Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Similares en SciELO
Compartir
Journal of applied research and technology
versión On-line ISSN 2448-6736versión impresa ISSN 1665-6423
Resumen
LEDESMA-OROZCO, S et al. Hurst Parameter Estimation Using Artificial Neural Networks. J. appl. res. technol [online]. 2011, vol.9, n.2, pp.227-241. ISSN 2448-6736.
El parámetro de Hurst captura la cantidad de dependencia de rango amplio (LRD) en las series de tiempo. Hay varios métodos para estimar el parámetro de Hurst, siendo los más populares: la gráfica de varianza contra tiempo, la gráfica R/S, el periodograma, y el estimador de Whittle. Los tres primeros son métodos gráficos, y la precisión de la estimación depende de cómo se interprete y calcule la gráfica. Por otro lado, el estimador de Whittle se basa en una técnica de máxima probabilidad y no depende de una lectura gráfica; sin embargo, éste requiere una gran demanda computacional para su cálculo. Se propone un nuevo método para estimar el parámetro de Hurst. Este nuevo método está basado en una red neuronal artificial. Los resultados experimentales muestran que este método supera a los métodos tradicionales, y que puede ser usado en aplicaciones que requieran una estimación precisa y rápida del parámetro de Hurst, por ejemplo en control de tráfico en redes de computadoras. Adicionalmente, el parámetro de Hurst se calculó en series de diferentes tamaños utilizando varios métodos. Los resultados de la simulación muestran que el método propuesto es por lo menos diez veces más rápido que los métodos tradicionales.
Palabras llave : Parameter estimation; time series; network traffic analysis; neural network.