{"id":3357,"date":"2020-07-06T21:03:16","date_gmt":"2020-07-07T00:03:16","guid":{"rendered":"https:\/\/eic.cefet-rj.br\/ppcic\/?p=3357"},"modified":"2025-09-03T18:51:40","modified_gmt":"2025-09-03T21:51:40","slug":"defesa-de-dissertacao-20-07-2020-rafaela-de-castro-do-nascimento","status":"publish","type":"post","link":"https:\/\/eic.cefet-rj.br\/ppcic\/defesa-de-dissertacao-20-07-2020-rafaela-de-castro-do-nascimento\/","title":{"rendered":"Defesa de disserta\u00e7\u00e3o (20\/07\/2020): Rafaela de Castro do Nascimento"},"content":{"rendered":"

Discente:<\/strong> Rafaela de Castro do Nascimento<\/p>\n

T\u00edtulo<\/strong>: STConvS2S: rede convolucional espa\u00e7o-temporal para tarefa de sequ\u00eancia a sequ\u00eancia aplicada \u00e0 previs\u00e3o do tempo<\/p>\n

Orientador<\/strong>: Eduardo Bezerra (orientador), F\u00e1bio Porto (co-orientador)<\/p>\n

Banca<\/strong>: Eduardo Bezerra (presidente), F\u00e1bio Porto (LNCC), Eduardo Ogasawara (CEFET\/RJ),\u00a0 Jos\u00e9 Ant\u00f4nio Fernandes de Mac\u00eado (UFC), Yania Molina Souto (LNCC)<\/p>\n

Dia\/Hora<\/strong>: 20 de julho de 2020\/ 14h<\/p>\n

Sala Remota<\/strong>: https:\/\/meet.google.com\/znj-ppnh-yyg<\/a><\/p>\n

Resumo<\/strong>:<\/p>\n

Aplicar modelos de aprendizagem de m\u00e1quina em dados meteorol\u00f3gicos proporcionam muitas oportunidades na \u00e1rea da Geoci\u00eancia, como prever a condi\u00e7\u00e3o do tempo de forma mais precisa. Recentemente, a modelagem dos dados meteorol\u00f3gicos com redes neurais profundas tem se tornado uma \u00e1rea de investiga\u00e7\u00e3o relevante. Alguns trabalhos aplicam redes neurais recorrentes (RNN) ou uma abordagem h\u00edbrida usando RNN e redes neurais convolucionais (CNN). Neste trabalho, propusemos STConvS2S (rede convolucional espa\u00e7o-temporal para tarefa de sequ\u00eancia a sequ\u00eancia), uma arquitetura de aprendizagem profunda constru\u00edda para aprender as depend\u00eancias espaciais e temporais dos dados usando somente camadas convolucionais. A arquitetura proposta resolve duas limita\u00e7\u00f5es das redes convolucionais ao prever sequ\u00eancias usando dados hist\u00f3ricos, sendo: (1) elas violam a ordem temporal durante o processo de aprendizagem, e (2) precisam que o tamanho das sequ\u00eancias de entrada e sa\u00edda sejam iguais. Experimentos computacionais usando dados de temperatura do ar e de chuva da Am\u00e9rica do Sul mostram que nossa arquitetura captura o contexto espa\u00e7o-temporal e que ela \u00e9 capaz de superar ou ter resultados compar\u00e1veis em rela\u00e7\u00e3o \u00e0s arquiteturas consideradas estado da arte na tarefa de previs\u00e3o. Em particular, uma das varia\u00e7\u00f5es da nossa arquitetura proposta melhora em 23% a previs\u00e3o das sequ\u00eancias futuras, sendo quase cinco vezes mais r\u00e1pida no treinamento do que os modelos baseados em RNN comparados nos experimentos.<\/p>\n

\"\"<\/a><\/div>\n
Disserta\u00e7\u00e3o <\/strong>\"\"<\/a><\/div>\n
<\/div>\n","protected":false},"excerpt":{"rendered":"

Discente: Rafaela de Castro do Nascimento T\u00edtulo: STConvS2S: rede convolucional espa\u00e7o-temporal para tarefa de sequ\u00eancia a sequ\u00eancia aplicada \u00e0 previs\u00e3o do tempo Orientador: Eduardo Bezerra (orientador), F\u00e1bio Porto (co-orientador) Banca: Eduardo Bezerra (presidente), F\u00e1bio Porto (LNCC), Eduardo Ogasawara (CEFET\/RJ),\u00a0 Jos\u00e9 Ant\u00f4nio Fernandes de Mac\u00eado (UFC), Yania Molina Souto (LNCC) Dia\/Hora: 20 de julho de 2020\/ […]<\/p>\n","protected":false},"author":4,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[14,33],"tags":[],"class_list":["post-3357","post","type-post","status-publish","format-standard","hentry","category-defesas","category-noticias-pt"],"_links":{"self":[{"href":"https:\/\/eic.cefet-rj.br\/ppcic\/wp-json\/wp\/v2\/posts\/3357","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/eic.cefet-rj.br\/ppcic\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/eic.cefet-rj.br\/ppcic\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/eic.cefet-rj.br\/ppcic\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/eic.cefet-rj.br\/ppcic\/wp-json\/wp\/v2\/comments?post=3357"}],"version-history":[{"count":11,"href":"https:\/\/eic.cefet-rj.br\/ppcic\/wp-json\/wp\/v2\/posts\/3357\/revisions"}],"predecessor-version":[{"id":4023,"href":"https:\/\/eic.cefet-rj.br\/ppcic\/wp-json\/wp\/v2\/posts\/3357\/revisions\/4023"}],"wp:attachment":[{"href":"https:\/\/eic.cefet-rj.br\/ppcic\/wp-json\/wp\/v2\/media?parent=3357"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/eic.cefet-rj.br\/ppcic\/wp-json\/wp\/v2\/categories?post=3357"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/eic.cefet-rj.br\/ppcic\/wp-json\/wp\/v2\/tags?post=3357"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}