Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Rocha Filho, Tarcísio Marciano da | - |
Autor(es): dc.creator | Lima, Maycon Kawlin Sardévist Alcântara e | - |
Data de aceite: dc.date.accessioned | 2024-10-23T15:50:26Z | - |
Data de disponibilização: dc.date.available | 2024-10-23T15:50:26Z | - |
Data de envio: dc.date.issued | 2024-08-02 | - |
Data de envio: dc.date.issued | 2024-08-02 | - |
Data de envio: dc.date.issued | 2024-08-02 | - |
Data de envio: dc.date.issued | 2021-06-28 | - |
Fonte completa do material: dc.identifier | http://repositorio2.unb.br/jspui/handle/10482/49491 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/893337 | - |
Descrição: dc.description | Dissertação (mestrado) — Universidade de Brasília, Instituto de Física, Programa de Pós-Graduação em Física, 2021. | - |
Descrição: dc.description | Esta dissertação trata da aplicação de ferramentas de Machine Learning, mais especifica- mente de redes neurais recorrentes (Echo State Network-ESN e Deep Echo State Network- DESN), na previsão do preço do ativo da Petróleo Brasileiro S.A. (PETR4), uma empresa brasileira de capital aberto cujo acionista majoritário é o Governo do Brasil. São utilizados diferentes métodos como variação diária do logaritmo do preço, uso de diferentes séries tem- porais e análise da componente principal (PCA). Os resultados mostraram que o uso desses três métodos em conjunto geram resultados satisfatórios, além de demonstrar uma superiori- dade da rede neural DESN. | - |
Descrição: dc.description | This dissertation deals with the application of Machine Learning tools, more specifically of recurrent neural networks (Echo State Network-ESN and Deep Echo State Network-DESN), in the intent of forecast the asset price of Petréleo Brasileiro SA (PETR4), a Brazilian com- pany of publicly traded company whose majority shareholder is the Government of Brazil. Different methods are used, such as daily variation of the price’s logarithm, use of differ- ent time series and principal component analysis (PCA). The results showed that the use of these three methods together generate satisfactory results, besides that are demonstrating a superiority of the DESN neural network. | - |
Descrição: dc.description | Instituto de Física (IF) | - |
Descrição: dc.description | Programa de Pós-Graduação em Física | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Acesso Aberto | - |
Palavras-chave: dc.subject | Aprendizagem de máquina | - |
Palavras-chave: dc.subject | Redes neurais recorrentes | - |
Palavras-chave: dc.subject | Previsão do preço | - |
Palavras-chave: dc.subject | Séries temporais | - |
Título: dc.title | Previsão com séries temporais usando computação por reservatório : aplicação em ativo do B3 | - |
Título: dc.title | Time series forecasting using reservoir computing : application on B3’s stock | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional – UNB |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: