Esse trabalho relata e discute resultados obtidos em uma tentativa para mostrar que séries temporais podem ser úteis e eficientes para identificar informações sobre características de comportamento de pavimento ao longo do tempo em que é submetido às solicitações de cargas provenientes de tráfego de eixos de veículos. Os dados e informações utilizadas foram obtidas por observações sobre o comportamento de um trecho experimental de via que liga o trevo de Assaí a Pau D\'Alho, no nordeste do estado do Paraná. Os dados foram manuseados em computador através do método para busca de funções para estimativa de valores de elementos de séries temporais \"Autoregressive lntegrated Moving Average\" para obter informações sobre o comportamento de índice para expressar o \"estado de pavimento\". / The results obtained on trying to show that time series should be useful and efficient in identifying information on the behavior of pavements submitted to vehicle axle load traffic were reported and discussed. The data and inputs used were obtained from observing the experimental road segment Assai to Pau D\'Alho in Northeast of Parana State (Brazil). The data were processed in computers using the \"Autoregressive lntegrated Moving Average\" method to search for estimating values functions for components of time series and obtain information on a pavement performance index.

Dados de contagem podem ser considerados, em geral, como provenientes de uma distribuição de Poisson. Neste contexto, a análise de tais dados apresenta certas dificuldades, pois não segue algumas pressuposições básicas para o ajuste de um modelo matemático. Desse modo, algumas transformações são sugeridas, mas nem sempre bons resultados são obtidos. No enfoque de Modelos Lineares Generalizados, a estatística que mede a qualidade do ajuste do modelo para os dados é chamada deviance. Porém, a distribuição da deviance é, em geral, desconhecida. No entanto, para dados com distribuição de Poisson, pode-se mostrar que a distribuição da deviance se aproxima de uma distribuição ?2, mas tal aproximação não é boa para tamanhos pequenos de amostra. Para melhorar essa aproximação, alguns fatores de correção para os dados são sugeridos, mas os resultados obtidos ainda não são satisfatórios. Assim, o objetivo deste trabalho é propor um novo fator de correção para os dados seguindo uma distribuição de Poisson, de modo a se obter uma melhora na distribuição da deviance para qualquer tamanho de amostra. Para isto, será adicionada uma constante à variável resposta e, através do valor esperado da deviance, calcula-se tal constante de modo a reduzir o erro cometido na aproximação. Para verificar a melhora na aproximação da distribuição da deviance a uma distribuição qui-quadrado, dados de uma distribuição de Poisson são simulados e o valor da deviance é calculado. QQ-plots são construídos para a comparação com a distribuição qui-quadrado. / Analysis of count data presents, in general, can be supposed coming from a Poisson distribution. The analysis of such data have some problems once the underlying distribution of them does not follow the basic assumptions to fit a model. Some tranformations can be suggested, but good results are not always obtained. In the approach of the Generalized Linear Models, the deviance is the statistics that measures the goodness of fit, but its distribution is unknown. Furthermore, considering Poisson distribution data, it is possible to approximate the distribution of the deviance for a chi-square distribution, but such approximation is not good for small sample size. In order of improve this approximation, corrections for the data are suggested, but the results are not good yet. Then, the aim of this work is to propose a new correction factor for data following a Poisson distribution in order to obtain an improvement in the distribution of the deviance for any sample size. For this, just adding a constant at the response variable and, through the expected value of the deviance, such constant is obtained in order to reduce the error in the aproximation. Simulated data from the Poisson distribution were made to calculate the deviance with and without the correction and QQ-plots were used to compare the values of the deviance with the chi-square distribution.

