Una comparación entre los modelos de componentes no observables y las redes neuronales artificiales
Las redes neuronales artificiales han sido comúnmente usadas para pronosticar series de tiempo no lineales debido a sus ventajas; sin embargo, el procedimiento de pronóstico depende de heurísticas y juicio experto. La metodología de modelado de componentes no observables es una técnica de pronóstico...
- Autores:
-
Castaño Jaramillo, Natalia
Montoya, Olga Lucia
Velásquez Henao, Juan David
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2009
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/28571
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/28571
http://bdigital.unal.edu.co/18619/
- Palabra clave:
- Sistemas Inteligentes
Agentes Inteligentes y Sistemas Neuro-Difusos
modelos de componentes no observables
series de tiempo
predicción.
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
| id |
UNACIONAL2_a9903406bf4b89a8a0d515e39368837c |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/28571 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| spelling |
Atribución-NoComercial 4.0 InternacionalDerechos reservados - Universidad Nacional de Colombiahttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Castaño Jaramillo, Natalia16d43a35-cef1-4f32-895e-f8b3171df4a3300Montoya, Olga Luciaecb99bf3-897c-445a-8977-a6cec293c3d0300Velásquez Henao, Juan David6e2af894-3c59-45bb-95d4-43331c36572d3002019-06-26T10:20:42Z2019-06-26T10:20:42Z2009https://repositorio.unal.edu.co/handle/unal/28571http://bdigital.unal.edu.co/18619/Las redes neuronales artificiales han sido comúnmente usadas para pronosticar series de tiempo no lineales debido a sus ventajas; sin embargo, el procedimiento de pronóstico depende de heurísticas y juicio experto. La metodología de modelado de componentes no observables es una técnica de pronóstico basada en el filtro de Kalman y la representación de las características visuales de la serie analizada. En este artículo, se compara la habilidad de pronóstico de la aproximación ARIMA, las redes neuronales artificiales y los modelos de componentes no observables utilizando dos series benchmark. Se encontró que el modelo de componentes no observables es muy bueno para una de estas series, mientras que es muy malo para las otras. Sin embargo, es posible concluir que la proximación analizada es competitiva con las metodologías propias de la inteligencia artificial.application/pdfspaUniversidad Nacional de Colombia -Sede Medellínhttp://revistas.unal.edu.co/index.php/avances/article/view/14487Universidad Nacional de Colombia Revistas electrónicas UN Avances en Sistemas e InformáticaAvances en Sistemas e InformáticaAvances en Sistemas e Informática; Vol. 6, núm. 1 (2009); 191-196 Avances en Sistemas e Informática; Vol. 6, núm. 1 (2009); 191-196 1909-0056 1657-7663Castaño Jaramillo, Natalia and Montoya, Olga Lucia and Velásquez Henao, Juan David (2009) Una comparación entre los modelos de componentes no observables y las redes neuronales artificiales. Avances en Sistemas e Informática; Vol. 6, núm. 1 (2009); 191-196 Avances en Sistemas e Informática; Vol. 6, núm. 1 (2009); 191-196 1909-0056 1657-7663 .Una comparación entre los modelos de componentes no observables y las redes neuronales artificialesArtículo de revistainfo:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/ARTSistemas InteligentesAgentes Inteligentes y Sistemas Neuro-Difusosmodelos de componentes no observablesseries de tiempopredicción.ORIGINAL14487-43456-1-PB.pdfapplication/pdf302438https://repositorio.unal.edu.co/bitstream/unal/28571/1/14487-43456-1-PB.pdfc3ac4678683823db190a49d42298e563MD51unal/28571oai:repositorio.unal.edu.co:unal/285712021-04-19 16:16:17.434Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co |
| dc.title.spa.fl_str_mv |
Una comparación entre los modelos de componentes no observables y las redes neuronales artificiales |
| title |
Una comparación entre los modelos de componentes no observables y las redes neuronales artificiales |
| spellingShingle |
Una comparación entre los modelos de componentes no observables y las redes neuronales artificiales Sistemas Inteligentes Agentes Inteligentes y Sistemas Neuro-Difusos modelos de componentes no observables series de tiempo predicción. |
| title_short |
