AIcode مرجع تخصصی هوش مصنوعی

<aicode>

 

 

 

 

 

در بسیاری از کاربردهای واقعی، مقدار مشاهدات یک متغیر وابسته به مقدار آن متغیرهای در زمان‌های قبل است. اینگونه داده‌ها با عنوان سری زمانی مطرح هستند که پژوهش‌های مختلفی با استفاده از تکنیک‌های داده‌کاوی به پیش‌بینی و تحلیل در اینگونه داده‌ها پرداخته‌اند. در اینجا به دسته‌بندی انواع سری زمانی، کاربردها، انواع مسایل سری زمانی و نحوه حل آنها پرداخته‌ایم.

واژه‌های کلیدی:

سری زمانی، الگوی فصلی، الگوی افقی، الگوی متمایل، پیش‌بینی، رگرسیون، شبکه عصبی بازگشت‌پذیر، رگرسیون بردار پشتیبان.

1 مقدمه
1‌.1‌ تعریف سری زمانی
1‌.1‌.1‌ مثال سری زمانی: تعداد مرگ‌ها در تصادفات ماهانه
1‌.2‌ انواع الگوهای سری زمانی
1‌.3‌ اهمیت موضوع و کاربردها
1‌.4‌ چالش‌ها
2 تکنیک‌های داده‌کاوی در تحلیل داده‌های سری زمانی
2‌.1‌ انواع مسایل در سری زمانی و روش‌های موجود در آنها
2.1.1 تشخیص نوع سری زمانی
2.1.2 تحلیل و پیش‌بینی سری‌های زمانی
3 منابع و مراجع

 دانلودلینک مستقیم دانلود: تکنیکهای داده‌کاوی در تحلیل داده‌های سری زمانی و پیش‌بینی

تبلیغات AIcodeMahak

AIcode مرجع تخصصی آموزش مهندسی کامپیوتر و هوش مصنوعی

تماس با ما

ايميل: info@aicode.ir

عضویت در خبرنامه AIcode