Os sistemas biológicos interagem com o ambiente em que vivem de muitas formas, e uma das principais formas na qual essa interação se dá é pela transmissão de mensagens, de diversas maneiras. A transmissão de mensagens por vias sonoras, em animais, é uma questão muito abordada em muitos estudos por ser uma importante via de comunicação utilizada por diversos tipos de sistemas biológicos. Este trabalho tem como objetivo verificar, pelo viés da Teoria da Informação de Shannon, se através da organização das séries temporais referentes à comunicação é possível observar a diminuição de geração de entropia no sistema nervoso referente ao processamento dos sinais sonoros de comunicação. Para tanto, utilizou-se, como sistemas-modelo, três espécies de anuros, Scinax perpusillus e Hypsiboas faber e Hypsiboas pardalis. Ferramentas de análise não-lineares, como a Entropia Aproximada Volumétrica, Análise de Potência Espectral e Plot de Poincaré, foram utilizados para caracterizar a variabilidade tanto do sinal emitido por um único animal quanto dos sinais trocados entre indivíduos da mesma espécie. Foi verificado que as séries temporais analisadas são altamente variáveis, com os intervalos entre vocalizações sendo descritos por distribuições de Lévy. As séries temporais relativas à interação entre indivíduos da mesma espécie apresentam uma alta variabilidade, porém menor que as individuais. Devido ao controle neural exercido na vocalização em anuros, é possível que a variabilidade apresentada pelas séries otimize o processo de emissão sonora, diminuindo a sobreposição de vocalizações entre indivíduos. A diminuição da variabilidade da interação entre indivíduos pode ser um indicativo da diminuição da geração de entropia no processo de comunicação destes animais. / Biological systems interact with their environment in many forms. The way these interactions occur can be assigned, ultimately, as the transmission of messages. Transmission of messages by sound waves, in animals, is a well studied subject because they are an important way of communication used by many groups. The objective of the present work is to verify whether the central nervous system presents entropy generation minimization in processing communicating sound signals. The approach employed is derived from Shannons Information Theory. The temporal organization of the time intervals between successive vocalizations was the subject of analysis. Recordings of three anuran species, Scinax perpusillus, Hypsiboas faber and Hypsiboas pardalis were used. Non-linear analyses were performed by tools as Volumetric Approximated Entropy, Power Spectrum Analysis and Poincaré Plot in order to address the variability of the signals emitted by a single animal, as well as the signals exchanged among individuals of the same species. The time-series data analyzed present highly variability and can be adequately described by Lévys distributions. The time-series data of the interactions among individuals also present high variability, however such a variability is not as high as the variability of single individuals. The results suggest that the neural system works in a way that reduces the probability of vocalizations overlapping. The reduction in variability of the interactions among individuals is, perhaps, linked to a minimization of entropy generation in the communication process of these animals.

Na área da saúde, várias abordagens nos últimos anos têm sido propostas baseadas nos gráficos de controle CUSUM para a detecção de epidemias infecciosas em que a caraterística a ser monitorada é uma série temporal de dados de contagem, como o número de internações. Neste trabalho foram implementados os modelos lineares generalizados (MLG) no monitoramento, por meio dos gráficos CUSUM e Shewhart, da série do número diário de internações por causas respiratórias para pessoas com 65 anos ou mais residentes no município de São Paulo. Por meio de simulações, avaliaram-se a eficiência de cinco estatísticas diferentes para detectar mudanças na média em séries de contagem. Uma das abordagens consistiu na implementação de três transformações normalizadoras simples que dependem unicamente dos parâmetros das distribuições Poisson e binomial negativa: a transformação Rossi para dados com distribuição Poisson, a transformação Jorgensen para dados com distribuição binomial negativa e os sesíduos de Anscombe para modelos lineares generalizados. As duas últimas estatísticas já foram propostas como gráficos CUSUM: o Método Rogerson e Yamada (2004) é apresentado para dados com distribuição Poisson e neste trabalho foi proposto um novo parâmetro kt para dados binomial negativa; já o método proposto por Hohle (2007) é baseado na função de verossimilhança da distribuição binomial negativa. Utilizando limites de controle para obter um valor ARL0 = 500 sob normalidade, monitorou-se via simulação a série de interesse, implementando as transformações normalizadoras. Entretanto, utilizando-se esses limiares observa-se um maior número de alarmes falsos para as três estatísticas. Modificando o parâmetro k do gráfico CUSUM permitindo que variasse ao longo do tempo a série foi monitorada e foram obtidos valores ARL0 próximos a 500. Os gráficos CUSUM baseados no método Rogerson e Yamada e na estatística da razão de verossimilhanças para dados com distribuição binomial negativa mostraram, via simulação, bons resultados para detectar mudanças na média. As suposições de normalidade e independência das estatísticas normalizadoras, em geral omitidas em trabalhos publicados na literatura, foram avaliadas e comprova-se que as transformações não normalizam os dados, porém são independentes e estacionárias. Analisando os dados reais, as estatísticas apresentaram autocorrelação significativa no lag 7. Devido à persistência desta autocorrelação, foi proposta uma abordagem baseada no ajuste do modelo GARMA. / In public health several approaches have been proposed for the detection of