Comparación de modelos de Deep learning con modelos de regresión de series de tiempo: un caso de estudio para el crecimiento del producto bruto interno de Perú

Descripción del Articulo

El objetivo de la presente tesis es evaluar y comparar dos modelos de aprendizaje profundo con dos modelos de regresión de series de tiempo para el caso de estudio del crecimiento trimestral del Producto Bruto Interno de Perú durante el primer trimestre de 1980 al cuarto trimestre de 2021. En el Cap...

Descripción completa

Detalles Bibliográficos
Autor: Yauri Lozano, Emerson
Formato: tesis de maestría
Fecha de Publicación:2025
Institución:Universidad Nacional de Ingeniería
Repositorio:UNI-Tesis
Lenguaje:español
OAI Identifier:oai:cybertesis.uni.edu.pe:20.500.14076/28771
Enlace del recurso:http://hdl.handle.net/20.500.14076/28771
Nivel de acceso:acceso embargado
Materia:Análisis de series de tiempo
Redes neuronales artificiales
Función de autocorrelación
Aprendizaje profundo (Inteligencia artificial)
Regresión (Estadística)
https://purl.org/pe-repo/ocde/ford#1.02.01
Descripción
Sumario:El objetivo de la presente tesis es evaluar y comparar dos modelos de aprendizaje profundo con dos modelos de regresión de series de tiempo para el caso de estudio del crecimiento trimestral del Producto Bruto Interno de Perú durante el primer trimestre de 1980 al cuarto trimestre de 2021. En el Capítulo 1 Introducción se desarrolla la motivación de la tesis, se formula los objetivos de la investigación tanto generales como específicos además se señala las contribuciones de la tesis, su estructura y se indica la justificación de la misma, además se menciona los resultados esperados de la investigación y se define la metodología y alcance. En el Capítulo 2 Marco teórico se desarrolla en primer término el marco conceptual donde se explica los principales conceptos relacionados a la tesis; posteriormente se desarrolla las bases teóricas de la investigación donde se menciona los principales tipos de redes neuronales y modelos de regresión de series de tiempo. En el Capítulo 3 Estado del arte se explica los trabajos e investigaciones relacionados al uso de los modelos desarrollados en la tesis en proyecciones de series de tiempo además de estudios comparativos entre estos modelos. En el Capítulo 4 Implementación y resultados se desarrolla en detalle cada uno de los modelos trabajados, posteriormente se explica las herramientas usadas tanto de hardware como de software, así como la presentación de resultados relacionados con los objetivos de la investigación, además de las discusiones. En el Capítulo 5 se presentan las principales conclusiones de la investigación, así como en el Capítulo 6 se muestran las recomendaciones. Finalmente se menciona las referencias bibliográficas y los anexos.
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).