XINFORMAÇÕES 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.
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
Título: GPFIS-FORECAST+: A TYPE-2 FUZZY SYSTEM FOR TIME SERIES FORECAST BASED ON GENETIC PROGRAMMING Autor: MARCO ANTONIO DA CUNHA FERREIRA
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):
RICARDO TANSCHEIT - ADVISOR
MARLEY MARIA BERNARDES REBUZZI VELLASCO - CO-ADVISOR
Nº do Conteudo: 55199
Catalogação: 04/10/2021 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: THESIS
Natureza: SCHOLARLY PUBLICATION
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=55199@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=55199@2
Resumo:
Título: GPFIS-FORECAST+: A TYPE-2 FUZZY SYSTEM FOR TIME SERIES FORECAST BASED ON GENETIC PROGRAMMING Autor: MARCO ANTONIO DA CUNHA FERREIRA
MARLEY MARIA BERNARDES REBUZZI VELLASCO - CO-ADVISOR
Nº do Conteudo: 55199
Catalogação: 04/10/2021 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: THESIS
Natureza: SCHOLARLY PUBLICATION
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=55199@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=55199@2
Resumo:
Time series forecasting models are designed to meet the demands of
various sectors of society, such as industry, service and agriculture. Such
models are used, for example, to evaluate stock, define product logistics
and in weather forecast. In this context, this thesis proposes the GPFISForecast+
model, which allows the automatic design of a linguistically interpretable
prediction system. The GPFIS-Forecast + has as its starting
point the previously developed GPFIS-Forecast, a result of a hybridization
of genetic programming techniques and type-1 fuzzy systems. The rule base
of the type-1 fuzzy inference system (SIFT1) is optimized through Multigenic
Genetic Programming. In the construction of the GPFIS-Forecast +
model, type-2 fuzzy sets are used, which provide a model with greater flexibility
and, according to the literature, a greater capacity of dealing with
noisy data. It also adds the possibility of using exogenous variables to increase
genetic variability in the stochastic optimization process. Results of
the comparison between the GPFIS-Forecast and GPFIS-Forecast+ models
show that the second presents the smallest errors in general. When compared
to other models in the literature, the GPFIS-Forecast+ presents higher accuracy
for series without tendency and without heteroscedesticity.
Descrição | Arquivo |
COMPLETE |