outbreaks of infectious diseases where the characteristic being monitored is a time series of count data as the number of hospitalizations, where the population and the expected rate of admissions change over time. In this work we fitted generalized linear models (GLM) and implemented Shewhart and CUSUM control charts for monitoring the daily number of hospital admissions due to respiratory diseases for people aged 65 and older in the city of São Paulo. Through simulations, we evaluated the efficiency of implementing five different statistical for detecting changes in time series of count. One approach consisted of applying three transformations that only depend on the parameters of the negative binomial and Poisson distributions: The transformations of Rossi for data with Poisson distribution, the transformation proposed by Jorgensen for data with negative binomial distribution and residuals proposed by Anscombe for generalized linear models. The other statistics have been proposed as CUSUM charts: the method of Rogerson e Yamada (2004) was presented for data with Poisson distribution, in this work we proposed a new parameter kt for negative binomial distribution, the proposed method for Hohle (2007) uses the likelihood ratio statistic. Implementing limit control assuming normality for a value of ARL0 = 500 be monitored via simulation the serie of interest implementing the normalizing statistics. However, using these limits was observed a greater number of alarms for the three transformations. Modifying the parameter k of the CUSUM chart to this change over time the series was monitored and were obtained values of ARL0 close to 500. The CUSUM control charts for the methods of Rogerson and Yamada and Holhe for data with negative binomial distribution showed, by simulation, good results for detecting changes in the mean. For negative binomial distribution generalizing the method of Rogerson e Yamada (2004) and implemented the CUSUM charts using the likelihood ratio statistic. Both methods provided good results via simulation to detect small changes in average. The evaluation of assumptions of normality for the statistics proposed by Rossi, Jorgensen and Anscombe generally is omitted in published studies. In this work, we evaluated this assumptions indicating that the statistics are not normal using the real dataset but are independent and stationary. By analyzing real data, due to the persistence of correlation for the normalized statistics, an approach based on setting GARMA model was proposed. This method showed good results once the residuals of the fitted model were normal and independent. Due to the persistence of correlation for the normalized statistics, an approach based on setting GARMA model was proposed. This method showed good results once the residuals of the fitted model were normal and independent.

Este trabalho aborda o problema de modelagem de séries de vazões médias mensais visando previsão e geração de séries sintéticas. Destaca-se que a importância da previsão de valores futuros das séries mensais de vazões assim como a geração de séries sintéticas são fundamentais para o planejamento da operação de sistemas hidroelétricos brasileiros. Estas séries possuem um comportamento periódico na média, na variância e na função de autocorrelação e, portanto, considera-se para a série padronizada os modelos autorregressivos periódicos PAR(pm). Em relação a previsão clássica, a análise do erro de previsão e feita em função do horizonte de previsão. Neste estudo, os erros de previsão são calculados, na escala original da série de vazão, em função dos parâmetros dos modelos ajustados e avaliados para horizontes de previsão h variando de 1 a 12 meses. Estes erros são comparados com as estimativas das variâncias das vazões para o mês que está sendo previsto. Em relação à previsão bayesiana, adota-se os modelos Normal, Log-Normal e t-Student nos processos de estimação e, após, é realizado um estudo da perfomance destes modelos usando o erro quadrático médio, erro absoluto médio e erro percentual absoluto médio. Em relação à geração de séries sintéticas de vazões, um modelo multivariado Log-Normal com três parâmetros e um modelo Log-Normal generalizado foram desenvolvidos. As séries geradas são comparadas com as séries históricas reais utilizando o critério de Kullback-Leibler. Como resultado, tem-se uma avaliação da capacidade de previsão, em meses, dos modelos ajustados para cada mês e a escolha do modelo Log-Normal nos procedimentos de análise bayesiana. Além disso, o modelo utilizado para a geração de séries sintéticas de vazões mensais forneceu evidências que o apontam como uma alternativa ao modelo amplamente adotado no setor elétrico brasileiro para geração de séries de vazões / This work addresses the problem of forecasting and generation series monthly average streamflows. It is noteworthy that the importance of forecasting future values of the series of monthly streamflows as well as the generation of synthetic series are fundamental for planning the operation of Brazilian hydroelectric systems. These series have a periodic behavior on average, variance and autocorrelation function and therefore it is considered for standard series periodic autoregressive models PAR(pm). At the forecast classical analysis of the prediction error is made in function of the prediction horizon. In this study, the forecasting errors are calculated in the original scale of the series of streamflow, depending on the model parameters adjusted and evaluated for forecasting horizons h ranging from 1 to 12 months. These errors are compared with estimates of the variances of the streamflows for the month is provided. Regarding the bayesian prediction, we adopt the models Normal, Log-Normal and t-Student in estimation procedures and, then, is a study of the performance of these models using the mean square error, mean absolute error and mean absolute percentage error. In relation to generation, a Log-Normal multivariate model with three parameters and a Log-Normal generalized model were developed and analyzed using the Kullback-Leibler criterion. As a result there has been an assessment of the predictive power, in months, the adjusted models for each month, the choice of the Log-Normal model in the procedures for bayesian analysis and the model used to generate synthetic series of monthly streamflows provided evidence that point as an alternative model adopted in the Brazilian electric sector

