存档 | 时间序列深度学习

随着智能电表兴起以及太阳能等发电技术的广泛应用，积累了大量的电力使用数据。这些数据代表了与电力相关的变量的多变量时间序列，可用于对未来的电力消耗进行建模甚至预测。在本教程中，您 [...]

人类活动识别（HAR）是一项具有挑战性的时间序列分类任务。它涉及根据传感器数据预测一个人的运动，传统上需要深厚的领域专业知识和信号处理方法来正确地从原始数据中工程化特征，以便拟合机器学习模型。最近，深度学习方法 [...]

人类活动识别是将由专用线束或智能手机记录的加速度计数据序列分类为已知明确定义的运动的问题。该问题的经典方法包括基于固定大小的窗口从时间序列数据中手工制作特征，并训练机器学习模型，例如决策树的集成。难点在于 [...]

人类活动识别是将由专用线束或智能手机记录的加速度计数据序列分类为已知明确定义的运动的问题。该问题的经典方法包括基于固定大小的窗口从时间序列数据中手工制作特征，并训练机器学习模型，例如决策树的集成。难点在于 [...]

人类活动识别是将由专用线束或智能手机记录的加速度计数据序列分类为已知明确定义的运动的问题。该问题的经典方法包括基于固定大小的窗口从时间序列数据中手工制作特征，并训练机器学习模型，例如决策树的集成。难点在于 [...]

人类活动识别是将由专用线束或智能手机记录的加速度计数据序列分类为已知明确定义的运动的问题。鉴于每秒产生的大量观测数据、观测数据的时序性以及缺乏将加速度计数据与 [...] 明确关联的方法，这是一个具有挑战性的问题。

人类活动识别是将由专用线束或智能手机记录的加速度计数据序列分类为已知明确定义的运动的问题。鉴于每秒产生的大量观测数据、观测数据的时序性以及缺乏将加速度计数据与 [...] 明确关联的方法，这是一个具有挑战性的问题。

室内运动预测涉及使用无线传感器强度数据来预测建筑物内被测对象的位置和运动。这是一个具有挑战性的问题，因为没有直接的解析模型可以将来自多个传感器的可变长度信号强度轨迹转化为用户行为。‘室内用户运动’数据集是 [...]

空气污染以地表臭氧浓度为特征。根据风速和温度等气象测量，可以预测地表臭氧明日是否会达到足够高的水平以发布公众空气污染预警。这是用于 [...] 的标准机器学习数据集的基础。

时间序列预测的深度学习速成班。在 7 天内将深度学习方法应用于您的时间序列项目。时间序列预测极具挑战性，尤其是在处理长序列、嘈杂数据、多步预测以及多个输入和输出变量时。深度学习方法为时间序列预测提供了很多前景，例如 [...]