Predicción de series temporales con redes neuronales
Material type:
Item type | Home library | Collection | Call number | URL | Status | Date due | Barcode | |
---|---|---|---|---|---|---|---|---|
![]() |
Biblioteca de la Facultad de Informática | TES 20/76 (Browse shelf(Opens below)) | Available | DIF-05036 | ||||
![]() |
Biblioteca de la Facultad de Informática | Biblioteca digital | Link to resource | No corresponde | ||||
![]() |
Biblioteca de la Facultad de Informática | Biblioteca digital | Link to resource | No corresponde |
Trabajo Final Integrador (Especialización en Inteligencia de Datos Orientada a Big Data ) - Universidad Nacional de La Plata. Facultad de Informática, 2020.
1. Introducción -- 1.1. Motivación -- 1.2. Objetivos -- 2. Conceptos preliminares -- 2.1. Métricas para regresión -- 2.2. Criterios de información de Akaike, Bayesiano y de Hannan-Quinn -- 3. Métodos predictivos -- 3.1. Métodos predictivos estadísticos -- 3.2. Métodos predictivos de aprendizaje automático -- 3.2.1. Perceptrón -- 3.2.2. Red neuronal recurrente -- 3.2.3. Red neuronal con memoria a corto plazo extendida -- 3.2.4. Red neuronal convolucional -- 3.2.5. Ensamble -- 3.3. Redes neuronales aplicadas a series temporales -- 4. Marco experimental -- 4.1. Origen de los datos -- 4.2. Hardware y software utilizado -- 5. Desarrollo -- 5.1. Análisis general de los datos -- 5.2. Modelo estadístico - Experimentos -- 5.2.1. Análisis y preparación de los datos -- 5.2.2. Creación del modelo -- 5.2.3. Evaluación del modelo -- 5.3. Modelos de aprendizaje automático - Experimentos -- 5.3.1. Preparación de los datos -- 5.3.2. Predicciones de múltiples horizontes predictivos -- 5.3.3. Arquitecturas de los modelos -- 5.3.4. Evaluación de los modelos -- 5.4. Resultados -- 5.5. Gráficos de predicciones -- 5.6. Análisis general de resultados -- 5.7. Pruebas con información temporal -- 6. Conclusiones y trabajos futuros -- A. Anexo - Software utilizado -- 7. Referencias