Les séries temporelles sont présentes dans de nombreux domaines d'application tels que la finance, l'agronomie, la santé, la surveillance de la Terre ou la prévision météorologique, pour n'en nommer que quelques-uns. En raison des progrès de la technologie des capteurs, de telles applications peuvent produire des millions, voir des des milliards, de séries temporelles par jour, ce qui nécessite des techniques rapides d'analyse et de synthèse.Le traitement de ces énormes volumes de données a ouvert de nouveaux défis dans l'analyse des séries temporelles. En particulier, les techniques d'indexation ont montré de faibles performances lors du traitement des grands volumes des données.Dans cette thèse, nous abordons le problème de la recherche de similarité dans des centaines de millions de séries temporelles. Pour cela, nous devons d'abord développer des opérateurs de recherche efficaces, capables d'interroger une très grande base de données distribuée de séries temporelles avec de faibles temps de réponse. L'opérateur de recherche peut être implémenté en utilisant un index avant l'exécution des requêtes.L'objectif des indices est d'améliorer la vitesse des requêtes de similitude. Dans les bases de données, l'index est une structure de données basées sur des critères de recherche comme la localisation efficace de données répondant aux exigences. Les index rendent souvent le temps de réponse de l'opération de recherche sous linéaire dans la taille de la base de données. Les systèmes relationnels ont été principalement supportés par des structures de hachage, B-tree et des structures multidimensionnelles telles que R-tree, avec des vecteurs binaires jouant un rôle de support. De telles structures fonctionnent bien pour les recherches, et de manière adéquate pour les requêtes de similarité. Nous proposons trois solutions différentes pour traiter le problème de l'indexation des séries temporelles dans des grandes bases de données. Nos algorithmes nous permettent d'obtenir d'excellentes performances par rapport aux approches traditionnelles.Nous étudions également le problème de la détection de corrélation parallèle de toutes paires sur des fenêtres glissantes de séries temporelles. Nous concevons et implémentons une stratégie de calcul incrémental des sketchs dans les fenêtres glissantes. Cette approche évite de recalculer les sketchs à partir de zéro. En outre, nous développons une approche de partitionnement qui projette des sketchs vecteurs de séries temporelles dans des sous-vecteurs et construit une structure de grille distribuée. Nous utilisons cette méthode pour détecter les séries temporelles corrélées dans un environnement distribué. / Time series arise in many application domains such as finance, agronomy, health, earth monitoring, weather forecasting, to name a few. Because of advances in sensor technology, such applications may produce millions to trillions of time series per day, requiring fast analytical and summarization techniques.The processing of these massive volumes of data has opened up new challenges in time series data mining. In particular, it is to improve indexing techniques that has shown poor performances when processing large databases.In this thesis, we focus on the problem of parallel similarity search in such massive sets of time series. For this, we first need to develop efficient search operators that can query a very large distributed database of time series with low response times. The search operator can be implemented by using an index constructed before executing the queries. The objective of indices is to improve the speed of data retrieval operations. In databases, the index is a data structure, which based on search criteria, efficiently locates data entries satisfying the requirements. Indexes often make the response time of the lookup operation sublinear in the database size.After reviewing the state of the art, we propose three novel approaches for parallel indexing and queryin large time series datasets. First, we propose DPiSAX, a novel and efficient parallel solution that includes a parallel index construction algorithm that takes advantage of distributed environments to build iSAX-based indices over vast volumes of time series efficiently. Our solution also involves a parallel query processing algorithm that, given a similarity query, exploits the available processors of the distributed system to efficiently answer the query in parallel by using the constructed parallel index.Second, we propose RadiusSketch a random projection-based approach that scales nearly linearly in parallel environments, and provides high quality answers. RadiusSketch includes a parallel index construction algorithm that takes advantage of distributed environments to efficiently build sketch-based indices over very large databases of time series, and then query the databases in parallel.Third, we propose ParCorr, an efficient parallel solution for detecting similar time series across distributed data streams. ParCorr uses the sketch principle for representing the time series. Our solution includes a parallel approach for incremental computation of the sketches in sliding windows and a partitioning approach that projects sketch vectors of time series into subvectors and builds a distributed grid structure.Our solutions have been evaluated using real and synthetics datasets and the results confirm their high efficiency compared to the state of the art.

