시계열은 시간이 발생하는 순서대로 배열된 이산적인 시퀀스의 집합으로 일상생활에서 가장 흔한 형태의 데이터 중 하나이다. 시계열 분석은 통계에서 중요한 문제일 뿐만 아니라 인공지능과 데이터 마이닝의 중요한 응용 방향이기도 합니다.
본 교과목은 인공지능대학 학부생 및 대학원생을 대상으로 하며, 통계학에서 시계열을 분석하는 기본적인 개념과 모형 및 방법에 대해 학습한다. 동시에 인공 지능 기술의 사용을 강조하여 시계열 데이터의 특수 데이터 유형을 분석하고 "시계열 분석"의 아이디어를 사용하여 인공 지능 분야의 실용적인 문제를 보고 해결하는 데 주의를 기울입니다. .
강의 내용은 시계열의 발전과정, 정상성, 고전적 분석모형 등의 개념부터 순차적으로 진행된다. 이 과정은 또한 시계열 모델링을 위한 순환 신경망 사용 또는 시계열의 자기회귀 사용, 기계 학습 및 컴퓨터 비전의 중요한 문제를 모델링하기 위한 지수 평균 사고와 같은 인공 지능 관련 기술을 소개합니다.
[참고] PDF 정보의 전체 버전은 기사 말미에서 얻을 수 있습니다.
디렉토리 내용:
-
코스 소개, 소개, 회귀 모델
-
시계열의 확률적 프로세스 관점
-
확률적 프로세스 관점에 기반한 고전적 모델
-
비정상 시계열에 대한 클래식 모델
-
가상 확장
-
차원 확장
-
모델링 확장
추천 기사
기술교류
재인쇄, 수집, 좋아요 및 지원을 환영합니다!
현재 2,000명 이상의 회원 이 있는 기술 교류 그룹이 개설되었습니다 .추가할 때 가장 좋은 방법은 출처 + 관심 방향, 같은 생각을 가진 친구를 찾는 데 편리합니다.
- 방법 1. 다음 사진을 WeChat에 보내고, 길게 눌러 식별하고, 백그라운드에서 회신합니다. 그룹 추가;
- 방법 ②, 마이크로 신호 추가: dkl88191 , 참고: CSDN에서
- ③ 방법, 위챗 공개계정 검색 : 파이썬 학습 및 데이터 마이닝 , 백그라운드 회신 : 그룹 추가
