Previsão de séries temporais com seleção automática de previsores: Clusterização de dados, seleção de atributos e análise independente de previsores (in Portuguese)
Previsão de séries temporais com seleção automática de previsores: Clusterização de dados, seleção de atributos e análise independente de previsores (in Portuguese)
Previsão de séries temporais com seleção automática de previsores: Clusterização de dados, seleção de atributos e análise independente de previsores (in Portuguese) - Aquino Francisco Wagner Costa
New Book
£ 49.41
Free UK Delivery
Choose the list to add your product or create one New List
Origin: Spain
(Import costs included in the price)
It will be shipped from our warehouse between Friday, June 21 and Tuesday, July 02.
You will receive it anywhere in United Kingdom between 1 and 3 business days after shipment.
Previsão de séries temporais com seleção automática de previsores: Clusterização de dados, seleção de atributos e análise independente de previsores (in Portuguese)
Aquino Francisco Wagner Costa
Synopsis "Previsão de séries temporais com seleção automática de previsores: Clusterização de dados, seleção de atributos e análise independente de previsores (in Portuguese)"
Este trabalho busca apresentar um método para previsão de séries temporais que se utiliza da estratégia de dividir para conquistar na busca da minimização do erro na previsão. O algoritmo proposto realiza a seleção de exemplos através da clusterização dos dados via rede de Kohonen, com estratégias para aumentar a densidade dos dados. Para cada cluster, é gerada automaticamente, através de algoritmos genéticos, uma rede previsora MLP (considerando atributos de entrada, janela de tempo, topologia da rede e calibragem dos parâmetros) otimizada para aquela classe. Também foram definidos dois comitês de máquinas que aliam as informações de semelhança entre os padrões de entrada advindas da clusterização com a combinação de conhecimentos dos especialistas obtida através da essência do comitê de máquinas. Todas as estratégias apresentadas constituem o portfólio de estratégias de previsão do sistema que utiliza uma seleção automática de previsores, dotada de uma grade tridimensional dos desempenhos dos mesmos, para definir qual a melhor estratégia para realizar a previsão de cada padrão de entrada apresentado. A avaliação do algoritmo foi realizada em séries temporais econômicas.