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特徵表示與預測研究/墨香財經學術文庫

  • 作者：張?|責編:孫平//徐群
  • 出版社：東北財大
  • ISBN：9787565455315
  • 出版日期：2025/01/01
  • 裝幀：平裝
  • 頁數：211
人民幣：RMB 78 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書主要探討了基礎深度學習方法和圖深度學習方法在時序數據特徵表示和預測中的應用。通過對比和結合不同的方法，本書提供一系列更完善、更高效的方法來實現對時間序列的準確快速預測。此外，通過融合不同深度學習模型提取的時間序列特徵表示，可以在能源、交通、金融、組合優化等領域實現精準的特徵識別與預測。這些研究不僅推動了基於深度學習的時間序列分析方法的發展，還為經濟、金融、工業等應用領域提供了強有力的技術支持和決策依據。深度學習模型的應用能夠顯著提升管理工作的效率和效果，為具體的業務場景提供科學的指導和支持。
作者介紹
張?|責編:孫平//徐群
目錄
1 概述
  1.1 研究意義
  1.2 時間序列特徵表示與預測方法
  1.3 本章小結
2 用於時間序列預測的基礎深度學習方法
  2.1 引言
  2.2 問題描述
  2.3 時間序列結構
  2.4 實用層面
  2.5 應用
  2.6 本章小結
3 一種用於時間序列預測的平移不變神經網路結構
  3.1 引言
  3.2 相關研究
  3.3 問題描述
  3.4 自編碼器結構
  3.5 利用標準的神經網路結構學習不變表示
  3.6 提出用於學習不變性的擴展層
  3.7 從數據中學習不變表示
  3.8 實證研究
  3.9 本章小結
4 基於神經網路集成演算法的金融時間序列預測
  4.1 引言
  4.2 相關工作
  4.3 集成預測模型的構建
  4.4 實證分析
  4.5 本章小結
5 基於深度學習的圖時間序列模型
  5.1 引言
  5.2 相關綜述論文
  5.3 深度學習中的時間序列和圖：個體建模
  5.4 深度圖時間序列建模
  5.5 表示組件
  5.6 應用和數據集
  5.7 未來發展方向
  5.8 本章小結
  5.9 本章附錄
6 一種用於多元時間序列預測的圖學習模型
  6.1 引言
  6.2 相關工作
  6.3 模型介紹
  6.4 實證研究
  6.5 實驗結果
  6.6 本章小結
7 基於動態圖的時間序列預測與案例研究
  7.1 引言
  7.2 相關工作
  7.3 問題定義
  7.4 DYN-STGCN和DYN-GWN結構
  7.5 數據集

  7.6 實驗
  7.7 本章小結
8 一種基於廣義梯度的組合優化問題求解方法
  8.1 引言
  8.2 可微組合損失
  8.3 實驗結果與分析比較
  8.4 相關工作對比
  8.5 本章小結
9 總結與未來展望
  9.1 主要結論
  9.2 未來展望
參考文獻
索引

  • 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