Redes Neurais Recorrentes para Previsão de Séries Temporais
Ministrante(s):

Profa. Dra. Roseli Ap. Francelin Romero (ICMC-USP)

Ministrante(s):

Dr. Caetano Mazzoni Ranieri

Resumo

Neste minicurso, serão apresentados os principais modelos de redes neurais recorrentes que podem ser utilizados na análise de séries temporais. Como estudo de caso, será apresentada uma abordagem de como estes modelos podem ser utilizados para reconhecimento de atividades humanas. Serão apresentadas redes neurais recorrentes, particularmente LSTM e GRU (definição, funcionamento e aplicações), considerando seu uso para classificação, regressão ou previsão de séries temporais. Métricas para avaliação de modelos de séries temporais. Também serão brevemente apresentados conceitos de Transformers, redes baseadas em atenção que têm recebido destaque em tarefas dessa natureza.

Bibliografia:

  • Chung, J., Gulcehre, C., Cho, K. and Bengio, Y., 2015, June. Gated feedback recurrent neural networks. In International conference on machine learning (pp. 2067-2075). PMLR.
  • Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., Dehghani, M., Minderer, M., Heigold, G., Gelly, S. and Uszkoreit, J., 2020. An image is worth 16x16 words: Transformers for image recognition at scale. International Conference on Learning Representations.
  • Goodfellow, I., Bengio, Y. and Courville, A., 2016. Deep learning. MIT press.
  • Hochreiter, S. and Schmidhuber, J., 1997. Long short-term memory. Neural computation, 9(8), pp.1735-1780.
  • Ranieri, C.M., Vargas, P.A. and Romero, R.A., 2020, July. Uncovering human multimodal activity recognition with a deep learning approach. In 2020 International joint conference on neural networks (IJCNN) (pp. 1-8). IEEE.
  • Ranieri, C.M., MacLeod, S., Dragone, M., Vargas, P.A. and Romero, R.A.F., 2021. Activity recognition for ambient assisted living with videos, inertial units and ambient sensors. Sensors, 21(3), p.768.
  • Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A.N., Kaiser, Ł. and Polosukhin, I., 2017. Attention is all you need. Advances in neural information processing systems, 30.

Sobre os Ministrantes

Roseli Ap. Francelin Romero possui Doutorado em Engenharia Elétrica pela Universidade de Campinas, UNICAMP e realizou posdoc na Carnegie Mellon University. Atualmente, ela é professora Titular junto ao Departamento de Ciências de Computação, do ICMC, da Universidade de São Paulo, atuando tanto na graduação como na pós-graduação. Ela é membro do grupo de Computação Bioinspirada do ICMC-USP e coordenadora do LAR - Laboratório de Aprendizado de Robôs do ICMC-USP. De 2016 a 2018, atuou como Chefe do depto. SCC/ICMC-USP e coordenadora do Centro de Robótica da USP de São Carlos-SP (CRob-SC/USP). Atuou também como vice-coordenadora do Centro de Robótica da USP de São Carlos-SP (CRob-SC/USP), de 2011 a 2015 e vice-chefe do depto. SCC/ICMC/USP de 2014 a 2016. Ela é membro ´Senior´ da INNS - International Neural Networks Society e sócia da SBC - Sociedade Brasileira de Computação e da SBA - Sociedade Brasileira de Automática. Tem atuado como Revisora de vários periódicos incluindo IEEE Trans. on Neural Networks and Learning Systems e Neurocomputing. Ela é tutora do grupo de Robótica Warthog, bicampeão da CBR - Competição Brasileira de Robótica e também coordenadora local da Regional da Olimpiada Brasileira de Robótica, em São Carlos-SP. Recebeu o Premio Jabuti´2015, para segunda colocação na Categoria: Engenharias, Tecnologias e Informática. Atualmente é Vice-Chair do IEEE South RAS Chapter. Suas área de interesse são: redes neurais artificiais, sistemas nebulosos, visão computacional, aprendizado de máquina e robótica.

Currículo lattes: http://lattes.cnpq.br/0241862487783754



Caetano Ranieri é graduado em Ciência da Computação pela Universidade Estadual Paulista (UNESP), com Mestrado e Doutorado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (USP), tendo realizado BEPE na Heriot-Watt University, no Reino Unido. Tem experiência em redes neurais artificiais, aprendizado profundo, aprendizado de máquina, interação humano-robô e neurociência computacional. Atualmente, é pós-doutorando pelo ICMC-USP, atuando na detecção e predição de eventos de enchentes com base em diferentes modalidades, principalmente visão computacional.

Currículo lattes: http://lattes.cnpq.br/4892549058088857

Não perca esta oportunidade!