ИСПОЛЬЗОВАНИЕ РЕКУРРЕНТНЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ АНАЛИЗА ВРЕМЕННЫХ РЯДОВ И ВЫЯВЛЕНИЯ ТЕНДЕНЦИЙ В ДАННЫХ

Автор(ы): Чуб Вадим Сергеевич

Рубрика: Информационные технологии

DOI: 10.21777/2500-2112-2024-2-91-102

Выпуск: 2024-2 (47)

Страницы: 91-102

Ключевые слова: рекуррентные нейронные сети, временные ряды, трансформеры, долгосрочные зависимости, энкодер

Аннотация: Традиционные модели рекуррентной нейронной сети RNN (Recurrent Neural Network), такие как LSTM (Long Short-Term Memory) и GRU (Gated Recurrent Unit), давно применяются для анализа временных рядов, но обладают ограничениями в обучении на длинных последовательностях и высокими вычислительными требованиями. Последние достижения в области прогнозирования временных рядов показали снижение их значимости. В данной работе предложена новая архитектура RNN с линейной временной сложностью и меньшими затратами памяти. В ходе исследования проведена апробация предложенной модели RNN и оценка ее производительности на различных задачах анализа временных рядов. Представлены результаты эксперимента, которые показывают, что предложенная модель превосходит современные альтернативы. Конкурентоспособность модели была подтверждена сравнением с передовыми моделями, такими как PatchTST и TimesNet. Кроме того, предложенная модель превзошла по производительности модели на основе многослойных перцептронов (MLP) и оказалась более эффективной, чем модели на основе трансформеров. Предложенная архитектура RNN может стать перспективным направлением для будущих исследований в данной области.

Библиографическая ссылка: Чуб В.С. ИСПОЛЬЗОВАНИЕ РЕКУРРЕНТНЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ АНАЛИЗА ВРЕМЕННЫХ РЯДОВ И ВЫЯВЛЕНИЯ ТЕНДЕНЦИЙ В ДАННЫХ // Образовательные ресурсы и технологии. – 2024. – № 2 (47). – С. 91-102. doi: 10.21777/2500-2112-2024-2-91-102

Текст статьи и список литературы