Predicción de series caóticas utilizando redes neuronales y su correlación con el exponente de Lyapunov
Material type:
Article
In:
Revista del Centro de Investigación 1, 3 (jul. 1994), 105-110Summary: Existen hasta el momento diferentes aproximaciones para predicción de series de tiempo, por ejemplo algunas de ellas son: técnicas estadísticas, técnicas por filtro de Kalman, y en los últimos años se han reportado resultados de predicción con redes neuronales. Pero el problema sigue siendo saber si la serie es predecible "independientemente" de la técnica que se esté utilizando. En este trabajo se presenta la relación que existe entre el exponente de Lyapunov y el error de predicción para series caóticas por medio de redes neuronales, como instrumento de decisión en el área de predicción. Se presentan predicciones para mapeos discretos a partir de valores anteriores.
Existen hasta el momento diferentes aproximaciones para predicción de series de tiempo, por ejemplo algunas de ellas son: técnicas estadísticas, técnicas por filtro de Kalman, y en los últimos años se han reportado resultados de predicción con redes neuronales. Pero el problema sigue siendo saber si la serie es predecible "independientemente" de la técnica que se esté utilizando. En este trabajo se presenta la relación que existe entre el exponente de Lyapunov y el error de predicción para series caóticas por medio de redes neuronales, como instrumento de decisión en el área de predicción. Se presentan predicciones para mapeos discretos a partir de valores anteriores.
There are no comments on this title.