时间序列预测任务(附代码+数据集+原理介绍) |
您所在的位置:网站首页 › 时间序列进行预测 › 时间序列预测任务(附代码+数据集+原理介绍) |
所有项目已全部上传至Github,小伙伴可以前往学习: 深度学习时间序列预测方法案例 🌈『目录』📢 数据集介绍 (一):深度学习时间序列预测项目案例数据集介绍📢 RNN篇 (一):GRU实现时间序列预测(PyTorch版) (二):LSTM实现时间序列预测(PyTorch版) (三):RNN实现时间序列预测(PyTorch版) (四):BiLSTM(双向LSTM)实现时间序列预测(PyTorch版) 📢 CNN篇 (一):CNN(一维卷积Conv1D)实现时间序列预测(PyTorch版) (二):CNN(二维卷积Conv2D)实现时间序列预测(PyTorch版) 📢 模型融合篇 (一):LSTM+CNN实现时间序列预测(PyTorch版) (二):LSTM+注意力机制(Attention)实现时间序列预测(PyTorch版) (三):CNN+注意力机制(Attention)实现时间序列预测(PyTorch版) (四):CNN+LSTM+Attention实现时间序列预测(PyTorch版) 📢 MLP篇 (一):MLP(ANN)实现时间序列预测(PyTorch版)📢 注意力篇 (一):注意力机制(Attention)实现时间序列预测(PyTorch版)📢 时间卷积网络篇 (一):TCN(时间卷积网络)实现时间序列预测(PyTorch版)📢 其它模型篇 (一):Transformer实现时间序列预测(PyTorch版)📢 注意信息 (一):时间序列数据预测结果为一条直线原因总结📢 单变量、多变量篇 (一):LSTM实现单变量时间序列预测(PyTorch版) (二):LSTM实现多变量时间序列预测(PyTorch版) 📢 多步预测篇 (一):时间序列多步预测经典方法总结 (二):LSTM实现多变量输入多步预测时间序列预测(PyTorch版) —— 直接多输出 (三):LSTM实现多变量输入多步预测时间序列预测(PyTorch版) —— 递归多步预测(单步滚动预测) (四):LSTM实现多变量输入多步预测时间序列预测(PyTorch版) —— 直接多步预测(多模型单步预测) (五):LSTM实现多变量输入多步预测时间序列预测(PyTorch版) —— 直接递归混合预测(多模型滚动预测) (六):LSTM实现多变量输入多步预测时间序列预测(PyTorch版) —— Seq2Seq多步预测 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |