Аннотация:Основная цель данной работы состояла в изучении технологий
нейронных сетей и Гауссовских процессов для решения задачи
прогнозирования временных рядов.
В результате проведенных исследований можно сделать вывод о том,
что использование нейронных сетей и Гауссовских процессов является
эффективным подходом для решения задачи прогнозирования временных
рядов.
Модель LSTM со 128 блоками и DropOut = 0.45, а также
метод очистки данных с помощью алгоритма KNN продемонстрировали
наилучший результат.
Важным преимуществом данной реализации является возможность
изменения параметра временного окна и горизонта предсказания, что
позволяет адаптировать модель к различным задачам прогнозирования.
В целом, результаты данной работы могут быть использованы
для разработки более точных и эффективных моделей прогнозирования
временных рядов в различных областях применения.