Predicción de sistemas dinámicos con redes neuronales profundas

Autores
Maino, Daniel G.; Uzal, Lucas; Granitto, Pablo Miguel
Año de publicación
2014
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En este trabajo se aborda el problema de predicción de series temporales obtenidas de sistemas dinámicos no lineales determinísticos. Se presenta una técnica basada en redes neuronales profundas y se evalúa su rendimiento frente a las redes neuronales convencionales. Se considera en particular el problema predicción para múltiples horizontes utilizando dos estrategias: el uso de redes de salida-múltiple frente a redes convencionales de salida-simple. Los resultados sobre las series temporales consideradas muestran un mejor desempeño de las arquitecturas profundas de salida simple.
Sociedad Argentina de Informática e Investigación Operativa (SADIO)
Materia
Ciencias Informáticas
Inteligencia Artificial
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/41734
Acceder
id SEDICI_5095e26f1802cbc5dc5bf1cd21fcbfa1
oai_identifier_str oai:sedici.unlp.edu.ar:10915/41734
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Predicción de sistemas dinámicos con redes neuronales profundasMaino, Daniel G.Uzal, LucasGranitto, Pablo MiguelCiencias InformáticasInteligencia ArtificialEn este trabajo se aborda el problema de predicción de series temporales obtenidas de sistemas dinámicos no lineales determinísticos. Se presenta una técnica basada en redes neuronales profundas y se evalúa su rendimiento frente a las redes neuronales convencionales. Se considera en particular el problema predicción para múltiples horizontes utilizando dos estrategias: el uso de redes de salida-múltiple frente a redes convencionales de salida-simple. Los resultados sobre las series temporales consideradas muestran un mejor desempeño de las arquitecturas profundas de salida simple.Sociedad Argentina de Informática e Investigación Operativa (SADIO)2014-11info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf107-114http://sedici.unlp.edu.ar/handle/10915/41734spainfo:eu-repo/semantics/altIdentifier/url/http://43jaiio.sadio.org.ar/proceedings/ASAI/14.pdfinfo:eu-repo/semantics/altIdentifier/issn/1850-2784info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/3.0/Creative Commons Attribution 3.0 Unported (CC BY 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:01:09Zoai:sedici.unlp.edu.ar:10915/41734Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:01:09.466SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Predicción de sistemas dinámicos con redes neuronales profundas
title Predicción de sistemas dinámicos con redes neuronales profundas
spellingShingle Predicción de sistemas dinámicos con redes neuronales profundas
Maino, Daniel G.
Ciencias Informáticas
Inteligencia Artificial
title_short Predicción de sistemas dinámicos con redes neuronales profundas
title_full Predicción de sistemas dinámicos con redes neuronales profundas
title_fullStr Predicción de sistemas dinámicos con redes neuronales profundas
title_full_unstemmed Predicción de sistemas dinámicos con redes neuronales profundas
title_sort Predicción de sistemas dinámicos con redes neuronales profundas
dc.creator.none.fl_str_mv Maino, Daniel G.
Uzal, Lucas
Granitto, Pablo Miguel
author Maino, Daniel G.
author_facet Maino, Daniel G.
Uzal, Lucas
Granitto, Pablo Miguel
author_role author
author2 Uzal, Lucas
Granitto, Pablo Miguel
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Inteligencia Artificial
topic Ciencias Informáticas
Inteligencia Artificial
dc.description.none.fl_txt_mv En este trabajo se aborda el problema de predicción de series temporales obtenidas de sistemas dinámicos no lineales determinísticos. Se presenta una técnica basada en redes neuronales profundas y se evalúa su rendimiento frente a las redes neuronales convencionales. Se considera en particular el problema predicción para múltiples horizontes utilizando dos estrategias: el uso de redes de salida-múltiple frente a redes convencionales de salida-simple. Los resultados sobre las series temporales consideradas muestran un mejor desempeño de las arquitecturas profundas de salida simple.
Sociedad Argentina de Informática e Investigación Operativa (SADIO)
description En este trabajo se aborda el problema de predicción de series temporales obtenidas de sistemas dinámicos no lineales determinísticos. Se presenta una técnica basada en redes neuronales profundas y se evalúa su rendimiento frente a las redes neuronales convencionales. Se considera en particular el problema predicción para múltiples horizontes utilizando dos estrategias: el uso de redes de salida-múltiple frente a redes convencionales de salida-simple. Los resultados sobre las series temporales consideradas muestran un mejor desempeño de las arquitecturas profundas de salida simple.
publishDate 2014
dc.date.none.fl_str_mv 2014-11
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
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://sedici.unlp.edu.ar/handle/10915/41734
url http://sedici.unlp.edu.ar/handle/10915/41734
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://43jaiio.sadio.org.ar/proceedings/ASAI/14.pdf
info:eu-repo/semantics/altIdentifier/issn/1850-2784
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by/3.0/
Creative Commons Attribution 3.0 Unported (CC BY 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/3.0/
Creative Commons Attribution 3.0 Unported (CC BY 3.0)
dc.format.none.fl_str_mv application/pdf
107-114
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844615877896437760
score 13.070432

Publicaciones similares