Este é o aplicativo Linux chamado Nixtla Neural Forecast, cuja versão mais recente pode ser baixada como v3.0.2sourcecode.tar.gz. Ele pode ser executado online no provedor de hospedagem gratuita OnWorks para estações de trabalho.
Baixe e execute online este aplicativo chamado Nixtla Neural Forecast com OnWorks gratuitamente.
Siga estas instruções para executar este aplicativo:
- 1. Baixe este aplicativo em seu PC.
- 2. Entre em nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que você deseja.
- 3. Carregue este aplicativo em tal gerenciador de arquivos.
- 4. Inicie o emulador OnWorks Linux online ou Windows online ou emulador MACOS online a partir deste site.
- 5. No sistema operacional OnWorks Linux que você acabou de iniciar, acesse nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que deseja.
- 6. Baixe o aplicativo, instale-o e execute-o.
SCREENSHOTS
Ad
Previsão Neural de Nixtla
DESCRIÇÃO
O NeuralForecast oferece uma ampla coleção de modelos de previsão neural com foco em desempenho, usabilidade e robustez. Os modelos variam de redes clássicas, como RNNs, aos transformadores mais recentes: MLP, LSTM, GRU, RNN, TCN, TimesNet, BiTCN, DeepAR, NBEATS, NBEATSx, NHITS, TiDE, DeepNPTS, TSMixer, TSMixerx, MLPMultivariate, DLinear, NLinear, TFT, Informer, AutoFormer, FedFormer, PatchTST, iTransformer, StemGNN e TimeLLM. Há uma crença compartilhada na capacidade dos métodos de previsão neural de melhorar a precisão e a eficiência do pipeline de previsão. Infelizmente, as implementações disponíveis e as pesquisas publicadas ainda não concretizaram o potencial das redes neurais. Elas são difíceis de usar e falham continuamente em superar os métodos estatísticos, além de serem computacionalmente proibitivas. Por esse motivo, criamos o NeuralForecast, uma biblioteca que privilegia modelos comprovadamente precisos e eficientes, com foco em sua usabilidade.
Recursos
- Implementações rápidas e precisas de mais de 30 modelos de última geração
- Suporte para variáveis exógenas e covariáveis estáticas
- Métodos de interpretabilidade para tendência, sazonalidade e componentes exógenos
- Previsão probabilística com adaptadores para perdas quantílicas e distribuições paramétricas
- Perdas de treinamento e avaliação com erros dependentes de escala, percentuais e independentes de escala e verossimilhanças paramétricas
- Seleção automática de modelo com ajuste automático de hiperparâmetros distribuídos
- Sintaxe familiar do sklearn: .fit e .predict
Linguagem de Programação
Python
Categorias
Este é um aplicativo que também pode ser obtido em https://sourceforge.net/projects/nixtla-neural-forecast.mirror/. Ele foi hospedado no OnWorks para ser executado online da maneira mais fácil em um de nossos sistemas operacionais gratuitos.
