ນີ້ແມ່ນແອັບ Windows ທີ່ມີຊື່ວ່າ NeuralProphet ເຊິ່ງລຸ້ນຫຼ້າສຸດສາມາດດາວໂຫຼດໄດ້ໃນນາມ Beta0.5.3.zip. ມັນສາມາດດໍາເນີນການອອນໄລນ໌ຢູ່ໃນຜູ້ໃຫ້ບໍລິການໂຮດຕິ້ງຟຣີ OnWorks ສໍາລັບສະຖານີບ່ອນເຮັດວຽກ.
ດາວນ໌ໂຫລດແລະດໍາເນີນການອອນໄລນ໌ app ນີ້ມີຊື່ NeuralProphet ກັບ OnWorks ໄດ້ຟຣີ.
ປະຕິບັດຕາມຄໍາແນະນໍາເຫຼົ່ານີ້ເພື່ອດໍາເນີນການ app ນີ້:
- 1. ດາວໂຫຼດຄໍາຮ້ອງສະຫມັກນີ້ໃນ PC ຂອງທ່ານ.
- 2. ໃສ່ໃນຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 3. ອັບໂຫລດແອັບພລິເຄຊັນນີ້ຢູ່ໃນຕົວຈັດການໄຟລ໌ດັ່ງກ່າວ.
- 4. ເລີ່ມ emulator ອອນ ໄລ ນ ໌ OS OnWorks ຈາກ ເວັບ ໄຊ ທ ໌ ນີ້, ແຕ່ ດີກ ວ່າ Windows ອອນ ໄລ ນ ໌ emulator.
- 5. ຈາກ OnWorks Windows OS ທີ່ເຈົ້າຫາກໍ່ເລີ່ມຕົ້ນ, ໄປທີ່ຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 6. ດາວນ໌ໂຫລດຄໍາຮ້ອງສະຫມັກແລະຕິດຕັ້ງມັນ.
- 7. ດາວໂຫລດ Wine ຈາກບ່ອນເກັບມ້ຽນຊອບແວການແຈກຢາຍ Linux ຂອງທ່ານ. ເມື່ອຕິດຕັ້ງແລ້ວ, ທ່ານສາມາດຄລິກສອງຄັ້ງ app ເພື່ອດໍາເນີນການໃຫ້ເຂົາເຈົ້າກັບ Wine. ນອກນັ້ນທ່ານຍັງສາມາດລອງ PlayOnLinux, ການໂຕ້ຕອບທີ່ແປກປະຫຼາດໃນໄລຍະ Wine ທີ່ຈະຊ່ວຍໃຫ້ທ່ານຕິດຕັ້ງໂປລແກລມ Windows ແລະເກມທີ່ນິຍົມ.
ເຫຼົ້າແວງເປັນວິທີການແລ່ນຊອບແວ Windows ໃນ Linux, ແຕ່ບໍ່ມີ Windows ທີ່ຕ້ອງການ. ເຫຼົ້າແວງແມ່ນຊັ້ນຄວາມເຂົ້າກັນໄດ້ຂອງ Windows ແຫຼ່ງເປີດທີ່ສາມາດເອີ້ນໃຊ້ໂຄງການ Windows ໂດຍກົງໃນ desktop Linux ໃດກໍໄດ້. ໂດຍພື້ນຖານແລ້ວ, Wine ກໍາລັງພະຍາຍາມປະຕິບັດໃຫມ່ຢ່າງພຽງພໍຂອງ Windows ຕັ້ງແຕ່ເລີ່ມຕົ້ນເພື່ອໃຫ້ມັນສາມາດດໍາເນີນການຄໍາຮ້ອງສະຫມັກ Windows ທັງຫມົດໄດ້ໂດຍບໍ່ຕ້ອງໃຊ້ Windows.
