Author(s): Luis F. Pedraza | Oscar F. Corredor C. | Jairo E. Roa
Journal: Visión Electrónica
ISSN 1909-9746
Volume: 2;
Issue: 2;
Start page: 11;
Date: 2008;
Original page
Keywords: Inteligencia computacional | Lógica difusa | Algoritmos genéticos | Fusificación | desfusificación | Error al cuadrado | Peso de cumplimiento.
ABSTRACT
En este artículo se presenta el procedimiento y el resultado principal de un estudio comparativo preliminar basado en el uso de dos herramientas de inteligencia computacional aplicadas en una tarea de predicción de una serie de tiempo caótica. El conjunto de datos de la serie viene del modelado del tráfico microscópico, de un automóvil a través de una sucesión de semáforos (Figura 1) presentado en [1]. Este estudio podría ayudar en el futuro para diseñar sistemas de predicción de tráfico macroscópico para controlar los períodos de congestionamiento vehicular. Los métodos de predicción de series de tiempo comparados fueron, el algoritmo ANFIS (Sistema de Inferencia Neuro-difuso Adaptativo) y otro basado en un algoritmo genético evolutivo. Luego se presentan y se analizan los resultados de este estudio, bajo el criterio de la suma del error al cuadrado y el tiempo de procesamiento requerido.
Journal: Visión Electrónica
ISSN 1909-9746
Volume: 2;
Issue: 2;
Start page: 11;
Date: 2008;
Original page
Keywords: Inteligencia computacional | Lógica difusa | Algoritmos genéticos | Fusificación | desfusificación | Error al cuadrado | Peso de cumplimiento.
ABSTRACT
En este artículo se presenta el procedimiento y el resultado principal de un estudio comparativo preliminar basado en el uso de dos herramientas de inteligencia computacional aplicadas en una tarea de predicción de una serie de tiempo caótica. El conjunto de datos de la serie viene del modelado del tráfico microscópico, de un automóvil a través de una sucesión de semáforos (Figura 1) presentado en [1]. Este estudio podría ayudar en el futuro para diseñar sistemas de predicción de tráfico macroscópico para controlar los períodos de congestionamiento vehicular. Los métodos de predicción de series de tiempo comparados fueron, el algoritmo ANFIS (Sistema de Inferencia Neuro-difuso Adaptativo) y otro basado en un algoritmo genético evolutivo. Luego se presentan y se analizan los resultados de este estudio, bajo el criterio de la suma del error al cuadrado y el tiempo de procesamiento requerido.
