Comparación de Redes Neuronales aplicadas a la predicción de Series de Tiempo.

• Mercado Polo, Darwin ^[1] ; Pedraza Caballero, Luis ; Martínez Gómez, Edinson
  1. [1] Universidad de la Costa

     Universidad de la Costa

     Colombia

     
• Localización: Prospectiva, ISSN-e 2216-1368, ISSN 1692-8261, Vol. 13, Nº. 2 (julio-diciembre), 2015, págs. 88-95
• Idioma: español
• Títulos paralelos:
  • Comparison of Neural Network applied to prediction of Time Series
• Enlaces
  • Texto completo
• Resumen
  • español

    El presente estudio tiene como objetivo principal presentar la comparativa de las redes neuronales artificiales (RNA) tipo perceptrón multicapa (MLP) y de funciones de base radial (RBF) aplicadas a la predicción de series de tiempo. Se utilizó resilient backpropagation como algoritmo de aprendizaje para la red MLP y una combinación entre el algoritmo de los k-emanes y el método de la matriz pseudoinversa para la RBF. La implementación de las RNA se realizó utilizando un sistema basado en arquitectura cliente-servidor, previendo una futura integración con aplicaciones en tiempo real. Para la evaluación de las RNA se utilizaron conjuntos de datos de diferentes características y cantidad de datos.De acuerdoa los resultados obtenidos se concluye que para la utilización e integración de técnicas de inteligencia computacional en sistemas web, es preferible el uso de las RBF, debido a que obtiene mejores tiempos de ejecución. Es importante resaltar también que en calidad de respuesta los dos tipos de redes neuronalesobtienen resultados similares.

  • English

    The main objective of the present work is to compare artificial neural networks (ANN) Multilayer Perceptron (MLP) and radial basis function (RBF) applied to time series prediction. The learning algorithm used was the resilient backpropagation for MLP network and a combination of the K-Means algorithm and pseudoinverse matrix method for the RBF. The implementation of the RNA was performed using a client-server-based system architecture, anticipating a future integration with real-time applications. For the evaluation of RNA, datasets with different characteristics and amount of data was used.According to the results, it can be concluded that the use and integration of computational intelligence techniques in web systems, it is preferable to use the RBF, because you get better runtimes. It is also important to note that response of both types of neural networks obtained similar results.