MétaCan
Menu
Retour à la cohorte
Enregistrement W2507735444 · doi:10.5151/marine-spolm2015-140488

PREVISÃO DE CURTO PRAZO DA SÉRIE TEMPORAL CANADIAN LYNX VIA REDES NEURAIS ARTIFICIAIS E DECOMPOSIÇÃO WAVELET

2016· article· pt· W2507735444 sur OpenAlexaboutno aff
Luíz Albino Teixeira Júnior, Edgar Manuel Carreño Franco, Rafael Morais de Souza

Notice bibliographique

Revuenon disponible
Typearticle
Languept
DomaineComputer Science
ThématiqueTime Series Analysis and Forecasting
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWaveletComputer scienceHumanitiesPhilosophyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Neste artigo, proposta uma abordagem alternativa hbrida que combina uma Rede Neural Artificial e a Decomposio Wavelet (DW), referida por RNA-WD, com o objetivo de produzir previses de curto prazo para a srie temporal de Canadian Lynx. Em termos gerais, o mtodo RNA-DW dividido em dois passos: (1) realizada a decomposio de nvel p da srie temporal a ser prevista, gerando-se p+1 componentes wavelet; e (2) os sinais defasados em J instantes das p+1 componentes wavelet geradas em (1) so simultaneamente utilizados como entradas de uma RNA cuja sada uma previso em um instante de tempo t para a srie temporal em questo. Os resultados obtidos mostraram que a RNA-WD obteve desempenho preditivo superior a uma RNA tradicional.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,851
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,029
Tête enseignante GPT0,252
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTime Series Analysis and ForecastingTravaux en français237 207