Ensembles of Type 2 Fuzzy Neural Models and Their Optimization with Bio-Inspired Algorithms for Time Series Prediction / Soto, Jesus  

Público ISBD Ningún comentario para este registro. Título : Ensembles of Type 2 Fuzzy Neural Models and Their Optimization with Bio-Inspired Algorithms for Time Series Prediction Tipo de documento: documento electrónico Autores: Soto, Jesus, ; Melin, Patricia, ; Castillo, Oscar, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: VIII, 97 p. 101 ilustraciones, 73 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-71264-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia Computacional  Inteligencia artificial Clasificación: 006.3 Resumen: Este libro se centra en los campos de los sistemas inteligentes híbridos basados ​​en sistemas difusos, redes neuronales, algoritmos bioinspirados y series temporales. Este libro describe la construcción de conjuntos de modelos de redes neuronales difusas de intervalo tipo 2 y la optimización de sus integradores difusos con algoritmos bioinspirados para la predicción de series temporales. Los sistemas difusos de intervalo tipo 2 y tipo 1 se utilizan para integrar las salidas del conjunto de modelos de redes neuronales difusas de intervalo tipo 2. Los algoritmos genéticos y la optimización del enjambre de partículas son los algoritmos bioinspirados utilizados para la optimización de los integradores de respuesta difusa. Para probar el desempeño del método propuesto se utilizan las series de tiempo de Mackey-Glass, Bolsa Mexicana de Valores, Dow Jones y NASDAQ. Los errores de predicción se evalúan mediante las siguientes métricas: error medio absoluto, error cuadrático medio, error cuadrático medio, error porcentual medio y error porcentual absoluto medio. El modelo de predicción propuesto supera a los métodos más avanzados en la predicción de series de tiempo particulares consideradas en este trabajo. . Tipo de medio : Computadora Summary : This book focuses on the fields of hybrid intelligent systems based on fuzzy systems, neural networks, bio-inspired algorithms and time series. This book describes the construction of ensembles of Interval Type-2 Fuzzy Neural Networks models and the optimization of their fuzzy integrators with bio-inspired algorithms for time series prediction. Interval type-2 and type-1 fuzzy systems are used to integrate the outputs of the Ensemble of Interval Type-2 Fuzzy Neural Network models. Genetic Algorithms and Particle Swarm Optimization are the Bio-Inspired algorithms used for the optimization of the fuzzy response integrators. The Mackey-Glass, Mexican Stock Exchange, Dow Jones and NASDAQ time series are used to test of performance of the proposed method. Prediction errors are evaluated by the following metrics: Mean Absolute Error, Mean Square Error, Root Mean Square Error, Mean Percentage Error and Mean Absolute Percentage Error. The proposed prediction model outperforms state of the art methods in predicting the particular time series considered in this work.  . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Ensembles of Type 2 Fuzzy Neural Models and Their Optimization with Bio-Inspired Algorithms for Time Series Prediction [documento electrónico] / Soto, Jesus, ; Melin, Patricia, ; Castillo, Oscar,  . -  1 ed.  . - [s.l.] : Springer, 2018 . - VIII, 97 p. 101 ilustraciones, 73 ilustraciones en color. ISBN : 978-3-319-71264-2 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia Computacional  Inteligencia artificial Clasificación: 006.3 Resumen: Este libro se centra en los campos de los sistemas inteligentes híbridos basados ​​en sistemas difusos, redes neuronales, algoritmos bioinspirados y series temporales. Este libro describe la construcción de conjuntos de modelos de redes neuronales difusas de intervalo tipo 2 y la optimización de sus integradores difusos con algoritmos bioinspirados para la predicción de series temporales. Los sistemas difusos de intervalo tipo 2 y tipo 1 se utilizan para integrar las salidas del conjunto de modelos de redes neuronales difusas de intervalo tipo 2. Los algoritmos genéticos y la optimización del enjambre de partículas son los algoritmos bioinspirados utilizados para la optimización de los integradores de respuesta difusa. Para probar el desempeño del método propuesto se utilizan las series de tiempo de Mackey-Glass, Bolsa Mexicana de Valores, Dow Jones y NASDAQ. Los errores de predicción se evalúan mediante las siguientes métricas: error medio absoluto, error cuadrático medio, error cuadrático medio, error porcentual medio y error porcentual absoluto medio. El modelo de predicción propuesto supera a los métodos más avanzados en la predicción de series de tiempo particulares consideradas en este trabajo. . Tipo de medio : Computadora Summary : This book focuses on the fields of hybrid intelligent systems based on fuzzy systems, neural networks, bio-inspired algorithms and time series. This book describes the construction of ensembles of Interval Type-2 Fuzzy Neural Networks models and the optimization of their fuzzy integrators with bio-inspired algorithms for time series prediction. Interval type-2 and type-1 fuzzy systems are used to integrate the outputs of the Ensemble of Interval Type-2 Fuzzy Neural Network models. Genetic Algorithms and Particle Swarm Optimization are the Bio-Inspired algorithms used for the optimization of the fuzzy response integrators. The Mackey-Glass, Mexican Stock Exchange, Dow Jones and NASDAQ time series are used to test of performance of the proposed method. Prediction errors are evaluated by the following metrics: Mean Absolute Error, Mean Square Error, Root Mean Square Error, Mean Percentage Error and Mean Absolute Percentage Error. The proposed prediction model outperforms state of the art methods in predicting the particular time series considered in this work.  . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200