University of Macau / Faculty of Science and Technology. / Department of Computer and Information Science

[pt] Esta dissertação apresenta um desenvolvimento analítico que permite caracterizar as distorções produzidas na densidade espectral de potência de sinais OFDM devido à sua passagem através de sistemas não lineares. O processo estocástico que caracteriza a envoltória complexa de um sinal OFDM é odelado como um processo estocástico gaussiano complexo, próprio. A não linearidade do canal de transmissão é caracterizada pela expansão, em série de potências, de suas características de conversão AM/AM e AM/PM. Utilizando-se o Teorema dos Momentos para processos gaussianos complexos chega-se a expressões analíticas fechadas para a função autocorrelação e para a densidade espectral de potência do sinal produzido na saída da não- linearidade. As expressões obtidas são aplicadas a situações particulares nas quais 1, 2 e 3 sinais OFDM compartilham a não- linearidade permitindo quantificar, nestas situações específicas, as distorções correspondentes aos produtos de intermodulação de diferentes ordens e o efeito, nestas distorções, de variações no valor do back-off de entrada do sinal. / [en] This MSc dissertation presents a theoretical analysis that evaluates the distortion experienced by the power spectrum density of OFDM signals when they are transmitted through a non-linear channel. The complex envelope of the OFDM signals are modeled as a complex proper gaussian random process and the channel non-linearity is characterized through a power series expansion of its AM/AM and AM/PM distortion curves. Using the Moment Theorem for complex gaussian random processes, closed form expressions for the autocorrelation function and the power spectrum density of the signal produced at the non-linear channel output are obtained. These expressions are applied to specific situations in which 1, 2 and 3 OFDM signals share the nonlinear channel, producing results that quantify the distortions corresponding to intermodulation products of different orders and the effect of varying the signal input back-off value.

Esta dissertação visa estudar a aplicabilidade e a importância prognóstica de métodos matemáticos não lineares no estudo das variações da freqüência cardíaca bem como no das mudanças morfológicas em sinais de eletrocardiograma. Apresentaremos uma revisão geral desse assunto focando em técnicas de análise não linear para o estudo de sinais de eletrocardiograma (ECG) visando construir uma base de conhecimentos que permita, no futuro, a abordagem de novos aspectos dessas metodologias. Como resultado do aprendizado, é gerado um programa que utiliza algumas das técnicas descritas ao longo da dissertação. Ao final da dissertação, abordaremos as vantagens e desvantagens dos métodos não lineares, concluindo que são ferramentas promissoras para a análise de sinais de ECG. / This dissertation presents a study about the applicability and the prognostic importance of nonlinear mathematical methods in the variations of heart frequency as well as in the morphological changes in the electrocardiogram signs. We will present a general revision of this subject focusing on application of nonlinear analysis for the study of electrocardiogram (ECG) signs in order to provide a base of knowledge that allows, in the future, the approach of new aspects of these methodologies. As a result this work, it was built a program that uses nonlinear analysis described along the dissertation. At the end of this document, we describe the advantages and disadvantages of the nonlinear methods, concluding that they are promising tools in the analysis of ECG signs.

