guillaume-chevalier/seq2seq-signal-prediction
این پروژه از یک مدل شبکه عصبی بازگشتی نوع Sequence-to-Sequence (seq2seq) در TensorFlow برای پیش‌بینی سیگنال‌های زمانی استفاده می‌کند.
کاربرد:
این مدل برای پیش‌بینی داده‌های سری زمانی مثل قیمت سهام، دمای آب و هوا، سیگنال‌های بیومتریک (مثل قلب)، و دیگر سیگنال‌های پیوسته در زمان مناسب است.
در چه شرایطی بهتره استفاده شود؟
وقتی داده‌های شما دارای الگوی زمانی پیچیده و وابستگی بلندمدت باشند، این مدل بهتر عمل می‌کند. همچنین وقتی نیاز به پیش‌بینی یک دنباله خروجی (نه فقط یک عدد) دارید، مثل پیش‌بینی چند قدم آینده سیگنال، این معماری عالی عمل می‌کند.
چند مثال از موارد استفاده:
پیش‌بینی قیمت بیت‌کوین در 24 ساعت آینده
تشخیص و پیش‌بینی ناهنجاری در سیگنال قلب (ECG)
پیش‌بینی مصرف برق در یک شبکه هوشمند بر اساس داده‌های تاریخی
پیش‌بینی دما در ایستگاه‌های هواشناسی با استفاده از داده‌های گذشته
- ##seq2seq
- ##RNN
- ##TensorFlow
- ##TimeSeriesPrediction
- ##SignalProcessing
- ##DeepLearning
- ##Forecasting
- ##MachineLearning
- ##NeuralNetworks
- ##SequenceModeling