DeepAR
DeepAR je průmyslový predikční model společnosti Amazon, představený Salinase, Flunkertem a Gasthausem (2017; publikováno 2020), který využívá autoregresivní rekurentní neuronovou síť k odhadu parametrů pravděpodobnostní distribuce v každém kroku, čímž produkuje interval spolehlivosti namísto jediného bodového prediktu. Dokáže modelovat mnoho souvisejících časových řad společně v jednom modelu.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Salinas, D., Flunkert, V., Gasthaus, J. & Januschowski, T. (2020). DeepAR: Probabilistic Forecasting with Autoregressive Recurrent Networks. International Journal of Forecasting, 36(3), 1181–1191. DOI: 10.1016/j.ijforecast.2019.07.001 ↗
- Salinas, D., Flunkert, V. & Gasthaus, J. (2017). DeepAR: Probabilistic Forecasting with Autoregressive Recurrent Networks. arXiv:1704.04110. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 1). DeepAR: Probabilistic Forecasting with Autoregressive Recurrent Networks. ScholarGate. https://scholargate.app/cs/deep-learning/deepar
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Model ARIMA (autoregresní integrovaný klouzavý průměr)Ekonometrie↔ compare
- Konformní predikce pro časové řadyEkonometrie↔ compare
- N-HiTSHluboké učení↔ compare
- PatchTSTHluboké učení↔ compare
- Random ForestStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →