De-seasoning-Based Time Series Data Forecasting Method Using Recurrent Neural Network (RNN) and Tensor Flow

Die Vorhersage von Zeitreihendaten wird bis heute mit verschiedenen Methoden erforscht und hat viele Anwendungen in verschiedenen Bereichen wie Bestandsvorhersage, kontextabhängige Chat-Bots, kognitive Suchmaschinen usw. Auch bis heute wurden viele Statistik-Modelle wie ARIMA, ARMA usw. entwickelt. Ein neuer Ansatz wurde für die Vorhersage von Zeitreihendaten unter Verwendung von RNN mit dem Tensorflow-Framework entwickelt, das von Google für verschiedene Arten der Modellierung neuronaler Netzwerke entwickelt wurde. Die Entwürzung von Daten wird ebenfalls durchgeführt, um zu studieren und erzielt bessere Ergebnisse in diesem Aufsatz, ein Vergleichsdiagramm für dieselben wird präsentiert, hilft bei der Abstimmung der kontextuellen Informationen auf Chat-Bot-Programme und ist auch besser für andere Datenanalysen wie die Kontextsuche. Dieser Ansatz hilft uns auch, die Trainingsverluste zu verringern, um die Genauigkeit der Vorhersagen zu erhöhen.