English

CIn - Centro de Informática UFPE




Eventos Relacionados

Defesa de Tese de Doutorado Nº 366: "UM NEURÔNIO ARTIFICIAL MORFOLÓGICO-LINEAR COM APRENDIZAGEM BASEADA EM GRADIENTE DESCENDENTE PARA PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS EM BAIXA FREQUÊNCIA"

O aluno Rômulo Calado Pantaleão Camara irá defender sua pesquisa no dia 12 de junho, às 15h, na sala E423 do CIn-UFPE Início: 12/06/2017 às 15:00 Término: 12/06/2017 às 00:00 Local: Sala E423

Pós-Graduação em Ciência da Computação – UFPE
Defesa de Tese de Doutorado Nº  366

Aluno: Rômulo Calado Pantaleão Camara
Orientador: Prof. Cristiano Coêlho de Araújo
Co-orientador: Prof. Ricardo de Andrade Araújo (IFPE – Campus Ouricuri)
Título: UM NEURÔNIO ARTIFICIAL MORFOLÓGICO-LINEAR COM APRENDIZAGEM BASEADA EM GRADIENTE DESCENDENTE PARA PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS EM BAIXA FREQUÊNCIA
Data: 12/06/2017
Hora/Local: 15h – Centro de Informática  - Sala  E423
Banca Examinadora:

Prof. Geber Lisboa Ramalho (UFPE / Centro de Informática)
Prof. Ricardo Bastos Cavalcante Prudêncio (UFPE / Centro de Informática)

Prof. Adriano Lorena Inácio de Oliveira (UFPE / Centro de Informática)
Prof. Nadia Nedjah (UFRJ / Departamento de Engenharia Eletrônica e Telecomunicações)
Prof. Waslon Terllizzie Araújo Lopes (UFPB / Departamento de Engenharia Elétrica)

RESUMO:

Este trabalho apresenta um novo modelo de neurônio artificial morfológico-linear, de nominado de General Increasing Morphological Perceptron (GIMP), para previsão de séries temporais financeiras, em baixa-frequência (diária, semanal e quinzenal). Este é composto por uma combinação balanceada entre um módulo linear e um módulo não-linear crescente. Além
disso, para o projeto do modelo proposto, é apresentado um processo de aprendizagem baseado em gradiente descendente com ajuste automático de fase temporal. Também, é realizada uma análise experimental utilizando um conjunto de séries temporais financeiras provenientes do mercado de ações brasileiro, em baixa-frequência e os resultados obtidos foram analisados,
utilizando um conjunto relevante de medidas de desempenho, e comparados aqueles obtidos utilizando modelos clássicos da literatura de previsão de séries temporais financeiras.

Palavras-chave: Previsão de Séries Temporais, Mercado de Ações em Baixa Frequência, Neurônios Artificiais, Gradiente Descendente, Ajuste de Fase Temporal.
  • © Centro de Informática UFPE - Todos os direitos reservados
    Tel +55 81 2126.8430 - Cidade Universitária - 50740-560 - Recife/PE
Plano4 Consultoria Web