Ying-Qian Zhang. / Thesis (M.Phil.)--Chinese University of Hong Kong, 2001. / Includes bibliographical references (leaves 115-124). / Abstracts in English and Chinese. / Abstract --- p.i / Acknowledgement --- p.iii / Chapter 1 --- Introduction --- p.1 / Chapter 1.1 --- Background --- p.1 / Chapter 1.2 --- Objective --- p.2 / Chapter 1.3 --- Contributions --- p.3 / Chapter 1.4 --- Thesis Overview --- p.4 / Chapter 2 --- Literature Review --- p.6 / Chapter 2.1 --- Takens' Theorem --- p.6 / Chapter 2.2 --- Linear Models for Prediction --- p.7 / Chapter 2.2.1 --- Autoregressive Model --- p.7 / Chapter 2.2.2 --- Moving Average Model --- p.8 / Chapter 2.2.3 --- Autoregressive-moving Average Model --- p.9 / Chapter 2.2.4 --- Fitting a Linear Model to a Given Time Series --- p.9 / Chapter 2.2.5 --- State-space Reconstruction --- p.10 / Chapter 2.3 --- Neural Network Models for Time Series Processing --- p.11 / Chapter 2.3.1 --- Feed-forward Neural Networks --- p.11 / Chapter 2.3.2 --- Recurrent Neural Networks --- p.14 / Chapter 2.3.3 --- Training Algorithms for Recurrent Networks --- p.18 / Chapter 2.4 --- Combining Neural Networks and other approximation techniques --- p.22 / Chapter 3 --- ForeNet: Model and Representation --- p.24 / Chapter 3.1 --- Fourier Recursive Prediction Equation --- p.24 / Chapter 3.1.1 --- Fourier Analysis of Time Series --- p.25 / Chapter 3.1.2 --- Recursive Form --- p.25 / Chapter 3.2 --- Fourier Recurrent Neural Network Model (ForeNet) --- p.27 / Chapter 3.2.1 --- Neural Networks Representation --- p.28 / Chapter 3.2.2 --- Architecture of ForeNet --- p.29 / Chapter 4 --- ForeNet: Implementation --- p.32 / Chapter 4.1 --- Improvement on ForeNet --- p.33 / Chapter 4.1.1 --- Number of Hidden Neurons --- p.33 / Chapter 4.1.2 --- Real-valued Outputs --- p.34 / Chapter 4.2 --- Parameters Initialization --- p.37 / Chapter 4.3 --- Application of ForeNet: the Process of Time Series Prediction --- p.38 / Chapter 4.4 --- Some Implications --- p.39 / Chapter 5 --- ForeNet: Initialization --- p.40 / Chapter 5.1 --- Unfolded Form of ForeNet --- p.40 / Chapter 5.2 --- Coefficients Analysis --- p.43 / Chapter 5.2.1 --- "Analysis of the Coefficients Set, vn " --- p.43 / Chapter 5.2.2 --- "Analysis of the Coefficients Set, μn(d) " --- p.44 / Chapter 5.3 --- Experiments of ForeNet Initialization --- p.47 / Chapter 5.3.1 --- Objective and Experiment Setting --- p.47 / Chapter 5.3.2 --- Prediction of Sunspot Series --- p.49 / Chapter 5.3.3 --- Prediction of Mackey-Glass Series --- p.53 / Chapter 5.3.4 --- Prediction of Laser Data --- p.56 / Chapter 5.3.5 --- Three More Series --- p.59 / Chapter 5.4 --- Some Implications on the Proposed Initialization Method --- p.63 / Chapter 6 --- ForeNet: Learning Algorithms --- p.67 / Chapter 6.1 --- Complex Real Time Recurrent Learning (CRTRL) --- p.68 / Chapter 6.2 --- Batch-mode Learning --- p.70 / Chapter 6.3 --- Time Complexity --- p.71 / Chapter 6.4 --- Property Analysis and Experimental Results --- p.72 / Chapter 6.4.1 --- Efficient initialization:compared with random initialization --- p.74 / Chapter 6.4.2 --- Complex-valued network:compared with real-valued net- work --- p.78 / Chapter 6.4.3 --- Simple architecture:compared with ring-structure RNN . --- p.79 / Chapter 6.4.4 --- Linear model: compared with nonlinear ForeNet --- p.80 / Chapter 6.4.5 --- Small number of hidden units --- p.88 / Chapter 6.5 --- Comparison with Some Other Models --- p.89 / Chapter 6.5.1 --- Comparison with AR model --- p.91 / Chapter 6.5.2 --- Comparison with TDNN Networks and FIR Networks . --- p.93 / Chapter 6.5.3 --- Comparison to a few more results --- p.94 / Chapter 6.6 --- Summarization --- p.95 / Chapter 7 --- Learning and Prediction: On-Line Training --- p.98 / Chapter 7.1 --- On-Line Learning Algorithm --- p.98 / Chapter 7.1.1 --- Advantages and Disadvantages --- p.98 / Chapter 7.1.2 --- Training Process --- p.99 / Chapter 7.2 --- Experiments --- p.101 / Chapter 7.3 --- Predicting Stock Time Series --- p.105 / Chapter 8 --- Discussions and Conclusions --- p.109 / Chapter 8.1 --- Limitations of ForeNet --- p.109 / Chapter 8.2 --- Advantages of ForeNet --- p.111 / Chapter 8.3 --- Future Works --- p.112 / Bibliography --- p.115