Una comparación entre los modelos de componentes no observables y las redes neuronales artificiales |
| title_full |
Una comparación entre los modelos de componentes no observables y las redes neuronales artificiales |
| title_fullStr |
Una comparación entre los modelos de componentes no observables y las redes neuronales artificiales |
| title_full_unstemmed |
Una comparación entre los modelos de componentes no observables y las redes neuronales artificiales |
| title_sort |
Una comparación entre los modelos de componentes no observables y las redes neuronales artificiales |
| dc.creator.fl_str_mv |
Castaño Jaramillo, Natalia Montoya, Olga Lucia Velásquez Henao, Juan David |
| dc.contributor.author.spa.fl_str_mv |
Castaño Jaramillo, Natalia Montoya, Olga Lucia Velásquez Henao, Juan David |
| dc.subject.proposal.spa.fl_str_mv |
Sistemas Inteligentes Agentes Inteligentes y Sistemas Neuro-Difusos modelos de componentes no observables series de tiempo predicción. |
| topic |
Sistemas Inteligentes Agentes Inteligentes y Sistemas Neuro-Difusos modelos de componentes no observables series de tiempo predicción. |
| description |
Las redes neuronales artificiales han sido comúnmente usadas para pronosticar series de tiempo no lineales debido a sus ventajas; sin embargo, el procedimiento de pronóstico depende de heurísticas y juicio experto. La metodología de modelado de componentes no observables es una técnica de pronóstico basada en el filtro de Kalman y la representación de las características visuales de la serie analizada. En este artículo, se compara la habilidad de pronóstico de la aproximación ARIMA, las redes neuronales artificiales y los modelos de componentes no observables utilizando dos series benchmark. Se encontró que el modelo de componentes no observables es muy bueno para una de estas series, mientras que es muy malo para las otras. Sin embargo, es posible concluir que la proximación analizada es competitiva con las metodologías propias de la inteligencia artificial. |
| publishDate |
2009 |
| dc.date.issued.spa.fl_str_mv |
2009 |
| dc.date.accessioned.spa.fl_str_mv |
2019-06-26T10:20:42Z |
| dc.date.available.spa.fl_str_mv |
2019-06-26T10:20:42Z |
| dc.type.spa.fl_str_mv |
Artículo de revista |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/article |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
| dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/ART |
| format |
http://purl.org/coar/resource_type/c_6501 |
| status_str |
publishedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/28571 |
| dc.identifier.eprints.spa.fl_str_mv |
http://bdigital.unal.edu.co/18619/ |
| url |
https://repositorio.unal.edu.co/handle/unal/28571 http://bdigital.unal.edu.co/18619/ |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.spa.fl_str_mv |
http://revistas.unal.edu.co/index.php/avances/article/view/14487 |
| dc.relation.ispartof.spa.fl_str_mv |
Universidad Nacional de Colombia Revistas electrónicas UN Avances en Sistemas e Informática Avances en Sistemas e Informática |
| dc.relation.ispartofseries.none.fl_str_mv |
Avances en Sistemas e Informática; Vol. 6, núm. 1 (2009); 191-196 Avances en Sistemas e Informática; Vol. 6, núm. 1 (2009); 191-196 1909-0056 1657-7663 |
| dc.relation.references.spa.fl_str_mv |
Castaño Jaramillo, Natalia and Montoya, Olga Lucia and Velásquez Henao, Juan David (2009) Una comparación entre los modelos de componentes no observables y las redes neuronales artificiales. Avances en Sistemas e Informática; Vol. 6, núm. 1 (2009); 191-196 Avances en Sistemas e Informática; Vol. 6, núm. 1 (2009); 191-196 1909-0056 1657-7663 . |
| dc.rights.spa.fl_str_mv |
Derechos reservados - Universidad Nacional de Colombia |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial 4.0 Internacional |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Atribución-NoComercial 4.0 Internacional Derechos reservados - Universidad Nacional de Colombia http://creativecommons.org/licenses/by-nc/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia -Sede Medellín |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/28571/1/14487-43456-1-PB.pdf |
| bitstream.checksum.fl_str_mv |
c3ac4678683823db190a49d42298e563 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1814089735588544512 |