Problemas de investigación en la predicción de series de tiempo con redes neuronales artificiales

En el modelado de series de tiempo, las red es neuronales han venido ganando cada vez más terreno, debido a sus reconocidas capacidades de adaptabilidad, generalización y aprendizaje. Si bien, en la literatura se denota un creciente interés por el desarrollo de aplicaciones con dichos modelos y se h...

Full description

Autores:
Sánchez, Paola
Velásquez, Juan D.
Tipo de recurso:
Article of journal
Fecha de publicación:
2010
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/38701
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/38701
http://bdigital.unal.edu.co/28798/
Palabra clave:
Redes Neuronales
Series de Tiempo
Algoritmo de Entrenamiento
Selección de Neuronas Ocultas.
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
Description
Summary:En el modelado de series de tiempo, las red es neuronales han venido ganando cada vez más terreno, debido a sus reconocidas capacidades de adaptabilidad, generalización y aprendizaje. Si bien, en la literatura se denota un creciente interés por el desarrollo de aplicaciones con dichos modelos y se han presentado muchos reportes exitosos de su desempeño, igualmente, se han reportado resultados inconsistentes acerca de su uso. Algunos autores sostienen que tales inconsistencias son producto de falencias en la implementación del modelo y en la carencia de una metodología válida. En este trabajo se evalúan los efectos de dos factores clave en la construcción del modelo de red neuronal: el algoritmo de entrenamiento y el criterio de selección del número de neuronas ocultas; para ejemplificar la discusión se usó la serie de pasajeros en líneas aéreas de Box and amp; Jenkins y los métodos de entrenamiento de regla delta generalizada y RProp. La evidencia experimental demuestra que los métodos de entrenamiento evaluados exhiben comportamientos diferentes a los teóricamente esper ados.