Artigo de discente do Programa recebe prêmio de melhor artigo do SBBD 2019 (short, vision, industry)
Sorry, this entry is only available in Português do Brasil. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language.
O Simpósio Brasileiro de Banco de Dados (http://sbbd.org.br/2019) é o evento mais importante de Banco de Dados do Brasil. Neste ano, o discente Arthur Ronald e os Professores Eduardo Ogasawara e Kele Belloze receberam o prêmio de best paper (short, vision, industry) do SBBD 2019 com o trabalho intititulado “Modelo autorregressivo de integração adaptativa”.
Título: Modelo autorregressivo de integração adaptativa
Resumo:
Diversas técnicas de preprocessamento combinadas a modelos de séries temporais vêm sendo utilizadas para previsão de séries temporais não-estacionárias. O estudo das propriedades matemáticas e estatísticas dos dados e das técnicas de preprocessamento pode auxiliar no ajustamento de modelos de aprendizado de máquina. Tal estudo, entretanto, muitas vezes não é facilmente obtido. Modelos lineares, por sua vez, possibilitam a interpretação de tais propriedades. Este artigo introduz e analisa, por meio de prova de conceito, um novo modelo linear aplicado a séries estacionárias construídas com base em normalização adaptativa. O modelo viabiliza o uso de modelos autorregressivos em cenários de janelas deslizantes que preservam as propriedades da série original, e permitem acompanhar a sua inércia. O modelo foi capaz de apresentar desempenho de previsão superior a outros modelos lineares consolidados na literatura, principalmente em horizontes de curto-prazo.
