Apr, 2017

基于时间序列分析的印度医疗保健部门预测框架

PDF
TL;DR本文通过对 2010 年 1 月至 2016 年 12 月印度医疗保健部门的时间序列数据进行分解，并基于对其结构的分析提出了六种不同的预测方法，进而证明了这些方法的有效性。
stock market pricestime series analysisforecastinghealthcare sectormethod of forecasting
发现论文，激发创造
  • 自动预测：匈牙利水痘病例估计的时间序列预测模型评估

    本文利用时间序列预测技术对匈牙利的水痘病例进行模拟预测，演示 LSTM 模型在县级预测方面的表现优于其他模型，SARIMAX 模型在国家级预测方面的表现最佳。同时，我们的数据预处理方法的表现也优于传统的数据预处理方法。

    Sep, 2022

  • 基于时间序列分析的股票价格预测：机器学习和深度学习模型

    本研究利用统计学、机器学习和深度学习模型建立了一个强大而准确的股票价格预测框架，研究结果表明该多模型的结合方法可以从波动和随机的股票价格数据中有效地学习。

    Apr, 2020

  • 时间序列建模和预测入门研究

    本文研究了时间序列建模和预测，分别介绍了随机、神经网络和 SVM 基于模型的预测。实验结果表明不同模型的预测表现，以及采用不同评价指标评价不同模型。

    Feb, 2013

  • 时间序列分析与预测的机器学习算法

    本文介绍了时间序列分析和预测的重要性，详细调查了各种用于预测的方法，包括 ARIMA、Prophet 和 LSTMs 等统计和深度学习模型，完整阐述了预处理和验证的流程。

    Nov, 2022

  • 使用 CNN 和 LSTM 的深度学习模型 robust 分析股票价格时序

    本研究基于印度国家股票交易所（NSE）中一家著名公司自 2012 年 12 月 31 日至 2015 年 1 月 9 日间五分钟间隔的股票价格历史数据，构建了四个卷积神经网络（CNN）和五个长短时记忆（LSTM）深度学习模型，精确预测未来的股票价格，并提供了这些模型的执行时间和均方根误差（RMSE）的详细预测准确性结果。

    Nov, 2020

  • 基于历史和情感分析的股市预测模型 HiSA-SMFM

    该研究使用历史和情感数据，通过应用 LSTM，整合股票价格与新闻发布之间的强相关性，提高了股票价格的预测准确性。

    Mar, 2022

  • 2020-2022 年间金融时序预测的深度学习技术进展综述

    本文综述了近年来 2020 至 2022 年关于利用深度学习模型基于金融时序数据预测价格的研究，包括不同数据源和神经网络结构的实现细节，旨在让研究人员了解该领域最新进展，方便选择先前研究中使用的模型基线，并提供未来研究建议。

    Apr, 2023

  • 零售需求预测：多元时间序列的比较研究

    准确预测零售行业的需求是财务绩效和供应链效率的重要决定因素。本研究通过将顾客需求的时间序列数据与宏观经济变量（如消费者价格指数（CPI）、消费者信心指数（ICS）和失业率）相结合，开发并比较了各种回归和机器学习模型，以准确预测零售需求。

    Aug, 2023

  • 医学病理预测：系统综述和提出的方法

    本文分析和研究了使用最新技术（如大数据、人工智能、机器学习和深度学习）改善医疗保健的不同方法，提出了基于收集、预处理和聚类医疗数据的一般方法，以在可观的时间范围内预测最常见的病理。

    Apr, 2023

  • 基于分层金融数据的行业趋势分析 2.0

    本文提出了一种利用股票市场数据进行产业趋势分析的方法，并从显式分析和隐式分析两个方面引入了产业趋势分析方法，即层次数据分析和基于 GPT-2 预训练模型的分析，最终取得了良好的产业趋势分析结果。

    Mar, 2023