVA, André Igor Nóbrega da. Estudo da regressão por processo Gaussiano para previsão da evolução dos casos de COVID-19 em Campina Grande - PB. 2021. 76f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2021. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/27605 |
pt_BR |