RECONSTRUCCIÓN DE DINÁMICAS CAÓTICAS CON DATOS ESCASOS

Abstract

Se discute la performance de métodos globales (redes neuronales) y locales (Aproximación de Hiperplano Local) en la predicción de series temporales caóticas. Se investiga la bondad de estos métodos en función de la longitud del registro histórico. Usando el mapa logístico y la ecuación de Mackey-Glass como ejemplos, se concluye que con datos escasos la red neuronal produce mejores resultados. Sin embargo, para tiempos computaciones moderados y/o registros de tamaño mediano el método local propuesto puede ser muy competitivo o aún mejor que la estrategia global.