Integração de Redes Neurais Artificiais & Métodos Estocásticos para Previsão de Séries Temporais

Detalhes bibliográficos
Autor(a) principal: Hélio Diniz
Data de Publicação: 1999
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://doi.org/10.11606/D.55.2018.tde-06032018-110702
Resumo: Esta dissertação investiga a possibilidade de integração de Redes Neurais Artificiais (RNAs) e Método Estocásticos para previsão de séries temporais. O problema de previsão é geralmente abordado através de Métodos Estocásticos. Ultimamente, as RNAs têm sido muito utilizadas para a construção de previsores não lineares em diferente áreas de aplicações. Contudo, as arquiteturas da RNAs devem também ser parcimoniosas, ou seja, apenas considerar as entradas mais relevantes para realizar uma boa previsão. Assim, várias abordagens vêm sendo propostas para melhorar o projeto de arquitetura em problemas de previsão. Alguns exemplos destas abordagens são a combinação de RNAs e métodos Box 8c Jenkins, as técnicas de seleção usando métodos de poda de RNAs e modelos de RNAs com capacidade de processamento temporal. Além disso, as vantagens particulares dos previsores construídos seguindo tais abordagens podem ser combinadas através de comitês ou combinadores de previsão. Os experimentos desta dissertação foram realizados com dados sobre séries temporais de cotação de moedas e ações.
id USP_895f38d358df695012fba40f9a42cc52
oai_identifier_str oai:teses.usp.br:tde-06032018-110702
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis Integração de Redes Neurais Artificiais & Métodos Estocásticos para Previsão de Séries Temporais Not available 1999-08-27André Carlos Ponce de Leon Ferreira de CarvalhoMarinho Gomes de Andrade FilhoAntonio Carlos Gay ThoméHélio DinizUniversidade de São PauloCiências da Computação e Matemática ComputacionalUSPBR Não disponível Not available Esta dissertação investiga a possibilidade de integração de Redes Neurais Artificiais (RNAs) e Método Estocásticos para previsão de séries temporais. O problema de previsão é geralmente abordado através de Métodos Estocásticos. Ultimamente, as RNAs têm sido muito utilizadas para a construção de previsores não lineares em diferente áreas de aplicações. Contudo, as arquiteturas da RNAs devem também ser parcimoniosas, ou seja, apenas considerar as entradas mais relevantes para realizar uma boa previsão. Assim, várias abordagens vêm sendo propostas para melhorar o projeto de arquitetura em problemas de previsão. Alguns exemplos destas abordagens são a combinação de RNAs e métodos Box 8c Jenkins, as técnicas de seleção usando métodos de poda de RNAs e modelos de RNAs com capacidade de processamento temporal. Além disso, as vantagens particulares dos previsores construídos seguindo tais abordagens podem ser combinadas através de comitês ou combinadores de previsão. Os experimentos desta dissertação foram realizados com dados sobre séries temporais de cotação de moedas e ações. This work investigates the potential integration of Artificial Neural Networks (ANNs) and Stochastic Methods for time series prediction. The prediction problem is usually solved through stochastic methods. Recently, ANNs have been used in order to create nonlinear predictors in different arcas of application. However, the ANNs architecturcs should also be parsimonious, e. g., they should just consider the most relevant inputs so as to earry out good predietions. Therefore, severa] approaches have been proposed in order to improve the architecture design in this realm. Some examples of those approaches are the combination of ANNs the Box & Jenkins method, the variable seleetion teehniques using pruning methods and ANNs dynamic models with processing temporal skills. Besides, the particular advantages of each individual predictor that are created following those approaches can bc combined through a forecasting committee. The experiments of this dissertation were carried out using real-world data sets of exchange rate and stock markets time series. https://doi.org/10.11606/D.55.2018.tde-06032018-110702info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USP2023-12-21T18:18:51Zoai:teses.usp.br:tde-06032018-110702Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212023-12-22T12:12:41.603920Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.pt.fl_str_mv Integração de Redes Neurais Artificiais & Métodos Estocásticos para Previsão de Séries Temporais
dc.title.alternative.en.fl_str_mv Not available
title Integração de Redes Neurais Artificiais & Métodos Estocásticos para Previsão de Séries Temporais
spellingShingle Integração de Redes Neurais Artificiais & Métodos Estocásticos para Previsão de Séries Temporais
Hélio Diniz
title_short Integração de Redes Neurais Artificiais & Métodos Estocásticos para Previsão de Séries Temporais
title_full Integração de Redes Neurais Artificiais & Métodos Estocásticos para Previsão de Séries Temporais
title_fullStr Integração de Redes Neurais Artificiais & Métodos Estocásticos para Previsão de Séries Temporais
title_full_unstemmed Integração de Redes Neurais Artificiais & Métodos Estocásticos para Previsão de Séries Temporais
title_sort Integração de Redes Neurais Artificiais & Métodos Estocásticos para Previsão de Séries Temporais
author Hélio Diniz
author_facet Hélio Diniz
author_role author
dc.contributor.advisor1.fl_str_mv André Carlos Ponce de Leon Ferreira de Carvalho
dc.contributor.referee1.fl_str_mv Marinho Gomes de Andrade Filho
dc.contributor.referee2.fl_str_mv Antonio Carlos Gay Thomé
dc.contributor.author.fl_str_mv Hélio Diniz
contributor_str_mv André Carlos Ponce de Leon Ferreira de Carvalho
Marinho Gomes de Andrade Filho
Antonio Carlos Gay Thomé
description Esta dissertação investiga a possibilidade de integração de Redes Neurais Artificiais (RNAs) e Método Estocásticos para previsão de séries temporais. O problema de previsão é geralmente abordado através de Métodos Estocásticos. Ultimamente, as RNAs têm sido muito utilizadas para a construção de previsores não lineares em diferente áreas de aplicações. Contudo, as arquiteturas da RNAs devem também ser parcimoniosas, ou seja, apenas considerar as entradas mais relevantes para realizar uma boa previsão. Assim, várias abordagens vêm sendo propostas para melhorar o projeto de arquitetura em problemas de previsão. Alguns exemplos destas abordagens são a combinação de RNAs e métodos Box 8c Jenkins, as técnicas de seleção usando métodos de poda de RNAs e modelos de RNAs com capacidade de processamento temporal. Além disso, as vantagens particulares dos previsores construídos seguindo tais abordagens podem ser combinadas através de comitês ou combinadores de previsão. Os experimentos desta dissertação foram realizados com dados sobre séries temporais de cotação de moedas e ações.
publishDate 1999
dc.date.issued.fl_str_mv 1999-08-27
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://doi.org/10.11606/D.55.2018.tde-06032018-110702
url https://doi.org/10.11606/D.55.2018.tde-06032018-110702
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade de São Paulo
dc.publisher.program.fl_str_mv Ciências da Computação e Matemática Computacional
dc.publisher.initials.fl_str_mv USP
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Universidade de São Paulo
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1794502508030197760

Registros relacionados