آموزش پیش‌بینی سری‌های زمانی با مدل یادگیری عمیق LSTM در MATLAB

امروزه علوم مرتبط با هوش مصنوعی و یادگیری ماشین کاربرد وسیعی در حوزه مهندسی، پزشکی و اقتصاد پیدا کرده است. در سال‌های اخیر، الگوریتم‌های یادگیری ماشین و به طور خاص یادگیری عمیق رهیافت‌های جدیدی برای حل مسائل پیش‌بینی سری زمانی، رگرسیون، تخمین تابع و طبقه‌بندی داده ارائه کرده‌اند.

 هدف از توسعه یک مدل پیش‌بینی سری زمانی، پیش‌بینی کردن مقادیر آینده بر اساس داده‌های تاریخی زمان است. نمونه‌ای از کاربردهای این مدل شامل پیش‌بینی مقادیر حالت‌های یک سیستم در زمان آینده با استفاده از تاریخچه سری زمانی آن، پیش‌بینی آب‌وهوا و پیش‌بینی قیمت سهام است.

 در این آموزش نحوه توسعه شبکه عصبی عمیق از نوع LSTM (Long-Short Term Memory) برای حل مسئله پیش‌بینی سری زمانی با استفاده از یک پایگاه داده واقعی ارائه می‌شود. برای این منظور نحوه بارگذاری پایگاه داده، روند تقسیم‌بندی داده‌ها به انواع آموزش و تست، نحوه مدل کردن تاخیر در فرایند پیش‌بینی، روند نرمال کردن داده‌ها، پیاده‌سازی و آموزش مدل پیش‌بین LSTM و در نهایت ارزیابی نتایج و نحوه اصلاح مدل تشریح می‌شود.