Acotación del error de modelos de redes neuronales aplicados al pronóstico de series de tiempo
Fuente:
Redalyc
Guardado en:
| Autor principal: | |
|---|---|
| Formato: | Artículo científico |
| Lenguaje: | es |
| Publicado: |
Universidad Industrial de Santander
2011
|
| Materias: | |
| Acceso en línea: | |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1876422405928255488 |
|---|---|
| author | JUAN DAVID VELASQUEZ H. |
| author_facet | JUAN DAVID VELASQUEZ H. |
| contents | Acotación del error de modelos de redes neuronales aplicados al pronóstico de series de tiempo JUAN DAVID VELASQUEZ H. Ingeniería Pronóstico modelos ARIMA modelos no lineales suavizado exponencial perceptrones multicapa Las redes neuronales artificiales son una importante técnica en el pronóstico de series de tiempo no lineales. Sin embargo, el entrenamiento de las redes neuronales es una tarea difícil, a causa de la presencia de muchos puntos óptimos locales y a la irregularidad de la superficie de error. En este contexto, es muy fácil obtener modelos sub-entrenados o sobreentrenados sin poder de pronóstico. Así, los investigadores y los profesionales necesitan contar con criterios para detectar esta clase de problemas. En este artículo, se demuestra que el uso de metodologías bien conocidas en el pronóstico de series de tiempo lineales, tales como la metodología de Box-Jenkins o los modelos de suavizado exponencial, son valiosas herramientas para detectar modelos de redes neuronales mal especificados. 2011 artículo científico 1657-4583 https://www.redalyc.org/articulo.oa?id=553756875005 es http://www.redalyc.org/revista.oa?id=5537 Revista UIS Ingenierías application/pdf Universidad Industrial de Santander Revista UIS Ingenierías (Colombia) Num.1 Vol.10 |
| format | Artículo científico |
| id | redalyc_553756875005 |
| institution | Redalyc |
| language | es |
| publishDate | 2011 |
| publisher | Universidad Industrial de Santander |
| spellingShingle | Acotación del error de modelos de redes neuronales aplicados al pronóstico de series de tiempo JUAN DAVID VELASQUEZ H. Ingeniería Pronóstico modelos ARIMA modelos no lineales suavizado exponencial perceptrones multicapa Acotación del error de modelos de redes neuronales aplicados al pronóstico de series de tiempo JUAN DAVID VELASQUEZ H. Ingeniería Pronóstico modelos ARIMA modelos no lineales suavizado exponencial perceptrones multicapa Las redes neuronales artificiales son una importante técnica en el pronóstico de series de tiempo no lineales. Sin embargo, el entrenamiento de las redes neuronales es una tarea difícil, a causa de la presencia de muchos puntos óptimos locales y a la irregularidad de la superficie de error. En este contexto, es muy fácil obtener modelos sub-entrenados o sobreentrenados sin poder de pronóstico. Así, los investigadores y los profesionales necesitan contar con criterios para detectar esta clase de problemas. En este artículo, se demuestra que el uso de metodologías bien conocidas en el pronóstico de series de tiempo lineales, tales como la metodología de Box-Jenkins o los modelos de suavizado exponencial, son valiosas herramientas para detectar modelos de redes neuronales mal especificados. 2011 artículo científico 1657-4583 https://www.redalyc.org/articulo.oa?id=553756875005 es http://www.redalyc.org/revista.oa?id=5537 Revista UIS Ingenierías application/pdf Universidad Industrial de Santander Revista UIS Ingenierías (Colombia) Num.1 Vol.10 |
| title | Acotación del error de modelos de redes neuronales aplicados al pronóstico de series de tiempo |
| topic | Ingeniería Pronóstico modelos ARIMA modelos no lineales suavizado exponencial perceptrones multicapa |
| url | https://www.redalyc.org/articulo.oa?id=553756875005 |