Integração de Redes Neurais Artificiais & Métodos Estocásticos para Previsão de Séries Temporais

Autor(es)

Hélio Diniz

• Tipo de documento: Dissertação de Mestrado
• Imprenta: São Carlos.
• Instituição: Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB)
• Data de defesa: 1999-08-27

Membros da banca

André Carlos Ponce de Leon Ferreira de Carvalho; Marinho Gomes de Andrade Filho; Antonio Carlos Gay Thomé

• Orientador: André Carlos Ponce de Leon Ferreira de Carvalho

Resumo

Esta dissertação investiga a possibilidade de integração de Redes Neurais Artificiais (RNAs) e Método Estocásticos para previsão de séries temporais. O problema de previsão é geralmente abordado através de Métodos Estocásticos. Ultimamente, as RNAs têm sido muito utilizadas para a construção de previsores não lineares em diferente áreas de aplicações. Contudo, as arquiteturas da RNAs devem também ser parcimoniosas, ou seja, apenas considerar as entradas mais relevantes para realizar uma boa previsão. Assim, várias abordagens vêm sendo propostas para melhorar o projeto de arquitetura em problemas de previsão. Alguns exemplos destas abordagens são a combinação de RNAs e métodos Box 8c Jenkins, as técnicas de seleção usando métodos de poda de RNAs e modelos de RNAs com capacidade de processamento temporal. Além disso, as vantagens particulares dos previsores construídos seguindo tais abordagens podem ser combinadas através de comitês ou combinadores de previsão. Os experimentos desta dissertação foram realizados com dados sobre séries temporais de cotação de moedas e ações. (AU)

• Processo FAPESP: 97/13203-2 - Integracao de redes neurais artificiais & metodos estocasticos para previsao de serie temporais.
• Beneficiário: Helio Diniz
• Modalidade de apoio: Bolsas no Brasil - Mestrado