Aplicación de redes neuronales artificiales a la previsión de series temporales no estacionarias o no invertibles
En los últimos tiempos se ha comprobado un aumento del interés en la aplicación de las Redes Neuronales Artificiales a la previsión de series temporales, intentando explotar las indudables ventajas de estas herramientas. En este artículo se calculan previsiones de series no estacionarias o no invert...
| Autores: | , , , |
|---|---|
| Tipo de recurso: | artículo |
| Fecha de publicación: | 2002 |
| País: | España |
| Institución: | Universitat Politècnica de Catalunya (UPC) |
| Repositorio: | UPCommons. Portal del coneixement obert de la UPC |
| Idioma: | español |
| OAI Identifier: | oai:upcommons.upc.edu:2099/4186 |
| Acceso en línea: | https://hdl.handle.net/2099/4186 |
| Access Level: | acceso abierto |
| Palabra clave: | Inference Statistical mechanics Differentiable dynamical systems Series temporales Previsión Redes neuronales artificiales Inferència Processos estocàstics Mecànica estadística Sistemes dinàmics diferenciables Classificació AMS::37 Dynamical systems and ergodic theory::37M Approximation methods and numerical treatment of dynamical systems Classificació AMS::62 Statistics::62M Inference from stochastic processes Classificació AMS::82 Statistical mechanics, structure of matter::82C Time-dependent statistical mechanics (dynamic and nonequilibrium) |
| Sumario: | En los últimos tiempos se ha comprobado un aumento del interés en la aplicación de las Redes Neuronales Artificiales a la previsión de series temporales, intentando explotar las indudables ventajas de estas herramientas. En este artículo se calculan previsiones de series no estacionarias o no invertibles, que presentan dificultades cuando se intentan pronosticar utilizando la metodología ARIMA de Box-Jenkins. Las ventajas de la aplicación de redes neuronales se aprecian con más claridad, cuando se trata de pronosticar sistemas multivariantes no estacionarios. |
|---|