Técnicas de Inteligência Computacional Aplicadas à Classificação de Séries Temporais Coletadas através do Eletroencefalograma
Este trabalho tem por objetivo avaliar o impacto das técnicas de aprendizagem profunda (Long Short Term Memory e Convolutional Neural Network) para predição e classificação de séries temporais, em duas aplicações específicas. Uma para classificar o sinal de eletroencefalograma, e outro, na predição da radiação solar. Foram utilizadas várias ferramentas nas diversas etapas de pré processamento, extração de características e classificação/predição. Os modelos desenvolvidos foram comparados com a literatura utilizando métricas como: acurácia e root mean square error (RMSE), obtendo resultados significativos. Na predição da radiação o RMSE foi de 78 W/m2 enquanto que para a classificação do sinal cerebral, a acurácia do modelo chegou até 86%.
Aprendizado Profundo, Inteligência Artificial, Radiação Solar, Sinais Cerebrais.