@MASTERSTHESIS{ 2021:1837167904,
 	title = {Metodologia baseada em aprendizado profundo para agrupamento de séries temporais univariadas},
 	year = {2021},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/3354",
 	abstract = "Concessionárias de energia elétrica têm a necessidade de planejar a distribuição de energia
 de tal maneira a atender a necessidade de seus clientes. Além disso, analisar o consumo
 dos clientes para detectar irregularidades é uma outra tarefa importante para essas
 empresas. Para tais tarefas, a descoberta de padrões de consumo é essencial. A descoberta
 destes padrões se trata de uma tarefa de agrupamento. Existe uma grande quantidade de
 abordagens para agrupar dados, mas uma área de pesquisa relativamente nova neste campo
 é o uso de aprendizado profundo. Grande parte do esforço realizado nessa área se direciona
 a dados estáticos. No entanto aplicações que utilizam dados temporais, como consumo
 de energia elétrica, se tornam cada dia mais populares e relativamente pouco esforço
 de pesquisa é realizado nesta área. Este trabalho apresenta uma metodologia baseada
 na arquitetura Deep Embedded Clustering (DEC), uma abordagem para agrupamento
 utilizando aprendizado profundo, que foca em dados temporais além de abordar uma das
 deficiências originais do DEC, a necessidade de definir a priori a quantidade de grupos
 a serem criados, o que geralmente não é conhecido em problemas reais. Para avaliar a
 metodologia proposta, foram conduzidos experimentos sobre a estimação do número de
 grupos em 66 conjunto de dados cujo número de grupos é conhecido e para avaliar a
 capacidade de descoberta de padrões de consumo, foram realizados experimentos em 2
 conjunto de dados de séries de consumo elétricos reais fornecidos por uma concessionária de
 energia elétrica. Os resultados encontrados apontam que tanto a estimação do número de
 grupos quanto o agrupamento em si da metodologia proposta são superiores à abordagens
 encontradas na literatura, indicando que a metodologia pode ser uma ferramenta efetiva
 para as concessionárias de energia elétrica.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET},
 	note = {DEPARTAMENTO DE INFORMÁTICA/CCET}
}