|
Title
|
مروری بر روش های پیش بینی سری زمانی
|
|
Type of Research
|
Presentation
|
|
Keywords
|
پیش بینی سری های زمانی، مدل پیش بینی سراسری، شبکه های عصبی مصنوعی، شبکه های عصبی بازگشتی
|
|
Abstract
|
یک سری زمانی شامل مجموعه ای از مشاهدات جمع آوری شده در فواصل زمانی معین می باشد. داده های در قالب سری های زمانی در حوزه های مختلفی تولید می شوند. برای مثال، در حوزه های مالی، بورس، انرژی، گردشگری، بهداشت و سلامت و غیره از پیش-بینی سری های زمانی استفاده می شود. با داشتن یک سری زمانی می توانیم مقادیر آینده آن سری را بر اساس مقادیر گذشته آن پیش بینی کنیم. رویکرد هایی همچون پیش بینی یک سری زمانی با استفاده از تکنیک های آماری و یا یادگیری ماشین تا به حال در تحقیقات گوناگون مورد استفاده قرار گرفته اند. تاکنون در این زمینه مدل های مبتنی بر شبکه های عصبی مختلفی اعم از شبکه های عصبی پیش خور و یا بازگشتی مورد استفاده قرار گرفته اند. در این مقاله به مرور روش های مختلف آماری و یادگیری ماشین/عمیق در این حوزه می پردازیم.
|
|
Researchers
|
(First Researcher)، Hossein Abbasimehr (Second Researcher)، Esmaeil Nourani (Third Researcher)
|