일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 백준
- Unsupervised learning
- Cam
- 머신러닝
- SmoothGrad
- 설명가능한
- coding test
- Explainable AI
- GAN
- xai
- 인공지능
- 메타러닝
- Score-CAM
- Deep learning
- Class activation map
- 기계학습
- keras
- 코딩 테스트
- python
- cs231n
- 시계열 분석
- Machine Learning
- Artificial Intelligence
- meta-learning
- AI
- Interpretability
- 딥러닝
- grad-cam
- 설명가능한 인공지능
- 코딩테스트
Archives
- Today
- Total
목록편자기상관함수 (1)
iMTE
2. Stationary time series (Stationarity)
보통 시계열분석에서 stationary 시계열을 다루며, non-stationary 시계열은 여러 변환 (예, differentiation) 들을 통해서 정상적인 시계열으로 바꾼 이후에 분석을 한다. 1) 강정상성, strong stationary ($Z_1,...,Z_m$)과 ($Z_{1+k},...,Z_{m+k}$) ($k>1$)이 동일한 결합확률분포를 가질 때 strong stationry 시계열이라고 한다. 2) 위의 조건을 만족할 경우 다음 성질을 갖는다. (1) $E[Z_t]=\mu, t\geq 1$ (2) $Var[Z_t]=\sigma^2=\gamma (0), t\geq 1$ (3) $Cov[Z_t,Z_{t-k}]=Cov[Z_{t+k},Z_t]=\gamma (k), t\geq 1$ (자기공분..
Time-series Forecasting/ Prediction
2021. 6. 22. 10:18