O que é?
O programa de computador desenvolvido, denominado SyMPLER (Systems Modeling through Piecewise Linear Evolving Regression), consiste em um processo para a construção de modelos de inteligência artificial interpretáveis e adaptativos para a previsão de séries temporais não-lineares e não-estacionárias, em que as características dos dados mudam com o tempo. O método se baseia na criação de uma rede de modelos lineares locais que evolui à medida em que o comportamento do sistema modelado muda, aumentando sua complexidade sob demanda. Sendo baseada em modelos lineares, cujo comportamento é facilmente compreendido, a rede construída realiza previsões humanamente interpretáveis, em contraste com a maior parte dos modelos caixa-preta de inteligência artificial existentes. Além disso, o programa desenvolvido demanda mínima interação do usuário para a atualização da rede.
Inventores
Antônio de Pádua Braga, Yan Victor Gomes Ferreira, Pedro Henrique Gomes Mapa da Silva, Igor Braga de Lima, Felipe Velloso Campos
Estágio de Desenvolvimento
O desenvolvimento da versão do programa com comentários em português foi finalizado. Uma versão em inglês encontra-se em refatoração.
Vantagens
O programa de computador proposto se destaca entre as abordagens dinâmicas para a construção de modelos interpretáveis por:
- Ter transparência em todas as etapas de adição e chaveamento de modelos locais, que podem ser facilmente compreendidas sem formação técnica específica, ao contrário de métodos baseados em algoritmos complexos de agrupamento e sistemas nebulosos.
- Não depender de intervenções do usuário para a atualização do modelo (adiciona novos especialistas locais baseado na comparação com modelo de referência);
- Não depender de algoritmos de agrupamento online dos dados (novos modelos são adicionados sequencialmente, à medida que o requisito mínimo de amostras é alcançado);
- Possuir garantias matemáticas de desempenho para os modelos locais (cada modelo local é treinado com um número de amostras definido estatisticamente para garantir seu bom funcionamento);
- Proporcionar interpretabilidade linear local imediata (cada modelo é associado a um único ponto de aproximação).
Propriedade Intelectual
Número de Registro: PC202500257
