Resumen

Este estudio se enfocó en los problemas de identificación de un sistema de dos entradas y una salida con ruido de media móvil basado en métodos de aprendizaje no supervisado aplicados a las señales de entrada. Se propone que la señal de entrada al modelo autorregresivo de media móvil provenga de una fuente con cambios técnicos y ambientales continuos como dos señales de entrada destacadas separadas. Estas dos señales de entrada fueron agrupadas en varios conjuntos utilizando el algoritmo de agrupamiento -means. Las señales de entrada agrupadas se suministraron al modelo de manera ordenada desde el conjunto 1 hasta el conjunto n. Para garantizar que la señal de salida pueda predecirse mejor a partir de la señal de entrada, lo que a su vez conduce a seleccionar un modelo lo suficientemente bueno para su uso previsto, se aplica la medida de coherencia al cuadrado de la magnitud (MSC) a las señales de entrada/salida en los casos de entradas agrupadas y no agrupadas, lo que indica el mejor coeficiente de correlación cuando se mide

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Estudio; Señales de entrada; Ruido de media móvil; Métodos de aprendizaje no supervisado; Modelo autorregresivo de media móvil; Algoritmo de agrupamiento -means
• Keywords:Study; Input signals; Moving average noises; Unsupervised learning methods; Autoregressive moving average model; -means clustering algorithm