Origin: U.S.A.
(Import costs included in the price)
It will be shipped from our warehouse between Thursday, July 18 and Thursday, July 25.
You will receive it anywhere in United Kingdom between 1 and 3 business days after shipment.
Contribuições ao Problema de Predição Recursiva Usando Redes Neurais
JosÉ Maria Pires De Menezes JÚNior
Synopsis "Contribuições ao Problema de Predição Recursiva Usando Redes Neurais"
Nesta trabalho aborda-se o problema de predição recursiva de séries temporais univariadas, também chamado de predição de longo prazo, usando redes neurais recorrentes. Este tipo de problema surge, com frequência, em tarefas de modelagem e predição de sistemas dinâmicos não-lineares, principalmente os que produzem sinais de natureza caótica, em que se observa a presença de dependência temporal (memória) de longa duração. Isto posto, para tratar o problema de predição recursiva, extensões do modelo neural NARX (Nonlinear AutoRegressive model with eXogenous inputs) são propostas nesta tese. Estas extensões resultam da tentativa de incorporar à rede NARX diferentes estratégias de modelagem da informação temporal, tanto de curto quanto de longo prazo. Dentre estas estratégias, destacam-se: (i) predição (simultânea) de vários passos à frente, também chamada de predição MIMO (multiinput, multi-output model), (ii) predição via projeções aleatórias dinâmicas, tal como na rede ESN (echo state network), (iii) predição via projeções aleatórias estáticas, tal como na rede ELM (extreme learning machine), e (iv) predição via modelos recorrentes híbridos baseados nas redes NARX e ELMAN.
