دانلود کتاب Grammar-Based Feature Generation for Time-Series Prediction (به فارسی: تولید ویژگی مبتنی بر گرامر برای پیشبینی سریهای زمانی) نوشته شده توسط «Anthony Mihirana De Silva – Philip H. W. Leong (auth.)»
اطلاعات کتاب تولید ویژگی مبتنی بر گرامر برای پیشبینی سریهای زمانی
موضوع اصلی: تجارت و اقتصاد
نوع: کتاب الکترونیکی
ناشر: Springer-Verlag Singapur
نویسنده: Anthony Mihirana De Silva – Philip H. W. Leong (auth.)
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2015
تعداد صفحه: 99 / 105
حجم فایل: 4.43 مگابایت
کد کتاب: 9812874100 , 9789812874108
نوبت چاپ: 1
توضیحات کتاب تولید ویژگی مبتنی بر گرامر برای پیشبینی سریهای زمانی
این کتاب یک رویکرد جدید برای پیشبینی سریهای زمانی با استفاده از تکنیکهای یادگیری ماشین با تولید ویژگیهای خودکار پیشنهاد میکند. استفاده از تکنیکهای یادگیری ماشین برای پیشبینی سریهای زمانی به دلیل دشواری مسائل پیشبینی همراه با ماهیت غیرخطی و غیر ثابت سریهای زمانی دنیای واقعی، همچنان توجه قابلتوجهی را به خود جلب میکند. عملکرد تکنیک های یادگیری ماشین، از جمله موارد دیگر، به مهندسی مناسب ویژگی ها بستگی دارد. این کتاب روشی نظاممند برای ایجاد ویژگیهای مناسب با استفاده از دستور زبان بدون متن پیشنهاد میکند. تعدادی از معیارهای انتخاب ویژگی بررسی شده و یک الگوریتم ترکیبی تولید و انتخاب ویژگی با استفاده از تکامل دستوری پیشنهاد شده است. این کتاب حاوی تصاویر گرافیکی برای توضیح فرآیند تولید ویژگی است. رویکردهای پیشنهادی با پیشبینی قیمت بسته شدن شاخصهای عمده بازار سهام، اوج بار برق و حجم خالص تجارت مشتری ارز ساعتی نشان داده شدهاند. روش پیشنهادی میتواند برای طیف گستردهای از معماریها و برنامههای یادگیری ماشین اعمال شود تا وابستگیهای ویژگیهای پیچیده را به صراحت نشان دهد، زمانی که یادگیری ماشین به خودی خود نمیتواند به آن دست یابد. برنامه های صنعتی می توانند از تکنیک پیشنهادی برای بهبود پیش بینی های خود استفاده کنند.
This book proposes a novel approach for time-series prediction using machine learning techniques with automatic feature generation. Application of machine learning techniques to predict time-series continues to attract considerable attention due to the difficulty of the prediction problems compounded by the non-linear and non-stationary nature of the real world time-series. The performance of machine learning techniques, among other things, depends on suitable engineering of features. This book proposes a systematic way for generating suitable features using context-free grammar. A number of feature selection criteria are investigated and a hybrid feature generation and selection algorithm using grammatical evolution is proposed. The book contains graphical illustrations to explain the feature generation process. The proposed approaches are demonstrated by predicting the closing price of major stock market indices, peak electricity load and net hourly foreign exchange client trade volume. The proposed method can be applied to a wide range of machine learning architectures and applications to represent complex feature dependencies explicitly when machine learning cannot achieve this by itself. Industrial applications can use the proposed technique to improve their predictions.
دانلود کتاب «تولید ویژگی مبتنی بر گرامر برای پیشبینی سریهای زمانی»
📖 خرید این کتاب
برای دریافت فایل و اطلاع از قیمت، روی یکی از دکمههای زیر کلیک کنید تا پیام آماده برای شما ارسال شود:
پس از ارسال پیام، قیمت و لینک دریافت فایل در اسرع وقت برای شما ارسال خواهد شد.