Potrzebuję zasobów, aby zacząć korzystać z sieci neuronowych do prognozowania szeregów czasowych. Obawiam się zaimplementowania jakiejś pracy, a następnie stwierdzenia, że znacznie przekroczyły potencjał swoich metod. Więc jeśli masz doświadczenie z metodami, które sugerujesz, będzie to jeszcze bardziej niesamowite.
time-series
neural-networks
forecasting
references
Richard Hardy
źródło
źródło
Odpowiedzi:
Oto dobre szybkie wprowadzenie: wprowadzenie do sieci neuronowych. Zauważ, że R ma funkcjonalność sieci neuronowej, więc nie musisz poświęcać czasu na samodzielne wdrażanie NN, dopóki nie sprawdzisz go i nie zdecydujesz, że wygląda obiecująco dla twojej aplikacji.
Sieci neuronowe nie są przestarzałe, ale przeszły przez kilka cykli szumu, a następnie, gdy zdały sobie sprawę, że nie robią wszystkiego, jak twierdzono, ich reputacja spada na pewien czas (jesteśmy obecnie w jednym z nich) . Sieci neuronowe są dobre w niektórych zadaniach i ogólnie są lepsze w przypadku zadań, w których człowiek może wykonać podobne zadanie, ale nie może dokładnie wyjaśnić, jak to robią.
Sieci neuronowe nie dają ci wglądu w system, którego używasz do analizy, nawet po ich przeszkoleniu i dobrym działaniu. Oznacza to, że mogą przewidzieć, co się stanie (w przypadku niektórych systemów), ale nie powiedzą dlaczego. W niektórych przypadkach jest w porządku. W innych nie jest to w porządku. Zasadniczo, jeśli chcesz, a zwłaszcza jeśli znasz już zasady działania czegoś, możesz użyć innych technik.
Ale w przypadku niektórych zadań działają dobrze.
W szczególności dla szeregów czasowych zobacz dyskusję na tym pytaniu: Właściwy sposób wykorzystania rekurencyjnej sieci neuronowej do analizy szeregów czasowych
źródło
Chociaż koncentruje się on na statystycznym rozpoznawaniu wzorców, a nie na prognozowaniu szeregów czasowych, zdecydowanie zaleciłbym książkę Chrisa Bishopa Neural Networks for Pattern Recognition, ponieważ jest to najlepsze wprowadzenie do sieci neuronowych w ogóle i myślę, że dobrym pomysłem byłoby zdobycie radzić sobie z potencjalnymi pułapkami związanymi z korzystaniem z sieci neuronowych w prostszym kontekście, w którym problemy są łatwiej zwizualizowane i zrozumiane. Następnie przejdź do książki o powtarzających się sieciach neuronowych autorstwa Mandica i Chambersa . Książka biskupa jest klasykiem, nikt nie powinien używać sieci neuronowych do niczego, dopóki nie poczuje się pewnie, że rozumie materiały zawarte w tej książce; ANN sprawia, że zbyt łatwo jest strzelić sobie w stopę!
Nie zgadzam się również z mbq, nn nie są przestarzałe, podczas gdy wiele problemów można lepiej rozwiązać za pomocą modeli liniowych lub bardziej nowoczesnych technik uczenia maszynowego (np. Metody jądra), są pewne problemy, w których działają dobrze, a inne metody nie. To wciąż narzędzie, które powinno znajdować się w naszych zestawach narzędzi.
źródło