DeepAR
DeepAR es el modelo de predicción industrial de Amazon, introducido por Salinas, Flunkert y Gasthaus (2017; publicado en 2020), que utiliza una red neuronal recurrente autorregresiva para estimar los parámetros de una distribución de probabilidad en cada paso, produciendo un intervalo de confianza en lugar de una predicción puntual. Puede modelar muchas series temporales relacionadas conjuntamente dentro de un único modelo.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 1). DeepAR: Probabilistic Forecasting with Autoregressive Recurrent Networks. ScholarGate. https://scholargate.app/es/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.
- Modelo ARIMA (Autoregressive Integrated Moving Average)Econometría↔ compare
- Predicción Conforme para Pronóstico de Series TemporalesEconometría↔ compare
- N-HiTSAprendizaje profundo↔ compare
- PatchTSTAprendizaje profundo↔ compare
- Random ForestAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →