DeepAR
DeepAR je industrijski model za prognoziranje kompanije Amazon, koji su predstavili Salinas, Flunkert i Gasthaus (2017; objavljen 2020), a koji koristi autoregresivnu rekurentnu neuronsku mrežu za procenu parametara raspodele verovatnoće u svakom koraku, proizvodeći interval poverenja umesto jedne tačkaste prognoze. Može da modeluje mnoge povezane vremenske serije istovremeno u okviru jednog modela.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). DeepAR: Probabilistic Forecasting with Autoregressive Recurrent Networks. ScholarGate. https://scholargate.app/sr/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.
- Model ARIMA (Autoregressive Integrated Moving Average)Ekonometrija↔ compare
- Konformalno predviđanje za prognoziranje vremenskih serijaEkonometrija↔ compare
- N-HiTSDuboko učenje↔ compare
- PatchTSTDuboko učenje↔ compare
- Slučajna šumaMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →