Desenvolvimento de Sistemas Inteligentes Adaptativos para Ambientes Dinâmicos e Aprendizado Contínuo

Descrição

Sistemas inteligentes baseados em aprendizado de máquina são amplamente utilizados em aplicações do mundo real, como previsão de séries temporais, sistemas educacionais, análise de crédito e visão computacional. Entretanto, esses sistemas frequentemente operam em ambientes dinâmicos, nos quais os dados mudam continuamente ao longo do tempo, comprometendo o desempenho dos modelos tradicionais. Nesse contexto, destacam-se dois desafios principais: a mudança de conceito (concept drift), associada à evolução da distribuição dos dados, e o esquecimento catastrófico (catastrophic forgetting), relacionado à perda de conhecimento previamente aprendido em cenários de aprendizado contínuo. Este projeto propõe o desenvolvimento de sistemas inteligentes adaptativos capazes de aprender continuamente em ambientes dinâmicos, integrando conceitos de continual learning, aprendizado incremental e adaptação a mudanças de distribuição. A hipótese central é que a integração entre estratégias de adaptação e mecanismos de preservação de conhecimento pode aumentar a robustez, estabilidade e capacidade de generalização dos modelos ao longo do tempo. Pretende-se investigar métodos de detecção de mudanças, aprendizado online, replay de memória e análise estrutural do esquecimento, avaliando os modelos em séries temporais, fluxos de dados e conjuntos de imagens. Espera-se, como resultado, propor abordagens adaptativas mais eficientes e robustas para aplicações reais em ambientes não estacionários.