Deep Learning in Time Series Analysis av Arash (Malardalen University Vastmanland Sweden) Gharehbaghi

Boken 'Deep Learning in Time Series Analysis' tar for seg dyplæring som en sentral komponent innen kunstig intelligens, med spesiell vekt på applikasjoner som bildeklassifisering, der ulike arkitekturer av nevrale nettverk, som konvolusjonelle nevrale nettverk, har vist seg å gi pålitelige resultater. Denne boken fokuserer i stedet på bruk av dyplæring for analyse av tidsserier, spesielt sykliske tidsserier. Forfatteren gir en grundig gjennomgang av metodene som anvendes for å analysere tidsserier på et dypt nivå i deres arkitekturer. Sykliske tidsserier har ofte spesielle egenskaper som kan benyttes for å forbedre klassifiseringsytelsen, og disse blir grundig adressert i teksten. I tillegg behandles prosessering av sykliske tidsserier også i boken. Et viktig aspekt ved klassifisering av stokastiske tidsserier er den strukturelle risikoen knyttet til arkitekturen i klassifiseringsmetodene. Boken formulerer og drøfter denne strukturelle risikoen, samt læringskapasiteten definert for en klassifiseringsmetode. Disse formuleringene og de matematiske utledninger vil hjelpe forskere i å forstå metodene bedre.