Previsão de séries temporais através de redes neurais artificiais e métodos estocásticos (1997)
- Authors:
- USP affiliated authors: CARVALHO, ANDRE CARLOS PONCE DE LEON F DE - ICMC ; ANDRADE FILHO, MARINHO GOMES DE - ICMC
- Unidade: ICMC
- Assunto: INTELIGÊNCIA ARTIFICIAL
- Language: Português
- Imprenta:
- Publisher: Universidade Federal de Goiás
- Publisher place: Goiânia
- Date published: 1997
- Conference titles: Simpósio Brasileiro de Redes Neurais
-
ABNT
ANDRADE, L C M et al. Previsão de séries temporais através de redes neurais artificiais e métodos estocásticos. 1997, Anais.. Goiânia: Universidade Federal de Goiás, 1997. . Acesso em: 13 maio 2024. -
APA
Andrade, L. C. M., Diniz, H., Carvalho, A. C. P. de L. F. de, & Andrade, M. G. de. (1997). Previsão de séries temporais através de redes neurais artificiais e métodos estocásticos. In . Goiânia: Universidade Federal de Goiás. -
NLM
Andrade LCM, Diniz H, Carvalho ACP de LF de, Andrade MG de. Previsão de séries temporais através de redes neurais artificiais e métodos estocásticos. 1997 ;[citado 2024 maio 13 ] -
Vancouver
Andrade LCM, Diniz H, Carvalho ACP de LF de, Andrade MG de. Previsão de séries temporais através de redes neurais artificiais e métodos estocásticos. 1997 ;[citado 2024 maio 13 ] - Previsao de series temporais utilizando redes neurais artificiais e modelos de Box & Jenkins
- Architecture design of artificial neural networks based on Box & Jenkins models for time series prediction
- Abordagem bayesiana de modelos arch(P) usando algoritmos metropolis-hastings
- On mean value solutions for the Helmholtz equation on square grids
- Modelo de Poisson zero-modificado com efeito aleatório para dados longitudinais
- A influência da estocasticidade das vazões no planejamento da operação de sistemas hidrelétricos
- Estimação de parâmetros de modelos ARCH (p): abordagem Bayes-MCMC versus máxima verossimilhança
- Relação entre modelos auto-regressivos e a configuração da rede neural para previsões de séries temporais estacionárias
- Uma abordagem bayesiana para modelos PAR(pm)
- Uso do amostrador de Gibbs e metropolis-hastings em análise bayesiana de modelos AR(p)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas