1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
  2. Tesis de Posgrado
  3. Guanajuato
  4. Instituto Tecnológico de León (Posgrado)
  5. Tesis de Maestría
  6. Maestría en Ciencias de la Computación

Please use this identifier to cite or link to this item: https://rinacional.tecnm.mx/jspui/handle/TecNM/5529
Full metadata record
DC FieldValueLanguage
dc.contributor.authorPEDROZA CASTRO, FRANCISCO JAVIER%1033237-
dc.creatorPEDROZA CASTRO, FRANCISCO JAVIER%1033237-
dc.date.accessioned2023-04-22T02:00:42Z-
dc.date.available2023-04-22T02:00:42Z-
dc.date.issued2022-11-04-
dc.identifier.urihttps://rinacional.tecnm.mx/jspui/handle/TecNM/5529-
dc.descriptionEsta obra busca realizar un pronóstico financiero utilizando una red neuronal artificial tipo Long-short Term Memory (LSTM), optimizando los hiperparámetros de la red mediante metaheurísticas. Por tanto se propone una metodología para la optimización de hiperparámetros y una metodología para la comparación de metaheurísticas. La optimización de hiperparámetros consiste en: 1) generar una población de hiperparámetros, 2) los cuales son utilizados para diseñar las redes LSTM, 3) posteriormente se entrenan las distintas redes LSTM, se evalúan, 4) si no cumple con un criterio de paro, se actualiza la población y se regresa al paso de diseñar las redes LSTM. En este trabajo se utilizan tres metaheurísticas distintas para llevar a cabo la optimización de hiperparámetros, a saber, PSO, FPA y Estimation of Distribution Algorithm for a Low Number of Function Evaluations (LNFE). Las soluciones obtenidas por cada metaheurística incluyendo a una red optimizada sin utilizar metaheurísticas, fueron comparadas con base en el rendimiento de las redes LSTM con hiperparámetros optimizados. En la comparación de las metaheurísticas se consideró inicializar las poblaciones con la misma semilla, comparar el valor fitness y la convergencia de las soluciones en cada variable. Los resultados muestran que las redes LSTM cuyos hiperparámetros fueron ajustados utilizando metaheurísticas, superan a la red LSTM, las cuales se ajustaron sus hiperparámetros sin utilizar metaheurísticas. De las soluciones LNFE, tiene mayor convergencia que las demás metaheurísticas y, FPA tiene menor convergencia, no obstante, el rendimiento de las soluciones fue mayor a las soluciones de las demás metaheurísticas. Al comparar el proceso de optimización de las tres metahuerísticas (PSO, FPA y LNFE), se encuentra que LNFE converge en una menor cantidad de iteraciones con resultados satisfactorios y un menor costo computacional, mientras que FPA, presenta característica de mayor exploración que de intensificación; mientras que PSO muestra un equilibrio entre exploración y convergencia.es_MX
dc.language.isospaes_MX
dc.publisherTecnológico Nacional de Méxicoes_MX
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0es_MX
dc.subjectinfo:eu-repo/classification/cti/7es_MX
dc.subject.otherFinanzases_MX
dc.subject.otherPronósticos financieroses_MX
dc.subject.otherInteligencia computacionales_MX
dc.subject.otherLógica difusaes_MX
dc.subject.otherSistemas difusoses_MX
dc.subject.otherAlgoritmos evolutivoses_MX
dc.subject.otherAlgoritmos genéticoses_MX
dc.subject.otherRedes neuronaleses_MX
dc.subject.otherAprendizaje automáticoes_MX
dc.subject.otherAprendizaje profundoes_MX
dc.subject.otherInteligencia artificiales_MX
dc.subject.otherSimulación por computadoraes_MX
dc.titlePRONOSTICO FINANCIERO USANDO MODELOS DE INTELIGENCIA COMPUTACIONALes_MX
dc.typeinfo:eu-repo/semantics/masterThesises_MX
dc.contributor.directorCARPIO VALADEZ, JUAN MARTIN%53586-
dc.folioTecNM-ITL_MCC-015es_MX
dc.rights.accessinfo:eu-repo/semantics/openAccesses_MX
dc.publisher.tecnmInstituto Tecnológico de Leónes_MX
Appears in Collections:Maestría en Ciencias de la Computación

Files in This Item:
File Description SizeFormat 
015.-TESIS-COMPLETA_FRANCISCO-JAVIER-PEDROZA-CASTRO.pdfPronóstico financiero usando modelos de inteligencia computacional - tesis 015 de MCC del ITL12.36 MBAdobe PDFView/Open


This item is protected by original copyright

View License
Show simple item record


This item is licensed under a Creative Commons License Creative Commons