深度学习神经网络在时间序列预测中的应用

Question

我将开始进行互联网流量预测（时间序列预测）的工作，使用人工神经网络，但我对此并没有太多经验。

1. 有没有人知道哪种方法最适合这个问题？（使用哪种类型的神经网络进行时间序列预测）

2. 深度学习通过无监督训练，对于时间序列学习是否是一个好主意？

- Tiago P. O.

Answer 1

你可以使用神经网络进行时间序列预测，但这可能会变得非常棘手。

1）显而易见的选择是递归神经网络（RNN）。然而，这些可以很难训练，如果您第一次使用神经网络，我不建议您使用RNN。最近在简化RNN训练方面有一些有趣的工作（例如Hessian-free优化），但同样 - 这可能不适合初学者;-)或者，您可以尝试一种方案，其中使用标准神经网络（即非RNN），并尝试从先前的数据帧预测下一帧？那可能有效。

2）这个问题太泛化了，没有确定的正确答案。是的，您可以将无监督特征学习作为解决方案的一部分（例如预训练您的模型），但如果您的最终目标是时间序列预测，则还需要进行一些监督学习。

祝你好运！

- anderso

---

感谢@anderso的回答。我进行了一些实验，使用了RNN、MLP和SAE（堆叠自编码器）。RNN和MLP表现良好，取得了不错的结果，其中RNN稍微好一些。对于深度学习，我选择了SAE，因为它更容易使用，并且可以作为无监督的预训练，但是效果并不如RNN和MLP好。我在考虑也许BDN和Continuous RBM是预测时间序列的好方法，我可能会尝试一下。 - Tiago P. O.