NeuralProphet：基于神经网络的时间序列建模库
NeuralProphet是一个python库，用于基于神经网络对时间序列数据进行建模。它建立在PyTorch之上，并受到Facebook Prophet和AR-Net库的极大启发。NeuralProphet 和 Prophet对比从库名称中，您可能会问Facebook的Prophet库和NeuralProphet之间的主要区别是什么。根据NeuralProphet的文档，增加的功能是[1]：使....
基于图卷积神经网络GCN的时间序列预测:图与递归结构相结合的库存品需求预测
时间序列预测任务可以按照不同的方法执行。最经典的是基于统计和自回归的方法。更准确的是基于增强和集成的算法，我们必须使用滚动周期生成大量有用的手工特性。另一方面，我们可以使用在开发过程中提供更多自由的神经网络模型，提供对顺序建模的可定制的特性。循环和卷积结构在时间序列预测中取得了巨大的成功。该领域中有趣的方法是通过采用最初在NLP中本地的Transformers和Attention架构。图结构的使....
【GRU时序预测】基于卷积神经网络结合门控循环单元CNN-GRU实现时间序列预测附matlab代码
✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。 个人主页：Matlab科研工作室个人信条：格物致知。更多Matlab仿真内容点击智能优化算法 神经网络预测雷达通信 无线传感器信号处理图像处理路径规划元胞自动机无人机 电力系统⛄ 内容介绍提出的预测模型采取分时序分段策略,使用卷积神经网络(CNN)提取景区多因素时序数据的特征,并对不同因素....
【合集】智能优化算法与神经网络预测、分类及时间序列优化程序总结
⛄ 内容介绍目录优化BP神经网络实现时序数据预测系列优化ElMAN神经网络实现时序数据预测系列优化RBF神经网络实现时序数据预测系列优化PNN神经网络实现时序数据预测系列优化GRNN神经网络实现时序数据预测系列优化LSTM神经网络实现时序数据预测系列优化ELM实现时序数据预测优化系列优化KELM实现时序数据预测优化系列优化RF随机森林实现时序数据预测系列优化SVR实现时序数据预测系列优化LSSV....
Python中LSTM回归神经网络的时间序列预测
原文链接这个问题是国际航空乘客预测问题， 数据是1949年1月到1960年12月国际航空公司每个月的乘客数量（单位：千人），共有12年144个月的数据。链接：https://pan.baidu.com/s/1JJTe2CL0BxpmyewKCsvc0w 提取码：6666数据趋势：训练程序：import numpy as np import pandas as pd import matplo...
独家 | 教你使用简单神经网络和LSTM进行时间序列预测（附代码）
翻译：张玲 校对：丁楠雅 文章来源：微信公众号 数据派THU 本文约1500字，建议阅读5分钟。 作者基于波动性标准普尔500数据集和Keras深度学习网络框架，利用python代码演示RNN和LSTM RNN的构建过程，便于你快速搭建时间序列的预测模型。 图片来源：Pixabay 本文的目的是演示人工神经网络（Artificial Neural Network ，ANN）和长短期记忆循环神...
SIGIR 2021 | 快手联合清华提出基于图神经网络的序列推荐新方法
序列推荐旨在利用用户的历史行为序列来预测用户的下一次交互，此类方法已被现代在线信息流系统（例如新闻，视频，广告等）广泛采用。但用户长期历史行为中普遍存在隐式和嘈杂的偏好信号，这无疑会降低用户真实兴趣的建模效果。为解决该挑战，清华大学未来智能实验室联合快手社科推荐模型组提出了一种基于图神经网络的序列推荐框架 SURGE。通过图神经网络技术对行为信号进行传播与池化，动态地融合并提取用户当前激活的核心....
在量化交易中应用卷积神经网络CNN做时间序列预测
量化交易中，最直接的判断策略是根据历史的价格走势或者交易量的变化，来预测未来的价格。这一点对于传统看K线的形态派，和现在使用机器学习的炼丹派应该都是一样的。对价格预测的有效性基于两个假设： 市场参与者的某种交易心理或者说情绪，会形成特定模式的下单流，从结果来看，就是造成特定的交易量演变以及价格走势。也就是说价格波动不是一个完全的随机游走过程，而是前后关联的。 市场参与者不会在某个时间点全部离场.....
使用TensorFlow的递归神经网络（LSTM）进行序列预测
本篇文章介绍使用TensorFlow的递归神经网络（LSTM）进行序列预测。作者在网上找到的使用LSTM模型的案例都是解决自然语言处理的问题，而没有一个是来预测连续值的。 所以呢，这里是基于历史观察数据进行实数序列的预测。传统的神经网络模型并不能解决这种问题，进而开发出递归神经网络模型，递归神经网络模型可以存储历史数据来预测未来的事情。 在这个例子里将预测几个函数： 正弦函数：sin 同时存在.....
循环神经网络(RNN, Recurrent Neural Networks)——无非引入了环，解决时间序列问题
摘自：http://blog.csdn.net/heyongluoyao8/article/details/48636251 不同于传统的FNNs(Feed-forward Neural Networks，前向反馈神经网络)，RNNs引入了定向循环，能够处理那些输入之间前后关联的问题。定向循环结构如下图所示： 该tutorial默认读者已经熟悉了基本的神经网络模型。如果不熟悉，可以...
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。