[en] AUTOREGRESSIVE-NEURAL HYBRID MODELS FOR TIME SERIES

Detalhes bibliográficos
Ano de defesa:	2009
Autor(a) principal:	MARCELO TOURASSE NASSIM MELLEM
Orientador(a):	Não Informado pela instituição
Banca de defesa:	Não Informado pela instituição
Tipo de documento:	Tese
Tipo de acesso:	Acesso aberto
Idioma:	por
Instituição de defesa:	MAXWELL
Programa de Pós-Graduação:	Não Informado pela instituição
Departamento:	Não Informado pela instituição
País:	Não Informado pela instituição
Palavras-chave em Português:	[pt] SERIE TEMPORAL [pt] MODELOS HIBRIDOS [en] TIME SERIE [en] HYBRID MODELS
Link de acesso:	https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=14541&idi=1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=14541&idi=2 http://doi.org/10.17771/PUCRio.acad.14541
Resumo:	[pt] Este trabalho apresenta um modelo linear por partes chamado de modelo ARN. Trata-se de uma estrutura híbrida que envolve modelos autoregressivos e redes neurais. Este modelo é comparado com o modelo AR de coeficientes fixos e com a rede neural estática aplicada à previsão. Os resultados mostram que o ARN consegue identificar a estrutura não-linear dos dados simulados e que na maioria dos casos ele possui melhor habilidade preditiva do que os modelos supracitados.

Registros relacionados