Acceso al documento en PDF - Biblioteca Nacional de Maestros

En el caso de la tercera red neuronal obtuvimos un error promedio general
del 13%.
4 8 2 . 0 2
4 7 4 . 7 3
4 6 7 . 4 3
4 6 0 . 1 4
Figura 5. Predicción Tercera Red Neuronal
En los ejemplos presentados aquí, tres redes neuronales artificiales, cada
una entrenada independientemente para extraer las características de la misma
serie de tiempo pero a diferentes horizontes de tiempo donde se utilizó la red
estándar de backbropagation. En todos los casos se obtuvieron resultados
superiores a la mejor curva de ajuste.
En los casos de la segunda-y tercer red neuronal los resultados obtenidos no
son satisfactorios, ya que se supone que a medida que la red crezca (aumentando
los nodos de la capa intermedia) y la cantidad de información recolectada sea
mayor, la red debería ajustar cada vez mejor la predicción de los datos. En estos
Casos, no se cumplió, debido a otros factores como ser:
la cantidad de, nodos utilizados en la capa intermedia debieron ser
suficientemente grandes que no permitieron una mejor aproximación de la
predicción, sino que la red solamente memorizó los valores de la serie de tiempo
en estudio en vez de lograr la generalización
los valores de la serie de tiempo no fueron suficientes para lograr una mejor
aproximación, sino que deberían haberse tenido en cuenta otros valores y/O
índices para lograr una mejor predicción.
. en la composición de los datos de entrada se utilizó una “ventana de tiempo”
(time-window), la cual representó los valores de 5 días consecutivos (promedio) a
la red, obteniendo como salida el valor futuro del índice del quinto día. Si
consideramos a t como el tiempo de inicio de una ventana determinada,
tendremos una serie del tipo [x(t), x(t+1), . . ., x(t+n)] para la ventana en cuestión,
pero en nuestro caso utilizamos un promedio, con lo cual se puede haber caído
en un caso donde los datos utilizados no cumplan con el requisito de muestra
estadística y haber provocado una mayor error en la predicción de la red, cuando
debería haber sido menor.
La validación’ de los datos se realizó con el mismo conjunto de datos de los
patrones de entrenamiento, pero realizando la experiencia luego con un grupo de
validación de datos de meses posteriores al primer trimestre de 1994, demostrando
en todos los casos que las tres diferentes redes producen una reducción del error
/ A