Banca de DEFESA: LUCAS RABELO DE ARAUJO MORAIS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: LUCAS RABELO DE ARAUJO MORAIS
DATA : 17/07/2025
HORA: 17:30
LOCAL: Virtual
TÍTULO:

Bitcoin and Cryptocurrencies: COMTE-LEFTIST Hybrid Explanations and
Time-Series Classification.

PALAVRAS-CHAVES:

IA Explicável. Classificação de Séries Temporais. COMTE.
LEFTIST. Hybrid XAI.

 

PÁGINAS: 80
RESUMO:

A “Corrida Global pela IA” incentivou uma estratégia conhecida como “IA
para a sociedade”. Um dos principais resultados dessa estratégia foi o
Regulamento Geral de Proteção de Dados (GDPR), uma regulamentação europeia
aplicada em 28 de maio de 2018, que estabeleceu o “direito à explicação”.
Essa regulamentação contribuiu significativamente para o avanço da
Inteligência Artificial Explicável (XAI). Em meio a essas inovações
tecnológicas, o mercado de ativos digitais, conhecidos como criptomoedas,
se beneficiaram de pesquisas sobre sistemas de trade com Inteligência
Artificial (IA) e Aprendizado de Máquina (AM). No entanto, esses sistemas
frequentemente dependem de modelos caixa-preta, tornando a explicabilidade
um aspecto crucial. Nesse contexto, este trabalho aplica modelos de
Aprendizado de Máquina especificamente desenhados para Classificação de
Séries Temporais (CST) e propõe um novo método híbrido que fornece
explicações baseadas em séries temporais. Após a coleta de dados de Bitcoin
e outras criptomoedas de uma exchange, os dados são processados e treinados
utilizando modelos de AM tabular, modelos de AM para séries temporais e
modelos de Aprendizado Profundo (AP). O estudo avalia incerteza,
performance dos modelos e a explicabilidade por meio de um modelo híbrido
de explicabilidade, que combina COMTE (método contrafactual de explicação
para CST) e LEFTIST (método baseado em ondaletas que fornece a importância
de cada janela de tempo). Os resultados mostram que o modelo de CST MRSQM
obteve um desempenho robusto, enquanto os modelos AM tabular não
apresentaram diferenças significativas em relação aos modelos de CST. No
entanto, os modelos de AP tiveram um desempenho fraco, especialmente no
segundo experimento. A análise de incerteza revelou diferenças notáveis na
estimativa de incerteza dentre os modelos, e o modelo híbrido de
explicabilidade COMTE-LEFTIST conseguiu fornecer explicações híbridas com
sucesso. O modelo híbrido teve um desempenho particularmente bom no
primeiro experimento, que focou em séries temporais univariadas, já no
segundo experimento, envolvendo múltiplas séries temporais em formato
tabular, apresentou desafios adicionais. Em conclusão, este trabalho está
entre os primeiros a aplicar métodos de CST ao Bitcoin e a diferentes
criptomoedas, além de propor um método híbrido de explicação para CST,
incentivando pesquisas e desenvolvimentos adicionais na área.

 

MEMBROS DA BANCA:
Externa à Instituição - GECYNALDA SOARES DA SILVA GOMES - UFBA
Externo à Instituição - SERGIO FERNANDOVITCH CHEVTCHENKO - OUTRA
Presidente - 2133999 - TERESA BERNARDA LUDERMIR