Economic Implications of Deep Machine Learning for Tourism Time Series Forecast

Predpovedanie tokov aktívneho cestovného ruchu pomocou metód umelej neurónovej siete. Skúmanie, ktoré modely predpovedí časových radov - Exponenciálne vyrovnanie, TBATS, Auto ARIMA, Theta alebo LSTM majú lepší odhad presnosti a môžu byť v budúcnosti použité pre podobné úlohy na výskumné a praktické...

Ausführliche Beschreibung

Bibliographische Detailangaben

1. Verfasser:	Petrova Vasenska, Ivanka
Format:	Buchkapitel
Sprache:	Englisch
Schlagworte:	rady časové predvídanie modely prognostické učenie strojové inteligencia umelá softvér ruch cestovný
Tags:	Tag hinzufügen Keine Tags, Fügen Sie das erste Tag hinzu!