Prognoza seriilor de timp utilizând învățarea profundă

Recenzii ale cititorilor

În prezent, nu există recenzii ale cititorilor. Evaluarea se bazează pe 2 voturi.

Titlul original:

Time Series Forecasting using Deep Learning

Conținutul cărții:

Învățarea profundă, care cuprinde rețelele neuronale profunde (DNN), a obținut un succes excelent în clasificarea imaginilor, recunoașterea vorbirii etc.

Dar DNN-urile se confruntă cu o mulțime de provocări pentru prognoza seriilor temporale (TSF), deoarece majoritatea datelor seriilor temporale sunt neliniare prin natura lor și au un comportament foarte dinamic. TSF are un impact major asupra mediului nostru socio-economic.

Prin urmare, pentru a face față acestor provocări, modelul DNN trebuie redefinit și, ținând cont de acest lucru, este necesar să se ia în considerare preprocesarea datelor, arhitectura și parametrii rețelei înainte de introducerea datelor în modelele DNN. Normalizarea datelor este tehnica de bază de preprocesare a datelor pe baza căreia trebuie să se realizeze învățarea. Eficacitatea TSF depinde în mare măsură de tehnica de normalizare a datelor.

În această carte, sunt utilizate diferite metode de normalizare a datelor seriilor de timp înainte de alimentarea datelor în modelul DNN și încercăm să aflăm impactul fiecărei tehnici de normalizare asupra DNN pentru TSF. De asemenea, propunem rețeaua neuronală profundă recurentă (DRNN) pentru a prezice indicele de închidere al Bombay Stock Exchange (BSE) și al New York Stock Exchange (NYSE) prin utilizarea datelor seriilor de timp.