Побудова моделей для прогнозування часових рядів застосовуючи мережі довгострокової пам'яті

Abstract

Дослідження присвячено комплексному вивченню мереж довгої короткочасної пам’яті (ДКЧП). Дана архітектура є видом рекурентних нейронних мереж (РНМ), у яких з’єднання між вузлами утворюють граф, орієнтований у часі. У дослідженні проводиться огляд будови та роботи ДКЧП. Також здійснюється аналіз матеріалів і методів. У статті проводяться експерименти: будуються різні моделі для передбачення часових рядів. Аналізуються отримані результати дослідження. У цьому дослідженні будуть розглянуті цінність ДКЧП з практичної сторони у плані застосування, в залежності від виду вхідних даних, а також з теоретичної сторони, яка базуватиметься на розумінні будови блоку ДКЧП.

Keywords

• довга короткочасна пам’ять
• рекурентна нейронна мережа
• машинне навчання
• k-nearest neighbors
• long short term memory
• root mean square error