1回答
我正在使用人工神经网络开始互联网流量预测(时间序列预测)的工作，但我在这方面的经验很少。
无监督的深度学习是时间序列学习的好主意吗？
浏览 1提问于2014-05-07得票数 8
1回答
用神经网络预测向量的演化
、、、
我想预测2D序列的演化(三维是时间)，并使用预测序列(连同先前预测的序列和一些标量值随时间变化)来预测下一个2D序列，并最终使用该预测来预测接下来的时间序列。数据的2D时间切片示例：我想训练我的神经网络来预测一个新的二维“轮廓”(三维轮廓的时间切片)，基于最后的~3轮廓
浏览 0提问于2018-07-03得票数 3
回答已采纳
1回答
神经网络型问题
、、
这个网络链接是给一个网站，谈论预测建筑电力，就像一个时间序列回归的概念。这个神经网络的结构可以写成120:7:24。
是MLP型神经网络吗？我也不明白的是，它们是否解释了预测/预测的时间序列方法。例如，我认为对于时间序列应用程序，需要使用sliding window概念，这是一个典型的没有时间因素的回归问题。任何小贴士都非常感谢！
浏览 0提问于2021-02-22得票数 0
回答已采纳
R的“预测”包有一个函数nnetar，它使用带有单个隐层的前馈神经网络在时间序列中进行预测。
现在，我正在使用Python进行类似的分析。我想使用神经网络，它不需要像深度学习那样复杂。那么，Python有一个简单的神经网络模型可以用于时间序列lik nnetar吗？如果没有，如何处理这个问题？
浏览 3提问于2019-05-27得票数 11
回答已采纳
2回答
我目前正在学习神经网络，但我还没有探索像RNN和CNN这样最成功的预测体系结构。我很好奇是否有一种方法可以将标准网络应用于预测时间序列中的未来值。
浏览 4提问于2018-02-02得票数 1
1回答
我正在开发一个应用程序来预测未来在我的电子商务网站上每小时在线订单(时间序列问题)使用罐装估计器tf.estimator.DNNRegressor我使用的功能很大程度上基于日期和时间到目前为止，我得到的模型运行良好，但当我对像黑色星期五这样的高需求日进行预测时，它是预测不足的。例如，在下图中，我们可以看到今年2018年黑色星期五(虚线)
浏览 8提问于2018-08-02得票数 0
嗨，我有一个时间序列数据集如下所示。当它被策划的时候，这就是我所认识的。我被要求预测数据集中的时间序列。但是，我不确定需要做哪些预处理步骤，然后再将其提供给NN。神经网络R功能可以用于MLP，因为我被要求使用吗？
帮帮忙吧。我需要的是一个关于我需要关注的领域的基本想法，以及我需要遵循的步骤。
浏览 3提问于2020-11-18得票数 1
1回答
时间序列预测中的延迟问题
、、、、
我很难用神经网络来预测时间序列。一些预测数据符合预期数据，如下所示：(黑色是实时序列，蓝色是我的神经网络的输出)
时代意甲:美元天秤座交换。我发现了一些关于神经网络变化的文章，在结果部分显示了与我的结果类似的
浏览 1提问于2016-02-22得票数 2
回答已采纳
2回答
我正在努力理解如何使用神经网络来预测一些值。因此，如果我有，例如，特定股票的每日报价，我可以用这些值训练网络。但是，如果我将每天的报价作为向量[42, 12, 20, 53, 18]，并且我想预测下一个值，这不是一个线性回归问题，使用公式Y = 0.7X + 31.1，得到26.9作为下一个(第6)值吗？只有当输出依赖于许多输入时，神经网络才有用吗？谁能给我一个有效的例子，说明如何预测时间<
浏览 4提问于2016-08-09得票数 0
1回答
在这篇关于静态和差异的链接中，人们提到像ARIMA这样的模型需要一个平稳的时间序列来进行预测，因为它的统计特性如均值、方差、自相关等随着时间的推移是恒定的。由于RNN具有更好的学习非线性关系(如下所述:递归神经网络在时间序列预测中的应用前景)的能力，并且在数据大的情况下比传统的时间序列模型表现得更好，因此了解平稳数据对其结果的影响是非常必要的。我需要知道的问题如下：
在传统的时间序列</em
浏览 0提问于2017-11-16得票数 33
回答已采纳
1回答
