用于时间序列预测的深度学习神经网络答案

【问题标题】：Deep Learning Neural Networks for Time Series Prediction用于时间序列预测的深度学习神经网络
【发布时间】：2014-06-25 01:47:29
【问题描述】：

我正在开始使用人工神经网络进行互联网流量预测（时间序列预测）的工作，但我对此事的经验很少。

有谁知道哪种方法最适合？（哪种类型用于时间序列预测的神经网络）
采用无监督训练的深度学习是节省时间的好主意吗系列学习？

【问题讨论】：

标签： neural-network time-series prediction deep-learning

【解决方案1】：

您可以使用神经网络进行时间序列预测，但它会变得相当棘手。

1) 显而易见的选择是循环神经网络 (RNN)。然而，这些可能真的很难训练，如果这是你第一次使用神经网络，我不会推荐 RNN。最近有一些有趣的工作可以简化 RNN 的训练（例如 Hessian-free 优化），但同样 - 它可能不适合初学者；-) 或者，您可以尝试使用标准神经网络的方案（即不是RNN），并尝试从前一帧预测下一帧数据？这可能行得通。

2) 这个问题太笼统了，没有绝对正确的答案。是的，您可以将无监督特征学习作为解决方案的一部分（例如预训练模型），但如果您的最终目标是时间序列预测，则您需要也做一些监督学习。

祝你好运！

【讨论】：

感谢@anderso 的回答。我做了一些实验并使用了 RNN、MLP 和 SAE（堆叠式自动编码器）。 RNN 和 MLP 都做得很好，找到了很好的结果，RNN 稍微好一点。对于深度学习，我选择了 SAE，因为它更易于使用，并且无监督作为预训练，但没有太大帮助，结果比 RNN 和 MLP 差。我在想也许 BDN 和 Continuous RBM 是预测时间序列的好方法，我可能会尝试。