2

У меня проблема с использованием нейронных сетей для прогнозирования временных рядов. Некоторые предсказывали данные согласуются с ожидаемыми данными, как показано ниже: (В черной реальное время серии и синий цвет на выходе моей нейронной сети)Задержка в прогнозировании временных рядов

Australia energy demand временной ряд: спрос на энергию Австралии.

Но с тем же кодом, с другим временным рядом, предсказанные данные не согласуется с ожидаемыми данными, и имеет задержку в один блоке, как показано ниже:

enter image description here Время серия: Walmart склад цена. enter image description here Временная серия: Обмен долларовыми обменами.

Я нашел несколько статей о некоторых вариациях нейронных сетей и в разделе результатов показывает график с задержкой, как мои результаты, как показано ниже:

enter image description here время Серии: Курс доллара либра. (Ссылка статьи: http://www.sciencedirect.com/science/article/pii/S1877050915015793)

Кто-нибудь знает, если это распространенное поведение или может быть что-то не в порядке с моим кодом? У меня есть этот вопрос около трех месяцев назад, и с тех пор я пытаюсь выяснить некоторые ошибки в моем коде, но все в порядке.

Спасибо, и я ценю любой совет.

+1

Я голосую, чтобы закрыть этот вопрос как не по теме, потому что речь идет о цифровой обработке сигналов в целом, а не о программировании. попробуйте dsp.stackexchange.com. –

+0

Речь идет не о цифровой обработке сигнала. О прогнозировании временных рядов с использованием нейронной сети. – ViniciusArruda

+0

um, у вас есть оценка для дискретного количества, которое существует для дискретных времен. Это оценка цифрового сигнала. Это DSP. –

ответ

1

У меня недавно возникла проблема. Ответ был просто в том, что модель была недостаточно хороша. Качественно модель предсказывает, что ваш следующий результат будет очень похож на предыдущий, поэтому выход, кажется, задерживается на один. Улучшите свою модель (различный тип сети, количество скрытых слоев, обратная связь и т. Д.), А предсказания улучшатся, и появление по отдельности исчезнет.

+0

Алгоритм, который я использую (ELM), обычно имеет один скрытый слой, и я использую только один. Примером того, что у меня есть это отставание, с 10 нейронами в скрытом слое и набором тренировок и испытаний, является это отставание. Если я перехожу на 1000 нейронов, набор для тренировки отлично, с почти нулевой ошибкой, но набор тестов имеет большую ошибку, чем когда было 10 нейронов.Итак, с 1000 нейронами модель действительно хороша для тренировки, но ужасна для набора тестов. – ViniciusArruda

+0

Просто, чтобы дополнить 1000 нейронов в скрытом слое, модель переработана, и с 10 нейронами модель, как вы сказали, недостаточно хороша. – ViniciusArruda

+0

Правильно, так что ответ правильный: вам нужно улучшить модель. Я предлагаю вам пометить этот ответ как правильный и задать новый вопрос с конкретными подробностями о вашей модели и проблемами, с которыми вы сталкиваетесь с ней, и методы, которые вы пробовали. – mhopeng