Modelos de redes neurais recorrentes para previsão de series temporais de memorias curta e longa

Detalhes bibliográficos
Autor(a) principal: Gomes, Daniel Takata
Data de Publicação: 2005
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1601638
Resumo: Orientador: Emanuel Pimentel Barbosa
id UNICAMP-30_a62833a8beda19040bb6cf6d8903cbcb
oai_identifier_str oai::360549
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Modelos de redes neurais recorrentes para previsão de series temporais de memorias curta e longaRecurrent neural networks for prediction of short and long memory time seriesRedes neurais (Computação)Séries temporaisFiltragem de KalmanPrevisão do tempoNeural networksTime seriesForecastingKalman filteringOrientador: Emanuel Pimentel BarbosaDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação CientificaResumo: É de grande interesse o estudo de previsão de séries temporais, ou seja, conseguir identificar características do processo num ponto futuro. Para isso, é necessário estimar com precisão, ou pelo menos com uma boa aproximação, o processo gerador dos dados. Nos últimos anos, modelos de redes neurais artificiais vêm desempenhando um papel crescente na abordagem e solução de problemas estatísticos importantes. A estrutura mais básica de rede neural, as redes progressivas ou feedforward, sem retroalimentação, têm se mostrado uma alternativa vantajosa, em alguns casos, em relação aos modelos lineares tradicionais. No entanto, algumas séries apresentam características que permitem introduzir algum tipo de realimentação na rede. Tal rede chamada de rede neural recorrente, ferramenta ainda pouco explorada pela comunidade estatística. São dois os principais objetivos da dissertação. Primeiro, o estudo de redes neurais recorrentes para predição de séries temporais, o que compreende sua fundamentação teórica, principais arquiteturas e algoritmos de aprendizagem e sua implementação computacional. Segundo, estudo comparativo da performance preditiva dessas redes para séries temporais, tanto no caso de séries temporais de memória curta quanto de memória longa, tomando-se como referência modelos padrão tipo ARIMA e ARFIMA. São utilizadas séries espaciais (dados de variáveis do solo) e séries temporais (séries de inflações de países desenvolvidos). Os resultados mostram que o uso das redes para predição é vantajoso em relação a modelos lineares para diversas séries. Também é desenvolvido um novo modelo (redes neurais com pesos variáveis) e seu correspondente algoritmo de estimação baseado nas características dos dadosAbstract: Forecasting of time series is a topic of great interest nowadays. To do so, the data generating process needs to be estimated with a good degree of accuracy. In the last years, artificial neural networks are becoming more important in the statistical community. The more basic structure of a neural network, the feedforward neural nets, without feedback, can be a profitable alternative, in some cases, comparing to linear traditional models. However, some time series present characteristics that allow to introduce some kind of feedback in the network. Such network is called recurrent neural network, a tool not so popular in the statistical community.Two of the main concerns of this work are the study of recurrent neural networks for prediction of time series (theoretical fundamental, main architectures and learning algorithms) and the comparative study of the predictive performance of these networks for short and long memory time series. Spatial series (solo science data) and time series (inflation data) are used. The results show that the networks have good prediction performance comparing to linear models in several series. A new model (neural networks with varying coefficients) and its estimation algorithm are proposed, based in the data characteristicsMestradoMestre em Estatística[s.n.]Barbosa, Emanuel Pimentel, 1951-2014Toloi, Clélia Maria de CastroMedeiros, Marcelo CunhaSussner, PeterUniversidade Estadual de Campinas. Instituto de Matemática, Estatística e Computação CientíficaPrograma de Pós-Graduação em EstatísticaUNIVERSIDADE ESTADUAL DE CAMPINASGomes, Daniel Takata20052005-11-18T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf137p. : il.https://hdl.handle.net/20.500.12733/1601638GOMES, Daniel Takata. Modelos de redes neurais recorrentes para previsão de series temporais de memorias curta e longa. 2005. 137p. Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1601638. Acesso em: 14 mai. 2024.https://repositorio.unicamp.br/acervo/detalhe/360549porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2022-09-29T10:49:44Zoai::360549Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2022-09-29T10:49:44Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Modelos de redes neurais recorrentes para previsão de series temporais de memorias curta e longa
Recurrent neural networks for prediction of short and long memory time series
title Modelos de redes neurais recorrentes para previsão de series temporais de memorias curta e longa
spellingShingle Modelos de redes neurais recorrentes para previsão de series temporais de memorias curta e longa
Gomes, Daniel Takata
Redes neurais (Computação)
Séries temporais
Filtragem de Kalman
Previsão do tempo
Neural networks
Time series
Forecasting
Kalman filtering
title_short Modelos de redes neurais recorrentes para previsão de series temporais de memorias curta e longa
title_full Modelos de redes neurais recorrentes para previsão de series temporais de memorias curta e longa
title_fullStr Modelos de redes neurais recorrentes para previsão de series temporais de memorias curta e longa
title_full_unstemmed Modelos de redes neurais recorrentes para previsão de series temporais de memorias curta e longa
title_sort Modelos de redes neurais recorrentes para previsão de series temporais de memorias curta e longa
author Gomes, Daniel Takata
author_facet Gomes, Daniel Takata
author_role author
dc.contributor.none.fl_str_mv Barbosa, Emanuel Pimentel, 1951-2014
Toloi, Clélia Maria de Castro
Medeiros, Marcelo Cunha
Sussner, Peter
Universidade Estadual de Campinas. Instituto de Matemática, Estatística e Computação Científica
Programa de Pós-Graduação em Estatística
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Gomes, Daniel Takata
dc.subject.por.fl_str_mv Redes neurais (Computação)
Séries temporais
Filtragem de Kalman
Previsão do tempo
Neural networks
Time series
Forecasting
Kalman filtering
topic Redes neurais (Computação)
Séries temporais
Filtragem de Kalman
Previsão do tempo
Neural networks
Time series
Forecasting
Kalman filtering
description Orientador: Emanuel Pimentel Barbosa
publishDate 2005
dc.date.none.fl_str_mv 2005
2005-11-18T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/1601638
GOMES, Daniel Takata. Modelos de redes neurais recorrentes para previsão de series temporais de memorias curta e longa. 2005. 137p. Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1601638. Acesso em: 14 mai. 2024.
url https://hdl.handle.net/20.500.12733/1601638
identifier_str_mv GOMES, Daniel Takata. Modelos de redes neurais recorrentes para previsão de series temporais de memorias curta e longa. 2005. 137p. Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1601638. Acesso em: 14 mai. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/360549
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
137p. : il.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1799138406956007424

Registros relacionados