Aplicação do algoritmo Multi-Layer Perceptron (MLP) para serviço de predição de dados com aprendizado incremental
The climate is always changing and it is very important to monitor climate variations, since many human activities depend on specific conditions to be successful. Over time, several works related to climatic variations have been developed. Many of these works involve IoT (Internet of Things), consid...
Na minha lista:
Autor principal: | |
---|---|
Outros Autores: | |
Formato: | bachelorThesis |
Idioma: | pt_BR |
Publicado em: |
Universidade Federal do Rio Grande do Norte
|
Assuntos: | |
Endereço do item: | https://repositorio.ufrn.br/handle/123456789/46420 |
Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|
id |
ri-123456789-46420 |
---|---|
record_format |
dspace |
institution |
Repositório Institucional |
collection |
RI - UFRN |
language |
pt_BR |
topic |
Predição de dados Aprendizado de máquina Ajuste de modelos Data prediction Machine learning Model adjustment |
spellingShingle |
Predição de dados Aprendizado de máquina Ajuste de modelos Data prediction Machine learning Model adjustment Farias, João Paulo Santos de Aplicação do algoritmo Multi-Layer Perceptron (MLP) para serviço de predição de dados com aprendizado incremental |
description |
The climate is always changing and it is very important to monitor climate variations, since many human activities depend on specific conditions to be successful. Over time, several works related to climatic variations have been developed. Many of these works involve IoT (Internet of Things), considering that the monitoring of climatic quantities often requires sensing networks. The Sensor Nodes that make up these networks often suffer from the problem of power supply, due to a great dependence on batteries for nodes that are in remote locations. Computational intelligence is a resource that can be used to solve different types of sensor network issues. Chacon (2021) developed a data prediction service using Machine Learning, aiming to solve the problem of energy consumption of batteries used in Sensor Nodes. The work developed aims to find a different approach to develop data prediction models used in Chacon (2021), which initially did not have such satisfactory results. The elaboration took place through a more detailed study of the databases and the use of algorithms to find better parameters. The experiments performed presented models and training strategies capable of predicting the air humidity data, but not the temperature. |
author2 |
Teixeira, Leonardo Rodrigues de Lima |
author_facet |
Teixeira, Leonardo Rodrigues de Lima Farias, João Paulo Santos de |
format |
bachelorThesis |
author |
Farias, João Paulo Santos de |
author_sort |
Farias, João Paulo Santos de |
title |
Aplicação do algoritmo Multi-Layer Perceptron (MLP) para serviço de predição de dados com aprendizado incremental |
title_short |
Aplicação do algoritmo Multi-Layer Perceptron (MLP) para serviço de predição de dados com aprendizado incremental |
title_full |
Aplicação do algoritmo Multi-Layer Perceptron (MLP) para serviço de predição de dados com aprendizado incremental |
title_fullStr |
Aplicação do algoritmo Multi-Layer Perceptron (MLP) para serviço de predição de dados com aprendizado incremental |
title_full_unstemmed |
Aplicação do algoritmo Multi-Layer Perceptron (MLP) para serviço de predição de dados com aprendizado incremental |
title_sort |
aplicação do algoritmo multi-layer perceptron (mlp) para serviço de predição de dados com aprendizado incremental |
publisher |
Universidade Federal do Rio Grande do Norte |
publishDate |
2022 |
url |
https://repositorio.ufrn.br/handle/123456789/46420 |
work_keys_str_mv |
AT fariasjoaopaulosantosde aplicacaodoalgoritmomultilayerperceptronmlpparaservicodepredicaodedadoscomaprendizadoincremental AT fariasjoaopaulosantosde multilayerperceptronalgorithmmlpapplicationfordatapredictionservicewithincrementallearning |
_version_ |
1773964449959378944 |
spelling |
ri-123456789-464202022-12-27T16:05:07Z Aplicação do algoritmo Multi-Layer Perceptron (MLP) para serviço de predição de dados com aprendizado incremental Multilayer Perceptron Algorithm (MLP) application for data prediction service with incremental learning Farias, João Paulo Santos de Teixeira, Leonardo Rodrigues de Lima http://lattes.cnpq.br/6213221353286666 https://orcid.org/0000-0002-7879-9540 http://lattes.cnpq.br/8435923730992064 Oliveira, Laura Emmanuella Alves dos Santos Santana de https://orcid.org/0000-0003-2086-3471 http://lattes.cnpq.br/8996581733787436 Rodrigues, Taniro Chacon https://orcid.org/ 0000-0001-8833-7967 http://lattes.cnpq.br/6438516851578298 Predição de dados Aprendizado de máquina Ajuste de modelos Data prediction Machine learning Model adjustment The climate is always changing and it is very important to monitor climate variations, since many human activities depend on specific conditions to be successful. Over time, several works related to climatic variations have been developed. Many of these works involve IoT (Internet of Things), considering that the monitoring of climatic quantities often requires sensing networks. The Sensor Nodes that make up these networks often suffer from the problem of power supply, due to a great dependence on batteries for nodes that are in remote locations. Computational intelligence is a resource that can be used to solve different types of sensor network issues. Chacon (2021) developed a data prediction service using Machine Learning, aiming to solve the problem of energy consumption of batteries used in Sensor Nodes. The work developed aims to find a different approach to develop data prediction models used in Chacon (2021), which initially did not have such satisfactory results. The elaboration took place through a more detailed study of the databases and the use of algorithms to find better parameters. The experiments performed presented models and training strategies capable of predicting the air humidity data, but not the temperature. O clima está sempre mudando e é muito importante o monitoramento das variações climáticas, uma vez que diversas atividades humanas dependem de condições específicas para terem sucesso. Ao longo do tempo têm sido desenvolvidos diversos trabalhos relacionados a variações climáticas. Muitos desses trabalhos envolvem IoT (Internet of Things), tendo em vista que muitas vezes o monitoramento de grandezas climáticas requer redes de sensoriamento. Os Nós Sensores que compõem essas redes muitas vezes sofrem com o problema de fonte de energia, devido a uma grande dependência de baterias para nós que se encontram em locais remotos. A inteligência computacional é um recurso que pode ser utilizado para resolver diversos tipos de problemas de redes de sensores. Chacon (2021) desenvolveu um serviço de predição de dados utilizando Machine Learning, visando solucionar o problema do consumo de energia das baterias utilizadas em Nós Sensores. O trabalho desenvolvido visa encontrar uma abordagem diferente para elaborar modelos de predição de dados utilizados em Chacon (2021), que inicialmente não tiveram resultados tão satisfatórios. A elaboração se deu através de um estudo mais detalhado das bases de dados e utilização de algoritmos para encontrar parâmetros melhores. Os experimentos realizados apresentaram modelos e estratégias de treinamento capazes de realizar a predição dos dados de umidade do ar, mas não da temperatura. 2022-03-07T11:22:53Z 2022-03-07T11:22:53Z 2022-02-17 bachelorThesis FARIAS, João Paulo Santos de. Aplicação do algoritmo Multi-Layer Perceptron (MLP) para serviço de predição de dados com aprendizado incremental. 2022. 50f. Trabalho de Conclusão de Curso (graduação em Tecnologia em Análise e Desenvolvimento de Sistemas, Unidade Acadêmica Especializada em Ciências Agrárias, Universidade Federal do Rio Grande do Norte, Macaíba, 2022. https://repositorio.ufrn.br/handle/123456789/46420 pt_BR Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ application/pdf Universidade Federal do Rio Grande do Norte Brasil UFRN Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas Unidade Acadêmica Especializada em Ciências Agrárias |