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.AI;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： 亚当;PyTorchTS公司;张紧器2传感器;预测;fpp2格式;扩展平滑;预测;PyTorch公司;因果影响;先知;计数;神经贝叶斯;能量;小偷;t间歇;R（右）;ts功能;WaveNet公司;FFORMA公司;elmNNRcpp 引用于： 9出版物 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David Salinas、Valentin Flunkert、Jan Gasthaus 2021 全部的 前5名37位作者引用 1 乔治·阿萨纳索普洛斯 1 梅尔夫·博杜尔 1 穆卡希特·塞维克 1 Trung Nguyen公爵 1 雅各布·恩斯特 1 迈克尔·芬特 1 罗伯特·菲尔德斯 1 韦斯利·吉福德。 1 克里斯托夫·格洛克。 1 Goltsos和Thanos E。 1 Hai M.Nguyen先生 1 Hien T.Nguyen先生 1 Hoang N.Truong公司 1 胡，罗伯特 1 洪M.V.阮 1 乔治·伊阿诺 1 Jeon，Jong-June（琼·琼） 1 乌尔里奇·科泽尔 1 金永代（Kim，Yongdai） 1 尼古拉斯·库伦茨 1 Lee、Jason Sang Hun 1 李赞 1 马少辉 1 文桑君 1 Ngoc Thach Nguyen公司 1 Nguyen Ngoc Tan公司 1 阮Tran Xuan Linh 1 Nicholls，Geoff K。 1 迪诺·塞季诺维奇 1 Trapti Singhal公司 1 丹尼尔·斯特默 1 阿里斯·辛特托斯（Aris A.Syntetos）。 1 Vu H.Nguyen先生 1 王菊英 1 费利克斯·威克 1 莫里茨·沃尔夫 1 杨庆民 全部的 前5名6篇连载文章中引用 三 欧洲运筹学杂志 1 机器学习 1 SIAM科学计算杂志 1 计算与图形统计杂志 1 SN运营研究论坛 1 信息系统与运筹学 在4个字段中引用 6 统计学（62-XX） 4 计算机科学（68至XX） 4 运筹学、数学规划（90-XX） 1 概率论与随机过程（60-XX） 按年份列出的引文