幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

基於深度學習的時間序列預測問題研究

  • 作者：唐丙寅//王豫峰|責編:高茸茸
  • 出版社：西北工大
  • ISBN：9787561292693
  • 出版日期：2024/03/01
  • 裝幀：平裝
  • 頁數：326
人民幣：RMB 98 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    隨著大數據的發展，自然科學、社會科學、工業工程、金融科技等領域都積累了海量的數據。在這些海量的數據中，時間序列數據（按時間戳順序依次到達的數據）是其中重要的組成部分。時間序列預測問題是根據已有的時間序列數據，來預測其未來一段時間的狀態。該問題有著廣泛的應用場景，比如在金融領域被使用來做現金流量預測、股票價格預測，在零售行業被使用來做業務收入預測、庫存消耗預測，在旅遊行業被使用來預測旅遊訂單量、客服服務量等，在氣象、人口密度預測來幫助決策者做出有效決策。本書首先對基於深度學習時間序列預測方法提出的理論依據進行分析，然後對其中涉及的關鍵技術進行研究。最後，針對各種真實場景的時間序列預測問題進行了分別的研究和測試。
作者介紹
唐丙寅//王豫峰|責編:高茸茸
目錄
第一章  時間序列預測技術概述
  第一節  時間序列預測技術的研究意義
  第二節  時間序列預測問題描述
  第三節  時間序列預測的技術評價指標和性能分析方法
  第四節  時間序列預測技術測試數據集
  第五節  時間序列預測應用前景
第二章  時間序列數據的預處理
  第一節  數據清理
  第二節  特徵抽取
  第三節  時間序列數據的表示方法
  第四節  相似性度量
  第五節  數據增強
第三章  時間序列分類
  第一節  分類器
  第二節  單變數時間序列分類方法
  第三節  多變數時間序列分類方法
第四章  傳統時間序列預測方法
  第一節  自回歸模型
  第二節  移動平均模型
  第三節  自回歸移動平均模型
  第四節  自回歸綜合移動平均模型
  第五節  自回歸條件異方差模型
  第六節  指數平滑模型
第五章  基於機器學習的時間序列預測方法
  第一節  向量自回歸模型
  第二節  支持向量回歸
  第三節  梯度提升回歸樹
  第四節  隱馬爾可夫模型
第六章  基於卷積神經網路的時間序列預測方法
  第一節  卷積神經網路
  第二節  循環神經網路
  第三節  長短期記憶網路
  第四節  門控循環單元
第七章  基於圖神經網路的時間序列預測方法
  第一節  圖神經網路
  第二節  用於音頻波形預測的生成模型
  第三節  多元時間序列預測圖神經網路
  第四節  基於潛在圖推理的多元時間序列預測方法
  第五節  基於深度時空圖建模的時間序列預測方法
第八章  基於殘差全連接網路的時間序列預測方法
  第一節  殘差全連接網路
  第二節  基於前向和後向殘差的深度神經網路預測方法
  第三節  用於電價預測的全神經網路方法
  第四節  基於時空的全連接門控圖結構的交通預測方法
第九章  基於自注意力機制的時間序列預測方法
  第一節  注意力機制
  第二節  預訓練深度雙向Transformer預測方法
  第三節  對抗稀疏Transformer預測方法
  第四節  超長序列預測方法
  第五節  多時序融合時間序列預測方法

  第六節  基於狀態空間分解的時間序列預測方法
  第七節  基於自相關分解的時間序列預測方法
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032