×

DeepAR(深度AR)

swMATH ID: 38790
软件作者: David Salinas、Valentin Flunkert、Jan Gasthaus
描述: DeepAR:使用自回归递归网络的概率预测。概率预测,即根据时间序列的过去,估计其未来的概率分布,是优化业务流程的关键促成因素。例如,在零售企业中,预测需求对于在正确的时间和地点提供正确的库存至关重要。在本文中,我们提出了DeepAR,一种基于对大量相关时间序列训练自回归递归网络模型的方法,用于生成准确的概率预测。我们演示了如何通过将深度学习技术应用于预测,来克服广泛使用的经典方法所面临的许多挑战。我们通过对几个真实世界预测数据集的广泛实证评估表明,精确度提高了约15
主页: https://arxiv.org/abs/1704.04110
源代码:  https://github.com/zhykoties/TimeSeries网站
关键词: 人工智能;arXiv_cs。人工智能;机器学习;arXiv_cs。LG公司;arXiv_状态ML;自回归递归网络;MxNet公司;DeepAR(深度AR)
相关软件: 扩展平滑;XGBoost公司;预测;张紧器2传感器;亚当;fpp2格式;先知;预测;GluonTS公司;PyTorchTS公司;能量;格尔姆奈特;FFORMA公司;轻型GBM;BERT(误码率);WaveNet公司;PyTorch公司;贝叶斯侦察;坚果;ZIM公司
引用于: 19文件

标准条款

1出版物描述软件 年份
DeepAR:使用自回归递归网络的概率预测arXiv公司
David Salinas、Valentin Flunkert、Jan Gasthaus
2021
全部的 前5名

72位作者引用

2 马丁·朱勒姆
2 安德斯·罗兰
2 Tjötheim,Dag B。
1 乔治·阿萨纳索普洛斯
1 达里奥·阿齐蒙蒂
1 克里斯托弗·伯格迈尔
1 卞,江
1 梅尔夫·博杜尔
1 穆卡希特·切维克
1 查克拉波蒂,塔努吉特
1 乔治·科拉尼
1 杜亮
1 Trung Nguyen公爵
1 雅各布·恩斯特
1 阿什坎·法汉吉
1 迈克尔·芬特
1 罗伯特·菲尔德斯
1 高若宾
1 韦斯利·吉福德。
1 克里斯托夫·格洛克。
1 Rakshitha Godahewa
1 Goltsos和Thanos E。
1 医学硕士格里戈里耶娃。
1 郭志山
1 Hai M.Nguyen先生
1 Hien T.Nguyen先生
1 Hoang N.Truong公司
1 胡,罗伯特
1 阿瑟·C·黄。
1 洪M.V.阮
1 乔治·伊阿诺
1 郑俊全
1 乌尔里奇·科泽尔
1 金永代(Kim,Yongdai)
1 尼古拉斯·库伦茨
1 乌塔姆·库马尔
1 基里亚齐斯(Kyriazis,Dimostenis)
1 Lee、Jason Sang Hun
1 李建新
1 李赞
1 刘楠
1 马少辉
1 乔治·马克里迪斯
1 菲利普·马夫拉皮斯
1 文桑君
1 Ngocthach Nguyen公司
1 Nguyen Ngoc Tan公司
1 阮Tran Xuan Linh
1 Nicholls,Geoff K。
1 马杜里马·帕尼亚
1 新泽西州波波娃。
1 迪诺·塞季诺维奇
1 M.V.舒宾。
1 Trapti Singhal公司
1 丹尼尔·斯特默
1 Suganthan、Ponnuthurai Nagaratnam
1 阿里斯·辛特托斯(Aris A.Syntetos)。
1 瓦尔塔诺夫,D.A。
1 Vu H.Nguyen先生
1 David Z.W.王。
1 王菊英
1 杰弗里·韦伯。
1 费利克斯·威克
1 莫里茨·沃尔夫
1 熊浩毅
1 熊、惠
1 严孟毅
1 杨庆民
1 洛伦佐·赞邦
1 张尚航
1 张帅
1 周浩毅

按年份列出的引文