[en] AUTOREGRESSIVE-NEURAL HYBRID MODELS FOR TIME SERIES
[pt] Este trabalho apresenta um modelo linear por partes chamado de modelo ARN. Trata-se de uma estrutura híbrida que envolve modelos autoregressivos e redes neurais. Este modelo é comparado com o modelo AR de coeficientes fixos e com a rede neural estática aplicada à previsão. Os resultados mostram...
| Autor: | |
|---|---|
| Formato: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2009 |
| País: | Brasil |
| Recursos: | Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
| Repositorio: | Repositório Institucional da PUC-RIO (Projeto Maxwell) |
| Idioma: | portugués |
| OAI Identifier: | oai:MAXWELL.puc-rio.br:14541 |
| Acesso em linha: | https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=14541&idi=1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=14541&idi=2 http://doi.org/10.17771/PUCRio.acad.14541 |
| Access Level: | acceso abierto |
| Palavra-chave: | [pt] SERIE TEMPORAL [pt] MODELOS HIBRIDOS [en] TIME SERIE [en] HYBRID MODELS |
| Resumo: | [pt] Este trabalho apresenta um modelo linear por partes chamado de modelo ARN. Trata-se de uma estrutura híbrida que envolve modelos autoregressivos e redes neurais. Este modelo é comparado com o modelo AR de coeficientes fixos e com a rede neural estática aplicada à previsão. Os resultados mostram que o ARN consegue identificar a estrutura não-linear dos dados simulados e que na maioria dos casos ele possui melhor habilidade preditiva do que os modelos supracitados. |
|---|