用于时间序列数据趋势预测的自动深度学习
机器学习
2020-09-24 v1 信号处理
摘要
近来，深度神经网络（DNN）算法已被探索用于预测时间序列数据中的趋势。在许多真实世界应用中，时间序列数据来自动态系统。当新观测可用而更新并重新训练 DNN 模型时，它们必须提供稳定的性能。在这项工作中，我们探索使用自动机器学习技术来自动化趋势预测的算法选择与超参数优化过程。我们展示了近期一个 AutoML 工具，特别是 HpBandSter 框架，如何被有效用于自动化 DNN 模型开发。我们的 AutoML 实验找到了最优配置，所产生的模型在四个数据集上相较于手动实验中所发现配置的平均性能与稳定性水平表现良好。
引用
@article{arxiv.2009.08510,
title = {Automatic deep learning for trend prediction in time series data},
author = {Kouame Hermann Kouassi and Deshendran Moodley},
journal= {arXiv preprint arXiv:2009.08510},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:2009.07943