Economic Implications of Deep Machine Learning for Tourism Time Series Forecast

Predpovedanie tokov aktívneho cestovného ruchu pomocou metód umelej neurónovej siete. Skúmanie, ktoré modely predpovedí časových radov - Exponenciálne vyrovnanie, TBATS, Auto ARIMA, Theta alebo LSTM majú lepší odhad presnosti a môžu byť v budúcnosti použité pre podobné úlohy na výskumné a praktické...

Celý popis

Uložené v:
Hlavný autor: Petrova Vasenska, Ivanka
Médium: Kapitola
Jazyk:English
Predmet:
rady časové
predvídanie
modely prognostické
učenie strojové
inteligencia umelá
softvér
ruch cestovný
Tagy: Pridať tag
Žiadne tagy, Buďte prvý, kto otaguje tento záznam!
Shrnutí:Predpovedanie tokov aktívneho cestovného ruchu pomocou metód umelej neurónovej siete. Skúmanie, ktoré modely predpovedí časových radov - Exponenciálne vyrovnanie, TBATS, Auto ARIMA, Theta alebo LSTM majú lepší odhad presnosti a môžu byť v budúcnosti použité pre podobné úlohy na výskumné a praktické ekonomické účely.

Podobné jednotky