DeepAR
DeepAR on Amazoni tööstuslik prognoosimudel, mille autoriteks on Salinas, Flunkert ja Gasthaus (2017; avaldatud 2020). See kasutab autoregressiivset rekurrentset neurovõrku, et hinnata tõenäosusjaotuse parameetreid igal sammul, tootes punktprognoosi asemel usaldusintervalli. See suudab ühe mudeli raames modelleerida paljusid seotud ajasarju ühiselt.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 1). DeepAR: Probabilistic Forecasting with Autoregressive Recurrent Networks. ScholarGate. https://scholargate.app/et/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.
- ARIMA (autoregressiivne integreeritud liikuv keskmine) mudelÖkonomeetria↔ compare
- Konforme ennustamine aegridade prognoosimiseksÖkonomeetria↔ compare
- N-HiTSSüvaõpe↔ compare
- PatchTSTSüvaõpe↔ compare
- Juhuslik metsMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →