DSpace Repository

Técnica de aprendizaje de series de tiempo estacionarias a partir de la información de su imagen

Show simple item record

dc.contributor.author Ramírez Amaro, Karinne
dc.date.accessioned 2013-02-11T21:12:36Z
dc.date.available 2013-02-11T21:12:36Z
dc.date.created 2007-11
dc.date.issued 11/02/2013
dc.identifier.citation Ramírez Amaro, Karinne. (2007). Técnica de aprendizaje de series de tiempo estacionarias a partir de la información de su imagen. (Maestría en Ciencias de la Computación). Instituto Politécnico Nacional, Centro de Investigación en Computación. México. es
dc.identifier.uri http://tesis.ipn.mx/handle/123456789/11059
dc.description Tesis (Maestría en Ciencias de la Computación), Instituto Politécnico Nacional, CIC, 2007, 1 archivo PDF, (193 páginas). tesis.ipn.mx es
dc.description.abstract ABSTRACT: In nature, there are certain natural phenomena with very complex dynamic where a mathematical model that represents the behaviour of this phenomena in a suitable way is not possible to obtain. Is because of this problem that this sort of phenomena are represented by a sequence of observation measured experimentally through time, that sequence of ordered data is called time series, for instance: the temperature in Chetumal city, the sale of shoes in a store, the data of the stock market, among others. The importance of the time series is that through an adequate analysis, it is possible to recover valuable information in order to define the dynamic of a phenomenon. In this work we present a new approach to learn the dynamical behaviour of time series through its image or amplitude information. In order to obtain a better performance of this learning technique, a new input data representation is proposed in this work which is different from the classical ones. This new representation obtains the information of the times series by dividing the image of time series into small sections called “boxes”. This boxes will provide information of the image axis behavior of the time series in order to learn its behavior trough its own experience. On the basis of the information from this procedure the dynamical behaviour of time series can be tracked. The experimental results indicate that, with this new approach the behaviour of the time series can be learned with high accuracy. This learning information is applied to the complicate but interesting problem of forecasting. During the learning approach the information about the dymamical of the times series is been recorded and then a probabilistic technique to recover the appropriate information in order to forecast h unknown values of the time series is designed. The time series forecasting could be applied into several fields such as: economy, control theory, computer vision, medicine, among others. The results indicate that it is possible to use this new approach to forecasting time series with high accuracy. The experimental results that we obtain with this new representation are compared against modern techniques such as neuronal networks and support vector machines. en
dc.description.abstract RESUMEN: Existen algunos fenómenos en la naturaleza que debido a la complejidad de sus dinámicas, no es posible obtener modelos matemáticos que los representen de manera adecuada, es por eso, que para poder estudiar dichos fenómenos se cuentan con una secuencia de observaciones medidas de manera experimental a través del tiempo, dichas secuencias de datos son conocidas como series de tiempo, como por ejemplo la temperatura en la ciudad de Chetumal, la venta de zapatos de alguna empresa, los datos de la bolsa de valores, solo por mencionar algunos. La importancia de las series de tiempo radica en que a través de su adecuado análisis, es posible obtener información valiosa para poder definir la dinámica de dichos fenómenos. En este trabajo se presenta una nueva técnica para aprender el comportamiento dinámico de series de tiempo a través de la información obtenida de su imagen. Un factor de gran importancia para el correcto desempeño de las técnicas de aprendizaje es la adecuada representación de los datos de entrada de las series de tiempo. Así entonces, en este trabajo, además proponemos una nueva manera de extraer información de dichas series de tiempo mediante la división de la imagen o amplitud de ésta en pequeñas regiones llamadas cajas. Cada caja proporciona información sobre el comportamiento de un segmento de la imagen de la serie de tiempo objetivo. Es entonces, a partir de esta nueva manera de representación de la información, que proponemos una nueva técnica de aprendizaje de series de tiempo. Esta nueva técnica, aprende el comportamiento dinámico de una serie de tiempo objetivo, mediante la imitación o seguimiento de está a través de mecanismos estadísticos, esto es, generamos una nueva serie a partir de valores aleatorios acotados y generados mediante ciertas reglas, los cuales imitan o siguen el comportamiento de la serie original. Los resultados experimentales realizados en este trabajo indican que con esta nueva técnica es posible aprender el comportamiento de series de tiempo con buena precisión. La información que se obtiene de esta nueva técnica de aprendizaje puede servir para diversas aplicaciones como por ejemplo, en predicción o caracterización de series de tiempo. En este trabajo utilizamos dicha información para aplicarla al complicado pero interesante problema de predicción, lo cual resulta ser una tarea extremadamente compleja en el área del estudio de series de tiempo, pero que, a su vez, dicha predicción es muy útil en diversas áreas del conocimiento, tales como: economía, control, visión por computadora, medicina, entre otras. Los resultados que se obtuvieron con esta nueva representación de datos y la nueva técnica propuesta en el proceso de predicción de series de tiempo fueron comparados con los resultados obtenidos con técnicas modernas como las redes neuronales y máquinas de soporte vectorial, y los errores de predicción que se obtuvieron con nuestra técnica fueron menores que las antes mencionadas. es
dc.language.iso es es
dc.subject Técnica de aprendizaje es
dc.subject Series de tiempo es
dc.title Técnica de aprendizaje de series de tiempo estacionarias a partir de la información de su imagen es
dc.type Thesis es
dc.contributor.advisor Chimal Eguía, Juan Carlos


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Browse

My Account