Modelo dinámico para la generación de pronóstico usando redes neurales artificiales (RNA)

Tradicionalmente se pronostica utilizando métodos convencionales (regresión lineal, ARIMA), con su particular enfoque en los errores inherentes a cada método. La complejidad del entorno que afrontan organizaciones, sugiere el abordaje de una metodología que genere mayor precisión al momento de ha...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Miguel Vera, Juan Bustamante
Formato:	article
Lenguaje:	ES
Publicado:	Universidad de Los Andes 2007
Materias:	red neural pronóstico modelo dinámico toma de decisiones Management. Industrial management HD28-70 Business HF5001-6182
Acceso en línea:	https://doaj.org/article/72acaf93fe2a44a195f6240cdede25bc
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:doaj.org-article:72acaf93fe2a44a195f6240cdede25bc
record_format	dspace
spelling	oai:doaj.org-article:72acaf93fe2a44a195f6240cdede25bc2021-11-11T15:56:48ZModelo dinámico para la generación de pronóstico usando redes neurales artificiales (RNA)1317-88222477-9547https://doaj.org/article/72acaf93fe2a44a195f6240cdede25bc2007-01-01T00:00:00Zhttp://www.redalyc.org/articulo.oa?id=465545877005https://doaj.org/toc/1317-8822https://doaj.org/toc/2477-9547Tradicionalmente se pronostica utilizando métodos convencionales (regresión lineal, ARIMA), con su particular enfoque en los errores inherentes a cada método. La complejidad del entorno que afrontan organizaciones, sugiere el abordaje de una metodología que genere mayor precisión al momento de hacer estimaciones. El uso de máquinas de aprendizaje, en particular, de redes neurales, ha venido proliferándose debido a la masificación del uso de la computadora personal y a la aparición de herramientas de desarrollo cada vez más versátiles. Ahora bien, todo proceso que sea susceptible de ser vectorizado, puede ser abordado con éxito mediante el empleo de máquinas de aprendizaje. La construcción de un modelo dinámico para pronosticar permite alternativas de solución con niveles de incertidumbre mejores de los que suministra las técnicas convencionales. El programa que se utiliza para implementar el modelo, tiene como ventaja que no requiere conocimiento en programación por parte de los usuarios. Por tanto, es bastante sencillo introducir a los participantes en el mundo del pronóstico no convencional, con el objeto de apoyar la toma de decisiones.Miguel VeraJuan BustamanteUniversidad de Los Andesarticlered neuralpronósticomodelo dinámicotoma de decisionesManagement. Industrial managementHD28-70BusinessHF5001-6182ESRevista Visión Gerencial, Pp 130-142 (2007)
institution	DOAJ
collection	DOAJ
language	ES
topic	red neural pronóstico modelo dinámico toma de decisiones Management. Industrial management HD28-70 Business HF5001-6182
spellingShingle	red neural pronóstico modelo dinámico toma de decisiones Management. Industrial management HD28-70 Business HF5001-6182 Miguel Vera Juan Bustamante Modelo dinámico para la generación de pronóstico usando redes neurales artificiales (RNA)
description	Tradicionalmente se pronostica utilizando métodos convencionales (regresión lineal, ARIMA), con su particular enfoque en los errores inherentes a cada método. La complejidad del entorno que afrontan organizaciones, sugiere el abordaje de una metodología que genere mayor precisión al momento de hacer estimaciones. El uso de máquinas de aprendizaje, en particular, de redes neurales, ha venido proliferándose debido a la masificación del uso de la computadora personal y a la aparición de herramientas de desarrollo cada vez más versátiles. Ahora bien, todo proceso que sea susceptible de ser vectorizado, puede ser abordado con éxito mediante el empleo de máquinas de aprendizaje. La construcción de un modelo dinámico para pronosticar permite alternativas de solución con niveles de incertidumbre mejores de los que suministra las técnicas convencionales. El programa que se utiliza para implementar el modelo, tiene como ventaja que no requiere conocimiento en programación por parte de los usuarios. Por tanto, es bastante sencillo introducir a los participantes en el mundo del pronóstico no convencional, con el objeto de apoyar la toma de decisiones.
format	article
author	Miguel Vera Juan Bustamante
author_facet	Miguel Vera Juan Bustamante
author_sort	Miguel Vera
title	Modelo dinámico para la generación de pronóstico usando redes neurales artificiales (RNA)
title_short	Modelo dinámico para la generación de pronóstico usando redes neurales artificiales (RNA)
title_full	Modelo dinámico para la generación de pronóstico usando redes neurales artificiales (RNA)
title_fullStr	Modelo dinámico para la generación de pronóstico usando redes neurales artificiales (RNA)
title_full_unstemmed	Modelo dinámico para la generación de pronóstico usando redes neurales artificiales (RNA)
title_sort	modelo dinámico para la generación de pronóstico usando redes neurales artificiales (rna)
publisher	Universidad de Los Andes
publishDate	2007
url	https://doaj.org/article/72acaf93fe2a44a195f6240cdede25bc
work_keys_str_mv	AT miguelvera modelodinamicoparalageneraciondepronosticousandoredesneuralesartificialesrna AT juanbustamante modelodinamicoparalageneraciondepronosticousandoredesneuralesartificialesrna
_version_	1718432606863753216

Modelo dinámico para la generación de pronóstico usando redes neurales artificiales (RNA)

Ejemplares similares