Andere Kunden interessierten sich auch für
![Méthodes d'optimisation et de prévision du trafic d'un site web]( "Méthodes d'optimisation et de prévision du trafic d'un site web")
Méthodes d'optimisation et de prévision du trafic d'un site web36,99 €![Contribution à la modélisation par les machines d'apprentissage]( "Contribution à la modélisation par les machines d'apprentissage")
Contribution à la modélisation par les machines d'apprentissage33,99 €![Sur Quelques Problèmes d'Apprentissage Supervisé et Non Supervisé]( "Sur Quelques Problèmes d'Apprentissage Supervisé et Non Supervisé")
Sur Quelques Problèmes d'Apprentissage Supervisé et Non Supervisé38,99 €![Fusion de Données Et Modèles Bayésiens Pour La Télémédecine]( "Fusion de Données Et Modèles Bayésiens Pour La Télémédecine")
Fusion de Données Et Modèles Bayésiens Pour La Télémédecine32,99 €![Utilisation de modèles de mélange de classes latentes pour définir les endotypes de septicémie]( "Utilisation de modèles de mélange de classes latentes pour définir les endotypes de septicémie")
Utilisation de modèles de mélange de classes latentes pour définir les endotypes de septicémie23,99 €![Les modèles de séries chronologiques spatio-temporelles multivariées]( "Les modèles de séries chronologiques spatio-temporelles multivariées")
Les modèles de séries chronologiques spatio-temporelles multivariées32,99 €![Le langage des machines : Comprendre les grands modèles linguistiques]( "Le langage des machines : Comprendre les grands modèles linguistiques")
Le langage des machines : Comprendre les grands modèles linguistiques39,99 €
Ce livre explore l'application de diverses séries temporelles et de techniques d'apprentissage automatique pour modéliser et prévoir le trafic aérien national. Il fournit une étude complète des approches prédictives traditionnelles et modernes. Il présente une vaste revue de la littérature sur la modélisation du trafic aérien, couvrant les méthodes traditionnelles de séries temporelles (Holt's Winter, ARIMA, SARIMA) ainsi que les techniques avancées d'apprentissage automatique (FFNN, MLP, LSTM). Une analyse comparative de ces méthodes, soulignant leurs points forts et leurs limites, est également incluse. En outre, il explore l'estimation bayésienne des paramètres du modèle SARIMA. Les paramètres estimés et les prévisions sont comparés à l'approche traditionnelle du maximum de vraisemblance. Il étend la recherche en introduisant des modèles de mélange, des approches hybrides et des techniques simples de calcul de moyenne pour améliorer la précision des prédictions. L'efficacité de ces modèles est évaluée par une analyse comparative.