Portal de Eventos Científicos da UTFPR (EVIN), XXV Seminário de Iniciação Científica e Tecnológica da UTFPR

Tamanho da fonte: 
Redes neurais artificiais para classificação de dados
MATHEUS HENRIQUE DO AMARAL PRATES, Yara de Souza Tadano, Hugo Valadares Siqueira

Última alteração: 2020-11-10

Resumo


O conceito de inteligência artificial já existe a algum tempo, e com o avanço das pesquisas e das novas tecnologias a inteligência artificial está cada vez mais presente em nosso cotidiano. Uma das técnicas que voltou a ter grande destaque nesta década foram as Redes Neurais Artificiais (RNAs). Nesse sentido, o presente trabalho buscou comparar o desempenho de três arquiteturas diferentes de RNAs: Perceptron de Múltiplas Camadas (MLP), Máquina de Aprendizado Extremo (ELM) e Memória Longa de Curto Prazo (LSTM). A base de dados utilizada foi o ativo do mini índice (WINFUT) da bolsa de valores, coletados no site oficial da B3 – Brasil, Bolsa, Balção. Após o tratamento dos dados, foi utilizado do metodo wrapper para definir os melhores atrasos para serem feitas as previsões. Os resultados computacionais mostraram que a rede LSTM apesar do custo computacional mais elevado, apresentou desempenho superior aos demais.

Palavras-chave


Previsão de Séries Temporais. Redes Neurais Artificiais. Bolsa de valores.