Arama sonuçları

Mühendislik ve Teknoloji · Bilgisayar ve Elektrik Mühendisliği

Zaman Serisi Tahmini İçin Derin Öğrenme: Model Mimarisi Paradigmaları, Özellik Çıkarımı ve Gelecek Yönelimleri Üzerine Kapsamlı Bir İnceleme

Zaman serisi tahmini (ZST), enerji tüketimi, sağlık hizmetleri, şehir içi trafik akışı, meteorolojik değişimler ve finansal piyasalar gibi birçok kritik sektörde karar verme süreçlerinin temelini oluşturmaktadır. Geleneksel istatistiksel modeller (ARIMA, Üstel Düzeltme vb.) zaman serilerinin doğrusal yapılarını ve durağan istatistiksel özelliklerini modellemede başarılı olmalarına rağmen, yüksek boyutlu, karmaşık ve doğrusal olmayan zaman serisi verilerinde sınırlı kalmaktadır. Derin öğrenme yaklaşımları ise veriden doğrudan zamansal özellikleri ve uzun vadeli bağımlılıkları öğrenme yetenekleriyle öne çıkmaktadır. Ancak literatürde modellerin mimari yapılarına göre dinamik olarak sınıflandırılması ve özellik geliştirme yöntemlerinin bütüncül biçimde incelenmesi konusunda önemli bir eksiklik bulunmaktadır.