Busca avançada
Ano de início
Entree

Modelos de redes neurais recorrentes para previsão de séries temporais de memória curta e longa

Processo: 03/05297-0
Linha de fomento:Bolsas no Brasil - Mestrado
Vigência (Início): 01 de setembro de 2003
Vigência (Término): 31 de agosto de 2005
Área do conhecimento:Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
Pesquisador responsável:Emanuel Pimentel Barbosa
Beneficiário:Daniel Takata Gomes
Instituição-sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Assunto(s):Análise de séries temporais   Predição   Redes neurais (computação)

Resumo

O presente projeto trata do estudo de modelos de redes neurais recorrentes para previsão de séries temporais, tanto do caso de séries de memória curta quanto longa, e compreende 2 objetivos principais, a saber: Estudo da fundamentação teórica desses modelos de redes neurais recorrentes para series temporais, suas principais arquiteturas e algoritmos de aprendizagem, e sua implementação computacional. Estudo comparativo da performance preditiva dessas redes retroalimentadas, tomando-se como referência modelos padrão de series temporais tipo arima/afirma para dados econométricos de inflação em diversos países. (AU)

Publicações acadêmicas
(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)
GOMES, Daniel Takata. Modelos de redes neurais recorrentes para previsão de series temporais de memorias curta e longa. 2005. Dissertação de Mestrado - Universidade Estadual de Campinas (UNICAMP). Instituto de Matematica, Estatistica e Computação Cientifica.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.