Predpovedanie časových radov pomocou hlbokého učenia

Recenzie čitateľov

Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 2 hlasoch.

Pôvodný názov:

Time Series Forecasting using Deep Learning

Obsah knihy:

Hlboké učenie, ktoré zahŕňa hlboké neurónové siete (DNN), dosiahlo vynikajúce úspechy pri klasifikácii obrázkov, rozpoznávaní reči atď.

DNN však trpia mnohými problémami pri predpovedaní časových radov (TSF), pretože väčšina údajov časových radov má nelineárny charakter a vysoko dynamické správanie. TSF má veľký vplyv na naše sociálno-ekonomické prostredie.

Preto je na riešenie týchto výziev potrebné nanovo definovať model DNN a s ohľadom na to je potrebné zvážiť predbežné spracovanie údajov, architektúru siete a parametre siete pred vložením údajov do modelov DNN. Normalizácia údajov je základnou technikou predbežného spracovania údajov, na základe ktorej sa má vykonať učenie. Účinnosť TSF do značnej miery závisí od techniky normalizácie údajov.

V tejto knihe sa používajú rôzne metódy normalizácie údajov časových radov pred vložením údajov do modelu DNN a snažíme sa zistiť vplyv každej techniky normalizácie na DNN pre TSF. Navrhujeme tiež hlbokú rekurentnú neurónovú sieť (DRNN) na predpovedanie záverečného indexu Bombajskej burzy cenných papierov (BSE) a Newyorskej burzy cenných papierov (NYSE) pomocou údajov časových radov.