Neural network 时间序列预测的深度学习神经网络

我正在开始一项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，但我对这方面的经验很少

有人知道哪种方法最好吗？（哪种类型 神经网络在时间序列预测中的应用（英文）

在无监督的培训下进行深度学习是一个好主意吗 系列学习

---

你可以用神经网络做时间序列预测，但它会变得相当棘手

1） 显而易见的选择是递归神经网络（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，有一些关于简化RNN训练的有趣工作（例如Hessian free optimization），但再一次-这可能不适合初学者；-）或者，您可以尝试使用标准神经网络（即非RNN）的方案，并尝试从上一帧预测下一帧数据？那可能行得通

2） 这个问题太笼统了，没有绝对正确的答案。是的，您可以使用无监督特征学习作为解决方案的一部分（例如，预先训练您的模型），但如果您的最终目标是时间序列预测，则您也需要进行一些监督学习

---

祝你好运

谢谢你的回答@anderso。我做了一些实验，并使用RNN、MLP和SAE（堆叠自动编码器）。RNN和MLP都做得很好，结果也不错，RNN稍微好一点。对于深度学习，我选择SAE，因为它更易于使用，并且作为预培训的无监督学习，但没有多大帮助，结果比RNN和MLP差。我在想，也许BDN和连续RBM是预测时间序列的好方法，我可能会尝试一下。