Construcción de modelos avanzados aprendizaje automático para el tráfico aéreo

Name: Construcción de modelos avanzados aprendizaje automático para el tráfico aéreo
SKU: 14234038d1d4e8374bfebe6f6d065bd2
Price: 68.9 EUR
Availability: InStock

1/1

Prijzen vanaf

68,90

Uitgelicht

	68,90	Naar shop
VERGELIJK ALLE AANBIEDERS (1)

Beschrijving

Bol Este libro explora la aplicación de diversas series temporales y técnicas de aprendizaje automático para modelizar y prever el tráfico aéreo nacional. Proporciona un estudio exhaustivo de los enfoques de predicción tradicionales y modernos. Presenta una amplia revisión bibliográfica sobre la modelización del tráfico aéreo, que abarca métodos tradicionales de series temporales (Holt's Winter, ARIMA, SARIMA) junto con técnicas avanzadas de aprendizaje automático (FFNN, MLP, LSTM). También se incluye un análisis comparativo de estos métodos, destacando sus puntos fuertes y sus limitaciones. Además, se explora la estimación bayesiana de los parámetros del modelo SARIMA. Los parámetros estimados y las predicciones se comparan con el método tradicional de máxima verosimilitud. Se amplía la investigación introduciendo modelos de mezcla, enfoques híbridos y técnicas simples de promediación para mejorar la precisión de las predicciones. La eficacia de estos modelos se evalúa mediante análisis comparativos.

Lees meer

Vergelijk aanbieders (1)

Sorteren op:

€ 68,90 Gratis verzending

Beschrijving (1)

Este libro explora la aplicación de diversas series temporales y técnicas de aprendizaje automático para modelizar y prever el tráfico aéreo nacional. Proporciona un estudio exhaustivo de los enfoques de predicción tradicionales y modernos. Presenta una amplia revisión bibliográfica sobre la modelización del tráfico aéreo, que abarca métodos tradicionales de series temporales (Holt's Winter, ARIMA, SARIMA) junto con técnicas avanzadas de aprendizaje automático (FFNN, MLP, LSTM). También se incluye un análisis comparativo de estos métodos, destacando sus puntos fuertes y sus limitaciones. Además, se explora la estimación bayesiana de los parámetros del modelo SARIMA. Los parámetros estimados y las predicciones se comparan con el método tradicional de máxima verosimilitud. Se amplía la investigación introduciendo modelos de mezcla, enfoques híbridos y técnicas simples de promediación para mejorar la precisión de las predicciones. La eficacia de estos modelos se evalúa mediante análisis comparativos.

Lees meer