ARMALSTM：混合ARMA-LSTM模型的拟合

现实生活中的时间序列数据很难是纯线性或非线性的。将线性时间序列模型（如自回归滑动平均（ARMA）模型）与非线性神经网络模型（如长短期记忆（LSTM）模型）合并，可以用作更精确建模的混合模型。既可以实现自回归积分滑动平均（ARIMA）模型，也可以实现自递归分数积分移动平均（ARFIMA）模型。有关详细信息，请参阅Box等人（2015，ISBN:978-1-118-67502-1）和Hochreiter和Schmidhuber（1997）<doi:10.1116/neco.1997.9.8.1735>.

版本：	0.1.0
进口：	橄榄球,采礼,张量流,珊瑚礁,网状的
出版：	2024-02-28
内政部：	10.32614/CRAN.包装。阿马尔斯特姆
作者：	黛博帕姆·拉克希特[aut，cre]，Ritwika Das[aut]，德怀帕扬·巴丹
维护人员：	Debopam Rakshit<雅虎网站上的rakshitdebopam>
许可证：	GPL-3公司
需要编译：	不
CRAN检查：	ARMALSTM结果

文档：

参考手册：

ARMALSTM.pdf格式

下载内容：

包源：	ARMALSTM_0.1.0.tar.gz公司
Windows二进制文件：	r-devel公司：ARMALSTM_0.1.0.zip公司，r版本：ARMALSTM_0.1.0.zip公司，r-oldrel：ARMALSTM_0.1.0.zip公司
macOS二进制文件：	r释放（arm64）：ARMALSTM_0.1.0.tgz公司，r-oldrel（arm64）：ARMALSTM_0.1.0.tgz公司，r-版本（x86_64）：ARMALSTM_0.1.0.tgz公司，r-oldrel（x86_64）：ARMALSTM_0.1.0.tgz公司

链接：

请使用规范形式https://CRAN.R-project.org/package=ARMALSTM链接到此页面。