A combined approach for long-term series prediction: Renyi permutation entropy with BEA predictor filter

Autores
Rodriguez Rivero, Cristian; Pucheta, Julián; Patiño, Daniel; Laboret, Sergio; Juárez, Gustavo; Sauchelli, Víctor
Año de publicación
2016
Idioma
inglés
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Pucheta, Julián . Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Patiño, Daniel. Universidad Nacional de San Juan. Instituto de Automática; Argentina.
Fil: Laboret, Sergio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Juárez, Gustavo. Universidad Nacional de Tucumán. Facultad de Ciencias Exactas y Tecnología. Laboratorio de Inteligencia Artificial; Argentina.
Fil: Sauchelli, Víctor. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
In order to predict long-term series, a Bayesian enhanced approach (BEA) combining permutation entropy (BEMA) is presented. The motivation of the proposed filter is to predict long-term time series by changing the structure of the predictor filter according to data model selected, then computational results are evaluated on high roughness time series selected from benchmark, in which they are compared with recent artificial neural networks (ANN) nonlinear filters such as Bayesian Enhanced approach (BEA) and Bayesian Approach (BA). These results support the applicability of permutation entropy in analyzing the dynamic behavior of chaotic time series for long-term series predictions.
http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7585299&isnumber=7585232
Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Pucheta, Julián . Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Patiño, Daniel. Universidad Nacional de San Juan. Instituto de Automática; Argentina.
Fil: Laboret, Sergio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Juárez, Gustavo. Universidad Nacional de Tucumán. Facultad de Ciencias Exactas y Tecnología. Laboratorio de Inteligencia Artificial; Argentina.
Fil: Sauchelli, Víctor. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Sistemas de Automatización y Control
Materia
Bayes methods
Benchmark testing
Complexity theory
Entropy
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/553712
Acceder
id RDUUNC_eb05c5fc4db10527a6195935df130348
oai_identifier_str oai:rdu.unc.edu.ar:11086/553712
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling A combined approach for long-term series prediction: Renyi permutation entropy with BEA predictor filterRodriguez Rivero, CristianPucheta, JuliánPatiño, DanielLaboret, SergioJuárez, GustavoSauchelli, VíctorBayes methodsBenchmark testingComplexity theoryEntropyFil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Fil: Pucheta, Julián . Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Fil: Patiño, Daniel. Universidad Nacional de San Juan. Instituto de Automática; Argentina.Fil: Laboret, Sergio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Fil: Juárez, Gustavo. Universidad Nacional de Tucumán. Facultad de Ciencias Exactas y Tecnología. Laboratorio de Inteligencia Artificial; Argentina.Fil: Sauchelli, Víctor. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.In order to predict long-term series, a Bayesian enhanced approach (BEA) combining permutation entropy (BEMA) is presented. The motivation of the proposed filter is to predict long-term time series by changing the structure of the predictor filter according to data model selected, then computational results are evaluated on high roughness time series selected from benchmark, in which they are compared with recent artificial neural networks (ANN) nonlinear filters such as Bayesian Enhanced approach (BEA) and Bayesian Approach (BA). These results support the applicability of permutation entropy in analyzing the dynamic behavior of chaotic time series for long-term series predictions.http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7585299&isnumber=7585232Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Fil: Pucheta, Julián . Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Fil: Patiño, Daniel. Universidad Nacional de San Juan. Instituto de Automática; Argentina.Fil: Laboret, Sergio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Fil: Juárez, Gustavo. Universidad Nacional de Tucumán. Facultad de Ciencias Exactas y Tecnología. Laboratorio de Inteligencia Artificial; Argentina.Fil: Sauchelli, Víctor. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Sistemas de Automatización y Control2016info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://hdl.handle.net/11086/553712enginfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-10-16T09:28:58Zoai:rdu.unc.edu.ar:11086/553712Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-10-16 09:28:59.047Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv A combined approach for long-term series prediction: Renyi permutation entropy with BEA predictor filter
title A combined approach for long-term series prediction: Renyi permutation entropy with BEA predictor filter
spellingShingle A combined approach for long-term series prediction: Renyi permutation entropy with BEA predictor filter
Rodriguez Rivero, Cristian
Bayes methods
Benchmark testing
Complexity theory
Entropy
title_short A combined approach for long-term series prediction: Renyi permutation entropy with BEA predictor filter
title_full A combined approach for long-term series prediction: Renyi permutation entropy with BEA predictor filter
title_fullStr A combined approach for long-term series prediction: Renyi permutation entropy with BEA predictor filter
title_full_unstemmed A combined approach for long-term series prediction: Renyi permutation entropy with BEA predictor filter
title_sort A combined approach for long-term series prediction: Renyi permutation entropy with BEA predictor filter
dc.creator.none.fl_str_mv Rodriguez Rivero, Cristian
Pucheta, Julián
Patiño, Daniel
Laboret, Sergio
Juárez, Gustavo
Sauchelli, Víctor
author Rodriguez Rivero, Cristian
author_facet Rodriguez Rivero, Cristian
Pucheta, Julián
Patiño, Daniel
Laboret, Sergio
Juárez, Gustavo
Sauchelli, Víctor
author_role author
author2 Pucheta, Julián
Patiño, Daniel
Laboret, Sergio
Juárez, Gustavo
Sauchelli, Víctor
author2_role author
author
author
author
author
dc.subject.none.fl_str_mv Bayes methods
Benchmark testing
Complexity theory
Entropy
topic Bayes methods
Benchmark testing
Complexity theory
Entropy
dc.description.none.fl_txt_mv Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Pucheta, Julián . Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Patiño, Daniel. Universidad Nacional de San Juan. Instituto de Automática; Argentina.
Fil: Laboret, Sergio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Juárez, Gustavo. Universidad Nacional de Tucumán. Facultad de Ciencias Exactas y Tecnología. Laboratorio de Inteligencia Artificial; Argentina.
Fil: Sauchelli, Víctor. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
In order to predict long-term series, a Bayesian enhanced approach (BEA) combining permutation entropy (BEMA) is presented. The motivation of the proposed filter is to predict long-term time series by changing the structure of the predictor filter according to data model selected, then computational results are evaluated on high roughness time series selected from benchmark, in which they are compared with recent artificial neural networks (ANN) nonlinear filters such as Bayesian Enhanced approach (BEA) and Bayesian Approach (BA). These results support the applicability of permutation entropy in analyzing the dynamic behavior of chaotic time series for long-term series predictions.
http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7585299&isnumber=7585232
Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Pucheta, Julián . Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Patiño, Daniel. Universidad Nacional de San Juan. Instituto de Automática; Argentina.
Fil: Laboret, Sergio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Juárez, Gustavo. Universidad Nacional de Tucumán. Facultad de Ciencias Exactas y Tecnología. Laboratorio de Inteligencia Artificial; Argentina.
Fil: Sauchelli, Víctor. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Sistemas de Automatización y Control
description Fil: Rodriguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
publishDate 2016
dc.date.none.fl_str_mv 2016
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11086/553712
url http://hdl.handle.net/11086/553712
dc.language.none.fl_str_mv eng
language eng
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Digital Universitario (UNC)
instname:Universidad Nacional de Córdoba
instacron:UNC
reponame_str Repositorio Digital Universitario (UNC)
collection Repositorio Digital Universitario (UNC)
instname_str Universidad Nacional de Córdoba
instacron_str UNC
institution UNC
repository.name.fl_str_mv Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba
repository.mail.fl_str_mv oca.unc@gmail.com
_version_ 1846143344034447360
score 12.712165

Publicaciones similares