Detalhes bibliográficos
| Ano de defesa: |
1999 |
| Autor(a) principal: |
Diniz, Hélio |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://www.teses.usp.br/teses/disponiveis/55/55134/tde-06032018-110702/
|
Resumo: |
Esta dissertação investiga a possibilidade de integração de Redes Neurais Artificiais (RNAs) e Método Estocásticos para previsão de séries temporais. O problema de previsão é geralmente abordado através de Métodos Estocásticos. Ultimamente, as RNAs têm sido muito utilizadas para a construção de previsores não lineares em diferente áreas de aplicações. Contudo, as arquiteturas da RNAs devem também ser parcimoniosas, ou seja, apenas considerar as entradas mais relevantes para realizar uma boa previsão. Assim, várias abordagens vêm sendo propostas para melhorar o projeto de arquitetura em problemas de previsão. Alguns exemplos destas abordagens são a combinação de RNAs e métodos Box 8c Jenkins, as técnicas de seleção usando métodos de poda de RNAs e modelos de RNAs com capacidade de processamento temporal. Além disso, as vantagens particulares dos previsores construídos seguindo tais abordagens podem ser combinadas através de comitês ou combinadores de previsão. Os experimentos desta dissertação foram realizados com dados sobre séries temporais de cotação de moedas e ações. |
