ПРИМЕНЕНИЕ LSTM-СЕТИ В РЕШЕНИИ ЗАДАЧИ ПРОГНОЗИРОВАНИЯ МНОГОМЕРНЫХ ВРЕМЕННЫХ РЯДОВ

Авторы

M. Obrubov "Vladimir State University named after Alexander Grigorievich and Nikolai Grigorievich Stoletovs" (VlSU)
S. Kirillova "Vladimir State University named after Alexander Grigorievich and Nikolai Grigorievich Stoletovs" (VlSU)

DOI:

https://doi.org/10.31618/nas.2413-5291.2021.2.68.450

Ключевые слова:

нейронные сети; прогнозирование; временные ряды

Аннотация

В статье рассматривается применение технологии рекуррентных нейронных сетей к задаче прогнозирования многомерных временных рядов. Выполнено экспериментальное определение архитектуры нейронной сети и основных гиперпараметров для достижения минимальной погрешности. Выявленная структура сети будет использоваться далее для определения аномалий в многомерных временных рядах.

Биографии авторов

M. Obrubov , "Vladimir State University named after Alexander Grigorievich and Nikolai Grigorievich Stoletovs" (VlSU)

2^nd year master's student of the Department of Information Systems and Software Engineering

S. Kirillova , "Vladimir State University named after Alexander Grigorievich and Nikolai Grigorievich Stoletovs" (VlSU)

candidate of technical sciences, professor

Библиографические ссылки

Dozat, T. Incorporating Nesterov Momentum into Adam / T. Dozat // ICLR Workshop. — 2016.

Dupond, S. A thorough review on the current advance of neural network structures / S. Dupond // Annual Reviews in Control. — 2019. — Vol. 14. — P. 200-230.

Kingma, D. Adam: A Method for Stochastic Optimization / D. Kingma, J. Ba // ICLR. — 2014.

Загрузки

Опубликован

2021-07-01

Выпуск

Том 2 № 68 (2021)

Раздел

Статьи

Лицензия

Это произведение доступно по лицензии Creative Commons «Attribution-NoDerivatives» («Атрибуция — Без производных произведений») 4.0 Всемирная.

CC BY-ND

Эта лицензия позволяет свободно распространять произведение, как на коммерческой, так некоммерческой основе, при этом работа должна оставаться неизменной и обязательно должно указываться авторство.