Análisis de dependencias no lineales utilizando redes neuronales artificiales

  • Carlos A. Martínez Universidad Nacional de Colombia
  • Juan D. Velásquez Universidad Nacional de Colombia

Abstract

En este artículo, se desarrolla una nueva técnica para detectar dependencias no lineales en series temporales, basadas en el uso de una red neuronal autorregresiva y el concepto de coeficiente de correlación. Teniendo en cuenta que el modelo de redes neuronales utilizado es capaz de aproximar cualquier función en un dominio compacto, las medidas propuestas son capaces de detectar no-linealidades en los datos. Nuestra técnica es probada para varios conjuntos de datos tanto simulados como reales, y comparada con las funciones clásicas de autocorrelación simple y parcial; los resultados muestran que en los casos lineales, las medidas propuestas tienen un comportamiento similar a las autocorrelaciones simple y parcial, pero en los casos no-lineales ellas son capaces de detectar otras relaciones no-lineales.
|Abstract
= 23 veces | PDF (ESPAÑOL (ESPAÑA))
= 12 veces|

Downloads

Download data is not yet available.

References

N. Kasabov. Foundations of Neural Networks, Fuzzy Systems, and Knowledge Engineering. 2nd ed. Ed. Massachusetts Institute of Technology. 1998. pp. 43- 47.

A. Weigend, N. Gershfeld. Time-Series Prediction: Forecasting the future and understanding the past. Reading, Mass. Ed.Addison-Wesley. 1993. pp. 5-35.

G. E. P. Box, G. M. Jenkins. Time Series Analysis: Forecasting and Control. Ed. Holden–Day Inc. 1970. pp.1-17.

C. Granger, T. Teräsvirta. Modeling Nonlinear Economic Relationships. Ed. Oxford University Press. 1993. pp.25-35.

C. Granger, J. Lin. “Using the mutual information coefficient to identify lags in nonlinear models”. Time Ser. Anal. Vol. 15. 1994. pp. 371-384.

C. A. Cardona, J. D. Velásquez. “Selección de características relevantes usando información mutua.” Revista Dyna. Vol.73. 2006. pp. 149-163.

H.A. Nielsen, H. Madsen. “A generalization of some classical time series tools”. Computational Statistics & Data Analysis. Vol. 37. 2000. pp.13-31.

H. White. An additional hidden unit test for neglected nonlinearity in multilayer feedforward networks. In Proceedings of the International Joint Conference on Neural Networks. Washington, DC, IEEE Press, NY. 1989. Vol. 2. pp. 451-455.

T. H. Lee, H. White, C. W. J. Granger. “Testing for neglected nonlinearity in time series models.” Journal of Econometrics. Vol. 56. 1993. pp. 269-290.

T. Teräsvirta, C. F. Lin, C. W. J. Granger. “Power of the neural network linearity test.” Journal of Time Series Analysis. Vol. 14. 1993. pp. 209-220.

H. Tong. Non-linear Time Series, a dynamical system approach, Oxford Statistical Science Series, Ed. Claredon Press Oxford. 1990. pp. 215–238.

M. J. Campbell, A. M. Walker. “A survey of statistical work on the mackezie river series of annual Canadian lynx trappings for the years 1821-1934 and a new analysis.” Journal of the Royal Statistical Society: Series A. Statistics in Society. Vol. 140. 1977. pp. 411- 431.

T. S. Rao, M. M. Gabr. “An introduction to bispectral analysis and bilinear time series models.” Lecture Notes in Statistics. Vol. 24. 1984. pp. 528-535.

G. Zhang. “Time series forecasting using a hybrid ARIMA and neural network model.” Neurocomputing. Vol. 50. 2003. pp. 159-175.

M. Ghiassi, H. Saidane. “A dynamic architecture for artificial neural network”. Neurocomputing. Vol. 63. 2005. pp. 397-413.

M. Cottrell, M. Girard, Y. Girard, M. Mangeas, C. Muller. “Neural modeling for time series: a statistical stepwise method for weight elimination.” IEEE Transactions on Neural Networks. Vol. 6. 1995. pp. 1355-1364.

C. de Groot, D. Wurtz. “Analysis of univariate time series with connectionists nets: a case study of two classical examples.” Neurocomputing. Vol. 3. 1991. pp. 177-192.

Published
2012-11-22
How to Cite
Martínez C. A., & Velásquez J. D. (2012). Análisis de dependencias no lineales utilizando redes neuronales artificiales. Revista Facultad De Ingeniería Universidad De Antioquia, (60), 182-193. Retrieved from https://revistas.udea.edu.co/index.php/ingenieria/article/view/13672