LSTM提出到目前为止的时间序列预测算法有哪些,按时间顺序具体说明
时间: 2023-11-10 12:35:38 浏览: 159
利用LSTM进行时间序列预测
LSTM是一种广泛应用于时间序列预测的算法,以下是按时间顺序列出的一些相关算法:
1. 1997年,Hochreiter和Schmidhuber提出了LSTM算法,该算法通过使用门控单元来控制信息的流动。
2. 2006年,Graves和Schmidhuber提出了Connectionist Temporal Classification (CTC)算法,该算法使用LSTM进行时间序列分类,可以自动对齐输入和输出序列。
3. 2014年,Sutskever等人提出了Seq2Seq模型,该模型使用两个LSTM网络,一个编码器和一个解码器,来实现机器翻译任务。
4. 2015年,Shi等人提出了DeepAR模型,该模型使用多层LSTM网络来预测时间序列数据,可以捕捉复杂的季节性和趋势性。
5. 2016年,Oord等人提出了WaveNet模型,该模型使用卷积神经网络结合LSTM来生成高质量的语音合成。
6. 2017年,Yu等人提出了LSTNet模型,该模型使用LSTM和卷积神经网络结合来预测多变量时间序列数据。
7. 2018年,Wang等人提出了DeepState模型,该模型使用LSTM和卷积神经网络结合来预测时空序列数据,可以捕捉空间和时间上的依赖关系。
这些算法都是基于LSTM的时间序列预测算法,它们在不同领域和任务中都有广泛的应用。
阅读全文