Publicado

2004-07-30

Pronóstico de la serie de Mackey-Glass Usando modelos de regresión no lineal

Palabras clave:

MARS, ANFIS, Redes neuronales, Perceptores multicapa, Regresión no lineal, Neural networks, Multilayer perceptrons, Nonlinear regression (es)

Descargas

Autores/as

  • Juan David Velásquez Henao Universidad Nacional de Colombia

Tres técnicas de regresión no lineal son estudiadas y se compara su desempeño en el pronóstico de la serie de tiempo de Mackey-Glass. La primera de ellas es el modelo MARS, que se plantea como una alternativa a los modelos conexionistas El segundo es el Sistema de Inferencia Difusa Adaptativo (ANFIS), y el tercero es la red neuronal de propagación hacia delante, ampliamente utilizada en aplicaciones de ingeniería y economía. Los resultados muestran claramente como ANFIS tiene un poder de aproximación superior a las otras técnicas evaluadas. Se propone un algoritmo para obtener modelos ANFIS con complejidad creciente. (Texto tomado de la fuente)

Referencias

Chenoweth, T. (1996), A neural network based system for predicting future returns of the S&P Stock Index, PhD thesis, Washington State University.

Daffner, G. (1996), 'Neural network for time series processing', Neural Networks World (4), 447-468.

Eberhart, R. C. y Dobbins, R. W. (1990), Neural Network PC Tool: A Practical Guide, Academic Press, Inc.

Friedman, J. H. (1991), `Multivariate adaptive regression splines', Annals of Statistics 19(1).

Hansen, J. V. y Nelson., R. D. (1997), 'Neural network and time series methods: A synergic combination in state economic forecasts', IEEE Mans on Neural Networks

Hwang, J., Lay, S. y Lippman, A. (1994), `Nonpara-metric multivariate density estimation: a comparative study'.

Visitas a la página del resumen del artículo

20

Descargas

Los datos de descarga aún no están disponibles.

Cómo citar

[1]
J. D. Velásquez Henao, «Pronóstico de la serie de Mackey-Glass Usando modelos de regresión no lineal», DYNA, vol. 70, n.º 142, pp. 85–95, jul. 2004, Accedido: 21 de septiembre de 2026. [En línea]. Disponible en: https://revistas.unal.edu.co/index.php/dyna/article/view/115741