期刊名称：Investigaciones Europeas de Direccion y Economia de la Empresa
印刷版ISSN：1135-2523
出版年度：2004
卷号：10
期号：2
页码：221-232
出版社：Academia Europea de Dirección y Economía de la Empresa (AEDEM)
摘要：En ocasiones, la "sobreabundancia" de información se puede convertir en un problema incluso más grave que el no disponer de series temporales suficientemente largas. Desde el punto de vista de las RNAs, es importante disponer de un conjunto de ejemplos de entrenamiento suficientemente, pero' si es desmesuradamente grande, es más que posible que, si no se utiliza un ordenador de gran capacidad y velocidad, el tiempo necesario para que la red converja y llegue a soluciones adecuadas, sea demasiado grande en términos relativos. En este trabajo proponemos método de entrenamiento (que denominamos "selectivo y continuo"), en el que se hace una selección previa de los ejemplos de entrenamiento del Perceptrón Multicapa que se utiliza para calcular las previsiones. Hemos comprobado la efectividad del método propuesto, pronosticando una serie temporal correspondiente al Mercado dc la Electricidad Español.
其他摘要：Sometimes, having time series that are too long can be an even greater problem, even worse than having series with too few data. From a Neural Networks point ofview, it is important to have a set oftraining samples that is big enough; however, ifthis set is too big the time required to reach an adequate solution may be too long. In this paper, we propose a training method we have called a selective and continuous method, in which a previous selection for the Multilayer Perceptron (MLP) training samples is made using an ART-type neural network. The MLP is then trained and finally it is used to make forecasts. We tested the effectiveness ofthe proposed method, making forecasts for the time series called Daily- Market Hourly Price, part ofthe Electricity Production Market ofSpain.
关键词：Previsión a corto plazo; Redes Neuronales Artificiales;Perceptrón Multicapa; Redes ART.
其他关键词：Short-Time Forecasting; Artificial Neural Networks; Multilayer;Perceptron; ART Networks.
