Aproximación y análisis de datos naturales basados en redes neuronales NARX que involucran filtrado de ondaletas
Autores: Mandrikova, Oksana; Polozov, Yuryi; Zhukova, Nataly; Shichkina, Yulia
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Aproximación y análisis de datos naturales basados en redes neuronales NARX que involucran filtrado de ondaletas
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Red neuronal
Series temporales
NARX
Filtrado wavelet
Detección de anomalías
Pronóstico
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
Los modelos de red neuronal recurrente (RNN) continúan la teoría de la clase de modelos de media móvil integrada de autorregresión (ARIMA). En este documento, consideramos la arquitectura de la RNN con memoria incrustada, "Proceso del Modelo Autorregresivo Exógeno No Lineal" (NARX). Aunque se sabe que la NN es un aproximador universal, ciertas dificultades y restricciones en diferentes aplicaciones de NN siguen siendo actuales y requieren nuevos enfoques y métodos.
Descripción
Los modelos de red neuronal recurrente (RNN) continúan la teoría de la clase de modelos de media móvil integrada de autorregresión (ARIMA). En este documento, consideramos la arquitectura de la RNN con memoria incrustada, "Proceso del Modelo Autorregresivo Exógeno No Lineal" (NARX). Aunque se sabe que la NN es un aproximador universal, ciertas dificultades y restricciones en diferentes aplicaciones de NN siguen siendo actuales y requieren nuevos enfoques y métodos.