R语言神经网络模型金融应用预测上证指数时间序列可视化
本文旨在利用神经网络模型来帮助客户预测上证指数的收盘价，通过分析不同历史数据作为输入，建立模型并进行预测（点击文末“阅读原文”获取完整代码数据）。 相关视频 ...
R语言中的神经网络预测时间序列：多层感知器（MLP）和极限学习机（ELM）数据分析报告
用于R语言的多层感知器（MLP）和极限学习机（ELM）进行时间序列预测。请注意，由于神经网络无法利用GPU处理，因此大型网络的训练速度往往很慢（点击文末“阅读原文”获取完整代码数据）。 相关视频 ...
BiTCN：基于卷积网络的多元时间序列预测
在时间序列预测领域中，模型的体系结构通常依赖于多层感知器(MLP)或Transformer体系结构。 基于mlp的模型，如N-HiTS, TiDE和TSMixer，可以在保持快速训练的同时获得非常好的预测性能。基于Transformer的模型，如PatchTST和ittransformer也取得了很...
R语言神经网络模型预测多元时间序列数据可视化
全文链接：http://tecdat.cn/?p=32198 多元时间序列建模一直是吸引了来自经济，金融和交通等各个领域的研究人员的主题（点击文末“阅读原文”获取完整代码数据）。 多元时间序列预测的一个基本假设是，其变量相互依赖。 在本文中，我们专门针对客户的多元时间序列数据设计了神经网络框架，拟合...
Python电力负荷：ARIMA、LSTM神经网络时间序列预测分析
全文链接：http://tecdat.cn/?p=32059 分析师：Eileen 电力系统源源不断向各用户提供持续稳定的电能，本文通过对数据的提取，帮助客户分别对不同客户端日，月，年的用电负荷情况进行分析，并通过模型对单户负荷情况进行预测（点击文末“阅读原文”获取完整数据）。 解决方案 ...
Python用Lstm神经网络、离散小波转换DWT降噪对中压电网电压时间序列预测
全文链接：http://tecdat.cn/?p=31149 对于电力公司来说，对局部放电的准确预测可以显著降低人力物力成本。据调查，80%的输电设备损坏是随机发生的，而只有20%由于老化。 而损坏案例中又有85%是由于局部放电现象的发生。电厂98%的维护费用于支付维修师的薪资。因此，准确的预测电网...
R语言用ARIMA模型滑动时间窗口识别网络流量时间序列异常值
全文链接：http://tecdat.cn/?p=30597 最近我们被要求解决时间序列异常检验的问题。有客户在使用大量的时间序列。这些时间序列基本上是每10分钟进行一次的网络测量，其中一些是周期性的（即带宽），而另一些则不是（即路由流量）（点击文末“阅读原文”获取完整代码数据）。 他想要一个简单的...
PYTHON用KERAS的LSTM神经网络进行时间序列预测天然气价格例子
全文下载链接：http://tecdat.cn?p=26519 一个简单的编码器-解码器LSTM神经网络应用于时间序列预测问题：预测天然气价格，预测范围为 10 天。“进入”时间步长也设置为 10 天。) 只需要 10 天来推断接下来的 10 天。可以使用 10 天的历史数据集以在线学习的方式重新训...
python深度学习实现自编码器Autoencoder神经网络异常检测心电图ECG时间序列
原文链接：http://tecdat.cn/?p=25410 通过训练具有小型中心层的多层神经网络重构高维输入向量，可以将高维数据转换为低维代码。这种神经网络被命名为自编码器_Autoencoder_（点击文末“阅读原文”获取完整代码数据）。 自编码器是_非线性_降_维_ 技术用于特征的无监督学习，...
R语言用FNN-LSTM假近邻长短期记忆人工神经网络模型进行时间序列深度学习预测4个案例
全文链接:http://tecdat.cn/?p=23792 在最近的一篇文章中，我们展示了一个LSTM模型，通过假近邻（FNN）损失进行正则化，可以用来重建一个非线性动态系统（点击文末“阅读原文”获取完整代码数据） 在这里，我们探讨了同样的技术是如何协助预测的。与 "普通LSTM "相比，FNN-...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
产品推荐
社区圈子
最佳实践
