Análisis y Diseño de Arquitecturas de Redes Neuronales aplicadas a Predicción de Series Temporales

Abstract

En este proyecto se ha realizado una comparación entre diversas arquitecturas de red neuronal para evaluar el efecto del tipo de arquitectura en un problema de predicción de generación de energía eólica. El trabajo incluye un estado del arte extenso sobre la materia y un caso práctico. Se concluye que la red neuronal GRU es la más adecuada, que la CNN se debe utilizar en sets de datos grandes y que existen alternativas eficaces a la función de activación ReLU.

This project contains a comparison between different neural network architectures with the goal of evaluating the effect a given architecture has in a wind power generation forecasting problem. It includes an extensive state of the art and a use case. The project concludes the GRU neural networks are successful at tackling timeseries forecasting, the CNN should be used for large datasets and that several alternative activation functions can outperform the ReLU.