तंत्रिका नेटवर्क के माध्यम से समय श्रृंखला भविष्यवाणी

Question

मैं हाल ही में विभिन्न उद्देश्यों के लिए तंत्रिका नेटवर्क पर काम कर रहा हूं। मुझे डिजिटली मान्यता, एक्सओआर, और कई अन्य आसान/हैलो वर्ल्ड'श अनुप्रयोगों में बड़ी सफलता मिली है।

मैं समय श्रृंखला अनुमान के डोमेन से निपटना चाहता हूं। मेरे पास इस विषय पर सभी आईईईई/एसीएम पेपर पढ़ने के लिए फिलहाल एक विश्वविद्यालय खाता नहीं है (न ही मुफ्त में), और न ही मुझे समय श्रृंखला फॉरकास्टिंग के लिए एएनएन का उपयोग करके कई संसाधनों का विवरण मिल सकता है।

मैं जानना चाहता हूं कि किसी के पास कोई सुझाव है या समय श्रृंखला डेटा के माध्यम से फोर्किंग के लिए एएनएन का उपयोग करने से संबंधित किसी भी संसाधन की सिफारिश कर सकते हैं?

मुझे लगता है कि एनएन को प्रशिक्षित करने के लिए, आप कुछ तत्काल समय कदम डालेंगे और अपेक्षित आउटपुट अगले टाइमस्टेप होगा (उदाहरण: एन -5, एन -4, एन -3, एन -2 के इनपुट , एन -1 को टाइमस्टेप एन पर परिणाम के आउटपुट के साथ बाहर आना चाहिए ... और कुछ समय के लिए स्लाइड करें और इसे फिर से करें।

क्या कोई इसकी पुष्टि कर सकता है या उस पर टिप्पणी कर सकता है? मैं इसकी सराहना करता हूं!

Answer 1

मुझे लगता है कि आप मूल विचार मिल गया है कि: एक "रपट खिड़की" दृष्टिकोण जहां एक नेटवर्क प्रशिक्षित किया जाता है (टी _nk ... टी _{n-1एक श्रृंखला के अंतिम k मानों का उपयोग कर) वर्तमान मूल्य की भविष्यवाणी करने के लिए (टी एन)।}

हालांकि, आप इसे करने के कई तरीके हैं। उदाहरण के लिए:

• उस विंडो को कितना बड़ा होना चाहिए?
• क्या डेटा किसी भी तरह से प्रीप्रोकैस किया जाना चाहिए (उदा। बाहर निकालने के लिए)?
• क्या नेटवर्क कॉन्फ़िगरेशन (उदा। छिपे नोड्स, # परतों के #) और एल्गोरिदम का उपयोग किया जाना चाहिए?

अक्सर लोग अपने विशेष डेटा से परीक्षण और त्रुटि से सीखने का सबसे अच्छा तरीका समझते हैं।

इस सामान के बारे में सार्वजनिक रूप से सुलभ कागजात की एक उचित संख्या है। इन के साथ शुरू करो, और उनके प्रशंसा पत्र और कागजात है कि उन्हें गूगल स्कॉलर के माध्यम से अदालत में तलब को देखें, और आप को पढ़ने के लिए बहुत होना चाहिए:

• फ्रैंक, आर जे और डेवी, एन, और हंट, एस.पी. Time Series Prediction and Neural Networks। इंटेलिजेंट एंड रोबोटिक सिस्टम्स, 2001 का जर्नल। वॉल्यूम 31, अंक 1, पीपी 91-103।
• जेटी। कॉनर, आरडी मार्टिन, और एलई। एटलस। Recurrent neural networks and robust time series prediction। तंत्रिका नेटवर्क, मार्च 1994 खंड 5, अंक 2, पर आईईईई लेनदेन पीपी 240 -। 254.

Answer 2

तकनीकी तौर पर यह आपके अंकों मान्यता के रूप में एक ही है - यह कुछ पहचानने और लौटने कि यह क्या है .. ।

खैर - अब अपनी आदानों पिछले चरणों (टी _-5 ... टी _-1) कर रहे हैं - और अपने उत्पादन या आउटपुट भविष्यवाणी चरणों (टी , टी हैं। ..)।

एएनएन में यांत्रिकी स्वयं ही समान हैं - आपको चीज का पता लगाने के लिए हर परत को सिखाना होगा, जिससे चीज के पुनर्निर्माण को सही किया जा सके, ताकि ऐसा लगता है कि वास्तव में क्या होने जा रहा है।

(क्या कर के बारे में कुछ और जानकारी मेरा मतलब है: tech talk)

Answer 3

वहाँ recurrent neural networks (RNNs नामित तंत्रिका नेटवर्क का एक प्रकार है। इन मॉडलों का उपयोग करने का एक फायदा यह है कि आपको इनपुट उदाहरणों के लिए स्लाइडिंग विंडो को परिभाषित करने की आवश्यकता नहीं है। Long-Short Term Memory (LSTM) के रूप में जाने वाले आरएनएन का एक संस्करण पिछली बार टिकटों में पिछले उदाहरणों को याद रखने या अस्वीकार करने के लिए पिछली बार टिकटें और "भूल गेट" के कई उदाहरणों को संभावित रूप से ध्यान में रख सकता है।