SciELO - Scientific Electronic Library Online

 
vol.30 issue1Easyverifier 1.0: a software tool for revising scientific articles´ bibliographical citationsTechnological kinship circles author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Ingeniería e Investigación

Print version ISSN 0120-5609

Abstract

VELASQUEZ, Juan David; VILLA, Fernán Alonso  and  SOUZA, Reinaldo C. Predicción de series de tiempo con redes cascada-correlación. Ing. Investig. [online]. 2010, vol.30, n.1, pp.157-162. ISSN 0120-5609.

Las redes neuronales, y en particular los perceptrones multicapa (MLP), han sido reconocidos como una de las más poderosas técnicas para estimar series de tiempo; sin embargo, la técnica de redes cascada-correlación (CC) es un fuerte competidor para pronosticar series temporales pues incorpora mejoras a los problemas de identificabilidad estadística del modelo del MLP. En éste artículo se compara el rendimiento de las redes CC respecto de otras técnicas, entre ellas el MLP, ANN y Arima, usando vrias series de tiempo no lineales del mundo real, con el fin de determinar si las CC ofrecen buenos resultados en la práctica. Los resultados indican que las redes CC, en la mayoría de los casos, son superiores a los MLP, ANN y Arima, logrando errores menores en magnitud que los reportados en la literatura usando dichas técnicas, mientras que en relación a DAN2 se lograron errores cercanos e incluso mejores

Keywords : cascada-correlación; redes neuronales; series de tiempo; predicción; entrenamiento; validación; perceptrón multicapa; DANN2; Arima.

        · abstract in English     · text in Spanish     · Spanish ( pdf )

 

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License