检索结果-南通市图书馆

Performance evaluation of deep neural networks for forecasting time-series with multiple structural breaks and high volatility

引用

CAAI Transactions on Intelligence Technology 2021年第3期6卷 265-280页

作者： Rohit Kaushik Shikhar jain siddhant jain Tirtharaj Dash Department of Computer Science and Information Systems Birla Institute of Technology and Science PilaniK.K.Birla Goa CampusZuarinagarGoaIndia

The problem of automatic and accurate forecasting of time-series data has always been an interesting challenge for the machine learning and forecasting community.A majority of the real-world time-series problems have non-stationary characteristics that make the understanding of trend and seasonality *** applicability of the popular deep neural networks(DNNs)as function approximators for non-stationary TSF is *** following DNN models are evaluated:Multi-layer Perceptron(MLP),Convolutional Neural Network(CNN),and RNN with Long Short-Term Memory(LSTM-RNN)and RNN with Gated-Recurrent Unit(GRU-RNN).These DNN methods have been evaluated over 10 popular Indian financial stocks ***,the performance evaluation of these DNNs has been carried out in multiple independent runs for two settings of forecasting:(1)single-step forecasting,and(2)multi-step *** DNN methods show convincing performance for single-step forecasting(one-day ahead forecast).For the multi-step forecasting(multiple days ahead forecast),the methods for different forecast periods are *** performance of these methods demonstrates that long forecast periods have an adverse effect on performance.

关键词： networks neural forecasting

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：