Napovedovanje časovnih vrst z nevronskimi mrežami z dolgim kratkoročnim spominomRoštan, Teja (Avtor) Guid, Matej (Mentor) Vodopivec, Tom (Komentor) analiza časovnih vrstobdelava časovnih vrstnapovedovanjenevronske mreže z dolgim kratkoročnim spominomspletno oglaševanjegručenjeZa napovedovanje časovnih vrst je dolgo veljalo načelo, da enostavne metode v napovednih točnostih presegajo metode strojnega učenja. Vendar pa enostavni modeli ne znajo izrabljati raznovrstnih medsebojnih odvisnosti in informacij, ki jih ponujajo časovne vrste, vsebinsko sorodne ali podobne tistim, ki so predmet napovedi. Pojav masovnih podatkov je povezan tudi z zbiranjem ogromnega števila časovnih vrst, vendar pa ob uporabi enostavnih, klasičnih metod, njihov visok potencial za izboljšanje natančnosti napovedi ostaja neizkoriščen. Nevronske mreže so dobile priložnost, da zapolnijo omenjeno vrzel. Za delo z zaporednimi podatki so primerne povratne nevronske mreže, ki pri napovedih znajo izkoriščati medsebojne odvisnosti časovnih točk. Med njimi veljajo za še zlasti uspešne pri napovedovanju časovnih vrst tako imenovane nevronske mreže z dolgim kratkoročnim spominom. V delu smo se osredotočili na izgradnjo in optimizacijo tega tipa nevronskih mrež. Naš namen je bil izboljšati napovedno točnost pri napovedovanju časovnih vrst ter hkrati razumeti, zakaj in koliko k temu izboljšanju prispevajo posamezni dejavniki. Napovedovali smo število klikov na oglase na družabnem omrežju Facebook. Najprej smo analizirali različne kombinacije obdelav časovnih vrst, za katere se je izkazalo, da bi lahko vplivale na izboljšanje natančnosti napovedi. Nevronske mreže smo učili na skupini sorodnih časovnih vrst in napovedi primerjali s klasičnimi pristopi napovedovanja časovnih vrst ARIMA, ARIMAX in VAR. Raziskali smo tudi več možnosti za izboljšanje uspešnosti napovedovanja z nevronskimi mrežami s pomočjo uporabe podobnih časovnih vrst. Po pričakovanjih se je izkazalo, da nevronske mreže z dolgim kratkoročnim spominom ob ustrezni obdelavi podatkov dosegajo višjo napovedno točnost kot klasični modeli. Pokazali smo, da je z uporabo podobnih časovnih vrst napovedi možno še dodatno izboljšati, vendar pa ta pristop vselej ne pomaga.20182018-07-26 15:51:59Magistrsko delo/naloga102241sl