Defesa de Mestrado do Discente Bruno Santana de Souza
Defesa de Mestrado do Discente Bruno Santana de Souza
Título: Regressão Simbólica Aplicada à Interrogação de Grades de Período Longo utilizando Reflectometria Óptica no Domínio do Tempo
Resumo: A regressão simbólica, conhecida como SR (Symbolic Regression) tem despertado o interesse por parte da comunidade científica devido à capacidade de automatização do processo de descoberta do conhecimento, contribuindo para a extração de insights e formulação de hipóteses, economizando tempo e recursos preciosos para os pesquisadores. Os modelos simbólicos são mais facilmente interpretáveis do que os modelos de aprendizado de máquina convencionais pois, ao invés de simplesmente ajustar parâmetros em uma equação predefinida, como em regressões lineares ou polinomiais, a regressão simbólica utiliza algoritmos para descobrir estruturas simbólicas mais complexas e possivelmente não lineares com melhor representação dos dados, devido à descrição das relações entre as variáveis. Nesta dissertação, a regressão simbólica concomitante à interrogação óptica de um sensor objetiva extrair modelos matemáticos/expressões que simbolizam numericamente a medição da concentração salina de uma solução, visando obter automatização integrada para acelerar os resultados. A linguagem de programação Python será utilizada para modelagem e simulações, por meio da biblioteca PySR.
Palavras-chave: Regressão simbólica; Interrogação de sensores ópticos; Aprendizagem de Máquina
Banca:
Diego Barreto Haddad, D.Sc. (CEFET/RJ, orientador e presidente)
Marco Aurélio Jucá da Silva Junior, D.Sc. (CEFET/RJ, co-orientador)
Maria Aparecida Gonçalves Martinez, PhD. (CEFET/RJ)
Alexandre Bessa dos Santos (UFJF)
Luciana Faletti Almeida (CEFET/RJ, suplente)
Data: 26 de março, quarta-feira, às 10h (horário de Brasília)
Redes Sociais