시계열 분야의 딥러닝
- 최초 등록일
- 2022.04.24
- 최종 저작일
- 2022.04
- 3페이지/ 한컴오피스
- 가격 2,500원
소개글
"시계열 분야의 딥러닝"에 대한 내용입니다.
목차
Ⅰ. 서론
Ⅱ. 본론
1. 시계열 분야의 딥러닝
2. 신경망
Ⅲ. 결론
Ⅳ. 참고문헌
본문내용
I. 서론
시계열 분야에서도 AI기술을 사용하고 있다. 과거에는 통계적인 방법에 해당하는 ARMA, ARIMA등의 방법을 사용하여 예측을 하였으나 딥러닝의 성능이 매우 뛰어나다는 점이 밝혀짐에 따라서 최근에는 딥러닝에 대한 적용 및 검증을 진행하고 있다. 이와 같이 시계열 예측을 위한 딥러닝 모델의 종류는 크게 3가지(RNN 기반, CNN 기반, Attention 기반)로 분류해볼 수 있다. 본 보고서에서는 이에 대한 방법에 대한 조사 내용을 알아보도록 하겠다.
II. 본론
1. 시계열 분야의 딥러닝
시계열 분야에 있어 딥러닝을 사용하고 있는데 이에 대한 방법으로는 다음과 같다.
● Autoencoders
● InceptionTime
● DeepAR
● N-BEATS
● 순환신경망(RNN)
● 컨브넷(ConvNets)
● 트랜스포머(Transformer) 아키텍처
● 인포머(Informer)
참고 자료
김수빈(2021), Informer Paper Review, 고려대학교
Ben Auffarth(2021), Machine Learning for Time-Series with Python, Packt