Time-series-forecasting-via-deep-reinforcement-learning
2022-07-18 16:07:00
104KB
1
Fourier con Matlab系列https://youtu.be/A4pPMjUCpu4
2022-07-17 23:23:37
141KB
1
2018系列提供表面安装复位电流保护，保持电流从0.3A到2.0A。本系列适用于工作电压高达60V、具有较高保持力的场合。4008315889
2022-07-15 19:04:39
251KB
1
模型时间集合
使用Modeltime进行时间序列预测的集成算法
一个modeltime扩展，它实现了集成预测方法，包括模型平均，加权平均和堆栈。
安装
安装CRAN版本：
install.packages( " modeltime.ensemble " )
或者，安装开发版本：
remotes :: install_github( " business-science/modeltime.ensemble " )
入门
：了解使用Modeltime进行预测的基础知识。
：了解Modeltime集成模型的预测基础。
在几分钟内使您的第一支乐团
加载以下库。
library( tidymodels )
library( modeltime )
library( modeltime.ensemble )
library( tidyverse )
library( timetk )
第
2022-07-14 15:30:31
3.96MB
1
特色
根据时间序列数据计算各种特征。 R包Python实现。
安装
您可以使用以下tsfeatures从安装tsfeatures的发行版本：
pip install tsfeatures
用法
tsfeatures主函数默认情况下计算Montero-Manso，Talagala，Hyndman和Athanasopoulos在。
from tsfeatures import tsfeatures
该函数接收具有unique_id ， ds ， y列以及可选的数据频率的面板熊猫df。
tsfeatures ( panel , freq = 7 )
默认情况下（ freq=None ），该函数将尝试推断每个时间序列的频率（使用ds列上pandas infer_freq ）并根据内置字典FREQS分配一个季节性周期：
FREQS = { 'H' : 24 , 'D' : 1 ,
2022-07-11 10:53:11
77KB
1
AMD Radeon R7 350 Series_23.20.15033.5003_3-22-2018_6.1_x64.zip
2022-07-10 23:37:42
5.07MB
1
Apache MXNet Gluon中的LSTNet实现
该存储库包含本文的实现： ://arxiv.org/abs/1703.07015，基于该存储库中作者的原始PyTorch实现： :
请参考该论文以获取有关网络体系结构的背景知识。
运行脚本
要获取命令行参数列表：
python train.py-帮助
2022-07-10 13:19:30
8KB
1