13829

كاربرد شبكه هاي عصبي در سري هاي زماني

1401

دكتر محبوبه مولوي عربشاهي- دكتر تورج نيك آزاد

شبكه‌هاي عصبي از اهميت بزرگي در حوزه يادگيري عميق و پردازش الگو برخوردارند. اين شبكه‌ها مدل‌هاي رياضي هستند كه توانايي يادگيري و استخراج ويژگي‌هاي پيچيده را از داده‌ها را دارند. سري‌هاي زماني نيز مجموعه‌اي از داده‌ها هستند كه به ترتيب زماني ثبت شده‌اند. اين سري‌ها معمولاً داراي خصوصياتي هستند كه با استفاده از شبكه‌هاي عصبي قابل استخراج هستند. شبكه‌هاي عصبي و سري‌هاي زماني به طور گسترده به هم مرتبط هستند. شبكه‌هاي عصبي به لحاظ معماري و قابليت‌هاي خاص خود، مي‌توانند به خوبي با سري‌هاي زماني سازگاري داشته باشند و به آن‌ها براي استخراج و تحليل الگو كمك كنند. با استفاده از اين شبكه‌ها، مي‌توان الگوهاي پنهان در سري‌هاي زماني را شناسايي و به تحليل و پيش‌بيني آن‌ها پرداخت. در اين پژوهش، سري‌هاي زماني را به شش دسته مختلف تقسيم كرده‌ايم: آب و هوا، خشكسالي، ECG (الكتروكارديوگرافي)، EEG (الكتروانسفالوگرام)، شاخص‌هاي مربوط به بورس و سهام، و بارش و رواناب. سپس، به بررسي مقاله‌هايي كه در هر يك از اين دسته‌ها شبكه‌هاي عصبي استفاده كرده‌اند، مي‌پردازيم. در اين مقاله، هدف ما استفاده از شبكه‌هاي عصبي براي تحليل و پيش‌بيني سري‌هاي زماني در اين شش دسته است. با بررسي مقالات موجود، مي‌توانيم ببينيم چگونه شبكه‌هاي عصبي در هر يك از اين حوزه‌ها بهبود و نتايج قابل قبولي كسب كرده‌اند.

12/18/2023 12:00:00 AM

83971

1403/07/17

Application of neural networks in time series

شبكه هاي عصبي , سري هاي زماني , يادگيري عميق

Neural network , Time series , Deep learning