Thuật ngữ AI
Từ điển đầy đủ về Trí tuệ nhân tạo
ARIMA and SARIMA models
Classical statistical methodologies for modeling and forecasting stationary and seasonal time series.
Recurrent Neural Networks (RNN)
Deep learning architecture designed to process data sequences while maintaining a memory of previous states.
LSTM and GRU
Advanced variants of RNNs with gate mechanisms to handle long-term dependencies in time series.
Prophet and Additive Models
Automatic forecasting tools that decompose series into trend, seasonality and holiday effects.
Exponential Smoothing and Holt-Winters
Weighted smoothing techniques to capture trends and seasonality in time series.
Transformers for Time Series
Attention architecture adapted to capture complex dependencies in temporal sequential data.
Décomposition Saisonnière
Méthodes pour séparer une série temporelle en composantes tendance, saisonnalité et résiduelles.
Modèles Hybrides
Combinaison de plusieurs approches (statistiques et machine learning) pour améliorer la précision des prévisions.
Prévision Multivariée
Techniques modélisant simultanément plusieurs séries temporelles interdépendantes.
Détection d'Anomalies Temporelles
Algorithmes pour identifier les observations inhabituelles ou les ruptures structurelles dans les séries.
Modèles à Espace d'États
Framework probabiliste avec filtre de Kalman pour modéliser des systèmes dynamiques bruités.
Prévision Probabiliste
Génération de distributions de prédictions complètes plutôt que de simples estimations ponctuelles.