Please use this identifier to cite or link to this item:
http://hdl.handle.net/11422/13149
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Silva, Geraldo Zimbrão da | - |
dc.contributor.author | Niemeyer, Eduardo Fernando Costa de | - |
dc.date.accessioned | 2020-10-02T23:19:48Z | - |
dc.date.available | 2023-12-21T03:02:20Z | - |
dc.date.issued | 2018-09 | - |
dc.identifier.uri | http://hdl.handle.net/11422/13149 | - |
dc.description.abstract | This dissertation presents two new proposals to solve the problem of null moving averages for Adaptive Normalization, used as part of the pre-processing phase of a machine learning method for time series forecasting. They are: Adaptive Normalization by Compensation and Adaptive Normalization by Subtraction. It compares and analyzes the results obtained with these two new proposals, applied to 5 different datasets, with the Original Adaptive Normalization, as well as with other normalization methods present in the literature and the baseline ARIMA. It is concluded that, the Adaptive Normalization by Subtraction, proposed in this work, surpasses all other methods when it is applied to non-stationary heteroscedastic time series, also correcting the problem related to null moving averages of the Original Adaptive Normalization. For time series with high degree of stationarity, all the Adaptive Normalization methods are not satisfatory. | en |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal do Rio de Janeiro | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Normalização | pt_BR |
dc.subject | Séries Temporais | pt_BR |
dc.subject | Redes Neurais | pt_BR |
dc.title | Duas propostas para solucionar o problema referente a médias móveis nulas na normalização adaptativa | pt_BR |
dc.type | Dissertação | pt_BR |
dc.contributor.advisorLattes | http://lattes.cnpq.br/3937502490683382 | pt_BR |
dc.contributor.authorLattes | http://lattes.cnpq.br/2852784206207355 | pt_BR |
dc.contributor.referee1 | Ogasawara, Eduardo Soares | - |
dc.contributor.referee2 | Xexéo, Geraldo Bonorino | - |
dc.description.resumo | Apresenta-se, nesta dissertação, duas novas propostas para sanar o problema das médias móveis nulas para a Normalização Adaptativa, utilizada como parte do pré-processamento de um método de aprendizagem de máquinas para previsão em séries temporais. São elas: Normalização Adaptativa Compensada e Normalização Adaptativa por Subtração. Compara-se e analisa-se os resultados obtidos com essas duas novas propostas, aplicadas a 5 diferentes Datasets, com a Normalização Adaptativa Original, assim como com outros métodos de normalização presentes na literatura e o baseline ARIMA. Conclui-se que, a Normalização Adaptativa por Subtração, proposta nesse trabalho, supera todos os outros métodos para séries temporais não-estacionárias e heteroscedásticas, também corrigindo o problema referente às médias móveis nulas para a Normalização Adaptativa Original. Para séries temporais com alto grau de estacionariedade, todos os métodos de Normalização Adaptativa não são satisfatórios. | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia | pt_BR |
dc.publisher.program | Programa de Pós-Graduação em Engenharia de Sistemas e Computação | pt_BR |
dc.publisher.initials | UFRJ | pt_BR |
dc.subject.cnpq | CNPQ::ENGENHARIAS | pt_BR |
dc.embargo.terms | aberto | pt_BR |
Appears in Collections: | Engenharia de Sistemas e Computação |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
EduardoFernandoCostaDeNiemeyer.pdf | 937.01 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.