使用NHiTs进行预测：融合深度学习与信号处理理论，实现更高精度

文章预览

NHiTS（神经层次时间序列预测插值模型）于两年前问世，自此便在预测领域收获了广泛关注。 它是一个多功能模型，能够接受历史观测数据、未来已知输入以及静态外生变量。 该模型可应用于多个预测领域，包括能源需求、零售以及金融市场等。 它轻便且高效，与依赖“堆砌”隐藏层的典型深度学习模型不同，NHiTS模型利用信号理论概念，以极少的参数提升性能。 而且其多速率信号采样策略使模型能够捕捉复杂的频率模式，这对于金融预测等领域至关重要，该模型同样可用于概率预测。 本文将详细阐述NHiTS，分析其架构，并通过实例突出其优势及内部工作原理。 另外大家想更系统的学习机器学习、深度学习在信号处理中的应用，可以看看下面这篇文章中推荐的书籍。 点击图片即可跳转 NHiTS简介 NHiTS（Neural Hierarchical Interpolation for Time Series Forecastin ………………………………