[ABE-L] Ciclo de seminários PPGE

[Maria do Carmo Soares de Lima]

Boa tarde a todos(as),

Esta mensagem é para divulgar mais uma palestra do Ciclo de Seminários
do PPGE/UFPE
(2023), que será realizada hoje, 26/04, pelo Google Meet às 15:00 horas. Sobre
o palestrante: Fábio Bayer
Professor do Departamento de Estatística da UFSM, pesquisador do
Laboratório de Ciências Espaciais de Santa Maria (LACESM/CRS/INPE),
professor permanente do Programa de Pós-graduação em Estatística da
UFRGS e do Programa de Pós-graduação em Engenharia de Produção da
UFSM. No biênio 2017-2019 foi membro do Comitê de Assessoramento da
área de Ciências Exatas da FAPERGS e em 2019 foi Pesquisador Visitante
junto ao Telecommunications and Remote Sensing Laboratory, Pavia,
Itália. Atualmente é Bolsista de Produtividade em Pesquisa do CNPq,
membro titular do Conselho Diretor da Associação Brasileira de
Estatística (2022-2024), Coordenador do Comitê Assessor da Matemática
e Estatística da FAPERGS (2022-2024) e Topical Associate Editor da
área de statistical signal processing da IEEE Transactions on
Geoscience and Remote Sensing. Possui ativa atuação da formação de
recursos humanos, com vários alunos premiados por diferentes
sociedades científicas. Suas principais áreas de interesse e atividade
são: inferência clássica, modelos de regressão, modelos dinâmicos e
processamento estatístico de sinais.

Sobre a palestra:
Link da videochamada: https://meet.google.com/oai-hois-qmt
Ou disque: ‪(US) +1 503-917-4745‬ PIN: ‪811 036 997‬#

*Título:*

K vizinhos mais próximos circular
*Resumo:*
Dados circulares estão presentes em várias áreas da ciência e
carecem de métodos estatísticos específicos para seu tratamento. No
âmbito de modelos de regressão, a literatura apresenta modelos de
regressão paramétricos para dados circulares, os quais fazem
suposições de determinadas distribuições de probabilidade circulares
para seus ajustes. Por outro lado, na área de aprendizado de máquina,
uma abordagem supervisionada para predição de dados contínuos envolve
modelos de regressão não paramétricos, os quais podem não ser
adequados para situações em que a variável resposta é circular. Neste
seminário, apresentarei um novo modelo de aprendizado de máquina para
predição de dados circulares, o qual é denominado k vizinhos mais
próximos circular.
Obs.: Trabalho co-autorado com Maicon Facco

Favor divulgar entre possíveis interessados.
Att,


-- 
Maria do Carmo Soares de Lima
Professora Adjunta C- UFPE
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://lists.ime.usp.br/pipermail/abe/attachments/20230426/52542ee1/attachment.htm>