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 título. 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. Palabras clave: Inteligencia Computacional  Inteligencia artificial Clasificación: 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. . 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. Palabras clave: Inteligencia Computacional  Inteligencia artificial Clasificación: 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. . 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