پیش پردازش در شبکه عصبی با رویکرد داده های سری زمانی

هدف از این پژوهش معرفی و بررسی دو تا از بهترین روش های مقابله با پیش پردازش در مدل های یادگیری عمیق است. برای انجام این پژوهش و بررسی روش های مختلف کاهش پیش پردازش از یک مدل ترکیبی CNN-LSTM استفاده شده است. برای ارزیابی این پژوهش از سه معیار خطای میانگین خطای مطلق، ریشه میانگین مربعات خطا و ضریب تعیین استفاده شده است. نتایج نشان می دهد که حالت های مختلف منظم سازی نسبت به مدل های دیگر عملکرد بهتری دارد.

کلیدواژه ها:

پیش پردازش ، شبکه عصبی مصنوعی ، پیش بینی قیمت ، مدل ترکیبی