ໜ້າ ຈໍ
Ad
ສາດສະດາ Neural
ລາຍລະອຽດ
NeuralProphet ເຊື່ອມຕໍ່ຊ່ອງຫວ່າງລະຫວ່າງແບບຈໍາລອງຊຸດເວລາແບບດັ້ງເດີມແລະວິທີການຮຽນຮູ້ເລິກ. ມັນອີງໃສ່ PyTorch ແລະສາມາດຕິດຕັ້ງໄດ້ໂດຍໃຊ້ pip. ຕົວແບບ Time-Series ທີ່ອີງໃສ່ Neural Network, ໄດ້ຮັບການດົນໃຈໂດຍ Facebook Prophet ແລະ AR-Net, ສ້າງຂຶ້ນໃນ PyTorch. ທ່ານສາມາດຊອກຫາຊຸດຂໍ້ມູນທີ່ນໍາໃຊ້ໃນການສອນ, ລວມທັງຕົວຢ່າງການປະມວນຜົນຂໍ້ມູນ, ໃນ neuralprophet-data repository ຂອງພວກເຮົາ. ໜ້າເອກະສານອາດຈະບໍ່ແມ່ນພວກເຮົາອັບເດດທັງໝົດ. Docstrings ຄວນຈະເຊື່ອຖືໄດ້, ກະລຸນາອ້າງອີງເຖິງສິ່ງທີ່ສົງໃສ. ພວກເຮົາກຳລັງເຮັດວຽກໃນການປັບປຸງເອກະສານ. ພວກເຮົາຂໍຂອບໃຈທີ່ຊ່ວຍປັບປຸງ ແລະອັບເດດເອກະສານ. ລາກ regressors (ລັກສະນະການວັດແທກ, ເຊັ່ນ: ເຊັນເຊີອຸນຫະພູມ). regressors ໃນອະນາຄົດ (ລັກສະນະທີ່ຮູ້ຈັກລ່ວງຫນ້າ, ເຊັ່ນ: ການຄາດຄະເນອຸນຫະພູມ). ວັນພັກຜ່ອນຂອງປະເທດ ແລະເຫດການພິເສດທີ່ເກີດຂຶ້ນຊ້ຳໆ. Spasity ຂອງຄ່າສໍາປະສິດໂດຍຜ່ານການເປັນປົກກະຕິ. ການວາງແຜນສໍາລັບອົງປະກອບຂອງການຄາດຄະເນ, ຕົວຄູນແບບຈໍາລອງເຊັ່ນດຽວກັນກັບການຄາດຄະເນສຸດທ້າຍ. ການຄັດເລືອກອັດຕະໂນມັດຂອງ hyperparameters ທີ່ກ່ຽວຂ້ອງກັບການຝຶກອົບຮົມ.
ຄຸນລັກສະນະ
- ຫຼັງຈາກການນໍາເຂົ້າຊຸດ, ທ່ານສາມາດນໍາໃຊ້ NeuralProphet ໃນລະຫັດຂອງທ່ານ
- ທ່ານສາມາດເບິ່ງຜົນໄດ້ຮັບຂອງທ່ານທີ່ມີຫນ້າທີ່ການວາງແຜນທີ່ inbuilt
- ຖ້າທ່ານຕ້ອງການຄາດຄະເນໃນອະນາຄົດທີ່ບໍ່ຮູ້ຈັກ, ຂະຫຍາຍກອບຂໍ້ມູນກ່ອນທີ່ຈະຄາດຄະເນ
- ໃນປັດຈຸບັນທ່ານສາມາດຕິດຕັ້ງ neuralprophet ໂດຍກົງກັບ pip
- Piecewise linear trend with optional detectpoint change ອັດຕະໂນມັດ
- ການສ້າງແບບຈໍາລອງການຕິດຕໍ່ກັນອັດຕະໂນມັດຜ່ານ AR-Net
- Fourier ໄລຍະ Seasonality ໃນໄລຍະທີ່ແຕກຕ່າງກັນເຊັ່ນ: ປະຈໍາປີ, ປະຈໍາວັນ, ອາທິດ, ຊົ່ວໂມງ
ພາສາການຂຽນໂປຣແກຣມ
Python
ປະເພດ
ນີ້ແມ່ນແອັບພລິເຄຊັນທີ່ຍັງສາມາດເອົາມາຈາກ https://sourceforge.net/projects/neuralprophet.mirror/. ມັນໄດ້ຖືກຈັດຢູ່ໃນ OnWorks ເພື່ອໃຫ້ດໍາເນີນການອອນໄລນ໌ດ້ວຍວິທີທີ່ງ່າຍທີ່ສຸດຈາກຫນຶ່ງໃນລະບົບປະຕິບັດງານຟຣີຂອງພວກເຮົາ.
