Técnicas de estimativa inteligente para gerir situações inesperadas

Os sistemas activos são cruciais para lidar com eventos dinâmicos em vários domínios, incluindo processos empresariais. O primeiro trabalho apresenta um método inteligente que utiliza a codificação de números inteiros para o pré-processamento de registos, a otimização de morcegos para a seleção de caraterísticas e redes neurais convolucionais profundas para a deteção de eventos anormais, embora as CNN não tenham consistência espacial. Para resolver este problema, o segundo trabalho implementa a Eclat-based Association Rule Mining (EARM) para detetar e dar prioridade a eventos anómalos, mas gera conjuntos de candidatos excessivos e requer uma análise extensiva da base de dados. O terceiro trabalho melhora a previsão de incidentes em sistemas aeroespaciais, integrando a Otimização da Migração Animal (AMO) com a Extração de Regras de Associação (ARM), em que o Apriori gera regras de associação e a AMO as refina, eliminando regras de baixa utilidade. A codificação one-hot é aplicada para conversão numérica, garantindo uma derivação eficiente de eventos. Esta abordagem estruturada optimiza a eficiência computacional, ao mesmo tempo que melhora a precisão e a priorização da deteção de eventos.