时间序列分析中的深度学习

Deep Learning in Time Series Analysis

深度学习是人工智能的重要组成部分，尤其是在图像分类等应用中，各种神经网络架构（例如卷积神经网络）已经产生了可靠的结果。

本书介绍了用于时间序列分析的深度学习，尤其是循环时间序列。它详细阐述了在其架构的深层进行时间序列分析的方法。

循环时间序列通常具有特殊的特征，可用于更好的分类性能。这些在书中都有提及。处理循环时间序列也包含在本文中。

对随机时间序列进行分类的一个重要因素是与分类方法架构相关的结构风险。

该书解决并制定了结构风险，以及为分类方法定义的学习能力。

这些公式和数学推导将有助于研究人员理解这些方法，甚至以客观的数学方式表达他们的方法。

本书被设计为一本自学教材，面向具有不同机器学习背景和理解水平的读者，包括该领域的学生、工程师、研究人员和科学家。

本书提供的大量信息插图将引导读者深入了解时间序列分析的深度学习方法。