Predicción de Series Temporales con Redes LSTM”

Simple item page
dc.creatorMoguilner Reh, Nicolás Francisco
dc.date.accessioned2024-05-13T22:15:10Z
dc.date.available2024-05-13T22:15:10Z
dc.date.issued2024-04-24
dc.description.abstractEn este trabajo se exploró la aplicación de Redes Neuronales Recurrentes con Memoria a Corto y Largo Plazo (LSTM) para la predicción de series temporales y espaciales en ingeniería. Se analizó el funcionamiento de las LSTM, su formulación matemática y proceso de aprendizaje, así como su efectividad en la predicción de series temporales. Además, se llevó a cabo una prueba de concepto en el área eléctrica para predecir la demanda. Los resultados demostraron que las LSTM son una herramienta prometedora en la predicción de fenómenos complejos y pueden ofrecer soluciones precisas y flexibles para desafíos en ingeniería, destacando su potencial en la predicción de series temporales en diversos contextos.es_ES
dc.description.affiliationMoguilner Reh, Nicolás Francisco. Universidad Tecnológica Nacional. Facultad Regional Paraná. Dpto. Ing. Electrónica; Argentinaes_ES
dc.description.peerreviewedPeer Reviewedes_ES
dc.formatplaines_ES
dc.identifier.doi-doi
dc.identifier.urihttp://hdl.handle.net/20.500.12272/10765
dc.language.isospaes_ES
dc.rightsopenAccesses_ES
dc.rights.holderNicolás Francisco Moguilner Rehes_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.rights.uriAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.rights.useCreative Commons / Atribución-Sin Obras derivadases_ES
dc.subjectRedes Neuronales Recurrenteses_ES
dc.subjectRNNes_ES
dc.subjectMemoria a Corto y Largo Plazoes_ES
dc.subjectLSTMes_ES
dc.subjectPredicción de Series Temporaleses_ES
dc.subjectIngeniería Electromecánicaes_ES
dc.subjectAprendizaje Automáticoes_ES
dc.subjectMachine Learninges_ES
dc.subjectPredicción de Demanda Eléctricaes_ES
dc.subjectModelado de Fenómenos Dinámicoses_ES
dc.subjectInteligencia Artificial,es_ES
dc.subjectAnálisis de Datoses_ES
dc.titlePredicción de Series Temporales con Redes LSTM”es_ES
dc.typeinfo:eu-repo/semantics/reportes_ES
dc.type.versionacceptedVersiones_ES

Files

Original bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
PPS-Moguilner.pdf
Size:
1.81 MB
Format:
Adobe Portable Document Format
Description:
PPS MOGUILNER R. Informe técnico utn frp DESCRPCIÓN
Download

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

FRP Formación de PREGRADO - Otras Titulaciones -Informes Tecnicos