সময় সিরিজের পূর্বাভাসের জন্য নিউরাল নেটওয়ার্ক ব্যবহার শুরু করার জন্য আমার কিছু সংস্থান দরকার। আমি কিছু কাগজ বাস্তবায়নের বিষয়ে সতর্ক এবং তারপরে তারা জানতে পেরেছেন যে তারা তাদের পদ্ধতির সম্ভাবনাটি খুব বেশি বর্ণনা করেছেন। সুতরাং আপনার যদি পরামর্শ দেওয়া হয় যে পদ্ধতিগুলির সাথে অভিজ্ঞতা অর্জন করেন তবে এটি আরও দুর্দান্ত।
দয়া করে নোট করুন যে এনএনগুলি বরং ... অপ্রচলিত।
@ জেসন, এনএনকে "নীতিশাস্ত্রবিহীন রিগ্রেশন" হিসাবে চিহ্নিত করা হয়েছে কারণ তারা কেবল মাত্রাতিরিক্ত ফিট নয় "সংকেতের ধারাবাহিকতার জন্য তথ্যকে চ্যালেঞ্জ করার চেয়ে" "ডেটা বিশ্বাস করা" ভুল করেছেন
—
আইরিশস্ট্যাট
এনএনগুলি সম্পূর্ণ অপ্রচলিত নয়। তারা বর্তমানে এমএল সম্প্রদায়ের দ্বারা মোকাবেলা করা কয়েকটি গুরুত্বপূর্ণ মানদণ্ডে সেরা স্কোর ধরে। এছাড়াও, এগুলি হ'ল চারপাশের সেরা মাল্টিপেজ পার্থক্যযুক্ত ফাংশন আনুমানিক or গত 5 বছরের বেনজিও, হিন্টন এবং লেকুনের গ্রুপগুলির কাজ দেখুন।
—
বায়ারজ
আমি বেনজিও এবং লেকুন কাগজটি পড়েছি এবং এটি আমার মনকে কিছুটা বদলে দেয় তবে তারা যা করছে তা historicalতিহাসিক নিউরাল নেট থেকে আলাদা। ওপি সময় ধারাবাহিকের সাথে কাজ করতে চায়, যেখানে বিভিন্ন পদ্ধতি রয়েছে যা অবিচ্ছিন্ন সময় সিরিজ নিয়ে কাজ করতে পারে এবং আপনাকে সময় সিরিজ সম্পর্কে দরকারী তথ্য দেয় (ডিএলএমগুলি মাথায় আসে)। আপনার যদি সময় সিরিজের বাইরেও ডেটা থাকে তবে আপনি বিভিন্ন ধরণের অন্যান্য পদ্ধতি (এলএম, ইত্যাদি) ব্যবহার করতে পারেন যা সোজা এবং আলোকসজ্জাজনক। আপনি বোধগম্য কিছু করতে পারলে কেন লেবেলযুক্ত ডায়ালগুলির সাথে একটি কালো বাক্স ব্যবহার করবেন?
—
ওয়েন
অবশ্যই 80/90 এর দশকে ব্যবহৃত নিউরাল নেটগুলি আজ আপনি যা ব্যবহার করেন তার থেকে আলাদা এবং এগুলি এখনও গবেষণার একটি অত্যন্ত সক্রিয় ক্ষেত্র। তদ্ব্যতীত, যখন আপনি ব্যাখ্যার বিষয়ে চিন্তা করেন আপনি কখনই নিউরাল নেটওয়ার্ক ব্যবহার করেন না । আপনি যখন ভবিষ্যদ্বাণী ত্রুটির বিষয়ে চিন্তা করেন আপনি সেগুলি ব্যবহার করেন। নিউরাল নেটওয়ার্কগুলি দ্রুত এবং তারা অন্যান্য পদ্ধতিতে ব্যর্থ হওয়া সমস্যার সমাধান করে। এগুলি দুর্দান্ত কারণ আপনি যে মডেলিং করছেন সেই ডেটা সম্পর্কে কোনও অনুমানের অভাবের কারণে তারা ধারণাগত দৃষ্টিভঙ্গি থেকে সহজ (স্কোয়ার ত্রুটির সাথে ব্যবহার করার সময় গাউসিয়ান গোলমাল বাদে)। তাদের নিজস্ব যোগ্যতা এবং ত্রুটি রয়েছে।
—
বায়ারজ