DEEP LEARNING-BASED MODELLING FOR TIME SERIES

Josue Becerra Rico

Buscar

dc.rights.license	http://creativecommons.org/licenses/by-nc-nd/4.0	es_ES
dc.contributor	Marco Antonio Aceves Fernandez	es_ES
dc.creator	Josue Becerra Rico	es_ES
dc.date	2020-02-05
dc.date.accessioned	2019-11-14T19:05:17Z
dc.date.available	2019-11-14T19:05:17Z
dc.date.issued	2020-02-05
dc.identifier.uri	http://ri-ng.uaq.mx/handle/123456789/1704
dc.description	Los desarrollos en aprendizaje profundo para problemas de series de tiempo se han mostrado prometedores para modelar datos estáticos. En este trabajo se presentará la comparación entre dos algoritmos de redes neuronales recurrentes (RNN) capaces de modelar series de tiempo no lineales con técnicas de aprendizaje profundo, utilizando el algoritmo Long Short-Term Memory (LSTM) que es una estructura para el aprendizaje de dependencias a corto y largo plazo. En contraste con Gated Recurrent Unit (GRU) (que es una variación de las redes RNN y Long Short-Term Memory ) en comparación con la Long Short-Term Memory (LSTM) tradicional, requiere menos parámetros y menos tiempo de cálculo en el procesamiento. En este trabajo, las estructuras GRU y LSTM se utilizan para abordar partículas PM10, debido a su comportamiento no lineal, se puede generar un modelo de predicción con el uso de técnicas de inteligencia artificial.	es_ES
dc.format	Adobe PDF	es_ES
dc.language.iso	Español	es_ES
dc.relation.requires	No	es_ES
dc.rights	En Embargo	es_ES
dc.subject	Deep Learning	es_ES
dc.subject	Redes Neuronales Recurrentes	es_ES
dc.subject	Series de Tiempo	es_ES
dc.subject	Modelación Computacional	es_ES
dc.subject	Contaminación Ambiental	es_ES
dc.subject.classification	INGENIERÍA Y TECNOLOGÍA	es_ES
dc.title	DEEP LEARNING-BASED MODELLING FOR TIME SERIES	es_ES
dc.type	Tesis de licenciatura	es_ES
dc.creator.tid	curp	es_ES
dc.contributor.tid	curp	es_ES
dc.creator.identificador	BERJ960205HQTCCS00	es_ES
dc.contributor.identificador	AEFM780704HMCCRR09	es_ES
dc.contributor.role	Director	es_ES
dc.degree.name	Ingeniería Física	es_ES
dc.degree.department	Facultad de Ingeniería	es_ES
dc.degree.level	Licenciatura	es_ES