DeepAR
DeepAR este modelul industrial de prognoză al Amazon, introdus de Salinas, Flunkert și Gasthaus (2017; publicat 2020), care utilizează o rețea neuronală recurentă autoregresivă pentru a estima parametrii unei distribuții de probabilitate la fiecare pas, producând un interval de confidență în loc de o prognoză punctuală. Poate modela multe serii de timp înrudite în comun într-un singur model.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 1). DeepAR: Probabilistic Forecasting with Autoregressive Recurrent Networks. ScholarGate. https://scholargate.app/ro/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.
- Modelul ARIMA (Autoregresiv Integrat cu Medii Mobile)Econometrie↔ compare
- Predicția conformă pentru prognoza seriilor de timpEconometrie↔ compare
- N-HiTSÎnvățare profundă↔ compare
- PatchTSTÎnvățare profundă↔ compare
- Pădurea Aleatoare (Random Forest)Învățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →