Se propone un nuevo método para la cuantificación de la autosemejanza de corto alcance en series temporales. Los índices propuestos presentan alta correlación con los resultados del análisis de fluctuaciones tras eliminación de tendencias (DFA) y tienen una velocidad de cálculo mayor en más de dos órdenes de magnitud respecto al cálculo tradicional de exponentes de escala. En simulaciones con ruido fraccional gaussiano y en series RR, los exponentes de escala y los índices propuestos presentan una relación prácticamente lineal por lo que la metodología presentada puede emplearse como un método alternativo al DFA en series temporales con un gran número de muestras
En este artículo, se examina la modelación de series temporales no lineales usando ANFIS. Se discute...
Las series temporales son conjuntos de datos complejos de una gran importancia. Aparecen en aplicaci...
Dentro de los métodos enmarcados en el aprendizaje automático supervisado, muchos pueden adaptarse a...
El análisis de series temporales (AST) constituye un procedimiento adecuado de análisis para diseños...
En este trabajo se comparan en forma crítica los tres enfoques básicos para el análisis de series te...
En los diseños de series temporales interrumpidas realizados con sujeto único, se presentan dos difi...
Este trabajo aborda el tratamiento de series temporales múltiples a través de la representación en e...
En el análisis de las series temporales lineales existe una medida de dependencia general que permit...
Las series diarias de actividad económica no han sido estudiadas tan rigurosamente como las series f...
En este trabajo se presenta una metodología basada en la utilización de la teoría de la representati...
Se examina el comportamiento de tres técnicas de análisis de diseños de series temporales interrumpi...
El pronóstico de series de tiempo con ciclo y tendencia ha sido un problema vigente durante las últi...
L’objectiu d’aquest estudi és l’anàlisi de series temporals. Les series temporals tenen moltes aplic...
Las series temporales de coyuntura económica, dada la frecuencia de observación y su tamaño, general...
En este trabajo se ha llevado a cabo un análisis de series temporales de radiación neta y flujo de c...
En este artículo, se examina la modelación de series temporales no lineales usando ANFIS. Se discute...
Las series temporales son conjuntos de datos complejos de una gran importancia. Aparecen en aplicaci...
Dentro de los métodos enmarcados en el aprendizaje automático supervisado, muchos pueden adaptarse a...
El análisis de series temporales (AST) constituye un procedimiento adecuado de análisis para diseños...
En este trabajo se comparan en forma crítica los tres enfoques básicos para el análisis de series te...
En los diseños de series temporales interrumpidas realizados con sujeto único, se presentan dos difi...
Este trabajo aborda el tratamiento de series temporales múltiples a través de la representación en e...
En el análisis de las series temporales lineales existe una medida de dependencia general que permit...
Las series diarias de actividad económica no han sido estudiadas tan rigurosamente como las series f...
En este trabajo se presenta una metodología basada en la utilización de la teoría de la representati...
Se examina el comportamiento de tres técnicas de análisis de diseños de series temporales interrumpi...
El pronóstico de series de tiempo con ciclo y tendencia ha sido un problema vigente durante las últi...
L’objectiu d’aquest estudi és l’anàlisi de series temporals. Les series temporals tenen moltes aplic...
Las series temporales de coyuntura económica, dada la frecuencia de observación y su tamaño, general...
En este trabajo se ha llevado a cabo un análisis de series temporales de radiación neta y flujo de c...
En este artículo, se examina la modelación de series temporales no lineales usando ANFIS. Se discute...
Las series temporales son conjuntos de datos complejos de una gran importancia. Aparecen en aplicaci...
Dentro de los métodos enmarcados en el aprendizaje automático supervisado, muchos pueden adaptarse a...