TY -的A2 -汗,伊姆兰盟,任译PY - 2022 DA - 2022/10/11 TI -数据科学分析方法设计通过大数据技术和关注神经网络SP - 9915481六世- 2022 AB -由于大数据技术的快速扩张,时间序列数据正在上升。这些时间序列数据包括大量的隐藏信息,和采矿和评估隐藏信息是非常重要的在金融、医疗保健和交通。时间序列数据的预测是一个数据科学分析应用程序,然而目前时间序列数据预测模型并不能完全占了时间序列数据的特点。传统的机器学习算法提取数据特征通过人为设计的规则,而深度学习学习数据通过多种处理层的抽象表示。这不仅节省了手工提取特征的一步,但也大大提高了模型的泛化性能。因此,本工作利用大数据技术来收集相应的时间序列数据,然后使用深度学习研究时间序列数据预测的问题。这项工作提出了一种时间序列数据预测分析网络(TSDPANet)。首先,这项工作提高了传统《盗梦空间》模块,提出了一种特征提取模块适用于二维时间序列数据。在二维卷积,这解决了时间序列的低效率。第二,功能注意方法对时间序列特性的概念提出了研究。 The model focuses the neural network’s data on the effectiveness of several measures. The feature attention module is used to assign different weights to different features according to their importance, which can effectively enhance and weaken the features. Third, this work conducts multi-faceted experiments on the proposed method. SN - 1574-017X UR - https://doi.org/10.1155/2022/9915481 DO - 10.1155/2022/9915481 JF - Mobile Information Systems PB - Hindawi KW - ER -