Comparación de Redes Neuronales aplicadas a la predicción de Series de Tiempo.
El presente estudio tiene como objetivo principal presentar la comparativa de las redes neuronales artificiales (RNA) tipo perceptrón multicapa (MLP) y de funciones de base radial (RBF) aplicadas a la predicción de series de tiempo. Se utilizó resilient backpropagation como algoritmo de aprendizaje...
Main Authors: | , , |
---|---|
Format: | Article |
Language: | English |
Published: |
Editorial Uniautónoma
2015-12-01
|
Series: | Prospectiva |
Subjects: | |
Online Access: | http://ojs.uac.edu.co/index.php/prospectiva/article/view/491 |
id |
doaj-1a837a07ce89497492f76e1dbcf29103 |
---|---|
record_format |
Article |
spelling |
doaj-1a837a07ce89497492f76e1dbcf291032020-11-25T03:40:05ZengEditorial UniautónomaProspectiva1692-82612216-13682015-12-0113210.15665/rp.v13i2.491Comparación de Redes Neuronales aplicadas a la predicción de Series de Tiempo.Darwin Mercado Polo0Luis Pedraza CaballeroEdinson Martínez GómezUniversidad de la Costa - CUC El presente estudio tiene como objetivo principal presentar la comparativa de las redes neuronales artificiales (RNA) tipo perceptrón multicapa (MLP) y de funciones de base radial (RBF) aplicadas a la predicción de series de tiempo. Se utilizó resilient backpropagation como algoritmo de aprendizaje para la red MLP y una combinación entre el algoritmo de los k-emanes y el método de la matriz pseudoinversa para la RBF. La implementación de las RNA se realizó utilizando un sistema basado en arquitectura cliente-servidor, previendo una futura integración con aplicaciones en tiempo real. Para la evaluación de las RNA se utilizaron conjuntos de datos de diferentes características y cantidad de datos.De acuerdo a los resultados obtenidos se concluye que para la utilización e integración de técnicas de inteligencia computacional en sistemas web, es preferible el uso de las RBF, debido a que obtiene mejores tiempos de ejecución. Es importante resaltar también que en calidad de respuesta los dos tipos de redes neuronales obtienen resultados similares. http://ojs.uac.edu.co/index.php/prospectiva/article/view/491Redes neuronales artificialesPredicciónSeries de tiempoPerceptrón multicapaFunciones de base radial. |
collection |
DOAJ |
language |
English |
format |
Article |
sources |
DOAJ |
author |
Darwin Mercado Polo Luis Pedraza Caballero Edinson Martínez Gómez |
spellingShingle |
Darwin Mercado Polo Luis Pedraza Caballero Edinson Martínez Gómez Comparación de Redes Neuronales aplicadas a la predicción de Series de Tiempo. Prospectiva Redes neuronales artificiales Predicción Series de tiempo Perceptrón multicapa Funciones de base radial. |
author_facet |
Darwin Mercado Polo Luis Pedraza Caballero Edinson Martínez Gómez |
author_sort |
Darwin Mercado Polo |
title |
Comparación de Redes Neuronales aplicadas a la predicción de Series de Tiempo. |
title_short |
Comparación de Redes Neuronales aplicadas a la predicción de Series de Tiempo. |
title_full |
Comparación de Redes Neuronales aplicadas a la predicción de Series de Tiempo. |
title_fullStr |
Comparación de Redes Neuronales aplicadas a la predicción de Series de Tiempo. |
title_full_unstemmed |
Comparación de Redes Neuronales aplicadas a la predicción de Series de Tiempo. |
title_sort |
comparación de redes neuronales aplicadas a la predicción de series de tiempo. |
publisher |
Editorial Uniautónoma |
series |
Prospectiva |
issn |
1692-8261 2216-1368 |
publishDate |
2015-12-01 |
description |
El presente estudio tiene como objetivo principal presentar la comparativa de las redes neuronales artificiales (RNA) tipo perceptrón multicapa (MLP) y de funciones de base radial (RBF) aplicadas a la predicción de series de tiempo. Se utilizó resilient backpropagation como algoritmo de aprendizaje para la red MLP y una combinación entre el algoritmo de los k-emanes y el método de la matriz pseudoinversa para la RBF. La implementación de las RNA se realizó utilizando un sistema basado en arquitectura cliente-servidor, previendo una futura integración con aplicaciones en tiempo real. Para la evaluación de las RNA se utilizaron conjuntos de datos de diferentes características y cantidad de datos.De acuerdo
a los resultados obtenidos se concluye que para la utilización e integración de técnicas de inteligencia computacional en sistemas web, es preferible el uso de las RBF, debido a que obtiene mejores tiempos de ejecución. Es importante resaltar también que en calidad de respuesta los dos tipos de redes neuronales
obtienen resultados similares.
|
topic |
Redes neuronales artificiales Predicción Series de tiempo Perceptrón multicapa Funciones de base radial. |
url |
http://ojs.uac.edu.co/index.php/prospectiva/article/view/491 |
work_keys_str_mv |
AT darwinmercadopolo comparacionderedesneuronalesaplicadasalapredicciondeseriesdetiempo AT luispedrazacaballero comparacionderedesneuronalesaplicadasalapredicciondeseriesdetiempo AT edinsonmartinezgomez comparacionderedesneuronalesaplicadasalapredicciondeseriesdetiempo |
_version_ |
1724536488074412032 |