每条资料为网盘目录，目录内同时包含该算法的 Word 和 PDF 文件。提取码已直接显示，打开网盘后按提示提取即可；如链接失效，请联系售后支持。
No.150
资料已配置
用于使用一维卷积神经网络建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
Word · 150-CNN1D-一维卷积神经网络-20260801-061045.docx
PDF · 150-CNN1D-一维卷积神经网络-20260801-061045.pdf
No.151
资料已配置
用于使用DeepAR建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
Word · 151-DeepAR-DeepAR-20260801-065153.docx
PDF · 151-DeepAR-DeepAR-20260801-065153.pdf
No.152
资料已配置
用于使用门控循环单元建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
Word · 152-GRU-门控循环单元-20260801-061052.docx
PDF · 152-GRU-门控循环单元-20260801-061052.pdf
No.153
资料已配置
用于使用Informer建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
Word · 153-Informer-Informer-20260801-061055.docx
PDF · 153-Informer-Informer-20260801-061055.pdf
No.154
资料已配置
用于使用长短期记忆网络建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
Word · 154-LSTM-长短期记忆网络-20260801-061059.docx
PDF · 154-LSTM-长短期记忆网络-20260801-061059.pdf
No.155
资料已配置
用于使用多层感知机建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
Word · 155-MLP-多层感知机-20260801-061103.docx
PDF · 155-MLP-多层感知机-20260801-061103.pdf
No.156
资料已配置
用于使用N-BEATS建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
Word · 156-NBEATS-N-BEATS-20260801-061107.docx
PDF · 156-NBEATS-N-BEATS-20260801-061107.pdf
No.157
资料已配置
用于使用时序卷积网络建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
Word · 157-TCN-时序卷积网络-20260801-061110.docx
PDF · 157-TCN-时序卷积网络-20260801-061110.pdf
No.158
资料已配置
用于使用Temporal Fusion Transformer建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
Word · 158-TFT-Temporal Fusion Transformer-20260801-061114.docx
PDF · 158-TFT-Temporal Fusion Transformer-20260801-061114.pdf
No.159
资料已配置
用于使用Transformer 时序建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
Word · 159-TransformerTS-Transformer 时序-20260801-061117.docx
PDF · 159-TransformerTS-Transformer 时序-20260801-061117.pdf