DeepAR
DeepAR on Amazonin teollisuustason ennustemalli, jonka Salinas, Flunkert ja Gasthaus esittelivät (2017; julkaistu 2020). Se käyttää autoregressiivista rekurrenttia neuroverkkoa todennäköisyysjakauman parametrien estimointiin jokaisessa askeleessa, tuottaen yhden piste-ennusteen sijaan luottamusvälin. Se voi mallintaa useita toisiinsa liittyviä aikasarjoja yhdessä mallissa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). DeepAR: Probabilistic Forecasting with Autoregressive Recurrent Networks. ScholarGate. https://scholargate.app/fi/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 (Autoregressive Integrated Moving Average) -malliEkonometria↔ compare
- Konforminen ennustaminen aikasarjaennustamisessaEkonometria↔ compare
- N-HiTSSyväoppiminen↔ compare
- PatchTSTSyväoppiminen↔ compare
- Random ForestKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →