Predição não-linear de series temporais usando redes neurais RBF por decomposição em componentes principais

TL;DRAbstract

Esta tese apresenta uma nova tecnica de predicao nao-linear de series temporais atraves de redes neurais artificiais do tipo Radial Basis Function, com atribuicao dos centros Gaussianos das funcoes de base radial por decomposicao do espaco de dados em sub-espacos. A decomposicao em sub-espacos - ou decomposicao em componentes principais - e baseada na Transformada Karhunen-Loeve. A predicao obtida atraves da parametrizacao da rede neural via decomposicao em sub-espacos resulta em um menor erro de predicao e requer o conhecimento de um menor numero de amostras previas do que as tecnicas de predicao convencionais. Adicionalmente e apresentada uma possivel solucao para o problema de adaptar dinamicamente a arquitetura da rede neural as nao­estacionariedades presentes em muitas series temporais Abstract

Chat with Paper

AI Agents for this Paper