DeepAR
DeepAR مدل پیشبینی صنعتی آمازون است که توسط سالیناس، فلونکرت و گستهاس (۲۰۱۷؛ منتشر شده در ۲۰۲۰) معرفی شد و از یک شبکه عصبی بازگشتی خودرگرسیو برای تخمین پارامترهای یک توزیع احتمال در هر گام استفاده میکند و به جای یک پیشبینی نقطهای، یک بازه اطمینان تولید میکند. این مدل میتواند بسیاری از سریهای زمانی مرتبط را به طور مشترک در یک مدل واحد، مدلسازی کند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). DeepAR: Probabilistic Forecasting with Autoregressive Recurrent Networks. ScholarGate. https://scholargate.app/fa/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.
- مدل آریما (میانگین متحرک یکپارچه خودرگرسیو)اقتصادسنجی↔ compare
- پیشبینی انطباقی برای پیشبینی سریهای زمانیاقتصادسنجی↔ compare
- N-HiTSیادگیری عمیق↔ compare
- پچتیاستییادگیری عمیق↔ compare
- جنگل تصادفییادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →