Literalmente no tengo idea de cuál sería la revisión más reciente.
Hay MUCHOS modelos para series temporales, y todos son mucho más intuitivos para tragar que las redes neuronales. Las redes neuronales también se adaptan en exceso. Esto no es de mi agrado.
Como practicante, usaría modelos clásicos {ARIMA, ARCH, GARCH, SARIMA, … y literalmente cientos de otros} antes de decidir qué características se usarían al usar una red neuronal en él. Entonces supongo que enchufaría la caja negra y esperaría lo mejor ahora que renuncié a cualquier esperanza de comprensión.
- ¿Cómo funciona la capa de clasificación softmax de una red neuronal?
- ¿Cómo se usa el modelado bayesiano para la inteligencia artificial?
- Si quiero solicitar una maestría con un área de investigación en aprendizaje automático, ¿debería elegir inteligencia artificial en un curso de maestría en educación física o elegir las estadísticas de EM en UC Berkeley?
- ¿Cómo se usa el aprendizaje automático en la extracción de información?
- ¿Qué es Cleverbot y es seguro?
¿Mi opinión es sutil? Las redes neuronales no están diseñadas para esto, tal vez con un pequeño ajuste y lo que sea que puedas expresar formalmente como viable, pero ciertamente no lo usaría. Detección de características? Tal vez.
Si desea mejorar la precisión de su serie temporal, consulte las competiciones de la serie M. Alerta de spoiler: promediar diferentes modelos ayuda a predecir un montón.
¡Las redes neuronales son geniales para todos! Los uso Simplemente no.