我正试图在Keras中对时间序列数据进行人工神经网络训练。我有三个数据向量，它们被分解成滚动窗口序列(即向量l)。时间步数的目标向量的预测。所有数据都用最小最大定标器进行归一化.它作为shape=(nb_samples，window_size，3)被输入到神经网络中。这是三个输入向量的图。
我从人工神经网络中收集到的唯一输出是下面的情节。目标矢量为蓝色，预测为红色(图被放大以使预测模式清晰)。预测</
浏览 2提问于2017-04-22得票数 0
回答已采纳
1回答
有什么方法可以预测信号？
、、、
我有大量的信号数据集(由时间序列组成)。所有时间序列都描述相同的过程，但每个序列都有不同的持续时间(点数)。在这些时间序列的基础上，对神经网络进行训练，然后给出一个新的时间序列作为输入，并对进一步的100个点进行预测。我有两个问题：
有哪些转换可以将所有信号缩小到一个大小？解决这些问题(预测时间序列)的方法是什么？我知道流行的A
浏览 0提问于2021-07-26得票数 1
回答已采纳
1回答
我目前正在时间序列项目工作，我尝试过SARIMA和前馈神经网络的预测。我发现RNN (递归神经网络)是一种有趣的方法，但我没有找到任何资源来理解RNN在R中的实现，有人有RNN和R中预测的例子吗？
浏览 5提问于2018-01-09得票数 0
回答已采纳
1回答
我正在尝试训练一个实值输出的神经网络，我只是给出了点的净插值集(看起来像方形振荡)但是反向传播总是不给我一个很好的输入拟合，我试图添加更多的特征，这些特征是更高的输入值，并对输出进行归一化，但它似乎没有帮助
浏览 0提问于2017-03-09得票数 1
1回答
我试图在Python中创建自回归神经网络(NARX)。我只能找到一个图书馆的PyNeurgen。但我无法找到任何示例程序来使用它。利用网络对时间序列进行训练和预测。如果有人可以分享如何使用网络训练和预测时间序列。或者是否还有任何其他好的NARX库。
浏览 0提问于2016-11-23得票数 4
回答已采纳
1回答
回归方法
、
我知道最小二乘法，你可以用它建立一个线性和非线性的模型并进行预测。
ARMA模型用于预测平稳时间序列，ARIMA模型用于非平稳时间序列。当大量的数据和符号被使用时，神经网络。对于时间序列，LSTM很受欢迎。什么方法适用于解决多元回归问题？在什么情况下我应该使用什么方法？
浏览 0提问于2019-08-10得票数 1
回答已采纳
1回答
时间序列异常检测
、、、、
我想要求时间序列异常检测，我们是否可以在多个特征上应用tnn？我实现了变压器神经网络，我很困惑，怎么才能像其他神经网络体系结构那样在变压器中增加更多的层呢？
浏览 0提问于2021-07-27得票数 0
我一直在做一些关于递归神经网络的研究，但我很难理解它们是否以及如何用于分析面板数据(即在不同时间段为几个对象捕获的横截面数据-例如，参见下面的样本数据)我所见过的.Most RNN示例与文本序列有关，而不是真正的面板数据193 1 7 0 2 0
如果我想在给定协变量X1、X2和X3 (以及它们在之前的时间段中的值)的情况下预测特定时间的Y，这种序列是否可以通过
浏览 3提问于2016-10-13得票数 13
1回答
我最近开始了一个时间序列项目，我刚刚准备好我的数据和计算趋势(每天，每周，每年)，我想知道我应该用我的变量的绝对值和计算的趋势做什么不同的情节？另外，我希望任何人都能告诉我，在时间序列上工作的最佳实践是什么，我应该注意的细节是什么！
谢谢！
浏览 0提问于2019-03-12得票数 0
1回答
测量:日期时间，PointID，SubstanceID，值(空气中物质浓度)，MeteoID，NextValue
气象资料: MeteoID、日期时间、温度、风速、风速、湿度、气压、降水。我将测量数据和计量数据(最近的时间)链接起来，并将下一个值添加到测量记录中。测量之间的间隔时间为20分钟(平均而言，某些时段的数据被漏掉)。我想做一个预测数据分析，并得到物质浓度的短期预测，取决于先前的数值和天气数据(可能是几个小时)。我仍在考虑可以选择哪种方法、技术。我想考虑不同的方法。哪个工具包最适
浏览 0提问于2018-10-05得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
