Pontos de divergência e complementariedade entre redes neurais em relação aos modelos autorregressivos

dc.contributor.advisorBatista, André Filipe de Moraespt_BR
dc.contributor.authorSaraiva, Kevin Santos
dc.coverage.cidadeSão Paulopt_BR
dc.coverage.paisBrasilpt_BR
dc.creatorSaraiva, Kevin Santos
dc.date.accessioned2023-05-24T17:34:39Z
dc.date.available2023-05-24T17:34:39Z
dc.date.issued2022
dc.description.abstractEsse artigo busca explorar e explicar as principais técnicas preditivas no campo das séries temporais. Além de revisar toda a literatura estatística do tema, serão introduzidos conceitos de aprendizado de máquina atrás de algoritmos preditivos – principalmente as redes neurais. A partir dessa base teórica, será posto em prática a capacidade preditiva destas ferramentas a fim de avaliar suas principais vantagens e desvantagens. A partir da validação cruzada e dos resultados obtidos, a última etapa do estudo será avaliar pontos de convergência e de complementariedade dos modelos a fim de recriar um processo mais robusto de predição para a base em questão.pt_BR
dc.description.otherThis article seeks to explore and explain the main predictive techniques in the field of time series. In addition to reviewing the entire statistical literature on the subject, machine learning concepts will introduce behind predictive algorithms – neural networks. From this theoretical basis, the predictive capacity of these tools will put into practice to assess their main advantages and disadvantages. From the cross-validation analysis and the results obtained, the last stage of the study will be to evaluate points of convergence and complementarity of the models to recreate a more robust prediction process for the base in question.pt_BR
dc.description.qualificationlevelGraduaçãopt_BR
dc.format.extent31 p.pt_BR
dc.format.mediumDigitalpt_BR
dc.identifier.urihttps://repositorio.insper.edu.br/handle/11224/5647
dc.language.isoPortuguêspt_BR
dc.rights.licenseTODOS OS DOCUMENTOS DESTA COLEÇÃO PODEM SER ACESSADOS, MANTENDO-SE OS DIREITOS DOS AUTORES PELA CITAÇÃO DA ORIGEMpt_BR
dc.subjectalgoritmo de redes neuraispt_BR
dc.subjectalgoritmo preditivopt_BR
dc.subjectmodelo autorregressivopt_BR
dc.subjecteconometriapt_BR
dc.subject.keywordsalgorithm neural networkspt_BR
dc.subject.keywordspredictive algorithmpt_BR
dc.subject.keywordsautoregressive modelpt_BR
dc.subject.keywordseconometricpt_BR
dc.titlePontos de divergência e complementariedade entre redes neurais em relação aos modelos autorregressivospt_BR
dc.typebachelor thesis
dspace.entity.typePublication
local.subject.cnpqCiências Exatas e da Terrapt_BR
local.typeTrabalho de Conclusão de Cursopt_BR
Arquivos
Pacote Original
Agora exibindo 1 - 2 de 2
Carregando...
Imagem de Miniatura
Nome:
Kevin Santos Saraiva_Trabalho.pdf
Tamanho:
639.67 KB
Formato:
Adobe Portable Document Format
Descrição:
Kevin Santos Saraiva_Trabalho
N/D
Nome:
Kevin Santos Saraiva_Termo Autorização.pdf
Tamanho:
801.87 KB
Formato:
Adobe Portable Document Format
Descrição:
Kevin Santos Saraiva_Termo Autorização
Licença do Pacote
Agora exibindo 1 - 1 de 1
N/D
Nome:
license.txt
Tamanho:
282 B
Formato:
Item-specific license agreed upon to submission
Descrição: