Browsing by Autor "Georges Jabbour"

Now showing 1 - 3 of 3

Predicción de índices bursátiles mediante un sitema híbrido basado en modelos ocultos de Markov y redes neuronales artificiales
(2009) Georges Jabbour; José Luciano Maldonado
The mixture of expert approaches includes a great variety of models, whose philosophy consists in breaking down a time series in various states, so that each state is modeled through an expert, which results in capturing the patterns of the time series in an efficient way. The Time-Line Hidden Markov Experts (THMEs) represents one of the most advanced methods based on this approach, which are just hybrid models based on Artificial Neural Networks (ANNs) and Hidden Markov Models (HMMs). A distinctive characteristic of the THMEs is that the state transitions of the time series is modeled through a HMM, whose state transition matrix is time-variant. The aim of this research consisted in assessing the performance of the THME in the prediction of Stock Market Indexes, and to compare it with the results obtained through pure ANNs. The experiments were carried out using 15 stock market indexes, and the results obtained were that the THMEs substantially overcomes the ANNs, both in accuracy as in its capacity to detect patterns.
Reconocimiento de firmas off-line mediante máquinas de vectores de soporte
(Universidad Autónoma del Estado de México, 2010) Georges Jabbour; Renny Márquez; Lisbeth Ruiz; Luciano Maldonado
"En este trabajo se evaluó el funcionamiento de las Máquinas de Vectores de Soporte (MVS) en el reconocimiento de firmas estáticas, con el uso de la extracción de características como método de construcción de patrones. Se utilizaron dos arqui- tecturas diferentes: MVS puras y MVS integradas con una Red Neuronal Artificial perceptrónica multicapa (MVS/RNA) pa- ra interpretar los resultados de las MVS. Los mejores resultados se observaron con el enfoque de clasificación multivalua- da 1-v-r. En ambas arquitecturas se obtuvo una tasa de aciertos similar. La ventaja práctica de usar la MVS/RNA consistió en disminuir el error de confundir un firmante con otro: cuando el modelo clasifica erróneamente a un firmante, en lugar de reconocerlo como uno distinto, lo clasifica como desconocido."
Un modelo para la clasificación de areniscas
(Universidad Autónoma del Estado de México, 2009) Georges Jabbour; Renny Márquez; Irma Guerra
"En este artículo se formula un modelo, llamado Modelo Discriminante Determinístico (MDD), para la clasificación de are- niscas, pertenecientes a las rocas sedimentarias clásticas, el cual modela matemáticamente los diagramas triangulares del método de clasificación de Pettijohn, Potter y Siever. En la actualidad este es el método más utilizado en los estudios de petrología sedimentaria clástica, debido al tratamiento que le otorga a sus componentes. Sin embargo, este procedimiento tiene la desventaja de que su uso representa una tarea que consume tiempo y esfuerzo para quien los emplea. El modelo matemático elaborado en esta investigación transforma el diagrama de tres coordenadas mencionado, en uno con dos co- ordenadas, que utiliza el porcentaje de feldespatos, de fragmentos de roca y de contenido de matriz detrítica para clasificar las areniscas. Los resultados demuestran que el modelo clasifica sin errores todos los tipos de areniscas, y además ofrece una solución que puede ser implementada computacionalmente en una forma sumamente sencilla, permitiendo al usuario obtener resultados correctos inmediatamente, facilitando su trabajo."