| Revista: | Journal of applied research and technology |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000364820 |
| ISSN: | 1665-6423 |
| Autores: | Ramírez Amaro, K1 Chimal Eguía, J. C2 |
| Instituciones: | 1Technische Universitat Munchen, Department of Computer Science Informatik, Garching, Bayern. Alemania 2Instituto Politécnico Nacional, Centro de Investigación en Computación, México, Distrito Federal. México |
| Año: | 2012 |
| Periodo: | Jun |
| Volumen: | 10 |
| Número: | 3 |
| Paginación: | 361-379 |
| País: | México |
| Idioma: | Inglés |
| Tipo de documento: | Artículo |
| Enfoque: | Experimental, aplicado |
| Resumen en español | En este trabajo se presenta un nuevo enfoque para obtener información de una serie de tiempo. Para implementar esta nueva técnica, se ha definido una nueva representación de los datos de entrada de una serie de tiempo. Esta nueva representación está basada en la información obtenida mediante la división del eje de la imagen de la serie de tiempo en cajas. La diferencia entre esta nueva técnica de representación de datos y la forma clásica, se basa en que no es dependiente del tiempo. La nueva representación se ha implementado en una nueva técnica denominada Técnica de Aprendizaje Basada en la Imagen (IBLA por su siglas en inglés) y por medio de un mecanismo probabilístico, esta técnica se aplica al muy interesante problema de predicción en una serie de tiempo. Los resultados experimentales indican que usando esta metodología es posible obtener mejores resultados que los obtenidos por medio de Redes Neuronales Artificiales y Máquinas de Soporte Vectorial |
| Resumen en inglés | In this paper, a new learning approach based on time-series image information is presented. In order to implement this new learning technique, a novel time-series input data representation is also defined. This input data representation is based on information obtained by image axis division into boxes. The difference between this new input data representation and the classical is that this technique is not time-dependent. This new information is implemented in the new Image-Based Learning Approach (IBLA) and by means of a probabilistic mechanism this learning technique is applied to the interesting problem of time series forecasting. The experimental results indicate that by using the methodology proposed in this article, it is possible to obtain better results than with the classical techniques such as artificial neuronal networks and support vector machines |
| Disciplinas: | Ciencias de la computación |
| Palabras clave: | Inteligencia artificial, Aprendizaje, Representación de datos, Predicción, Series de tiempo |
| Keyword: | Computer science, Artificial intelligence, Learning, Data representation, Forecasting, Time series |
| Texto completo: | Texto completo (Ver HTML) |
