DeepAR
A DeepAR az Amazon ipari előrejelzési modellje, amelyet Salinas, Flunkert és Gasthaus (2017; publikálva 2020) vezetett be, és amely egy autoregresszív rekurrens neurális hálózatot használ a valószínűségi eloszlás paramétereinek becslésére minden lépésben, konfidencia intervallumot, nem pedig egyetlen pontbecslést eredményezve. Számos kapcsolódó idősort képes együttesen modellezni egyetlen modellen belül.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). DeepAR: Probabilistic Forecasting with Autoregressive Recurrent Networks. ScholarGate. https://scholargate.app/hu/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) modellÖkonometria↔ compare
- Konform előrejelzés idősorok előrejelzéséhezÖkonometria↔ compare
- N-HiTSMélytanulás↔ compare
- PatchTSTMélytanulás↔ compare
- Véletlen erdőGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →