DSpace DSpace UPC
 Català   Castellano   English  

E-prints UPC >
Altres >
Enviament des de DRAC >

Empreu aquest identificador per citar o enllaçar aquest ítem: http://hdl.handle.net/2117/12502

Ítem no disponible en accés obert per política de l'editorial

Arxiu Descripció MidaFormat
Psicothema2011.pdf278,29 kBAdobe PDF Accés restringit

Citació: Montaño, J.; Palmer , A.; Muñoz, M. Artificial neural networks applied to forecasting time series. "Psicothema", 2011, vol. 23, núm. 2, p. 322-329.
Títol: Artificial neural networks applied to forecasting time series
Autor: Montaño Moreno, Juan José; Palmer Pol, Alfonso; Muñoz Gracia, María del Pilar Veure Producció científica UPC
Data: 2011
Tipus de document: Article
Resum: This study offers a description and comparison of the main models of Artificial Neural Networks (ANN) which have proved to be useful in time series forecasting, and also a standard procedure for the practical application of ANN in this type of task. The Multilayer Perceptron (MLP), Radial Base Function (RBF), Generalized Regression Neural Network (GRNN), and Recurrent Neural Network (RNN) models are analyzed. With this aim in mind, we use a time series made up of 244 time points. A comparative study establishes that the error made by the four neural network models analyzed is less than 10%. In accordance with the interpretation criteria of this performance, it can be concluded that the neural network models show a close fit regarding their forecasting capacity. The model with the best performance is the RBF, followed by the RNN and MLP. The GRNN model is the one with the worst performance. Finally, we analyze the advantages and limitations of ANN, the possible solutions to these limitations, and provide an orientation towards future research. Redes neuronales artificiales aplicadas a la previsión de series temporales. El presente estudio ofrece una descripción y una comparación de los principales modelos de Redes Neuronales Artificiales (RNA) que han demostrado ser de utilidad en la previsión de series temporales, así como un procedimiento estándar para la aplicación práctica de las RNA en este tipo de tareas. Se analizan los modelos Perceptrón Multicapa (MLP), Funciones de Base Radial (RBF), Red Neuronal de Regresión Generalizada (GRNN) y Redes Neuronales Recurrentes (RNN). Para ello, se ha utilizado una serie temporal compuesta por 244 puntos temporales. El estudio comparativo establece que el error cometido por los cuatro modelos de red analizados es inferior al 10%. De acuerdo con los criterios de interpretación de este desempeño, se puede concluir que los modelos de red presentan un alto ajuste en su capacidad de previsión. El modelo con mejor rendimiento es el RBF, seguido del RNN y MLP. El modelo GRNN es el que presenta peor rendimiento. Finalmente, se analizan las ventajas y limitaciones de las RNA, las posibles soluciones a tales limitaciones, así como una orientación de las líneas de investigación futuras.
ISSN: 0214-9915
URI: http://hdl.handle.net/2117/12502
Apareix a les col·leccions:Altres. Enviament des de DRAC
LIAM - Laboratori de Modelització i Anàlisi de la Informació. Articles de revista
Departament d'Estadística i Investigació Operativa. Articles de revista
Comparteix:


Stats Mostra les estadístiques d'aquest ítem

SFX Query

Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets.

Per a qualsevol ús que se'n vulgui fer no previst a la llei, dirigiu-vos a: sepi.bupc@upc.edu

 

Valid XHTML 1.0! Programari DSpace Copyright © 2002-2004 MIT and Hewlett-Packard Comentaris
Universitat Politècnica de Catalunya. Servei de Biblioteques, Publicacions i Arxius