dor_id: 45420

506.#.#.a: Público

590.#.#.d: Los artículos enviados a la revista "Journal of Applied Research and Technology", se juzgan por medio de un proceso de revisión por pares

510.0.#.a: Scopus, Directory of Open Access Journals (DOAJ); Sistema Regional de Información en Línea para Revistas Científicas de América Latina, el Caribe, España y Portugal (Latindex); Indice de Revistas Latinoamericanas en Ciencias (Periódica); La Red de Revistas Científicas de América Latina y el Caribe, España y Portugal (Redalyc); Consejo Nacional de Ciencia y Tecnología (CONACyT); Google Scholar Citation

561.#.#.u: https://www.icat.unam.mx/

650.#.4.x: Ingenierías

336.#.#.b: article

336.#.#.3: Artículo de Investigación

336.#.#.a: Artículo

351.#.#.6: https://jart.icat.unam.mx/index.php/jart

351.#.#.b: Journal of Applied Research and Technology

351.#.#.a: Artículos

harvesting_group: RevistasUNAM

270.1.#.p: Revistas UNAM. Dirección General de Publicaciones y Fomento Editorial, UNAM en revistas@unam.mx

590.#.#.c: Open Journal Systems (OJS)

270.#.#.d: MX

270.1.#.d: México

590.#.#.b: Concentrador

883.#.#.u: https://revistas.unam.mx/catalogo/

883.#.#.a: Revistas UNAM

590.#.#.a: Coordinación de Difusión Cultural

883.#.#.1: https://www.publicaciones.unam.mx/

883.#.#.q: Dirección General de Publicaciones y Fomento Editorial

850.#.#.a: Universidad Nacional Autónoma de México

856.4.0.u: https://jart.icat.unam.mx/index.php/jart/article/view/561/557

100.1.#.a: Alarcon Aquino, V.; Garcia Treviño, E. S.; Rosas Romero, R.; Ramirez Cruz, J. F.; Guerrero Ojeda, L. G.; Rodriguez Asomoza, J.

524.#.#.a: Alarcon Aquino, V., et al. (2005). Wavelet-Network based on L1-Norm minimisation for learning chaotic time series. Journal of Applied Research and Technology; Vol. 3 Núm. 03. Recuperado de https://repositorio.unam.mx/contenidos/45420

245.1.0.a: Wavelet-Network based on L1-Norm minimisation for learning chaotic time series

502.#.#.c: Universidad Nacional Autónoma de México

561.1.#.a: Instituto de Ciencias Aplicadas y Tecnología, UNAM

264.#.0.c: 2005

264.#.1.c: 2005-12-01

653.#.#.a: Wavelet-networks; Wavelets; Multi-resolution Analysis; Learning Chaotic Time Series

506.1.#.a: La titularidad de los derechos patrimoniales de esta obra pertenece a las instituciones editoras. Su uso se rige por una licencia Creative Commons BY-NC-SA 4.0 Internacional, https://creativecommons.org/licenses/by-nc-sa/4.0/legalcode.es, para un uso diferente consultar al responsable jurídico del repositorio por medio del correo electrónico gabriel.ascanio@icat.unam.mx

884.#.#.k: https://jart.icat.unam.mx/index.php/jart/article/view/561

001.#.#.#: 074.oai:ojs2.localhost:article/561

041.#.7.h: eng

520.3.#.a: En este artículo se presenta una red neuronal-wavelet basada en la minimización de la norma L1 para aprendizaje de series de tiempo caóticas. El método propuesto, el cuál se basa en un análisis multi-resolución, utiliza wavelets como funciones de activación en la capa oculta de la red neuronal-wavelet. Se propone utilizar la norma L1, en lugar de la tradicional norma L2, debido a que la norma L1 es superior a la norma L2 cuando la señal tiene distribuciones sesgadas o de colas pesadas. Se presenta una comparación del método propuesto con esquemas reportados previamente utilizando series de tiempo caóticas conocidas. Los resultados de simulación revelan que la red neuronal-wavelet basada en la norma L1 tiene una mejor eficiencia que la red neuronal con propagación hacia atrás y la red neuronal-wavelet basada en la tradicional norma L2 cuando se aplica a datos sintéticos.

773.1.#.t: Journal of Applied Research and Technology; Vol. 3 Núm. 03

773.1.#.o: https://jart.icat.unam.mx/index.php/jart

022.#.#.a: ISSN electrónico: 2448-6736; ISSN: 1665-6423

310.#.#.a: Bimestral

264.#.1.b: Instituto de Ciencias Aplicadas y Tecnología, UNAM

doi: https://doi.org/10.22201/icat.16656423.2005.3.03.561

harvesting_date: 2023-11-08 13:10:00.0

856.#.0.q: application/pdf

245.1.0.b: Wavelet-Network based on L1-Norm minimisation for learning chaotic time series

last_modified: 2024-03-19 14:00:00

license_url: https://creativecommons.org/licenses/by-nc-sa/4.0/legalcode.es

license_type: by-nc-sa

_deleted_conflicts: 2-f2248fef562c6d514d664cb39a2d78d0

No entro en nada

No entro en nada 2

Artículo

Wavelet-Network based on L1-Norm minimisation for learning chaotic time series

Alarcon Aquino, V.; Garcia Treviño, E. S.; Rosas Romero, R.; Ramirez Cruz, J. F.; Guerrero Ojeda, L. G.; Rodriguez Asomoza, J.

Instituto de Ciencias Aplicadas y Tecnología, UNAM, publicado en Journal of Applied Research and Technology, y cosechado de Revistas UNAM

Licencia de uso

Procedencia del contenido

Cita

Alarcon Aquino, V., et al. (2005). Wavelet-Network based on L1-Norm minimisation for learning chaotic time series. Journal of Applied Research and Technology; Vol. 3 Núm. 03. Recuperado de https://repositorio.unam.mx/contenidos/45420

Descripción del recurso

Autor(es)
Alarcon Aquino, V.; Garcia Treviño, E. S.; Rosas Romero, R.; Ramirez Cruz, J. F.; Guerrero Ojeda, L. G.; Rodriguez Asomoza, J.
Tipo
Artículo de Investigación
Área del conocimiento
Ingenierías
Título
Wavelet-Network based on L1-Norm minimisation for learning chaotic time series
Fecha
2005-12-01
Resumen
En este artículo se presenta una red neuronal-wavelet basada en la minimización de la norma L1 para aprendizaje de series de tiempo caóticas. El método propuesto, el cuál se basa en un análisis multi-resolución, utiliza wavelets como funciones de activación en la capa oculta de la red neuronal-wavelet. Se propone utilizar la norma L1, en lugar de la tradicional norma L2, debido a que la norma L1 es superior a la norma L2 cuando la señal tiene distribuciones sesgadas o de colas pesadas. Se presenta una comparación del método propuesto con esquemas reportados previamente utilizando series de tiempo caóticas conocidas. Los resultados de simulación revelan que la red neuronal-wavelet basada en la norma L1 tiene una mejor eficiencia que la red neuronal con propagación hacia atrás y la red neuronal-wavelet basada en la tradicional norma L2 cuando se aplica a datos sintéticos.
Tema
Wavelet-networks; Wavelets; Multi-resolution Analysis; Learning Chaotic Time Series
Idioma
eng
ISSN
ISSN electrónico: 2448-6736; ISSN: 1665-6423

Enlaces