基于深度学习的时间序列算法综述
沈旭东
木同济大学计算机科学与技术系 上海200092;同济大学嵌入式系统与服务计算教育部重点实验室 上海200092
摘要：绝大多数基于机器学习的时间序列分析方法都是人工专家提取特征后进行分析,随着深度学习的快速发展,端到端的方式在时间序列分析领域的应用越来越多,同时整体的方法也变得更加成熟.因此,本文对近年来基于深度学习的时间序列分析方法进行讨论,从应用,网络架构以及思想等方面总结了最新的时间序列预测、分类以及异常检测等任务的深度学习方法,为了解时间序列深度学习解决方案的技术以及发展趋势提供了参考.
关键词：时间序列深度学习预测分类异常检测
论文发表日期：2019-01-01
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：6( 71-76 )
英文信息