$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
X
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada


Estatísticas |



Título: EXPLORANDO MÉTODOS ALTERNATIVOS EM PREVISÕES DE SÉRIES TEMPORAIS COM BAGGING E CLUSTERING
Autor: DAVID SOUZA PINTO
Instituição:  -
Colaborador(es):  FERNANDO LUIZ CYRINO OLIVEIRA - ORIENTADOR
Nº do Conteudo: 52678
Catalogação:  13/05/2021 Liberação: 13/05/2021 Idioma(s):  PORTUGUÊS - BRASIL
Tipo:  TEXTO Subtipo:  APRESENTAÇÃO
Natureza:  PUBLICAÇÃO ACADÊMICA
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=52678&idi=1
Referência [en]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=52678&idi=2
Referência DOI:  https://doi.org/10.17771/PUCRio.SeminarPPGEP.52678

Resumo:
Métodos de amortecimento exponencial são formulações versáteis para a previsão de séries temporais univariadas conhecidas desde a década de 1960. Modelos mais recentes têm feito uso do bagging para melhorar a qualidade das previsões com estes modelos. Um destes modelos, BaggedETS, desenvolvido em 2016, trouxe melhorias na qualidade de previsão e está disponível na biblioteca forecast para R. Uma proposta posterior, BaggedClusterETS, adicionou uma etapa de clustering e validação para tratar o efeito da covariância associada ao uso do bagging, resultando em ganhos adicionais de performance. Este artigo explora os efeitos do uso de quatro medidas de dissimilaridade ao gerar os clusters. Para testar as séries, 21 séries temporais da aviação civil e demanda energética foram empregadas.

Descrição Arquivo
NA ÍNTEGRA  PDF
Logo maxwell Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui
Senha Maxwell, clique aqui