Resumen

La selección de características es una técnica conocida para preprocesar los datos antes de realizar cualquier tarea de minería de datos. En la predicción de series temporales multivariantes (MTS), la selección de características necesita encontrar tanto las variables más relacionadas como sus correspondientes retardos. Ambos aspectos, en cierta medida, representan características esenciales de la dinámica del sistema. Sin embargo, la selección de variables y retardos para MTS es una tarea difícil cuando el sistema es no lineal y ruidoso. En este trabajo se propone un método de selección de características supervisado y basado en la multiatención. Traduce el problema de generación de pesos de características en un problema de generación de atención bidireccional con dos módulos de atención colocados en paralelo. Los datos 2D de entrada se dividen en datos 1D desde dos direcciones ortogonales, y cada módulo de atención genera pesos de atención desde sus respectivas dimensiones. Para facilitar la selección de características desde la perspectiva global, propusimos un método de generación de pesos global que calcula una operación de producto punto sobre los valores de peso de las dos dimensiones. Para evitar la perturbación de los pesos de atención debida al ruido y a las características duplicadas, la matriz final de pesos de las características se calcula a partir de las estadísticas de todo el conjunto de entrenamiento. Los resultados experimentales muestran que este método propuesto alcanza el mejor rendimiento en conjuntos de datos industriales sintetizados, pequeños, medianos y prácticos comparados con varios métodos de selección de características del estado del arte.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:métodos de selección de características, peso de la atención, características del sistema, matriz de peso de las características, problema de generación de peso, operaciones de productos de puntos, perturbación de la atención, series temporales multivariadas, problema de generación de la atención, módulo de atención colocado
• Keywords:features selection methods, attention weight, characteristics of system, features weight matrix, weight generation problem, dot products operations, disturbance of attention, multivariate time series, attention generation problem, placed attention module