ПОДБОР ПАРАМЕТРОВ ПРИ ОБУЧЕНИИ РЕКУРРЕНТНОЙ НЕЙРОННОЙ СЕТИ ДЛЯ УЛУЧШЕНИЯ КАЧЕСТВА ПРЕДСКАЗАНИЯ ПАРАМЕТРОВ ОБЪЕКТА ТЕПЛОСНАБЖЕНИЯ
Ключевые слова:прогнозирование временных рядов, искусственные нейронные сети, АСУ ТП. Авторы: Олейников В.С. - Старший преподаватель СПбПУ Федотовских Е.А., Коновалов К.Д. - Студенты СПбПУ. В настоящее время искусственные нейронные сети используются для предсказаний технологического параметра или массива параметров в различных сферах. Одна из таких сфер – автоматизированные пункты теплоснабжения зданий. Такие объекты работают по принципу подачи тепла на жилые объекты и объекты инфраструктуры в зависимости от наружной температуры, что является экономически выгодным...
06:44
1,0×
00:00/06:44
38,7 тыс смотрели · 3 года назад
133 читали · 7 месяцев назад
Предсказание цены криптовалюты Python. LSTM Модель. TensorFlow.
So Deep Data В данной статье мы рассмотрим процесс предсказания цены криптовалюты с использованием модели долгой краткосрочной памяти (LSTM). Мы будем использовать исторические данные по цене биткоина (BTC-USD) для обучения модели и последующего прогнозирования цены на следующий день. Подготовка данных Мы начнем с загрузки исторических данных по цене биткоина с использованием библиотек pandas, yfinance и pandas_ta. Затем мы добавим несколько технических индикаторов, таких как RSI и скользящие средние, для улучшения прогнозов модели...