Reconstrucción de dinámicas caóticas y/o ruidosas usando redes neuronales

Mostrar todas las versiones(2)

Se muestra que las redes neuronales son capaces de aprender la ley dinámica de series temporales caóticas y/o ruidosas a partir de un número limitado de observaciones. La capacidad predictiva de las mismas supera la de los métodos convencionales tales como el algoritmo no-lineal wimplex, o los model...

Descripción completa

Detalles Bibliográficos
Autores principales: Navone, Hugo Daniel, Ceccatto, Hermenegildo Alejandro Ramón
Formato: Artículo publishedVersion
Lenguaje:Español
Publicado: Asociación Física Argentina 1993
Acceso en línea:https://hdl.handle.net/20.500.12110/afa_v05_n01_p116
Aporte de:
Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA) de Universidad de Buenos Aires
id afa:afa_v05_n01_p116
record_format dspace
spelling afa:afa_v05_n01_p1162025-03-11T11:25:31Z Reconstrucción de dinámicas caóticas y/o ruidosas usando redes neuronales An. (Asoc. Fís. Argent., En línea) 1993;01(05):116-118 Navone, Hugo Daniel Ceccatto, Hermenegildo Alejandro Ramón Se muestra que las redes neuronales son capaces de aprender la ley dinámica de series temporales caóticas y/o ruidosas a partir de un número limitado de observaciones. La capacidad predictiva de las mismas supera la de los métodos convencionales tales como el algoritmo no-lineal wimplex, o los modelos autorregresivos lineales. Como ejemplos de aplicación a series caóticas se reconstruyen las dinámicas del mapa logístico -el cual presenta una autocorrelación despreciable- y del mapa de Lorenz -que posee una significativa autocorrelación-. A diferencia de lo sugerido recientemente en la literatura, en ambos casos las predicciones a corto plazo de las redes con arquitecturas adecuadas son mejores que las de los métodos mencionados. Finalmente, se presentan los resultados de la aplicación de redes neuronales en el análisis de series temporales reales ruidosas Fil: Navone, Hugo Daniel. Universidad Nacional de Rosario - CONICET. Instituto de Física de Rosario (IFIR). Santa Fe. Argentina Fil: Ceccatto, Hermenegildo Alejandro Ramón. Universidad Nacional de Rosario - CONICET. Instituto de Física de Rosario (IFIR). Santa Fe. Argentina Asociación Física Argentina 1993 info:ar-repo/semantics/artículo info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion application/pdf spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar https://hdl.handle.net/20.500.12110/afa_v05_n01_p116
institution Universidad de Buenos Aires
institution_str I-28
repository_str R-134
collection Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA)
language Español
orig_language_str_mv spa
description Se muestra que las redes neuronales son capaces de aprender la ley dinámica de series temporales caóticas y/o ruidosas a partir de un número limitado de observaciones. La capacidad predictiva de las mismas supera la de los métodos convencionales tales como el algoritmo no-lineal wimplex, o los modelos autorregresivos lineales. Como ejemplos de aplicación a series caóticas se reconstruyen las dinámicas del mapa logístico -el cual presenta una autocorrelación despreciable- y del mapa de Lorenz -que posee una significativa autocorrelación-. A diferencia de lo sugerido recientemente en la literatura, en ambos casos las predicciones a corto plazo de las redes con arquitecturas adecuadas son mejores que las de los métodos mencionados. Finalmente, se presentan los resultados de la aplicación de redes neuronales en el análisis de series temporales reales ruidosas
format Artículo
Artículo
publishedVersion
author Navone, Hugo Daniel
Ceccatto, Hermenegildo Alejandro Ramón
spellingShingle Navone, Hugo Daniel
Ceccatto, Hermenegildo Alejandro Ramón
Reconstrucción de dinámicas caóticas y/o ruidosas usando redes neuronales
author_facet Navone, Hugo Daniel
Ceccatto, Hermenegildo Alejandro Ramón
author_sort Navone, Hugo Daniel
title Reconstrucción de dinámicas caóticas y/o ruidosas usando redes neuronales
title_short Reconstrucción de dinámicas caóticas y/o ruidosas usando redes neuronales
title_full Reconstrucción de dinámicas caóticas y/o ruidosas usando redes neuronales
title_fullStr Reconstrucción de dinámicas caóticas y/o ruidosas usando redes neuronales
title_full_unstemmed Reconstrucción de dinámicas caóticas y/o ruidosas usando redes neuronales
title_sort reconstrucción de dinámicas caóticas y/o ruidosas usando redes neuronales
publisher Asociación Física Argentina
publishDate 1993
url https://hdl.handle.net/20.500.12110/afa_v05_n01_p116
work_keys_str_mv AT navonehugodaniel reconstrucciondedinamicascaoticasyoruidosasusandoredesneuronales
AT ceccattohermenegildoalejandroramon reconstrucciondedinamicascaoticasyoruidosasusandoredesneuronales
_version_ 1831980493833240576

Ejemplares similares