MULP: A Multi-Layer Perceptron Application to Long-Term, Out-of-Sample Time Series Prediction

Tipo di pubblicazione: Articolo in atti di convegno
Tipologia MIUR: Contributo in Atti di Convegno (Proceeding) > Contributo in atti di convegno
Titolo: MULP: A Multi-Layer Perceptron Application to Long-Term, Out-of-Sample Time Series Prediction
Autori: Pasero E; Raimondo G; Ruffa S.
Autori di ateneo:
Intervallo pagine: pp. 566-575
Titolo del periodico: LECTURE NOTES IN COMPUTER SCIENCE
Editore: Springer
ISBN: 9783642133176
ISSN: 0302-9743
Volume: 6064
Titolo del convegno: 7th International Symposium on Neural Networks, ISNN 2010
Luogo dell'evento: Shanghai
Data dell'evento: 6-9 June 2010
Abstract: A forecasting approach based on Multi-Layer Perceptron (MLP) Artificial Neural Networks (named by the authors MULP) is proposed for the NN5 111 time series long-term, out of sample forecasting competition. This approach follows a direct prediction strategy and is completely automatic. It has been chosen after having been compared with other regression methods (as for example Support Vector Machines (SVMs)) and with a recursive approach to prediction. Good results have also been obtained using the ANNs forecaster together with a dimensional reduction of the input features space performed through a Principal Component Analysis (PCA) and a proper information theory based backward selection algorithm. Using this methodology we took the 10th place among the best 50% scorers in the final results table of the NN5 competition
Data: 2010
Status: Pubblicato
Lingua della pubblicazione: Inglese
Parole chiave: artificial neural networks, machine learning, time series analysis
Dipartimenti (originale): DISPEA - Sistemi di Produzione ed Economia dell'Azienda
DELEN - Dipartimento di Elettronica
Dipartimenti: DET - Dipartimento di Elettronica e Telecomunicazioni
URL correlate:
    Area disciplinare: Area 09 - Ingegneria industriale e dell'informazione > ELETTRONICA
    Data di deposito: 07 Giu 2010 12:44
    Data ultima modifica (IRIS): 28 Set 2016 16:05:13
    Data inserimento (PORTO): 30 Set 2016 04:36
    Numero Identificativo (DOI): 10.1007/978-3-642-13318-3_70
    Permalink: http://porto.polito.it/id/eprint/2370239
    Link resolver URL: Link resolver link
    Citazioni:

    Il campo presenta il numero di citazioni presenti sulle banche dati Scopus e Web of Science e permette di accedere ai relativi record. Visualizza inoltre il link al record presente su Google Scholar.

    Possono verificarsi discrepanze rispetto ai dati presenti sulle banche dati per i seguenti motivi:

    • Differenze tra i dati riportati su IRIS e quelli presenti nelle banche dati.
    • Il numero di citazioni riportate su PORTO viene estratto mensilmente. Il dato citazionale presente sulle singole banche dati è aggiornato in tempo reale
    • Il numero di citazioni per WoS viene calcolato sulla base delle collezioni in abbonamento (Science citation index Expanded e Conference Proceedings Citation Index)

    Per informazioni o segnalazioni contattare scrivia/porto

    +
    -

    Allegati

    [img] PDF (Multilayerperceptr_2010.pdf) - Postprint
    Accesso al documento: Non visibile (accessibile solo al proprietario del dato)
    Licenza: Non pubblico - Accesso privato / Ristretto.

    Download (232Kb (237614 bytes)) | Spedisci una richiesta all'autore per una copia del documento

    Azioni (richiesto il login)

    Visualizza il documento (riservato amministratori) Visualizza il documento (riservato amministratori)