Redes neuronales artificiales y la transformada de fourier en la restauracción y predicción de series de tiempo

Por: Daniel Huaco. , A. De La Puente ,

Se ha empleado las potencialidades de las Redes Neuronales Artificiales para restaurar observaciones asociadas a señales de tiempo La confiabilidad de los resultados fueron verificados mediante el Espectro de Fourier. La capacidad generalizadora y la flexibilidad de recepción de las redes neuronales ha permitido, que, datos de naturaleza no lineal provenientes de las deformaciones ocasionada, en la superficie de la tierra, por el paso del sol y la luna, sean procesados mediante algoritmos de redes tipo Percepron y Back Propagation, diseñados y preparados para este propósito. Debido también a la habilidad de las neuronas artificiales de reproducir variables y de predecir los parámetros que rigen la naturaleza y comportamiento del fenómeno, con un breve entrenamiento con registros reales previos, tiene la habilidad de generar registros futuros y restituir los segmentos de los periodos perdidos. Para la función de transferencia se emplea las funciones de Segmoid y Tangente Hiperbólica. La comparación de resultados de la señal original, con la generada por la red de neuronas, fue a través de los respectivos Espectros de Fourier. La transformada ha constituido un medio posible de cuantificar el error ,con señales producidas por la red óptimamente entrenadas hasta 150 hrs. El error es menor de 0.3% cuando se dispone de 878 hrs. de registro.