| Titre : | Long Short-Term Memory in time series forecasting |
| Auteurs : | Sekran Mimouna Safia, Auteur ; Mokhtari Fatiha, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université de Saïda – Dr. Moulay Tahar – Faculté des Mathématiques, de l’Informatique et des Télécommunications, 2025/2026 |
| Format : | 87 ص |
| Accompagnement : | CD |
| Langues: | Anglais |
| Index. décimale : | BUC-M 008560 |
| Catégories : |
Master Mathématiques Specialization: Stochastic Statistical Analysis of Processes and Applications |
| Note de contenu : |
Contents
1 Overview of Time Series 1.1 Definition of a Time Series . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Examples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4 Fundamental Components of Time Series . . . . . . . . . . . . . . . . . . 1.4.1 The Trend . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4.2 The Seasonal Component . . . . . . . . . . . . . . . . . . . . . . 1.4.3 The Residual Component . . . . . . . . . . . . . . . . . . . . . . 1.4.4 The Accidental Phenomenon . . . . . . . . . . . . . . . . . . . . . 1.5 Stationary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.5.1 Definitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.5.2 Autocovariance Function and Autocorrelation Function . . . . . . 1.6 Stationary Process(ARMA process) . . . . . . . . . . . . . . . . . . . . . 1.6.1 Autoregressive Processes . . . . . . . . . . . . . . . . . . . . . . . 1.6.2 Moving Average Process . . . . . . . . . . . . . . . . . . . . . . . 1.6.3 ARMA Processes (AutoRegressive Moving Average) . . . . . . . . 1.7 Non Stationary process . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.7.1 ARIMA Process . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.7.2 SARIMA Process . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.8 Time Series Forecasting . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.8.1 Exponential Smoothing . . . . . . . . . . . . . . . . . . . . . . . 1.8.2 Box and Jenkins Method . . . . . . . . . . . . . . . . . . . . . . .10 3 Forecasting Time Series with LSTM 3.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Applications of LSTM . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3 The Architecture of LSTM . . . . . . . . . . . . . . . . . . . . . . . . . 3.3.1 LSTM Gates . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3.2 Cell state (Core Memory Unit) . . . . . . . . . . . . . . . . . . . 3.4 Complete LSTM Cell Formulation . . . . . . . . . . . . . . . . . . . . . . 3.4.1 Combined Equations . . . . . . . . . . . . . . . . . . . . . . . . . 3.4.2 Parameter Count . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.4.3 Computational Graph Description . . . . . . . . . . . . . . . . . . 3.4.4 Example: Character-Level Language Modeling . . . . . . . . . . . 3.5 The Working Mechanism of LSTM: . . . . . . . . . . . . . . . . . . . . . 3.6 Step By Step Implementation . . . . . . . . . . . . . . . . . . . . . . . . 3.7 LSTM for Time Series Forecasting . . . . . . . . . . . . . . . . . . . . . . 3.8 Application on Time Series Datasets . . . . . . . . . . . . . . . . . . . . 3.9 Application on Water Consumption Data of Saida-Algeria . . . . . . . . 3.94.1 R Implementation of The LSTM Model: . . . . . . . . . . . . . . 3.9.2 Comparison between LSTM and Traditional Time Series Models . 3.10 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
BUC-M 008560 Adobe Acrobat PDF |
